0.8B操作モデルで幾何条件は本当に効くのか LIBERO評価が示した頑健性の差

3行解説
- 0.8Bのハイブリッドモデルを操作向けに適応し、幾何条件の入れ方を比較した論文です。
- LIBERO-Spatialの3タスク、3シード、540回の保留ロールアウトで成功率を評価しました。
- 座標系の入れ替えには強い一方、物体位置が5cmずれると視覚系は大きく崩れました。
ニュースの概要
arXivに2026年9月6日付で投稿された論文です。Hao Li氏、Haofei Sun氏、Lin He氏が、操作向けに適応した0.8Bのハイブリッド言語モデルを対象に、物理状態入力と幾何条件の与え方を比較しました。評価にはLIBERO-Spatialの3タスクを使い、3つの乱数シードと540回の保留ロールアウトで検証しています。あわせて、フレームのラベル入れ替えや物体位置のずれに対する頑健性も調べています。
何が新しいのか
この論文の新しさは、幾何情報を入れれば単純に良くなる、とは言えない点を数値で示したことです。幾何増分を使って再帰的な減衰ゲートを条件付けした設定は28.9%の成功率でしたが、同じ増分を学習時にシャッフルした設定は36.7%でした。さらに、物体や目標の幾何を明示しない設定は24.4%でした。トークンアダプタ方式は27.8%、トークンクロック条件付けは11.1%で、1つのシードでは収束しませんでした。
| 条件 | 成功率 | 補足 |
|---|---|---|
| 幾何増分で減衰ゲートを条件付け | 28.9% | 評価時は正しい入力を使用 |
| 増分をシャッフルして学習 | 36.7% | 評価時は正しい入力を使用 |
| 物体/目標幾何なし | 24.4% | 明示的な幾何入力なし |
| トークンアダプタ | 27.8% | 同じ増分を使用 |
| トークンクロック | 11.1% | 1シードは未収束 |
また、頑健性試験では、状態のみの相対座標ポリシーがフレームのラベル入れ替え下で7/10の成功を維持した一方、4つの視覚ポリシーは物体を5cm動かすと最大でも3/20まで低下しました。つまり、座標の整合性と、実際の配置変化への一般化は別問題だと示しています。
GA Roboticsの視点
注目すべきは、学習時に幾何を丁寧に与えても、今回のレシピでは安定した上積みが出ていない点です。成功率は28.9%と36.7%で逆転しており、条件付けの設計だけで性能を見込むのは危険です。導入判断では、モデルの理屈よりも、実際の作業でどれだけ配置ずれや座標系の違いに耐えるかを先に見るべきです。特に、視覚入力に強く依存する方式は、現場の治具位置や対象物の置き方が少し変わるだけで崩れる可能性があります。
日本の現場で考えると
日本の製造・物流現場では、日々の段取り替えや治具交換、棚位置の微調整が起こりやすいです。この論文は、そうしたレイアウト変動に対して何が壊れやすいかを考える材料になります。相対座標のような状態ベースの入力は、フレームの定義が変わっても一定の強さを示しましたが、視覚ポリシーは物体位置が5cmずれただけで大きく低下しました。したがって、固定治具で繰り返す作業には向きやすい一方、置き位置が毎回少し変わるピッキングや、現場で人が物を動かす工程では慎重に見る必要があります。既存のWMSやMES、PLCとつなぐ以前に、まず「位置ずれをどこまで許容するか」を決めることが重要です。
導入・PoCで確認したいこと
- 3タスク・3シードのように、同一作業を条件違いで繰り返したときの成功率差。
- 物体位置を数cmずらしたときの成功率低下と、どのずれ幅で破綻するか。
- フレーム定義や座標系を変えたときの再設定時間と、介入回数の増減。
- 連続ロールアウトでの収束安定性、特にシード差によるばらつき。
- 視覚入力と状態入力のどちらが、現場の配置変動に強いか。
現時点で分かっていないこと
この論文だけでは、実機ロボットでの検証かどうかは確認できません。LIBERO-Spatial以外の作業、たとえば把持対象が多い工程や人協働工程で同じ傾向が出るかも不明です。また、日本の現場で必要になる安全要件、通信要件、保守条件についての情報は提供されていません。
操作AIは、学習時の工夫だけでは現場での安定性を保証できません。導入前に、実際のレイアウト変動や介入頻度まで含めて確認することが重要です。
ロボット導入・自動化をご検討の方へ
「自社にはどんなロボットが合うのか」お悩みではありませんか。貴社の現場課題に合わせた最適な活用方法をご提案します。まずはご相談・資料請求からお気軽にどうぞ。


