一歩ごとに考える必要はない？ChunkActがロボットエージェントのLLM呼び出しを2.9分の1に削減

2026年10月13日、arXivは論文「ChunkAct: Action Chunking for Agentic Robotics」（arXiv:2610.18874）を収録した。著者はBingxin Xu、Wenrui Bao、Emilio Ferraraら6名。論文はLIBERO-Proベンチマーク上で、タスク成功率5.0ポイント向上、LLM呼び出し回数2.9分の1削減、入力トークン消費4.4分の1削減、出力トークン2.3分の1削減を報告している。

問題の出発点：すべての動作に「一度頭を通す」必要があるのか

現代のアジェンティックロボティクスの標準アーキテクチャは、大規模言語モデルをロボットの制御ループに組み込み、LLMが知覚・計画を担い、モーション制御および視覚言語動作（VLA）ツールモジュールを呼び出し、メモリを更新することで未知タスクへの汎化を実現する。このアーキテクチャは汎化性能が比較的高い一方、コスト面では非効率な構造を持つ。基本動作（プリミティブ）を一つ実行するたびに、LLMが完全なインタラクション履歴全体を参照して推論する必要があり、コストはエピソード長にほぼ線形で増大する。

引き出しを開ける動作を例にとると、グリッパーを近づける、ハンドルに合わせる、力を加えて引き開けるという手順になる。既存のパラダイムでは、LLMは各動作の後に全コンテキストを再度読み込んでからでなければ次のステップを決定できない。人間にとって、引き出しを開けると決めた後の一連の動作はほぼ筋肉記憶に近いが、この種のシステムでは各ステップが独立した推論として処理される。

Gartnerの2026年版アジェンティックワークロード分析によれば、エージェントAIが1タスクあたりに消費するトークン量は通常の対話シナリオの5〜30倍に達する。その核心的な原因は、ツール呼び出しループにおいて各ステップで累積コンテキスト全体を再送信することにある。

ChunkActのアプローチ：推論と実行を分離する

ChunkActの核心的な考え方はアクションチャンキング（action chunking）であり、実行プロセスを2つのフェーズに分割する。

第1フェーズはオフラインコンパイルである。ChunkActはメモリベースをスキャンし、成功した軌跡に含まれる定型的なサブシーケンスを「チャンク」としてパッケージ化する。各チャンクは連鎖した基本動作の列であり、前提条件と失敗検出機能を備える。このステップはデプロイ前に完了するため、オンライン推論リソースを消費しない。

第2フェーズはオンライン実行である。ロボットが新しいタスクに遭遇した際、LLMはサブゴールと対応するチャンクを選択するための呼び出しを一度だけ行い、その後の制御権はチャンク内の自律実行チェーンに委譲される。このチェーンは完了または失敗に至るまで継続的に動作し、LLMが再介入するのは本当に意思決定が必要な分岐点に限られる。

論文は次のように総括している。「LLMの計算規模は意思決定の回数に比例するのであって、動作の回数に比例するわけではない。」これは既存パラダイムの前提を解体するものだ。すべての動作が推論を必要とするわけではなく、大半の動作はただ実行されればよい。

LIBERO-Proによる検証データ

標準のLIBEROベンチマークでは、多くのモデルが90%を超えるスコアを記録しているが、2026年に発表された複数のarXiv論文は、こうした高スコアが学習シナリオへの丸暗記を反映しているに過ぎないと指摘している。LIBERO-Proは、操作対象・初期位置・タスク指示・環境外乱の4次元をランダム化することで、記憶に依存したカンニング要素を排除している。

LIBERO-Proベンチマーク上で、ChunkActは現在の最優秀手法と比較して、タスク成功率5.0ポイント向上、LLM呼び出し回数2.9分の1削減、入力トークン4.4分の1削減、出力トークン2.3分の1削減を達成した。成功率と効率が同時に改善された理由は、冗余な中間推論ステップの削減によって、LLMが不要なステップで導入するノイズも同時に除去されたためである。

これはロボット分野だけの問題ではない

同様の発想はソフトウェアエージェント分野でも独立して登場している。2026年9月のarXiv論文「Act More, Decide Less」（arXiv:2609.02042）は、長工程タスク向けのLLMエージェントに対してSPACEという手法を提案し、エージェントが可変長の動作チャンクを一度に出力できるようにした。ALFWorldおよびScienceWorldベンチマークにおいて、SPACEは平均LLM意思決定ラウンド数を最大78.9%圧縮し、タスク成功率を7.0%〜31.3%向上させた。

両論文は同一の結論に達している。ReAct式の「知覚→推論→行動」三段ループをすべての基本操作に一律適用すべきではない。ファイル読み取り・Lintチェック・フォーム入力といった定型サブステップに対してそれぞれ一ラウンドの推論を割り当てることは、リソースの浪費であり、意思決定の質向上にも寄与しない。

コーディングエージェントは、ファイルを読み込んだりテストコマンドを実行するたびにゼロから再計画すべきではない。リサーチエージェントは、「引用文をノートにコピーする」といった操作に高コストの推論トークンを消費すべきではない。——kenashe.aiによるChunkActの分析

限界

ChunkActの設計では、チャンクの自律実行チェーンは失敗時にのみ制御権を返却する。そのため、チャンク内の動作でエラーが発生した際に迅速に中断して上位層に報告できる、信頼性の高い失敗検出メカニズムが必要となる。このメカニズムはLIBERO-Pro環境では良好に機能したが、工場の生産ライン・病院の物資補給室・家庭のキッチンといった実環境では失敗の形態が多様であり、オフラインコンパイルで生成されたチャンクがすべての失敗パターンを識別できるかどうかは依然として未解決の問題である。

また、ChunkActのオフラインコンパイルは既存の成功軌跡メモリに依存している。完全に新規のタスクの場合、メモリベースに参照できるサブシーケンスが存在しなければ、システムはステップごとの推論モードに退行する。効率面での優位性はタスクの反復性に強く依存しており、反復性の高い産業シナリオでの恩恵が最も大きく、高度に探索的なオープンエンドタスクでの恩恵は限定的となる。

総評

ChunkActが解決しようとしている問題は、AIがタスクを実行する際にどれだけの推論が本当に必要かという点にある。これはデプロイ段階で顕在化し、論文のデモでは見えにくい問題だ。各ステップでLLMを呼び出し、各ステップで完全な履歴を読み込むことのコスト差はデモ動画では判別できないが、大規模デプロイの請求書には直接的に拡大して現れる。

この研究の意義はロボット分野に限らない。LLMを実行ループに組み込んだあらゆるシステム——ソフトウェア開発エージェント、自動化カスタマーサポート、RPAワークフロー——は同じ設計上の選択に直面している。いつ推論し、いつ実行するか。ChunkActは定量化可能な回答を示している。推論と実行を分離し、LLMには分岐点でのみ介入させよ、というものだ。

現在のアジェンティックシステムの競争の焦点は、「タスクを完了できるか」から「同じタスクをいくらで完了できるか」へと移行しつつある。トークン消費を4.4分の1に削減することは、システムが実際のビジネス環境でスケールして運用できるかどうかに直接影響する。