少し前まで、ロボットに新しい仕事をさせるには、新しい方策を学習させる必要がありました。Grid Roboticsのチームによるポジションペーパーは、GPT-6 Astraがそれを変えたと主張します。公開から数週間で、エージェントのハーネスの中で動く汎用モデルが、追加の学習なしに、多くのロボットのベンチマークでタスク専用の方策と同等かそれ以上の成績を出したからです。著者らは、この新しい種類のシステムが何であり、どう評価すべきかについて、分野全体で合意することを求めています。
著者らはこのやり方をエージェント型ロボティクスと呼びます。カメラ画像を直接モーターへの指令に変える1つのネットワークではなく、基盤モデルが最上位で意思決定を担い、これをEmbodied System 2と呼びます。利用者の意図を読み取り、計画を立て、下位のスキルやツールを呼び出し、各段階がうまくいったかを確認し、だめ なら方針を変えます。その下に視覚・言語・行動モデルや世界・行動モデルなどの学習済みスキル(System 1)があり、さらにその下に体の制御ループ(System 0)があります。論文によれば難しいのは、汎用的な推論を、物理的な制約の下で検証可能な行動に変えることです。反応する時間が短いこと、機械的な制限、変わり続ける環境、取り消せない行動などがその制約です。
実際的な貢献は、モデル自体の能力と、閉ループのシステム全体の性能の両方を測る評価の枠組みです。現在の結果は比べにくいため、これは重要です。著者らは、RoboDojoで公表されたAstraの評価が、タスク知識の出どころも行動の予算もそれぞれ異なること、また計画器とスキルを固定したまま実行時の記憶を加えただけで大きく成績が伸びた研究があることを指摘しています。
ロードマップは、個々の動作から、著者らが「常設の役割」と呼ぶものまで続きます。継続的な仕事を任され、長期にわたって目標を追い、失敗から立ち直り、すでに身につけたことを忘れずに経験から学ぶロボットです。道具を使うことや結果を確認することなど、ソフトウェアのエージェントから引き継げる教訓と、物理的な失敗は代償が大きいため引き継げない教訓も整理しています。
これは、Gemini Robotics 2.5やRoboScriptの文脈内学習など、これまで取り上げてきたロボット研究とつながります。注意点ははっきりしています。査読前のプレプリントで、新しい実験はなく、パラダイム転換という主張は、1つのモデル群の数週間分の結果に基づいています。