UC BerkeleyがRATSを発表：好奇心駆動型ロボットの遊びを通じた自律的スキル獲得

カリフォルニア大学バークレー校の研究チームは、RATS（Robotics Agent Teams）を発表した。これは明示的な指示を必要とせず、ロボットが自主的な「遊び」を通じてスキルを自律的に獲得するための新しいフレームワークである。

2026年6月17日にarXivで公開された論文「Playful Agentic Robot Learning」は、現在のロボットシステムの根本的な限界に対処する。すなわち、何をすべきか明示的に指示されたときのみ学習するという問題である。RATSはこのパラダイムを逆転させ、ロボットを能動的に再利用可能なスキルを発見・内面化する好奇心旺盛な探検者として扱う。

パフォーマンス結果：

LIBERO-PROおよびMolmoSpacesベンチマークでの実験において、RATSは顕著な改善を達成した：

• LIBERO-PROで標準的なCode-as-Policyエージェント比20.6ポイントの向上
• MolmoSpacesで17.0ポイントの向上
• 学習したスキルはRoboSuiteで8.9ポイント、実世界転送で8.8ポイントの改善

意義：

この研究は、教師なしの「遊び」が高品質で環境間転送可能なコードスキルライブラリを生成できることを実証している。このアプローチは、人間が遊びを通じて学習するように、ロボットが自己主導の探索を通じて継続的に改善する新たな可能性を開く。