SafeHarness、ロボット制御のコーディングエージェントで障害物回避性能を向上

何が起きたか

arXivが2026-09-17に掲載した論文「Coding Agents with Harness for Safe Robot Control」は、ロボット操作のcoding agentsが、障害物に触れてはならない安全条件つき課題で、多くの場合に障害物へ衝突することを示した。論文は、同じ目標でも安全制約を優先せず、計画段階で制約が実質的な優先順位になっていないと整理している。 そのうえで著者らは、障害物を意識した2種類のハーネスを備えるSafeHarnessを提案した。経路計画では障害物をバウンディングボックスとして扱い、ウェイポイント列として候補経路を描き、事前確認と再計画を経て実行する。接触実行では、接触位置を障害物回避に合わせて選ぶ。

詳細

論文は、課題ごとに「操作目標」と「触れてはならない障害物」を組にして評価した。著者らによれば、失敗の原因は知覚や指示ではなく計画にあり、経路上では回避経路や再計画の発想がなく、接触時には接触動作も同じ制約で縛られるという認識が欠けていたという。 SafeHarnessの評価では、GPT-6-Astraでタスク成功率81.2%、衝突回避率91.9%を達成した。論文はこの結果が、従来のSOTAを成功率で13.7ポイント、衝突回避率で23.0ポイント、同じエージェントのハーネスなし版を成功率で31.2ポイント、衝突回避率で57.5ポイント上回ったとしている。

Key Facts

本紙の見方

今回の論文で新しいのは、ロボット操作のcoding agentsを「動くかどうか」ではなく「障害物に触れないか」で評価し、その失敗点を計画段階と接触段階に分けて切り分けた点である。単にプロンプトで禁止するだけでは安全性が担保されず、モデルが目的達成を優先して制約を後回しにする、という整理が中心だ。既定路線の延長としては、言語モデルに計画を書かせる枠組み自体はすでに存在しており、この論文はその上に安全用のハーネスを被せた形である。 本紙の関連記事はないため、過去報道との接続は置かないが、論文は「知覚や指示の欠陥ではなく計画の欠陥」と明示している点が重要である。つまり安全性の論点は、センサー精度や命令文の強さではなく、経路をどう表現し、いつ再計画するかという実行前の制御ロジックに移っている。ここで示されたバウンディングボックス、ウェイポイント、事前検証、再計画という構成は、実機ロボットの安全制御を生成AIに任せる際に、ソフトな言語制約をハードな実行手順へ変換する必要があることを示す。 業界構造への含意としては、競争の焦点が「何を言わせるか」から「どういう制約表現を実行系に埋め込むか」に移る可能性がある。SafeHarnessは経路計画と接触実行を分離しており、前者では障害物を幾何学的に扱い、後者では接触位置を制御する。したがって、ロボット向けAIではモデル性能だけでなく、経路表現、再計画の条件、接触の許容範囲をどの層で持たせるかが差になるとみられる。加えて、評価指標も成功率だけでなく衝突回避率を並べて見る必要がある。 未確定の論点は、SafeHarnessがどのロボット機種やタスク群で再現されるか、GPT-6-Astra以外のモデルでも同じ差が出るか、そして経路計画と接触実行のどちらが性能向上により効いたかである。論文は数値を示しているが、実運用での安全認証や例外処理の詳細までは示していない。

なぜ重要か

ロボットに言語モデルを組み合わせるだけでは、安全制約が自動的に守られないことを、障害物回避率91.9%という指標で示した点に意味がある。研究開発の焦点は、プロンプト設計だけでなく、経路計画と接触実行を分けた制御アーキテクチャに移るとみられる。

日本への影響

日本のロボット開発では、操作モデルそのものよりも、実機に載せる前の経路計画、接触制御、例外時の再計画をどう組み込むかが論点になるとみられる。製造現場や物流現場での導入を考える場合も、成功率だけでなく衝突回避率を評価に入れる必要がある。