RAX、オンライン探索でロボット学習を拡張　デモ不要の制御コード生成を公開

何が起きたか

arXivで2026-10-15に公表された論文で、研究者らはRAX（Robot Agent eXploration）を示した。RAXは、動作デモを集めて方策を学ぶ代わりに、オンライン探索で経験を蓄積し、実行可能なプログラムを合成するオープンソース枠組みである。論文では、単腕、両腕、器用手、移動型、ヒューマノイドの各システムを使い、精密作業と長時間の操作課題での多体系比較を行った。

詳細

RAXでは、汎用のコーディングエージェントがロボット制御コードを生成し、行動デモ、手作りの行動プリミティブ、価値関数誘導を使わない構成をとる。オンライン探索の結果は、知覚・計画・制御のループ全体を含むモジュール式プログラムとしてまとめ直される。 論文は、シミュレーションでの一般化性能が探索規模の拡大に伴って一貫して改善したとし、トップベースライン比で平均+37.4%と報告した。実機では、記憶依存、関節構造、精密、変形物体、長時間の移動操作課題を、人手デモなしで自律的に学習し、過去の探索セッションで検証済みのスキルを組み合わせて性能を継続的に改善したとしている。

Key Facts

本紙の見方

今回の論文の新しさは、ロボット学習の中心を「デモの収集」から「オンライン探索の反復」に移している点にある。既存の模倣学習は、タスクやロボット本体が変わるたびに専用の遠隔操作データが必要になりやすいが、RAXはその前提を外し、APIだけ接続された新しい形態でも探索とコード合成で取り込める設計を示した。一方で、完全に新しいロボット能力をゼロから作るというより、探索で得た検証済みスキルを積み上げて知覚・計画・制御をモジュール化する延長線上の提案でもある。 本紙の過去報道との接続はないが、この論文が示す構図は、個別のロボットごとに学習資産を閉じ込める方式から、学習手順そのものを再利用可能なプログラムとして持ち回る方式への転換だと読める。ここで重要なのは、RAXが「モデルを大きくする」だけでなく、「探索で得た成功系列をコード化する」点である。つまり、学習対象は単なる重みではなく、再利用可能な実行ロジックであり、ロボット形態が増えるほどAPI層の整備がボトルネックになる可能性がある。 業界構造への含意としては、まずデータ収集の位置づけが変わる。遠隔操作データの大量確保が必須でなくなるなら、差が出るのは学習データ量よりも、探索を安全に回し続ける環境設計、失敗から復帰する制御、そして検証済みスキルをどこまで再利用できるかである。次に、単腕からヒューマノイドまでを同じ枠組みで扱うため、ロボット本体の違いよりも、各機体のAPI設計と制御スタックの抽象化が競争軸になりやすい。さらに、論文が挙げるactive perception、error recovery、安全ガードレール、人協調は、探索の副産物として現れた機能であり、これらをどの水準で再現可能にするかが実装上の焦点になる。 未確定の論点は、実機での各課題における成功率の内訳、探索に要した試行回数、プログラム合成の失敗率、API統合に必要な最小要件である。+37.4%という平均値は示されたが、どの形態や課題が最も伸びたのか、また安全ガードレールがどの条件で働いたのかは、論文の詳細確認が必要だ。

なぜ重要か

RAXは、ロボット学習で重視されてきた遠隔操作データの収集を必須条件から外し得る点で、研究機関やロボット開発者の評価軸を変える可能性がある。論文が示した平均+37.4%はシミュレーションでの結果だが、実機でもデモなし学習をうたっており、少なくとも学習手法の比較基準を変える材料になる。

日本への影響

日本のロボット開発では、個別機体ごとの制御実装とデータ収集に依存する比重が大きい領域ほど、RAXのようなAPI中心の統合方式との相性が論点になりうる。とくに単腕、両腕、器用手、移動型、ヒューマノイドをまたぐ制御抽象化が進むなら、機体差を吸収するソフトウェア層の整備が焦点になる。