XNews

ロボット工学のブレイクスルー:RoboTTT、ASPIRE、ENPIRE

ロボット工学のブレイクスルー:RoboTTT、ASPIRE、ENPIRE

NVIDIA GEARラボ(Dr. Jim Fan率いる)は、2026年半ばに3つのロボット工学のブレイクスルーを発表した。RoboTTT(Test-Time Training)は、勾配ステップにより履歴を圧縮する小型ニューラルネットワークを組み込むことで、推論コストを一定に保ちながらロボットのコンテキストを8,000タイムステップ(約5分)に拡大する。これにより、人間の動画からのワンショット模倣、即時エラー回復、1Kから8Kコンテキストで62%改善するコンテキストスケーリング曲線を実現する。ASPIREは、ロボットに自己進化型スキルライブラリを提供する。コーディングエージェントがマルチモーダルなトレースを観察し、制御プログラムの進化的探索を開始し、ノウハウを拡大し続けるリポジトリに抽出する。シミュレーションから実世界への転移、および異なるロボット形態間の転移において、転移学習トークン数を最大10倍削減し、150以上のタスクと90以上のスキルを実証した。ENPIREは、ロボット群とGPU割り当てを持つ8つのCodexエージェントを展開し、物理的なタスクを自律的に解決する。エージェントは視覚的な手がかりを探し、シーンをリセットし、スキルを練習し、論文を読み、議論し、ハードウェア上で直接反復する。「物理的スケーリング」効果が観察され、8台のロボットを並行して使用すると、少数より速く改善する。3つのシステムはすべてオープンソース化される。

Key insights

RoboTTTにより、ロボットは長いコンテキストから学習し、導入後も継続的に改善可能

すべてのセンサー読み取りに対してテスト時訓練を実行することで、RoboTTTは履歴を固定サイズの隠れ状態に圧縮し、推論コストの増加なしに8,000タイムステップのコンテキストを可能にする。これにより、人間の動画からのワンショット模倣、エピソード内のエラー回復、飽和を示さないコンテキストスケーリング曲線が実現され、100万コンテキストも可能であることを示唆している。

ASPIREは、重み更新を進化型スキルライブラリに置き換え、ロボットの継続的学習を実現

勾配降下法ではなく、ASPIREはコーディングエージェントを使用して制御プログラムを探索し、成功した戦略をライブラリに抽出する。このライブラリは、シミュレーションと現実の間、および異なるロボット形態間で再トレーニングなしに転移可能であり、転移学習トークンを最大10倍削減する。「訓練されたモデル」は浮動小数点の重みではなく、感覚運動スキルのリポジトリである。

ENPIREは、マルチエージェントロボット群による完全自律型物理研究を実証

8つのCodexエージェントにロボット群、GPU、トークン予算が与えられ、タスクを可能な限り迅速に解決することを目標とした。人間の介入なしに、視覚的手がかりの特定、環境のリセット、新規スキルの練習、オンライン論文の読解、アプローチの議論、ハードウェア上での反復を学習した。物理的スケーリング則が現れ、より多くのロボットを並行して使用することで改善が加速した。

これらのシステムは、自己改善型で継続的に学習するロボットエコシステムを指し示す

RoboTTTの即時適応、ASPIREの蓄積型スキルライブラリ、ENPIREの自律的研究ループは、ロボットが経験から学習し、知識を共有し、自律的に新しい能力を発見できるパイプラインを形成する。すべてのコードはオープンソース化され、再現と拡張が可能となる。

Source posts