REA、推論とロボット制御を連携
- •研究チームが、熟考型AIモデルと高速なロボット制御方策を調整する実行環境REAを発表
- •LIBERO-Proの60タスク、3,000エピソードで成功率95.9％を記録し、制御ステップを25％削減
- •RoboTwin 2.0ではVLA併用時に成功率84％、コード併用時に86％を達成
研究チームは、時間のかかる熟考型AIモデルと高速なロボット制御方策を連携させる実行環境「REA（Routed Embodied Agent）」を発表しました。論文は10月31日に公開され、11月2日にarXivへ投稿されました。遅い推論によって進行中のロボット動作が妨げられるのを防ぐことを目指しています。
REAは、熟考を担うSystem 2、身体を持つエージェントの振り分け役System 1、即応型のSystem 0方策を組み合わせます。実行中の方策を推論役の応答待ちにしない設計です。方策ごとの事前測定した成功率をルートメモリーに保存し、動作中に特定の境界条件へ達すると判定ゲートが推論役に問い合わせます。共通の予算を使う段階的なエスカレーション機構は、復旧の試行回数を制限します。ロボットが視覚・言語・行動（VLA）方策の呼び出し中に停止したり、VLAがエラー後にエージェントを呼び出してフォールバックを繰り返したり、表面化しない失敗を見逃したりする連携上の問題に対応します。
LIBERO-Proの60タスクで3,000エピソードを試した結果、REAの成功率は95.9％でした。方策群の中で最良の単一エージェント方式は94.7％でした。REAは制御ステップを25％、制御時間を17％削減しました。別途、RoboTwin 2.0で100エピソードを評価したところ、VLA方策との併用で成功率84％、VLAとコードの併用で86％を記録しました。最も強い単一VLA方式のMEDexは80％でした。
研究チームはBEHAVIOR-1Kと、実機のUnitree G1人型ロボットでもREAを評価し、比較した方式の中で最も高い観測成功率を記録したと報告しました。また、学習型方策とプログラム型方策を同じ実行環境で動かせるとしています。