LLMコーディングエージェント、Push-T操作タスクで100%成功率 デモデータ不要のアルゴリズム生成

何が起きたか

arxiv.orgに2026年8月18日付で公開された論文『Revisiting the "Push-T" Robot Manipulation Task with Agentic Robotics』は、LLMコーディングエージェント（Claude Code with Fable 5）が、人間のデモデータを一切使わずにPush-Tタスクを解くアルゴリズムを生成し、100%の成功率を達成したと報告した。このエージェントは、2Dジムシミュレーションをオンラインで見つけ、シミュレーション実験を通じて押す力学を学習し、200件の人間デモで訓練した最良の拡散ポリシーよりも46%少ないステップ数で最適化を達成した。

詳細

論文によると、エージェントはPush-Tタスク（T字型ブロックを単一の接触点で目標姿勢まで押す）を、デモデータなしで解決した。エージェントは2Dジムシミュレーションをオンラインで発見し、シミュレーション実験で押す力学を学習、反復最適化により100%の成功率を達成した。また、T字から全アルファベット（Push-AからPush-Z）への拡張を自己生成カリキュラムで解決し、FrankaおよびUR5ロボットアーム向けの3Dクロスエンボディメントシミュレーションコード（視覚フィードバック付き）も生成した。ビデオ、ポリシー、詳細はオンラインで公開予定。

Key Facts

本紙の見方

今回の発表は、ロボット操作学習におけるパラダイム転換を示唆する。従来の模倣学習は、人間のデモデータを大量に収集し、視覚運動ポリシーを訓練するのが主流だった。Push-Tはそのベンチマークとして広く使われてきた。今回、LLMコーディングエージェントがデモデータなしでアルゴリズムを生成し、拡散ポリシーを上回る性能（46%少ないステップ数）を達成したことは、データ収集のコストと時間を大幅に削減できる可能性を示す。 本論文の核心は、エージェントがシミュレーションを自己発見し、反復最適化を行う点にある。これは、実世界のデータに依存しない「アルゴリズムとしてのポリシー」という新たなアプローチであり、ロボット操作の汎用性を高める可能性がある。特に、T字から全アルファベットへの拡張や、Franka・UR5といった異なるロボットアームへの3Dシミュレーションコード生成は、クロスエンボディメントな一般化を示唆しており、特定のハードウェアに依存しないポリシー生成の可能性を開く。 業界構造への含意として、このアプローチはロボット操作の開発プロセスを変える可能性がある。従来は、デモデータの収集・ラベリング・ポリシー訓練に多大なリソースを要したが、LLMエージェントによるコード生成は、ソフトウェア開発の自動化と同様に、ロボットポリシーの開発を加速させるかもしれない。また、シミュレーションから実機への転用（sim-to-real）の課題は残るが、3Dシミュレーションコード生成はその橋渡しになる可能性がある。 一方で、未確定の論点も多い。まず、このアルゴリズムが実機のロボットでどの程度機能するかは不明である。論文はシミュレーションでの結果を示すが、実機での検証はまだ報告されていない。また、Push-Tは単純なタスクであり、より複雑な操作（把持、組み立てなど）への適用可能性は未知数だ。さらに、エージェントが生成したコードの品質や、その一般化能力（異なる環境・物体形状）についても、追加の検証が必要である。

なぜ重要か

この研究は、ロボット操作学習におけるデータ依存からの脱却を示す一歩であり、LLMエージェントが物理的タスクの解決策を自律的に生成できることを実証した。もし実機で有効なら、ロボットの導入コストを大幅に下げ、多様なタスクへの迅速な適応を可能にする。