何が起きたか
2026-11-18にarXivで公開された論文は、長い手順を伴う人・シーン相互作用向けのエージェント枠組み「Inhabitant」を提案した。学習不要で、動作を位置・経路・姿勢で指定し、実行結果と意図のずれを測って制御指定を修正する。家庭内タスク75件を使った評価では、Claude Opus 5.5で完了率98.7%、Claude Sonnet 5.5で93.3%、Gemini 4 Argonで82.7%だった。
詳細
評価用ベンチマーク「Inhabit」は、アパートの31種類の家具配置における家庭内タスク75件で構成する。各タスクは、動かせる物体に関する1〜3個の目標を連鎖させ、指を除く全身を使って実行する。論文は、空間制御を除くと多くのタスクで失敗し、定量フィードバックを除くと動作の精度が低下すると報告した。
Key Facts
| Inhabitantは、動作を位置・経路・姿勢で指定し、実行結果のずれを定量評価して制御指定を修正する学習不要のエージェント枠組みとして提案された。 | [1] |
| Inhabitは、アパートの31種類の家具配置における家庭内タスク75件で構成される。 | [1] |
| 各タスクは、動かせる物体について1〜3個の目標を連鎖させ、指を除く全身で実行する。 | [1] |
| 完了率はClaude Opus 5.5で98.7%、Claude Sonnet 5.5で93.3%、Gemini 4 Argonで82.7%だった。 | [1] |
| 論文は、空間制御を除くと多くのタスクで失敗し、定量フィードバックを除くと動作の精度が低下すると報告した。 | [1] |
本紙の見方
この研究の焦点は、言語モデルに一連の動作を任せること自体より、指示を空間的に明示できる制御表現と、実行後に誤差を測って修正する仕組みを一体化した点にある。モデルが作った計画をそのまま通すのではなく、意図と実行の差を次の制御指定に反映する設計であり、長い手順の途中で動作がずれた場合にも修正の手掛かりを与える。論文のアブレーション結果も、空間制御と定量フィードバックがそれぞれ異なる役割を持つという設計上の主張を支える。 完了率はClaude Opus 5.5の98.7%からGemini 4 Argonの82.7%まで16.0ポイントの幅がある。同じInhabitantを用いても評価結果がモデルによって異なるため、枠組み単体の性能として一つの数値を扱うことはできない。モデルの選択と制御・評価機構の組み合わせが、タスク完了にどう影響するかを分けて検証する必要がある。これは、言語モデルの計画能力だけを評価するのではなく、動作を指定する層と実行結果を測る層を含めて比較する必要性を示す。 一方、評価対象は31種類の家具配置における75の家庭内タスクであり、各タスクの目標数も1〜3個に設定されている。したがって、完了率を家庭内のあらゆる作業や実機ロボットの性能にそのまま当てはめることはできない。公開された要約からは、実環境での検証の有無、個々のタスクの難度差、完了判定の詳細までは確認できない。次に見るべきなのは、家具配置や物体条件を変えたときの頑健性、タスクが長くなった場合の完了率、実機での誤差計測と修正の再現性である。これらが示されて初めて、ベンチマーク上の制御方式が実運用にどこまで移せるかを評価できる。
なぜ重要か
Inhabitantは、位置・経路・姿勢による動作指定と、実行結果のずれを測って修正する手順を組み合わせる。論文の評価では空間制御を除くと多くのタスクで失敗し、定量フィードバックを除くと精度が低下しており、複数の家庭内目標を連鎖させるエージェントの設計を考えるうえで、計画だけでなく実行の計測と修正も評価対象となる。
