何が起きたか
RoboTeamの論文が2026年11月17日にarXivで公開された。シミュレーション上で4〜16台のロボットアームをカメラ画像だけからリアルタイムに協調制御する、36課題のベンチマークを提示した。適応型エージェント方式ではgpt-6.1-solが28課題、opus-5.5が27課題を完了し、ほかの4モデルは最大でも3課題だった。
詳細
課題は、木材を受け渡す作業や数百個の立方体で絵を組み立てる作業など、複数のアームが長時間協調する内容である。エージェントが処理中もシミュレーションを止めず、物体の正解位置も与えない条件とした。 適応型方式では、典型的な課題1件にgpt-6.1-solが3.5時間、入力2億1800万トークンを要し、各ステップの約3分の1で少なくとも1回の失敗と再試行があった。適応型のほか、単一エージェント、階層型、分散型を比較したところ、完了課題数はおおむね同程度だった。階層型と分散型はより速い一方で最大1.9倍のトークンを使い、単一エージェントはトークンを抑える一方で1.6倍の時間を要した。
Key Facts
| ベンチマークは、カメラ画像のみを入力に4〜16台のロボットアームをリアルタイム制御する36課題で構成される。 | [1] |
| 適応型エージェント方式でgpt-6.1-solは28課題、opus-5.5は27課題を完了し、ほかの4モデルは最大3課題だった。 | [1] |
| gpt-6.1-solは典型的な課題1件に3.5時間と2億1800万入力トークンを要し、各ステップの約3分の1で少なくとも1回の失敗があり再試行した。 | [1] |
| 階層型と分散型はより速い一方で最大1.9倍のトークンを使い、単一エージェントは適応型より少ないトークンで1.6倍の時間を要した。 | [1] |
本紙の見方
RoboTeamの焦点は、複数台を動かせるかだけでなく、長時間の作業を止まらない環境で完遂する際の速度、入力トークン、再試行まで一体で測る点にある。4〜16台という規模に加え、カメラ画像だけを使い、物体の正解位置を与えない条件は、短い単体操作や事前に位置が分かる課題とは異なる評価軸を設ける。したがって、完了課題数で上位の方式を、そのまま実運用に適した制御方式とみなすことはできない。 結果はその違いを示す。適応型方式でgpt-6.1-solとopus-5.5が多くの課題を完了した一方、gpt-6.1-solの典型課題には3.5時間と2億1800万入力トークンがかかった。さらに各ステップの約3分の1で再試行が必要だったという値は、タスク完了の成否だけでなく、実行過程の効率と安定性を別に評価する必要を示している。ただし、これは論文が設定したシミュレーション課題での結果であり、実機の稼働性能や現場での費用を直接示すものではない。 方式間の比較も、単一の最適解ではなく資源配分の違いとして読める。階層型・分散型は速さと引き換えに最大1.9倍のトークンを使い、単一エージェントはトークンを抑える一方で1.6倍の時間を要する。適応型が両者の中間に位置するという結果からは、委譲や並列化の設計が、処理時間と推論資源のどちらを優先するかに関わることが分かる。複数アームの協調では、個々の指令生成だけでなく、タスク分割、再試行、実行中の状態把握が評価対象になる。 次に確認すべきなのは、36課題ごとの成績差、失敗の種類と再試行後の回復率、実行時間やトークン量の分布である。また、論文要旨にはシミュレーションと実機の差をどう扱ったか、実行に用いた計算環境、トークンを金額に換算した値は示されていない。これらが分からない段階では、課題完了数を導入可能性や経済性に結びつけず、ベンチマーク内での能力と効率の比較として扱う必要がある。
なぜ重要か
RoboTeamは、カメラ画像だけで複数アームを動かす長時間課題について、完了数に加えて処理時間、入力トークン、再試行の発生を評価する。論文の結果では、課題を多く完了した方式にも大きな処理時間と再試行が伴っており、ロボット制御エージェントの評価では成功数と運用効率を分けて見る必要がある。
