言語モデルはロボット工学において能力を向上させているが、その性能はモデルをロボットに接続するインターフェースに大きく依存する。研究者らは、ユニツリー(Unitree)のGo2四足歩行ロボット、G1ヒューマノイド、およびロボットアームなど、様々なロボット形態でフロンティアモデルをテストした。これには直接的なモータートルク指令から強化学習ポリシーのトレーニングまで、幅広い制御手法が用いられた。

研究では、古典的制御問題、移動、操作の3つの主要領域でモデルを評価した。モデルが力やトルクのような低レベルの指令を直接出すタスクでは、性能は概して低い。しかし、事前に学習されたポリシーの監督者として機能したり、プログラムコードを使用したりする場合、モデルは大きな進歩を見せる。例えば、Claude Opus 4.6やGPT-5.4といったモデルは、四足ロボットを迷路で導いたり、キッチンでの操作タスクを遂行するためのコードを書き、ダウンロードすることに成功している。

世代間の改善は高レベルのポリシー監督において特に顕著である。現在のフロンティアモデルは、事前学習済みポリシーなしでヒューマノイドを自律制御することはできないが、提案された動作が失敗する可能性を認識する信頼性は高まっており、エラーを減少させている。LIBEROスイートから適応された操作ベンチマークでは、到達や把持の改善が見られるものの、タスクの完全な成功率は0%から5.5%の範囲にとどまっている。

物理的適応性を測定するベンチマークスイート「Embody」を用いた調査では、リアルタイム制御はレイテンシ（遅延）により現在制限されていることが示された。現状の非推論ベースでは0.2～0.4Hz程度しか達成できず、リアルタイム制御に必要な約83Hzには及ばない。強化学習タスクでは、GPT-5.4やClaude Mythos Previewが報酬関数の定義において優れた能力を発揮したが、依然として安定した空間メモリや長期的な計画を必要とするタスクには課題が残る。

言語モデルはロボット工学において能力を向上させているが、その性能はモデルをロボットに接続するインターフェースに大きく依存する。研究者らは、ユニツリー(Unitree)のGo2四足歩行ロボット、G1ヒューマノイド、およびロボットアームなど、様々なロボット形態でフロンティアモデルをテストした。これには直接的なモータートルク指令から強化学習ポリシーのトレーニングまで、幅広い制御手法が用いられた。

研究では、古典的制御問題、移動、操作の3つの主要領域でモデルを評価した。モデルが力やトルクのような低レベルの指令を直接出すタスクでは、性能は概して低い。しかし、事前に学習されたポリシーの監督者として機能したり、プログラムコードを使用したりする場合、モデルは大きな進歩を見せる。例えば、Claude Opus 4.6やGPT-5.4といったモデルは、四足ロボットを迷路で導いたり、キッチンでの操作タスクを遂行するためのコードを書き、ダウンロードすることに成功している。

世代間の改善は高レベルのポリシー監督において特に顕著である。現在のフロンティアモデルは、事前学習済みポリシーなしでヒューマノイドを自律制御することはできないが、提案された動作が失敗する可能性を認識する信頼性は高まっており、エラーを減少させている。LIBEROスイートから適応された操作ベンチマークでは、到達や把持の改善が見られるものの、タスクの完全な成功率は0%から5.5%の範囲にとどまっている。

物理的適応性を測定するベンチマークスイート「Embody」を用いた調査では、リアルタイム制御はレイテンシ（遅延）により現在制限されていることが示された。現状の非推論ベースでは0.2～0.4Hz程度しか達成できず、リアルタイム制御に必要な約83Hzには及ばない。強化学習タスクでは、GPT-5.4やClaude Mythos Previewが報酬関数の定義において優れた能力を発揮したが、依然として安定した空間メモリや長期的な計画を必要とするタスクには課題が残る。