InternRobotics、実世界移動操作のエージェントフレームワーク「REAL」を発表 実機成功率78.3%

何が起きたか

InternRoboticsは2026年7月15日、実世界の移動操作タスク向けエージェントフレームワーク「REAL」を発表した。同フレームワークは、シミュレーションと実機の一貫性を保つ環境APIを備え、人間参加型の対話を統合する。評価用ベンチマーク「REAL-Bench」は241タスクで構成され、能動的探索・視覚的妨害・関節操作・対話的曖昧性解消を網羅する。実験では、対話型タスクで商用クローズドソースVLMを上回る56.9%の成功率を達成し、実機の双腕移動ロボットでは60エピソード中78.3%のエンドツーエンド成功率を記録した。

詳細

REALは、オラクル知覚に依存せずシミュレーションと実機で一貫した環境APIを確立し、シミュレートされたユーザーを統合して人間参加型の対話を可能にする。多様なタスク構成でデータ収集・教師あり微調整・オンライン強化学習を実施し、エージェント性能を体系的に最適化する。REAL-Benchは241タスクで構成され、能動的探索、視覚的妨害、関節操作、対話的曖昧性解消の4カテゴリを含む。実験結果では、対話型タスクで商用クローズドソースVLMを上回る56.9%の成功率を達成した。階層的トレーニングパイプラインにより、ツール使用能力の整合と拡張探索地平下でのオープン語彙推論の維持を確認した。実機評価では、物理的な双腕移動ロボットで60エピソード中78.3%のエンドツーエンド成功率を記録し、未見の家庭シナリオへのゼロショット転移を示した。コードはGitHubで公開されている。

Key Facts

本紙の見方

今回の発表は、実世界の移動操作における「探索・対話・展開」を一貫して扱うエージェントフレームワーク「REAL」を提示した点で新規性がある。従来の研究はシミュレータの特権状態に依存したり、完全な指示を前提としたりすることが多く、実展開の課題を回避していた。REALはオラクル知覚に依存せず、シミュレーションと実機で一貫した環境APIを確立し、人間参加型の対話を統合することで、このギャップを埋めようとしている。これは、本紙が過去に報じたジーデップ・アドバンスとシリコンスタジオのSim2Real協業が「シミュレーションと実機の乖離を縮める」ことを目指すのと同様の課題意識に立つが、REALはさらに「対話による意図の曖昧性解消」を組み込み、探索とインタラクションを一体で扱う点で一歩進んでいる。また、清華大学Youth2RealのICRA 2026での把持操作実績が示すように、実世界でのロボット操作の評価は競技会でも進んでいるが、REALは241タスクのベンチマークと実機60エピソードの評価を組み合わせ、より体系的な検証を試みている。 業界構造への含意として、REALの成果は「シミュレーションと実機の一貫性」と「人間参加型の対話」が、実世界展開におけるロボットの性能を左右する重要な要素であることを示す。特に、対話型タスクで商用クローズドソースVLMを上回る56.9%の成功率は、汎用VLMをそのままロボットに適用するだけでは不十分で、ロボット固有のトレーニングパイプラインが必要であることを示唆する。これは、ロボット向け基盤モデルの開発競争において、シミュレーションデータと実機データをどう組み合わせるかが差別化要因になることを意味する。また、REALのコードが公開されていることは、研究コミュニティでの再現性と発展を促し、シミュレーション基盤の標準化につながる可能性がある。 一方、未確定の論点として、REALの実機評価は60エピソードと限定的であり、より多様な環境や長期的なタスクでの性能は不明である。また、56.9%の成功率は対話型タスクに限定されたものであり、他のタスクカテゴリでの性能は論文本文で確認する必要がある。さらに、商用クローズドソースVLMとの比較は具体的なモデル名が明示されておらず、比較条件の詳細も不明である。これらの点は、今後の論文の詳細や追加実験で確認されるべきである。

なぜ重要か

REALは、ロボットが実世界で能動的に探索し、人間と対話しながらタスクを遂行するためのフレームワークを提示し、シミュレーションと実機の乖離を埋める具体的な手法を示した。これは、フィジカルAIの研究開発において、シミュレーション基盤と実機展開の連携が重要であることを再確認させるものであり、今後のロボット基盤モデルの開発方向性に影響を与える可能性がある。