NVIDIA、ASPIREをオープンソース化　ルービックキューブの1回転あたり時間を3エピソードで17分から3.1分に短縮

NVIDIAのGEARラボのGuanzhi Wang氏とJim Fan氏は10月16日、ASPIRE v1.0をGitHubでオープンソース化したと発表した。同ラボがASPIREを最初に公開したのは2026年6月で、実機での結果は今回が初めてとなる。

エージェントが学んだ内容はモデルの重みではなくコードとテキストとして蓄えられ、その効果は時間とトークンのコストに表れる。実機での3エピソードを通じて、ルービックキューブの面を1回転させる実行時間は17分から3.1分に縮み、1回転あたりのトークンはASPIREがスキルを蓄積するにつれて**82%**減った。

プロジェクトページによると、ASPIREは実行時のフィードバックからコード・アズ・ポリシーのロボット制御プログラムを書いて改良し、ロールアウトのトレースを調べ、プログラムを修復し、再利用できるスキルを保存する。閉ループの実行エンジンが知覚・計画・制御の呼び出しごとに観測値、入力、出力を記録し、スキルライブラリが検証済みの修正をコンテキスト内で参照できる指針へと抽出する。READMEはこのプロセスを継続学習と呼び、「学習」とはスキルの洗練であり、「学習済みモデル」とは感覚運動スキルのリポジトリだと説明する。6月の公開時には、テーブル片付けのsim-to-realデモが含まれていた。

キューブの手順は記号ソルバーが書き、残りをエージェントがこなす

Wang氏によると、実機ではASPIREとGPT-6 Astraの組み合わせが、ソフトグリッパーを備えた双腕YAMロボットでルービックキューブを解いた。16手の解法を実行し、両腕を協調させてキューブをつかみ、回し、操作した。「遠隔操作のデモもシミュレーションでの学習も不要」と同氏は書いている。運用手順書によれば、エージェントには「現在の崩し状態に対する解法を計算・検証するための記号的なキューブソルバー」が必要で、エージェント自身の役割は知覚、把持、回転だ。プロジェクトページは、1回転あたりの数値は失敗した試行やリカバリーを含めたエピソード全体で均したものだとしている。この平均値で計算すると、16手の解法は第3エピソードのペースでおよそ50分（16×3.1）、第1エピソードのペースでは約4.5時間（16×17）になる。いずれも均した平均値であり、実測の解法時間ではない。

同じ10のLIBERO-Proタスクで、基盤モデル次第で15%にも99%にもなる

チームは環境、ロボットのプログラミングAPI、評価プロトコルを固定したまま、GPT-6 Astra、Claude Opus 5.5、Claude Sonnet 5.5、Claude Fable 5.1、さらにKimi K3やQwen 3.8 Maxといったオープンウェイトモデルでも検証した。10のLIBERO-Proタスクでの成功率はGPT-6 Lunaの**15%**からClaude Opus 5.5の99%まで開き、最も強いモデルが最も高価なわけではない。Sonnet 5.5はコストと能力のフロンティア上にあり、1タスク12ドルだった。Fan氏は、Astraが登場した日にラボがバックエンドのモデルを切り替え、一晩でベンチマークを約99%まで飽和させたと書き、「フロンティアの上げ潮はすべての船を持ち上げるが、Astraは多くのタスクで0から1への津波だった」と述べた。シミュレーションでの結果は、LIBERO-Proの80タスクで99%、代表的なRobosuiteの7タスクと代表的なBEHAVIOR-1Kの2タスクで100%だった。

錠剤を瓶に入れてふたを締める作業を含む3つの新しい実機用レシピはデモセッションから抽出されたもので、READMEは「新たな実機での検証ではない」としている。プロジェクトページによれば、ASPIREは小さなデバッグ用分割で学習し、それとは重ならない保留シードで評価される。ASPIREは固定されたフロンティアモデルに依存しており、研究者はより小さい、あるいは弱いモデルでこのデバッグのループを維持できるかは検証していないとしている。