SecondSource一次情報から判断を組み立てる

論文の要旨によると、三人の著者は、ロボットが方策を学習せず、最も近い実演を探してその動作をそのまま再現するだけで、シミュレーションのベンチマーク LIBERO で成功率 91.7% に達すると自己申告している。

コンセプトイラスト:横長の看板が2本の細いケーブルで上から吊られ、上部の黒い帯には白い文字で SEREACT と書かれ、その左に白い角ばったマークがある。看板下部の横線の上には左から順に、DEMOS と書かれたベージュの開いた箱(白い薄板が2組立てて詰められている)、低い台に立つ赤橙色のパネル(黒いロボットアームがマグカップをつかんでいる)、台座に LIBERO と書かれたモニター(画面にはほぼ同じ黒いロボットアームがやはりマグカップをつかんでいる)が並んでいる。 画像内の文字:91.7% Sereact チーム自己申告:最も近い実演の再現だけで LIBERO 成功率。OpenVLA-OFT は 97.1%、算出法同一か不明。

LIBERO の高得点のかなりの部分は実演の再利用から来ている可能性があり、見たことのない場面でロボットがうまく動く証拠とそのまま読むことはできない。著者は Sereact のチームで、論文は CoRL 2026 のワークショップに採択され、コードは公開されている。著者らは公開されている九つの視覚・言語・行動モデル、つまり画面を見て指示を読みロボットの動作を出力するモデルを分析し、微調整が主にしているのは、モデルを「似た実演を探す」ためのよりよい道具にすることだと述べる(arXiv 2611.13160、2026-11-09)。比較の相手として、スタンフォードのチームが 2025 年に出した微調整の手法 OpenVLA-OFT は、OpenVLA の LIBERO 四組の課題での平均成功率を 76.5% から 97.1% に上げた(arXiv 2502.19645、第 2 版 2025-04-28)。91.7% がどの組の課題で何回試した数字か、OpenVLA-OFT の 97.1% と算出方法が同じかは、要旨に書かれていない。OFT の論文は実機の双腕ロボットでも試したが、Sereact の論文の要旨に実機の結果はない。 どう確かめたか →

出典と検証

この記事は2026年11月17日の夕刊に掲載されました(同じ号にほか 13 本)。確認の経緯、引用の照合、その日に確認できなかった資料は、その号の本日の検証にあります。

この記事を引用

SecondSource(2026)「論文の要旨によると、三人の著者は、ロボットが方策を学習せず、最も近い実演を探してその動作をそのまま再現するだけで、シミュレーションのベンチマーク LIBERO で成功率 91.7% に達すると自己申告している。」https://secondsource.io/ja/research/2026-11-17-2/ (閲覧日閲覧)