Team Friday、MetaFine Challengeで2位　模倣可能な教師で挿入タスクのスコア改善

何が起きたか

Team FridayはMetaFine Open Competitionで2位となり、総合スコア0.947を得た。論文は、これがπ_0ベースラインの2倍を超えたとしている。チームは大規模な視覚・言語・行動（VLA）モデルを微調整せず、タスクごとに19Mパラメーターの方策を訓練し、指示分類器を別に設けた。

詳細

大会はRoboFineMani workshop, CoRL 2026の一環で、照明やカメラの変化に対する知覚、指示理解、行動を評価する5つのシミュレーションタスクで構成された。課題には指示された部位を持つボトル把持や、4 mmのクリアランスで文字形ペグを挿入する操作が含まれる。 訓練データは、特権情報を利用するスクリプト教師がシミュレーター内で生成し、学習者の誤りに対する訂正も含めた。論文によると、最難関の文字形ペグ挿入では、教師を模倣しやすくすることで公式スコアが0.44から0.82に上昇した。この段階はデータを32％増やし、アーキテクチャは同じだった。論文はさらに最終スコア0.88を報告している。

Key Facts

本紙の見方

この結果の中心は、方策の規模を大きくすることではなく、教師の示す動作を学習者が再現できる形に整えることにある。チームは大規模VLAモデルの微調整を選ばず、タスクごとの19Mパラメーター方策を使った。さらに、教師がほぼ常に成功するだけでは、記憶を持たない学習者にとって良い手本にならない場合があると分析している。教師の停止が学習者には停滞として映り、教師の固定的な癖が近道として学ばれ、学習者自身が起こす誤りを教師が見せないことがあるという指摘は、デモの成功率だけでは模倣学習の質を測れないことを示す。 最難関とされる文字形ペグ挿入で、同じアーキテクチャのままデータを32％増やした条件でスコアが0.44から0.82になり、最終的に0.88に達した点は、モデル構造とデータ生成方針を分けて検討する必要を示す。ただし、要旨には0.82から0.88への変化に対応する条件が詳述されていないため、改善の寄与をデータ量や教師設計のどちらかに限定して説明することはできない。 競技全体では5つのシミュレーション課題を扱い、知覚、指示理解、行動を評価対象とした。したがって総合スコア0.947は、単一の動作成功率ではなく、競技設定に沿った複数要素の評価として読むべきだ。π_0ベースラインの2倍超という比較も、同じ競技条件下の結果であり、実機や別のタスクにおける優位性まで示すものではない。ボトル把持と4 mmクリアランスの挿入を含む課題設定は、粗い成功・失敗の判定を超えた操作品質を競技の焦点にしている。 次に確認すべきなのは、シミュレーターで得た教師データと方策が実機でどの程度機能するか、5課題それぞれの結果がどう分布するか、そして0.82から0.88への改善に何が寄与したかである。要旨は実機評価や課題別の全スコア、最後の改善条件を示していない。これらが分からない段階では、今回の順位を精密操作全般への一般化の証拠とみなすのではなく、模倣可能性を意識した教師設計が競技内の特定課題で有効だった結果として位置づけるのが妥当だ。

なぜ重要か

Team Fridayの報告では、文字形ペグ挿入のスコアは同一アーキテクチャでデータを32％増やした段階に0.44から0.82へ上昇し、最終的に0.88となった。精密操作の模倣学習では、方策の規模だけでなく、学習者の誤りを含めて教師データをどう作るかが、シミュレーション競技の成績に関わることを示す結果である。