何が起きたか
研究チームは2026年2月9日、arXivにプレプリント「Self-Supervised Bootstrapping of Action-Predictive Embodied Reasoning」を公開した。提案手法R&B-EnCoReは、VLAモデルの身体化推論を自己教師ありで改善し、操作・ナビゲーション・自動運転の各タスクで性能向上を確認した。
詳細
R&B-EnCoReは、推論を重要度重み付き変分推論内の潜在変数として扱い、モデル自身が身体化固有の推論訓練データセットを生成・蒸留する。外部報酬、検証器、人手の注釈を必要としない。検証は、Franka Panda(シミュレーション)とWidowX(ハードウェア)での操作、二足・車輪・自転車・四足の脚式ナビゲーション、自動運転の各身体化で実施。VLAアーキテクチャは1B、4B、7B、30Bパラメータのものを使用した。結果、全プリミティブを無差別に推論するモデルと比較し、操作成功率28%向上、ナビゲーションスコア101%改善、衝突率指標21%低減を達成した。
Key Facts
| R&B-EnCoReは、外部報酬・検証器・人手の注釈なしに、自己教師ありで身体化推論の訓練データセットを生成・蒸留する。 | [1] |
| 操作(Franka Pandaシミュレーション、WidowXハードウェア)、脚式ナビゲーション(二足、車輪、自転車、四足)、自動運転の各身体化で検証。 | [1] |
| VLAアーキテクチャは1B、4B、7B、30Bパラメータのものを使用。 | [1] |
| 全プリミティブを無差別に推論するモデルと比較し、操作成功率28%向上、ナビゲーションスコア101%改善、衝突率指標21%低減。 | [1] |
なぜ重要か
R&B-EnCoReは、身体化AIの学習における人手依存を減らし、自己教師ありで推論を改善する道を示す。これにより、ロボットや自動運転の開発サイクルが加速し、より堅牢な行動決定が可能になる可能性がある。