ロボット操作の文脈内学習「WICL」を提案、50タスクで平均成功率83.4％

何が起きたか

論文「World In-Context Learning for Agentic Robot Manipulation」は2026年11月9日、ロボット操作向けのWorld In-Context Learning（WICL）と、その実装基盤RoboScriptを提案した。RoboScriptはタスクごとに実演1回からシミュレーション上で練習し、勾配更新なしで、RoboTwin 2.0の50タスクにおいてクリーン設定とランダム化設定を合わせた平均成功率83.4％を達成した。論文は、最も強い訓練済み行動ポリシーを20ポイント超上回ったとしている。

詳細

WICLでは、モデルの重みを固定したまま、実演を出発点にシミュレーションなどの世界でタスクをリハーサルし、そのフィードバックを重みではなく文脈に記録する。RoboScriptは学習した内容をTask Memoryとして固定し、新しい場面に展開する。論文は、学習内容が物体の見た目ではなくタスクの手順や物体の役割に関する意味情報として記録されるため、異なる視覚分布の場面にも転移すると説明している。 展開時には、実ロボット上で利用可能な入力だけを使うようデータを分離する。論文は、反省による性能改善、基盤モデルの規模に応じた拡張性、異なる身体形態へのメモリー適応を報告し、物理デュアルアームロボットへの転移も示した。

Key Facts

本紙の見方

評価の中心は、タスクをモデルの重みに書き込む従来型の訓練済みポリシーと、実演を別の場面へ持ち込むだけの文脈内学習の間に、シミュレーションでのリハーサルを置いた点にある。論文の説明では、別の場面で記録した実演だけでは、ロボットが現在直面する世界からのフィードバックを得られない。WICLはその不足を、固定モデルがリハーサルを行い、結果を文脈に蓄える構成で補おうとする。したがって新しさは「実演から学ぶ」こと自体より、学習の置き場所とフィードバックを得る過程の設計にある。 数値の読み方にも条件が付く。RoboTwin 2.0の50タスクで平均83.4％、実演は各タスク1回、勾配更新なしという結果は、重みを更新せずにタスク記憶を作る方式の評価として意味を持つ。一方、「最も強い訓練済み行動ポリシーを20ポイント超上回る」という比較は論文の報告であり、ここに示された要約情報だけでは、比較対象の名称や個別条件、タスクごとの成績分布までは確認できない。平均値だけでは、どの種類の操作が成功率を押し上げたかも分からない。 構造面では、実演を入力として、シミュレーションで試行し、Task Memoryに結果を保持して、新しい視覚場面や物理ロボットへ移す流れが示されている。重みを変えずに記憶を展開する設計は、タスクごとの知識をモデル本体から切り分けて扱うものと読める。ただし、論文要約が述べる「データ分離」は、展開時の入力を実ロボットで利用可能なものに限るという説明であり、実環境データを使わずに学習できることや、あらゆる情報管理上の課題を解決することを意味しない。 次の検証点は、シミュレーションでのリハーサルが実機の物体・接触条件の違いにどこまで耐えるか、デュアルアームへの転移でどの程度の成功率を得たか、Task Memoryの作成・更新に必要な計算量や時間はどれほどかである。要約には実機転移の報告はあるが、その成績や対象タスク数、モデルの具体名、シミュレーターの条件は記されていない。50タスクの平均成績と実機転移の定量結果を切り分けて評価できるかが、方式の適用範囲を判断する焦点となる。

なぜ重要か

各タスク1回の実演からシミュレーションでリハーサルし、モデルの重みを更新せずにTask Memoryとして新しい場面へ展開する設計は、タスクごとの学習をモデル本体から分けて扱う方法を提示している。論文の50タスクでの結果に加え、物理デュアルアームロボットへの転移も報告されており、実機での成績や適用条件を定量的に確認できるかが実用性を測るうえで重要となる。