研究者らは、ヒューマノイドロボットが動作と手の指令を組み合わせた一連のコマンドを実行する前に、その結果を予測して採点する「action-conditioned latent foresight」を発表した。このシステムは、指令列がタスクの目標達成に向けて進展をもたらすかを予測し、最も高く評価した指令列の一部を実行した後、新たな観測に基づいて計画を立て直す。
研究者らの実験では、標準条件で実機タスク7種の成功率は85.7%となり、GR00T N1.7の70.0%を上回った。未知の物体配置では成功率が65.7%に下がったが、GR00T N1.7の48.6%を上回った。
なぜ重要か
ヒューマノイドロボットのタスク性能を検証する研究者にとって、指令列を事前に予測することで性能が向上する可能性を示す結果だ。一方、見慣れない条件でスコアが低下したことから、性能は物体の配置に左右されることも分かる。