家庭用ロボットが失敗するのは、ある手順を1回こなせないからではありません。つかみが滑る、フィルターが折れるなど、ちょっとしたことがうまくいかず、次の試みをどう変えればよいかの良い手段がないから失敗するのです。新しいプレプリントA2-MEASはまさにこの問題を中心に作られており、最も説得力のある数字はコーヒーをいれる作業から来ています。
システムは2層構造です。行動モデルA2-WLAは視覚・言語・行動の方策で、カメラ画像と指示をモーターへの命令に変換します。これに直近の動きの記憶と、次に見える視覚的特徴を予測する小さな世界モデルが加えられています。その上では、MetaBrainと呼ばれる視覚と言語の調整役が作業の目標を追い、予想外の結果を調べ、物体の位置、領域分割、追跡、奥行きを担う診断用の補助役を呼び出します。その診断は学習済みの修正コードに変換されます。このコードには、立て直しの指示、空間的な証拠、ロボットがすでに行ったこと、新しい行動案がまとめられています。アダプターがこのコードを使って方策の次の軌道を導きます。学習中は修正がアダプターを教え、実運用では新しいコードが動作を変え、重みはすべて固定されたままです。
報告された結果は優秀です。家庭のシミュレーションベンチマークBEHAVIOR 2026の公開セット100タスク全体で、システム全体はQスコア0.6411、タスク完遂率45.40%を記録しました。5つの家庭環境での12の実際の卓上タスクでは、行動モデルの平均成功率は57.92%で、広く使われて いるオープンな方策pi0.5は26.67%でした。最も示唆に富むのはコーヒーの試験で、フィルターを扱う2つの手順において、修正アダプターは失敗後の完遂率を単純な再試行と比べて14.00%から94.00%へ、8.00%から82.00%へ引き上げました。チームの学習基盤は毎秒427.1サンプルを処理し、同等のハードウェア上でのpi0.5の参照実装の約4.03倍でした。
この研究は動きの速い分野に属しています。著者らは、あるロボットのベンチマークでGPT-6 Astraがすでに40の公開方策を上回っていると指摘しており、Gemini Robotics 2.5やRoboScriptといった最近のシステムも推論に大規模モデルを使っています。A2-MEASが賭けているのは、コンパクトな学習済み方策と、ときどき呼び出す強力な推論役の組み合わせが、どちらか単独より優れるという考えです。
見出しになる比較は注意して読むべきです。BEHAVIORの2025年の優勝者のスコアの約2.21倍という主張は、2026年の公開サブセットと2025年の結果を比べたもので、要旨自体が認めるとおり、ベンチマークの版も学習の設定も異なります。実機での試験は5つの環境での12タスクで、実際の家庭の多様さに比べれば小さな標本です。コードとモデルは公開が約束されているだけでまだ出ておらず、プレプリントは査読を受けていません。