Zetta ζ: 3重のタイムスケールで動作する物理知能向けクローズド・ループハーネス──LIBERO-Proで 90.8% を達成しつつ 11.1 倍の推速化を実現

論文概要

近年のEmbodied Agent（具現化エージェント）において、エンドツーエンドのポリシーモデルの限界を補うアプローチとしてエージェント型の手法が広く用いられている。しかし、物理実行の現場においてはオープン-ループな仕組みに依存しており、エピソード終了後の事後的な振り返りに留まっているのが現状である。これでは、急速に変化するロボット・環境の状態をリアルタイムに追従することができない。本論文では、ベースポリシーを凍結したまま、コードベースの実行時批評（runtime critics）とリカバリスキルをオンラインで進化させるクローズド・ループ型のエボリューションハーネス「Zetta」を提案する。Zettaは、LIBERO-Proベンチマークで 90.8%、RoboCasaで 93.6% の成功率を達成し、既存手法と比較して 11.1 倍の推論高速化を実証している。

Figure 1: Zettaの進化フレームワークの全体像を示した図です。

新規性と貢献

Zettaの最大の新規性は、物理インタラクションのリアルタイム性を損なわない「3重のタイムスケールで分離されたループ構造」の導入にある。これにより、アクションレベルの高頻度なガバナンスと、ロールアウトレベルの批評・リカバリ提案、さらに検証済みのスキル更新を同時に成立させている。また、エージェントのロジックと異種実行リソースを分離する専用のロールアウトインフラストラクチャ「Z-Infra」を同時に提供することで、実用的な推論速度とスケーラビリティを両立している点も大きな貢献である。

Figure 2: 高速ロールアウトのためのZ-Infraの3層アーキテクチャを示した図です。

提案手法の詳細

Zettaは、ベースポリシーを変更せずに外部から実行を制御する仕組みとして構築されている。核心となるのは以下の3つのタイムスケール分離ループである。

アクション周波数ガバナンス: ロボットと環境の急速な状態変化に対応するため、高頻度で制御行動の監視と微調整を行う。
ロールアウトレベルの批評・リカバリ提案: エピソードの進行中に実行時批評を行い、失敗の予兆を検知した際には即座にリカバリ用のコードスキルを提案・適用する。
検証ゲート付きスキル更新: 獲得したスキルや改善策を安全に統合するため、バリデーションを経た上で動的にスキルプールを更新する。

また、エージェントロジックと計算リソースのデカップリングを行う「Z-Infra」により、ハードウェア資源の異なる環境でも一貫した高速実行を維持する設計となっている。

評価・考察

ロボット操作の標準的なベンチマークであるLIBERO-ProおよびRoboCasaを用いて評価を行った結果、ZettaはLIBERO-Proで 90.8%、RoboCasaで 93.6% の成功率を記録した。さらに、Z-Infraの導入により、従来のエージェントベースの実行と比較して 11.1 倍という劇的な推論速度の向上（スピードアップ）を達成している。自己探索の経験が増えるにつれて成功率が継続的にスケールアップし、学習したスキルがゼロショットで別のタスクへ転移する現象も確認されている。

Figure 3: LIBERO-Pro Goalにおけるクロス・タスクスケーリングと転移スタックの概要を示した図です。

応用例と今後の展望

本手法は、産業用ロボットアームのピッキングや、サービスロボットによる動的な環境での調理・片付けといった物理タスクへの応用が期待される。日本の製造業や物流分野における多品種少量生産の自動化ラインにおいて、予期せぬ把持失敗や環境変化に対するリアルタイムな自己修復メカニズムとして実務的なインパクトが大きい。今後は、より複雑な実世界環境における長期的な自律性の検証と、ゼロショット転移のさらなる安定化が課題となる。

結論

本論文では、物理知能の自己進化に向けたクローズド・ループハーネス「Zetta」を提案した。3重のタイムスケールによる制御と専用インフラストラクチャにより、高い成功率と 11.1 倍の高速化を同時に実現し、信頼性の高い物理知能のスケーリングパスを切り開いた。

注釈

Closed-Loop (クローズド・ループ): 出力結果や環境からのフィードバックをリアルタイムに受け取り、次の動作へ動的に反映させる制御方式。
Embodied Agent (具現化エージェント): 物理的な身体（ロボットやセンサー等）を持ち、実世界と相互作用しながらタスクを実行するAIシステム。