REA、非同期の脳・小脳型制御ランタイムを提案　Unitree G1でも評価

何が起きたか

論文「REA: A Routed Embodied Agent Runtime for Asynchronous Brain-Cerebellum Control」が2026年10月30日、基盤モデルと高速ポリシーを協調させる実行基盤REAを提案した。LIBERO-Proの3,000エピソード・60タスクで成功率95.9%となり、同じポリシープール内の最良の単一エージェント基準値94.7%を上回った。論文要旨は、実機のUnitree G1にも転移し、比較手法の中で最も高い成功を観測したとしている。

詳細

REAは、熟考を担うSystem 2、ポリシーを振り分けるSystem 1、高速な反応を担うSystem 0を一つのランタイムで連携させる設計だ。実行中のポリシーを基盤モデルの応答待ちにしないことを原則とし、各ポリシーの事前測定済み成功実績を保持するroute memory、実行境界で基盤モデルに判断を求めるjudge gate、回復処理を制限するshared-budget escalation ladderを用いる。 RoboTwin 2.0の別評価は100エピソードで、VLAポリシー使用時の成功率は84%、VLAとコードの併用時は86%だった。最も強い単一VLA基準のMEDexは80%だった。LIBERO-Proでは制御ステップを25%、制御時間を17%削減したとする。BEHAVIOR-1Kへの転移も要旨に記載されているが、実機Unitree G1とBEHAVIOR-1Kの成功率や試行数は示されていない。

Key Facts

本紙の見方

この研究の焦点は、基盤モデルの推論能力そのものではなく、応答に時間がかかるモデルを高速制御の実行経路から切り離すランタイム設計にある。REAはSystem 2の判断を毎回の制御や失敗時に直結させず、route memoryとjudge gate、予算上限付きの回復段階で呼び出しを制御する。LIBERO-Proでは単一エージェント基準から成功率が1.2ポイント高く、制御ステップと時間も減ったとする一方、差はこの評価条件・ポリシープールでの結果であり、異なるロボットやタスクにそのまま当てはまるとは限らない。 本紙の関連記事では、ROBOTECH 2026、深圳で開幕　ロボット本体から部品・二次開発まで出展（2026年10月29日掲載）が展示を伝えている。展示の披露と、複数タスクでの評価、実機への転移は別種の証拠である。REAの結果は制御方式の比較に関するもので、継続稼働や商用導入の実績を示すものではない。この区別は、leaderobot.com、人形ロボットの国家標準を扱う記事を掲載（2026年10月30日掲載）で扱われた規格の議論とも混同できない。標準の存在や展示実績だけから、個別ランタイムの性能を判断することはできない。 業界構造上の含意は、異なる速度・汎化特性を持つポリシーを共通の実行基盤上で扱おうとする点にある。論文は、基盤モデルをエラーのたびに呼び出す方式では、反復的なフォールバックや見逃された失敗が起き得る問題を挙げ、事前の実績記録と境界での判定、回復予算を組み合わせた。複数のポリシーを組み合わせる際の制御停止を抑える設計候補だが、運用時の計算負荷や設定・保守コストは要旨からは評価できない。 次に確認すべきなのは、実機Unitree G1での試行数、成功率、タスク内容と安全上の条件である。要旨は「比較手法の中で最も高い成功」と述べるものの、実機の数値は示していない。また、route memoryの更新方法、判断ゲートの呼び出し頻度、共有予算の具体値、異なるハードウェア間での再現性も、要旨だけでは分からない。ベンチマークの数値と実環境での継続稼働を分けて検証する必要がある。

なぜ重要か

論文の評価では、REAはLIBERO-Proで成功率95.9%を記録し、単一エージェント基準の94.7%を上回るとともに制御ステップと時間を削減した。高速ポリシーを基盤モデルの応答待ちにしない設計が、これらの評価条件でどのような結果に結び付いたかを比較する材料になるが、実機での成功率や稼働条件は別途確認が必要だ。