Meituan-Robotics-0、卓上操作向けVLA基盤モデルを発表

何が起きたか

arXiv掲載論文は2026年11月5日、Meituan-Robotics-0（MR0）を、据え置き型ロボットによる卓上操作向けのVLA基盤モデルおよび具身エージェントシステムとして提示した。訓練には1億4,700万件の視覚・言語サンプルと、12種類のロボット形態にわたる15,060時間のロボット軌跡を用いた。論文によると、MR0はRoboTwin 2.0で成功率93.6%を記録し、RoboDojoのVLAトラックで5位となった。

詳細

訓練は、離散アクショントークンによる事前学習、フローマッチングによる中間学習、実環境での事後学習の3段階で構成する。Rollbackは、置き換えられた方策の動作区間と人間による修正を組み合わせ、価値学習やアドバンテージのラベル付けを使わずに正負の教師信号を与える手法として説明されている。 異なるロボット形態には統一されたエンドエフェクター・インターフェースで対応し、推論遅延が変動する状況では非同期のアクションチャンク統合によって実行の滑らかさを保つ。エージェントは作業イベントを保持し、進捗や実行可能性が変わった場合に計画を再評価する。論文は、HG-DAggerによる事後学習条件をそろえた3つの実ロボットタスクで、MR0がπ₀.₅を平均成功率と進捗スコアで上回ったと報告した。また、Rollbackデータで訓練したCFG-DAggerは、イーサネット挿入タスクで成功率70%、進捗スコア0.90だった。

Key Facts

本紙の見方

MR0の特徴は、単一のロボット構成に閉じた操作方策ではなく、12種類の形態にまたがる軌跡を学習に含め、統一されたエンドエフェクター・インターフェースで制御する設計にある。1億4,700万件の視覚・言語サンプルと15,060時間のロボット軌跡を組み合わせる点は、言語・視覚の事前知識を実際の動作へ段階的に結びつけようとする構成だ。ただし、論文が示すのは卓上操作という対象範囲でのモデルと評価であり、汎用ロボット全般への適用や商用運用を示したものではない。 学習手順では、離散アクショントークンの事前学習からフローマッチングによる中間学習、実環境での事後学習へ進む。ここにRollbackを加え、置き換えられた方策と人の修正を対にして正負の教師信号を与える点が、訓練方式上の具体的な提案である。イーサネット挿入で成功率70%・進捗スコア0.90という結果は、この手法を含むCFG-DAggerの評価であり、MR0全体の成功率と混同できない。また、RoboTwin 2.0の93.6%と実ロボット3タスクでの比較は評価条件が異なるため、数字を横並びにして優劣を論じるべきではない。 作業イベントを保持し、条件が満たされない間は計画を再評価・再開するエージェント機能は、動作を一度出して終えるだけでなく、進行中の作業状態を扱う設計を示す。非同期のアクションチャンク統合も、推論遅延が一定でない実行時の制御を意識した要素だ。これらを、卓上作業の継続性と複数ロボット形態への移植性を支える仕組みとして評価できるが、論文の定性的な配置例だけから運用上の信頼性や作業成功率を一般化することはできない。 本紙の関連記事では、2026年7月3日の「Nexchip、Meituan、Apptronikなど：今週のB2Bテック動向をMarketScaleが報じる」でMeituanがB2Bテック動向の一社として扱われていた。今回の論文は企業動向の列挙ではなく、モデルの訓練データ、方策学習、実機評価という技術単位を示すものだ。ただし、これを同社の製品投入や事業化の進展と結びつける根拠は論文本文にはない。 業界構造への含意は、異なるロボット形態のデータを共通の制御表現へまとめられるか、そして実環境で得た人の修正を再学習にどう利用するかにある。実用性を判断するには、論文に記載されたベンチマークと限定されたタスク評価に加え、各形態での個別成績、作業条件、反復時の安定性、必要な人手修正の量を確認する必要がある。論文はこれらの実運用規模や、商用導入の状況を示していない。

なぜ重要か

論文の評価では、MR0はRoboTwin 2.0で成功率93.6%を記録する一方、イーサネット挿入での成功率70%はRollbackデータを使ったCFG-DAggerの結果として報告されている。対象タスクと評価条件を分けて読むことで、卓上操作モデルのベンチマーク性能と、修正データを用いる学習手法の実機評価を区別できる。