ロボット自己改善、人間の動画から学習する新手法をETH Zürichが発表

何が起きたか

ETH Zürichの研究チームは2026年6月19日、人間の動画から学習したモデルを用いてロボットが自身の失敗から自律的に改善する手法「Dynamics-Guided Action Correction (DGAC)」を発表した。7つの実世界操作タスクで成功率を40%から81%に向上させたとしている。

詳細

DGACは、人間の動画から学習した身体構造に依存しない行動・力学・価値表現を利用し、ロボットの失敗状態を修正する行動を提案・ランク付けする。この手法はトレーニング不要で、失敗を次のポリシー更新の教師信号として利用する。実験では、移動マニピュレータと固定マニピュレータアームの2種類のロボットを使用し、複数のポリシーバックボーンで成功率を40%から81%に向上させた。

Key Facts

本紙の見方

今回の発表は、ロボット学習における「自己改善」の実現可能性を大きく前進させるものだ。従来のロボット学習は、大量の教師データやシミュレーション環境に依存することが多かったが、DGACは人間の動画という受動的な観察データを活用し、ロボット自身の失敗を能動的な学習信号に変換する点で新しい。 本紙の過去報道では、2025年11月に「ロボット学習の新潮流、人間の動画から行動を模倣する手法が台頭」と題し、人間の動画を利用した模倣学習の可能性を報じた。また、2026年3月には「ロボットの自己改善、失敗からの学習が鍵に」と題し、失敗データを活用する研究の重要性を指摘した。今回のDGACは、これらの流れを統合し、人間の動画から得た事前知識をロボットの失敗修正に応用する点で、過去の報道の延長線上にあると同時に、自己改善の具体的な実装を示した点で新規性が高い。 業界構造への含意としては、ロボット学習のデータ効率が向上することで、実機での試行錯誤を減らし、開発コストを削減できる可能性がある。特に、人間の動画はインターネット上に大量に存在するため、データ収集の障壁が低い。一方で、DGACはトレーニング不要とされるが、学習済みのモデルを必要とするため、その基盤モデルの性能が結果に大きく影響するとみられる。また、成功率の向上は報告されているが、タスクの複雑さや汎用性については公開情報では確認できない。 今後確認すべき点は、第一に、DGACがより複雑なタスクや多様なロボット構成でどの程度有効か、第二に、学習済みモデルの性能が成功率に与える影響の度合い、第三に、実用化に向けた計算コストやリアルタイム性の課題である。これらの点が明らかになれば、ロボット学習の実用化がさらに加速する可能性がある。

なぜ重要か

この研究は、ロボットが人間の動画から学び、自身の失敗から自律的に改善するという、ロボット学習のパラダイム転換を示唆する。データ効率の向上は、ロボットの実用化を加速し、産業界や日常生活への導入を促進する可能性がある。