Zevaとは？ Cosmos3ベースのロボットを「因果記憶」で現場適応させる手法

Zevaは、ロボットの配備後の適応を目的とするフレームワークです。Cosmos3を基盤とする操作方策の重みは凍結したまま、ロボットが自分で行った行動と、その結果起きた状態変化をオンラインで記憶します。次の判断時には、その「行動が何を起こしたか」という因果的な文脈を取り出して方策に与えるため、収集・アノテーション・再学習という従来の反復サイクルなしで振る舞いを変えられる、という設計です。15

言い換えれば、Zevaはモデルのパラメータに経験を書き込むのではなく、推論時に参照する記憶で適応する方式です。これは恒久的な重み学習とは異なります。

3つの中核機構

1. 因果遷移エンコーダ（CTE）

各行動の後、CTE（Causal Transition Encoder）は視覚状態、実行した行動、観測された状態変化をまとめ、潜在的な「因果的相互作用」の表現へ符号化します。ここでは、タスクの進行段階を示すフェーズトークンと、行動に起因する物理的な変化を表そうとする相互作用シグナルを分けます。14

狙いは、背景や照明のような偶然の視覚的相関ではなく、「この把持・移動・傾きが、対象物をどう動かしたか」を捉えることです。例えば、単にアームが動いた事実ではなく、その動きで試験管を持ち上げられたのか、容器の傾きが注水につながったのかを、次の行動に役立つ証拠として扱います。14

2. 時間尺度の異なる2種類の記憶

Zevaの記憶は、役割の異なる2層に分かれます。1

• Brief Interaction Trace（BIT）：現在の試行内で得た直近の情報を保持する短期記憶です。直前の失敗を修正したり、その場の局所的な物理条件に対応したりする用途を担います。1
• Persistent Interaction Memory（PIM）：同一エピソード内で複数回の試行をまたぎ、関連する経験を蓄積・統合する持続記憶です。成功だけでなく失敗から得た相互作用の証拠も、後続の再試行に反映できます。1

この分離には実務的な意味があります。直近の出来事は即時の修正に使う一方、単発のノイズや偶然の失敗を、そのまま長期的な経験として固定しないようにするためです。ただし、この構成が誤った記憶の定着を完全に防ぐわけではありません。1

3. コンテキスト内方策注入

行動を生成する際、Zevaは現在のタスク段階に合う因果的な証拠をBITとPIMから検索し、因果プロンプトとして凍結済みの基盤方策の行動生成経路に注入します。15

その結果、勾配計算やパラメータ更新を行わなくても、方策は与えられた文脈に応じて行動を変えられます。未知の物体配置や想定外の物理的挙動に出会ったとき、ラベル付け、新しい学習ジョブ、モデルの再版、運転停止を必ずしも必要としない点が、配備運用上の利点です。16

報告された性能

論文・プロジェクトが報告した主な数値は次の通りです。いずれも現時点では著者側による評価結果であり、独立した追試結果ではありません。1

• シミュレーションの5課題からなるRoboCasa365-Atomic5では、Zevaの平均成功率は76.8%。Fast-WAMの72.4%、Cosmos3-Nanoの64.8%を上回ったと報告されています。1
• 実機ARXロボットによるChemLab-Evo Level 1では、反復試行に伴い、試験管のピックアップは65%から100%、ビーカー配置は25%から70%、注水は**30%から80%**へ上昇したとされています。1
• Level 1の最終結果では、Zevaはこの3課題でそれぞれ100%／70%／80%、平均83.3%。Cosmos3-Nanoは80%／70%／60%、Fast-WAMは85%／70%／75%でした。1

なお、「累積成功率が初回のおよそ26%から4回目に73%へ上がった」という図について、一次資料でのラベルはRoboCasa365です。これをChemLab-Evoの結果とする根拠は、提供された一次資料からは確認できません。そのため、26%から73%への上昇をChemLab-Evoに帰属させることは避けるべきです。1

