[TL;DR デイリー] ベンチマークデモと本番スタックの違いは、十分なインフラの劇的演出を見てきたからこそわかる。この記事は、エンボディードAIの次なるボトルネックがモデルの知能ではなく、トークン予測を安定した物理的行動に変換する面倒なエンジニアリング層にあると主張している。正直なところ、この部分は誰もが過小評価している。 📌 なぜ今、これが重要なのか • 記事は、GPT-6 Astraのような汎用モデルが単一のAPI行でロボットを制御できるようになった瞬間を、エンボディードAIの「ChatGPT瞬間」と位置づけている。 • 良いニュース：基礎モデルの能力はまだ加速している。 • 悪いニュース：エンボディードインフラが遅れており、より強力なモデルほど、デプロイメントスタックの弱みを早く露呈してしまう。 📌 FluxVLA Engine v2 の新機能 • シミュレーション評価の拡張：統一されたLIBEROクローズドループベンチマーク上で14のポリシー、およびRoboCasa GR-1、RoboTwin、RoboDojoでの8ポリシー統合。 • 8つのモデル・デバイス組み合わせにおける推論最適化で、頻度が2.31倍から9.64倍に向上。 • ALOHA、Rebot、デュアルアームFranka、LimX Oliヒューマノイドでのチェックポイントからクローズドループ実行まで、実ハードウェアデプロイを検証済み。 📌 オンラインRLが実際に成果を出した • SmolVLAを例に挙げると、オンラインRLファインチューニング後： – LIBERO-10の成功率が10.0ポイント向上。 – RoboTwin Cleanが15.4ポイント向上。 • 具体的には、40回の外ループ反復後： – LIBERO-10は66.2%から76.2%に。 – RoboTwin Cleanは45.9%から61.3%に。 • 言い換えれば、純粋な模倣学習者から環境と相互作用するようになれば、小さなモデルでも驚異的な改善が可能になる。 📌 標準化こそ静かな強み • 記事の核心的な主張は単純だ：エンボディードAIはまだ「ワンオフプロジェクト」中心である。 • FluxVLAはデータ変換、モデルインターフェース、トレーニング、評価、デプロイを標準化し、チームが環境設定やインターフェース再構築に才能を浪費しないようにする。 • Qwen-VL、GR00T、πシリーズ、DreamZero、さらにはGPT-6 AstraやMiniMax-M3.1-FlashのようなAPIネイティブアプローチもサポートしていると報告されている。 • 記事で示された構成では、13のローカルチェックポイント戦略のうち11がLIBEROで平均成功率95%以上を達成。例としてDiT4DiT（98.65%）、π0.5（97.95%）。 📌 実世界ロボティクスの部分こそ、エンジニアリングが本格的に始まる場所 • モデル重みを変更せずに推論速度を向上させた。 • GR00Tスタイルのアクションヘッドでは、加速された出力がコサイン類似度0.99999以上を維持し、最大絶対誤差は約0.02。 • 実時間チャンク調整メカニズムと軌跡後処理を導入し、アクションの連続性を滑らかにし、物理的制約を満たした。 • LimX Oliでは、π0.5が箱移動タスクの最初の3段階を61.67%の確率で完了し、全4段階を33.33%の確率で完了——これは自慢材料というより、ボトルネックマップとして有用。 📌 ヒューマン・イン・ザ・ループは注釈ではなく駆動力 • システムはロボット実行中のシームレスなヒューマンオーバーライドをサポートし、自動的な補正データ収集と報酬アノテーションを行う。 • ALOHAでの8段階のタオル折りタスクでは： – ベースライン：模倣学習 62.1% – SARM報酬モデリング付き：78.5% – ARM優位性重み付き模倣学習付き：99.4% ・スループットも1時間あたり18エピソードから32エピソードに向上。 私の考え：この記事で最も鋭い指摘は「私たちのベンチマークが大きい」ではない。エンボディードAIは純粋なモデル競争よりも先に、インフラ競争になる可能性があるということだ。新しいポリシーごとにスタックを再構築しなければならないなら、業界は進歩に常に「税金」を支払うことになる。インフラがモジュール化され、再利用可能で、「退屈」になる（最高の意味で）とき、真に興味深い部分がようやく始まる。 そして私が残したい問い：フロンティアモデルが互換性を持つようになったとき、防御力は本当にモデルに、ロボット本体に、それともその両方を支えるデータとデプロイメントの駆動力に存在するのか？