VISTA、身体性エージェントのハーネスを能動探索で改善する枠組みを提案

何が起きたか

論文「VISTA: Active Exploration for Self-Improvement in Embodied Agents」が2026年10月26日、身体性エージェントのハーネスを能動探索で改善するメタエージェントの枠組みを提案した。LIBERO-Pro、RoboCasa、RoboTwinで評価し、静的な振り返り方式に比べ、少ないシミュレーター試行で高いタスク成功率を得たと報告した。

詳細

VISTAは、提案したハーネスの系譜を記録する「ハーネスグラフ」を保持する。各反復では過去のハーネスと実行証拠を起点に、履歴だけから更新を確定するのではなく、環境内で新たなロールアウトを生成し、実行失敗や回復行動を調べながらハーネスを修正する。改善後のハーネスを改めて評価し、その結果をグラフに追加する仕組みだ。

Key Facts

本紙の見方

VISTAの新しさは、ロールアウトを事後分析の記録として扱うだけでなく、その結果から作ったハーネス案を環境で再試験し、実行証拠を次の修正へ戻す点にある。論文は、身体性エージェントの性能を事前学習済み基盤モデルだけで捉えず、実行を支えるハーネスにも依存すると位置づける。つまり改善対象を行動方策だけに限定せず、失敗時の処理や回復を含む実行の仕組みへ広げた設計と読める。一方、履歴を参照しない仕組みではなく、過去の仮説や有効な仕組みを再利用し、失敗した探索方向の反復を避けるためのハーネスグラフを持つ。過去の証拠を活用しつつ、履歴だけで更新を決めずに新たな環境探索を挟むことが、静的な振り返りとの違いである。 評価対象としてLIBERO-Pro、RoboCasa、RoboTwinが挙げられ、比較結果は静的な振り返り方式に対する成功率とシミュレーター試行数の両面で示された。少ない試行で高い成功率という結果は、改善ループの評価を単なる成功率に限らず、試行効率と合わせて見る必要を示す。ただし、抄録には成功率の具体値や試行数の差、各ベンチマークでの結果の内訳は記されていないため、改善の大きさや特定タスクへの偏りは判断できない。また、この枠組みでは「ハーネス」の更新と基盤モデル自体の学習を区別して読む必要がある。抄録が説明するのはハーネスの反復改善であり、モデルの重みを更新したとは述べていない。 業界構造への含意は、ロボットの動作を支える実行手順や失敗からの回復を、モデルとは別に記録・評価できる単位として扱う方向にある。ハーネスグラフが探索の系譜と実行証拠を保持するため、改善の再現性や、過去の試行をどの程度再利用できるかが運用上の論点になりうる。ただし、実環境での検証、試行に要する計算コスト、ハーネスを異なる機体やタスクへ移せるかは、抄録からは分からない。今後はベンチマークごとの数値、失敗・回復の評価方法、実機での有効性、ハーネスグラフの管理方法を確認する必要がある。

なぜ重要か

VISTAは、身体性エージェントの改善対象として、基盤モデルに加えて実行を支えるハーネスを扱う。論文の評価では静的な振り返り方式より少ないシミュレーター試行で高い成功率を得たとしており、改善ループを成功率と試行効率の両面で検証する設計が焦点となる。