人による1回の実演はどう使うのか

Zevaでは、人が物理的に誘導した1回の実演ロールアウトも、同じ相互作用記憶の仕組みに記録し、ウォームスタートとして利用できます。方策の重みはそのままで、後続の行動時に実演で得た因果的文脈を参照して系列を再現しようとします。6

提供された根拠は、このワンショットのウォームアップ機構を定性的に裏付けています。一方、ビーカー配置や注水について、実演の前後でどれほど改善したかという検証済みの数値は示されていません。したがって、言えるのは「これらの課題を改善・ウォームスタートする仕組みが報告された」までであり、特定の改善幅を断定することはできません。6

弱いベースラインほど伸びやすい理由

もっとも自然な説明は、改善余地の差です。事前学習済み方策が物理環境の変化に対して系統的な失敗を多く起こすほど、失敗・成功から抽出した明示的な相互作用証拠で修正できる余地は大きくなります。もともと高い成功率を持つ強い方策では、修正できる誤差が少ないため、上積みも小さくなりやすいと考えられます。

ただし、これはもっともらしい解釈であって、「弱いモデルほど常に大きく改善する」という一般法則が示されたわけではありません。一次資料が示すのは比較タスクにおける成績と、配備時の改善です。1

なぜ化学実験タスクなのか

ChemLab-Evoは、把持形状、小さな容器の位置決め、傾ける角度、液体の移し替え、複数段階の手順など、物理的な差異が結果に直結する操作を含みます。失敗も「何が起きたか」という物理的効果から診断しやすく、視覚的な模倣ではなく、記憶した行動と結果の関係が別の試行・技能へ移るかを試す場として適しています。1

このベンチマークはARXマニピュレータによる7課題で構成され、試験管のピックアップ、ビーカー配置、注水といった基本操作から、滴定、食塩水の調製、天秤による計量、抽出といったより長い手順へ進みます。1

実用上のトレードオフと未解決点

• 推論コストとコンテキスト長：記憶検索と因果プロンプト注入には計算量と文脈処理の負荷が加わります。履歴を長くすれば必ず良くなるわけではなく、検索精度、遅延、コンテキスト容量が制約になります。非常に長期間の運用にどこまで拡張できるかは、提示された結果だけでは分かりません。1
• 記憶の品質と汚染：因果表現が誤っていたり、フェーズの対応付けがずれたり、誤解を招く失敗軌跡を検索したりすれば、有害な文脈が方策に与えられる可能性があります。BITとPIMの分離は緩和策ですが、安全な統合を保証するものではありません。1
• 実証された物理的範囲の限定：実機評価の中心は剛体の実験器具と液体移送です。布、ケーブル、食品、柔らかい包装材などの大きく変形する対象、あるいは力覚・触覚を強く必要とする接触リッチな作業での一般化は、まだ実証されていません。1
• 安定した評価環境への依存：評価では試行間で環境をリセットし、PIMはエピソード内で保持されます。これは統制されたプロトコルであり、カメラ較正の変化、摩耗、人の往来、雑然とした環境などが継続的に変わる施設で、無期限に運用できることを示すものではありません。1
• ロボット機種・ハードウェア間の移植性：実機検証は80cm×60cmの作業空間にある特定のARXマニピュレータで行われました。他のアーム、グリッパー、移動マニピュレータ、双腕システム、センサー構成、制御周期、安全要件へ同じように移せるかは未解決です。1
• タスク分類をまたぐ一般化：評価対象は選定されたキッチン・化学タスクです。把持、持ち上げ、容器を傾けるといった機能的に近い効果の転移は有望ですが、互いに無関係なタスク群や幅広い自然言語指示にまで一般化できるかは、今後の実証が必要です。1

Zevaの重要点は、「ロボットを現場で再訓練する」代わりに、「直前と過去の試行で得た行動結果の因果的な証拠を、次の推論に持ち込む」ことにあります。実用化を判断するには、より長期の運用、多様なハードウェア、変形物、非統制環境での独立検証が次の焦点になります。1