FolDeX、2,000時間超の実ロボットデータで長期シーケンスの衣類折り畳みを評価

身体性AIは、シミュレーターや短期シーケンスの剛体操作で評価されることが多い。しかし、布は継続的に変形してオクルージョンを引き起こし、双腕による各ステップの動作が、その後に到達可能な状態を変化させる。このため、Sim-to-Realギャップが特に顕著になる。そこでFolDeXは衣類の折り畳みを主要タスクに据え、完全に実ロボットのデータから構築したと説明している。2,000時間を超える操作経験、20以上のタスク、10種類以上のロボット形態を収録し、長期シーケンスにわたる変形可能物体の操作を評価する。

このベンチマークは、単一ポリシーの成功率を比較するだけではなく、4つのデータ再利用シナリオを中心に設計されている。すなわち、デプロイ中の人間による介入と失敗からの復旧軌跡の活用、衣類カテゴリー間および剛体・軟体タスク間の転移、照明・背景・テーブル配置の変更後におけるデータ再利用、異なるロボット形態間の転移である。これらの評価軸は、ロボット開発チームにとって最もコストの高い問題に直結する。つまり、衣類、カメラ、ロボットアームが変わるたびにデモンストレーションを収集し直すのではなく、既存の実機経験を新しい環境へ持ち込めるかという問題だ。

チームは、実機によるリモート評価プラットフォームも提案している。外部の研究者はポリシーを提出し、あらかじめ確保された物体、制御された初期状態、統一された実行手順の下でテストできる。各研究者が自らハードウェアを購入して個別に結果を報告する方式と比べ、ハードウェア差や成功例の選別によるバイアスを低減できる可能性がある。一方で、実機プラットフォームのスケジューリング能力、失敗時の再試行ルール、安全上の制約も再現性に影響し得る。

現時点の情報は主にプレプリントと公式チャレンジページに基づいており、完全なデータ一覧、ライセンス条項、センサー同期フォーマット、複数の公開ベースラインに対する独立検証が不足している。2,000時間超という数字はデータ規模を示すものであり、実際の家庭環境におけるロングテールの変動まで網羅していることを意味しない。今後は、データセットを実際にダウンロードできるか、評価サーバーが継続的に公開されるか、さらにVLAや世界—行動モデルが、ロボット形態間の転移および失敗からの復旧という各評価項目で実際にどの程度の性能差を示すかに注目すべきだ。