ロボット操作スキルを凍結して再利用する手法、arXiv論文が提示

何が起きたか

arXivに2026年10月18日掲載された論文「Compile Once, Run Cheap: Frozen, Portable Skills for Embodied Agents, and What Recursive Self-Improvement Adds」は、Embodied AI向けに「Skill-RSI」と呼ぶ手法を提案した。強い汎用モデルを実行時の制御主体ではなく、オフラインでスキルを作成・診断・修復する著者として使い、検査に合格したスキルを凍結してコードとして再利用する構成である。論文は7件のRoboTwin 2.0タスクでこの方式を検証し、4件を凍結スキル化できたと報告した。

詳細

論文は、compile protocolとして、隔離された監査済みの著者、隠し検証レイアウト、no-feedbackとinherit-onlyの対照条件、改ざん検知可能な台帳を定義した。reuse protocolでは、同一のファイル群を別モデル系統の実行器で走らせる設計を示している。 実験では、Claude Codeが4タスクを7個の凍結スキルにまとめ、最初の草案だけで合格したものを含めて1スキル当たりUSD 4.29-8.22の著者コストで作成した。失敗した13回の試行を含めると、1スキル当たりUSD 55相当と記している。別の3タスクは18回の試行でも compile できず、その中にはGPT-6と事前登録した150レイアウトの実行を含む5回があった。最難関タスクでは、各試行の得点は78-95/100だった一方、安全停止が3-16回発生し、95%成功かつ安全停止ゼロというゲートを越えられなかった。100エピソードの試験は、停止率を3.6%までしか絞れないとした。

Key Facts

本紙の見方

この論文の新しさは、Embodied AIの能力獲得を「毎回の実行時に大きなモデルへ依存する方式」から、「作成時に重いモデルを使い、実行時は凍結したスキルを回す方式」へ切り分けた点にある。既定路線の延長としては、シミュレーションで技能を作ること自体は珍しくないが、ここではスキルをコードとして固定し、別モデル系統の実行器でも同一ファイル群を再利用できるようにした点が焦点である。実験の数値を見ると、主役は生成モデルそのものではなく、検査に通った後のスキル資産であり、4タスクを7スキルへ分解し、別タスクでは18回試行しても通らないケースが残った。 本紙の過去報道との接続はできないが、論文が示した構図は、学習済みモデルの性能向上よりも、モデルが吐き出した手順をどこまで再利用可能な部品にできるか、という論点に近い。特に、5回のキャンペーンでGPT-6を用いても通らなかった最難関タスクや、安全停止が3-16回入った試行は、成功率だけでは実運用の可否を測れないことを示している。ここでの焦点は、スキルの正しさだけでなく、停止条件や監査手順を含めた「コンパイル可能性」に移っている。言い換えれば、ロボット操作の競争軸が単発の推論性能から、生成・監査・修復・凍結・再利用までを含む工程設計に移っている。 業界構造への含意としては、実行時コストの低いスキル配布が可能になれば、現場側は高価なフロンティアモデルを常時つなぐ必要がなくなる一方、上流ではレイアウト依存の検証、失敗キャンペーンの蓄積、台帳管理といった開発工程が重くなるとみられる。論文は100エピソードの試験で停止率を3.6%までしか絞れないと述べており、少ない試行で安全性をどこまで証明できるかが未解決である。加えて、今回はRoboTwin 2.0の7タスクに限られているため、他の操作環境や物理ロボットで同じ再利用性が保てるか、また別モデル系統の実行器で性能劣化がどこまで起きるかが次の確認点になる。

なぜ重要か

論文が示したのは、ロボット操作で高価なモデルを毎回呼ぶ構成に対し、作成時のみ重い計算を使って実行時コストを下げる道筋である。著者は、凍結したスキルが新しいレイアウトでも148/150成功、DeepSeek-flash呼び出しでも147/150成功したと報告しており、同じ手順資産を低コストで回す前提条件を具体的に示したといえる。