# VICTR、実演の進捗を活用してロボットの作業成功率を向上

> 研究チームによると、未経験の実環境での操作タスクの成功率は、ファインチューニング済みのベースラインが6.2%だったのに対し、VICTRでは23.8%に上昇した。

Oossa · 2026-11-09 · https://oossa.com/ja/victr-improves-robot-task-success-using-demonstration-progress

研究チームは、視覚・言語・行動を扱うロボットが、作業の実行中に実演のどの部分を参考にするか選べるようにする手法「VICTR」を発表した。視覚的な類似性だけで事例を検索するのではなく、参照動画に対してロボットがどこまで作業を進めたかを推定し、進捗が一致する段階の実演データをπ0.5ポリシーに与える。

未経験かつ学習範囲外の実環境での操作タスクでは、チームの報告によると成功率は23.8%で、ファインチューニング済みのπ0.5を使ったベースラインの6.2%を上回った。また、タスクの進捗度は28.9%から55.5%に上昇したと論文は報告している。ただし、より広範な導入環境での性能は明らかにされていない。

## 事実

- VICTRは、参照する実演、言語指示、現在の観測に基づく進捗推定器を使う。
- 報告された成功率は、VICTRが23.8%、ファインチューニング済みのπ0.5ベースラインが6.2%。

## なぜ重要か

ロボット研究者にとって、VICTRは作業の進捗に合わせて実演を選ぶことで、ロボットが未経験の操作タスクに対応しやすくなる可能性を示している。ただし、報告されたテスト以外での性能は分かっていない。

## 出典と参考資料

1. [VICTR: Value-Informed In-Context Learning for Vision-Language-Action Models](https://arxiv.org/abs/2611.08698) – arXiv cs.RO, 2026-11-09

最終更新: 2026-11-09