化学実験向け生成シミュレーション基盤RoboChemGym、最長11動作のプロトコル準拠デモを自動合成

化学実験プロトコルに忠実で、複数物体を扱う10ステップ超の長距離操作タスクのデモを、人手に頼らず自動生成し、原子動作から全工程まで階層的に評価できるかどうか。

湿式実験は人手とコストがかかり安全リスクも高い。ロボットによる自動化には実世界データが不足しており、既存のシミュレーションは日常的な短距離操作や構造が緩いタスクが中心で、化学実験が要求する厳格な手順制約や細かな操作に対応できない。専門の実験室シミュレータも孤立した操作セグメントに留まり、プロトコル全体に沿ったワークフローを扱えなかった。

GenSim、ReGen、RoboGenなどLLMによる生成シミュレーションは、日常物体を対象にタスク記述やレイアウト最適化、低レベル制御プログラムを自動生成してきた。しかし、これらは短期的で制約の弱いタスクに特化しており、化学実験のような厳格な手順、複数対象の連動、長系列推論には対応できなかった。既存の実験室向け環境も手動設定に依存し、プロトコル全体の自動生成は未解決だった。

RoboChemGymはテキストの化学プロトコルを入力とし、Claude 3 Opusでシーン記述と行動系列を抽出する。資産ライブラリと8種の原子動作（Pick、Place、Pour、Press、Open、Close、Shake、Stir）を用いて、ロボット可達領域内の制約付き最適化でシーンを構築し、パラメータ化された原子動作を組み合わせて実行可能プログラムを生成する。実行エラー監視と行動メモリ、シーンメモリを持つデュアルループ最適化により、行動パラメータとシーン配置を反復修正し、長距離タスクでもエキスパート軌道を生成する。さらに、空間的位置、背景物体、作業台テクスチャ、照明をランダム化するラボ中心データ拡張を加え、20タスクからなる階層ベンチマーク（3動作、7動作、11動作の3段階）を構築した。

自動生成では、クリーン設定でレベル1が89.2%、レベル2が73.4%、レベル3が52.3%、ランダム設定ではそれぞれ85.6%、70.3%、47.5%の成功率を達成した。行動メモリを除くとレベル3のクリーン成功率は27.4%に、シーンメモリを除くと32.3%に低下した。シミュレーション上の未見ランダム環境での方策評価では、生成データで学習したπ0がレベル1の全系列成功率55.4%（クリーン）から68.5%（ランダム）、レベル2で18.2%から28.4%、レベル3で0.5%から1.7%に改善したが、ACTやDiffusion Policyはレベル2で5.2%と3.8%、レベル3ではほぼ0%だった。実機評価ではπ0に10件の実世界デモと1000件の合成軌道を組み合わせたところ、4条件の平均成功率が23.3ポイント向上し、合成データのみのゼロショットでも平均5.3、4.5、5.2、6.0ポイントの改善を確認した。

著者らは、実機評価が軌道リプレイから完全自律実行への拡張が今後の課題であること、対応ロボットがFranka Pandaのみであることを限界として挙げた。また、レベル3のような超長距離タスクでは全系列成功率が極めて低く、モデル容量の制約が残る。コードやデータセットの公開状況は論文では報告されていない。