公開日：2026年9月8日

Astribotが実環境で学ぶ強化学習「SmoothRL」を公開　日本の現場で注目すべき点

編集: GA Robotics編集部

3行解説

Astribotが、実環境で動きながら学ぶ「SmoothRL」を公開した。
トス動作、キャップ締め、箱開けで成功率の改善が示された。
停止前提ではない学習のため、現場運用時の安全確認が重要になる。

ニュースの概要

中国のAstribotは2026年9月5日、公式YouTubeで新技術「SmoothRL」の映像を公開しました。SmoothRLは、ロボットが実際に動作している環境の中で、行動の結果を取り込みながら学習を進める強化学習手法です。記事では、従来のようにシミュレーション環境や停止状態で試行錯誤するのではなく、デプロイメント環境で直接学習する点が特徴として説明されています。

動画では、実世界での高ダイナミックなトス動作をはじめ、ペンにキャップをはめる作業、箱を開ける動作で検証したとされています。いずれも、ロボットが止まらずに学び続ける未来像を示す内容として紹介されています。

何が新しいのか

新しい点は、学習の場を「止まった検証環境」ではなく、実際に稼働している現場に置いていることです。記事では、ロボットが動作を実行しながら、その結果を非同期的に取り込んで学習を進める仕組みが示されています。これは、学習と運用を切り分ける従来型の考え方よりも、現場の変化に追従しやすい可能性があります。

性能面では、動画内で複数の改善例が示されました。物を放り投げて狙った場所に落とす動作は39%から94%、ペンのキャップ締めは8%から83%、箱を開ける動作は30%から90%へ改善したとされています。単なる微調整ではなく、動的な動作や細かな操作で成功率を大きく引き上げた点が特徴です。

タスク	改善前	改善後
トス動作	39%	94%
ペンのキャップ締め	8%	83%
箱を開ける動作	30%	90%

GA Roboticsの視点

このニュースで重要なのは、実環境で学習を回すという点です。日本の導入現場では、ロボットを止めて学習させる時間を確保しにくいケースがあります。そのため、稼働中に改善を進められる方式は魅力がありますが、同時に、学習中の品質のぶれや安全確保をどう管理するかが導入可否を左右します。

また、トス動作や箱開けのようなタスクで成功率が大きく改善している一方、これはあくまで動画で示された特定条件の結果です。現場で同じ効果が出るかは、対象物の形状、速度、設置位置、周辺の人の動きによって変わる可能性があります。導入判断では、技術の新しさだけでなく、現場条件に合わせて再現できるかを見る必要があります。

日本の現場で考えると

日本の製造・物流現場では、開梱、箱開け、部材の受け渡し、軽い仕分け、細かな組立補助のような作業がまず候補になります。特に、対象物の位置が毎回少しずつ変わる工程では、学習型の制御が役立つ可能性があります。一方で、精密部品の高い品質保証が必要な工程や、人のすぐ近くで高速動作する工程は慎重に見るべきです。

また、実環境で学習する方式では、通路幅や作業者との距離、段差、照明、対象物の供給ばらつきがそのまま性能に影響します。既存のWMSやMES、PLCと連携する場合は、ロボットの学習状態を運用側がどう把握するかも重要です。学習が進むほど良くなるのか、あるいは条件変更で性能が落ちるのかを見極める必要があります。