# Robota-Embed、視覚・言語・行動の統合でロボットの成功率を向上

> 過去のロボット動作を検索して文脈内学習を改善する新モデル。シミュレーションと実環境のタスクで成功率が上昇した。

Oossa · 2026-10-15 · https://oossa.com/ja/robota-embed-boosts-robot-task-success-with-unified-vision-language-action-embed

Yunze Liu氏らの研究チームが、ロボット向けの視覚・言語・行動埋め込みモデル「Robota-Embed」を公開した。このモデルは現在の状態、視覚入力、行動をまとめて符号化し、類似する過去の動作の続きを検索して文脈として利用する。テストでは、DROID-Simベンチマークの成功率が47%から56%に、LIBEROの難関サブセットでは86%から93%に上昇した。また、パラメーターを固定したGPT-6 Astraポリシーと組み合わせた場合、ManiSkillの5つのタスクで成功率は68%となり、ポリシー単独の24%を上回った。

## 事実

- 学習コーパス：クリーニング済みアンカー1,695,684件。ベンチマーク：クエリ4,000件、ギャラリー8,000件
- 公開日：2026-10-15

## なぜ重要か

ロボット開発者は、ポリシーを再学習させずにRobota-Embedでタスクの性能を高められるため、計算資源やデータ収集の負担を抑えられる。

## 出典と参考資料

1. [Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution](https://arxiv.org/abs/2610.19495) – arXiv cs.RO, 2026-10-15

最終更新: 2026-10-15