何が起きたか
2026-10-05掲載のarXiv論文で、研究者らがExecution-Aligned Progressive Noise（EAPN）を提案した。対象は、生成ロボット方策における連続的な非同期再計画である。論文は、独立した確率初期化がモード切替やアクションチャンク間の継続不整合を招くとし、共有ノイズ軌跡を実行時の移動量に合わせる設計を示した。
詳細
EAPNは、再計画のたびに共有ノイズ軌跡を伝播させ、実際の実行による移動量に合わせて整合させることで、チャンク間の相関を実行整合に保つとしている。さらに各アクションチャンク内では、行動時間に沿った時間相関をモデル化し、確定済みのアクション文脈と組み合わせて次の生成を条件づける。 評価はD3IL、Kinetix、LIBERO、および実世界の操作課題で行われた。EAPNはD3ILで多峰性行動の一貫性を改善し、Kinetixでは平均成功率88.59%を達成した。LIBEROでは長い推論遅延下でも強い性能を維持し、実機実験ではObject Storageで90.0%、両手Cloth Foldingで96.7%の成功率を示した。
Key Facts
| Execution-Aligned Progressive Noise（EAPN）を提案した。 | [1] |
| 対象は生成ロボット方策におけるcontinuous asynchronous replanningである。 | [1] |
| 評価先はD3IL、Kinetix、LIBERO、real-world manipulation tasksである。 | [1] |
| Kinetixでaverage success rate 88.59%を達成した。 | [1] |
| 実機実験でObject Storageは90.0%、bimanual Cloth Foldingは96.7%の成功率だった。 | [1] |
本紙の見方
今回の論文の新規性は、非同期再計画のたびに独立乱数で再スタートするのではなく、実行済みの動作と結びついたノイズ履歴を次の生成条件に持ち越す点にある。生成ロボット方策では、チャンク単位での再生成が実運動とズレると、次の一手が前の実行と切れたものになりやすい。EAPNはその接続を、チャンク間の共有ノイズ軌跡とチャンク内の時間相関の両方で制御しようとしており、単なるサンプリング改善ではなく、生成過程の状態管理に踏み込んだ提案といえる。 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。もっとも、論文が示す構造は、生成モデルの出力品質というより、実行済みアクションを次回生成にどう継承するかという制御問題である。D3ILでの多峰性行動の一貫性、Kinetixでの88.59%という平均成功率、LIBEROでの長い推論遅延への頑健性は、単一ベンチマークでの点数競争ではなく、再計画を挟んでも方策の連続性を保てるかが焦点であることを示す。実機でObject Storage 90.0%、bimanual Cloth Folding 96.7%を出した点は、合成環境の指標だけではなく、実行の継ぎ目があるタスクで性能を維持できるかが検証対象になっていることを示している。 業界構造への含意としては、生成ロボット方策の評価軸が、単発成功率だけでなく、非同期再計画を含む実行連続性へ広がる可能性がある。これは、学習データの収集方法や推論時の状態保持、さらには遅延下での再計画設計に影響する論点である。一方で、論文はどの程度の計算負荷でこの整合を実現するのか、ベースライン比での改善幅がどれほど安定しているのかを本文の数値だけでは十分に分からない。実機2課題の外で、タスク種類をまたいだ再現性と失敗時の挙動が次の確認点になる。
なぜ重要か
発表元の論文が示すのは、生成ロボット方策では「一度うまく動く」だけでなく、再計画を挟んでも前の実行と切れずに続けられるかが性能の条件になりつつある、という点である。実機でObject Storage 90.0%、bimanual Cloth Folding 96.7%を示したことから、継ぎ目の多い操作タスクでの適用条件を検討する材料になる。
日本への影響
日本企業や研究機関にとっては、ロボットの学習モデルそのものより、実行履歴を保持した再計画や遅延下の推論制御をどう設計するかが論点になる可能性がある。とくに、実機操作の継続性が問われる組立・搬送系の研究では、単発の成功率だけでなく再計画時の一貫性を評価軸に加える必要がある。