技術要約：ARC — 自律型ロボット・コンプライアンス（Autonomous Robotics Compliance）

1. 問題提起

本論文は、2026年の自律型ロボットシステムの商業展開における決定的なガバナンスの欠落を指摘している。メーカーは運用能力（例：ナビゲーション、配送、患者介助）を実証しているものの、**「能力（capability）」（システムが何を実行できるか）と「許可（permission）」（特定の文脈においてシステムが何をすることが承認されているか）**との間の根本的な概念的混同が存在する。

既存のフレームワークが不十分である理由は以下の3点である：

1. 物理的・認知的断絶： ISO 10218やISO 13482などの規格は、物理的安全（衝突力、緊急停止）には対処しているが、権限の限界の認識や曖昧な指示への対応といった「認知的能力」の評価には失敗している。
2. 独立した認証の欠如： 現在のベンチマーク（LIBERO、RoboCasaなど）は研究用ツールであり、規制当局や調達チームに対して、転送可能で暗号学的に検証可能な証明書を発行するものではない。
3. 静的システム vs 動的システム： 従来の認証は、評価を「ある時点でのイベント」として扱うが、これは学習、アップデート、または環境適応を通じて変化するように設計されたAIワーカーには不適切である。

ASIMOV-2.0（Google DeepMind）からの経験的証拠は、このギャップの深刻さを浮き彫りにしている。最先端のAIモデルは、身体性を伴う安全制約、物理的リスク、および視覚的入力を同時に推論する際、制約違反率が30%以上に達することが示されている。

2. メソドロジー：3層のARCアーキテクチャ

本論文は、3つの相互依存するレイヤーからなるガバナンス・アーキテクチャ、**ARC（Autonomous Robotics Compliance）**を提案している。このメソドロジーは、モデルの検証からシステムの認証、そして最終的な運用の認可へと移行する。

レイヤー1：モデル検証（ASIMOV）

• 目的： 基盤となるAIモデルが物理的な安全制約に対して安全に応答するかを判断する。
• メカニズム： ASIMOV-Agentic（ASIMOV-2.0から派生）を利用し、特定のモデルバージョンを、身体特有の制約（力のリミット、リーチ制約）および安全シナリオ（負傷リスク、制約遵守、リアルタイムのビデオ・リスク知覚）に対して評価する。
• 限界： このレイヤーは、展開のための必要条件ではあるが、十分条件ではない。これはテスト分布下でのモデルの振る舞いを検証するものであり、センサー融合のエラー、アクチュエーションのノイズ、または数時間にわたる運用の継続性は考慮していない。

レイヤー2：システム認証（CRAB）

• 目的： 統合されたシステムが、メーカーから独立して評価された、ドメイン固有の認知能力閾値を満たしているかを判断する。
• メカニメニズム： **CRAB（Cognitive Robotics Accreditation Benchmarks）**は、以下の8つの認知次元にわたってフルシステムを評価する：
  • ティア1（コア）： 状況把握（SA）、計画と実行（UP）、人間との相互作用（HI）、自己修正（SC）、汎化（CG）、エネルギーと効率（CE）。
  • ティア2（信頼とガバナンス - 重み付け2倍）： 安全性と制約遵守（SCA）、および意思決定の透明性（DT）。
• ドメイン・スイート： ヘルスケア（CRAB-H）、管理・調整（CRAB-A）、産業・物流（CRAB-I）向けの特定プロファイルが存在する。
• 出力： 改ざん防止を確実にするため（Cardanoブロックチェーン上で提案される）暗号学的アテステーションによって固定された、次元ごとの能力プロファイル（単一の集計スコアではない）。

レイヤー3：運用の認可（LEA）

• 目的： 特定のロボットが、特定のサイトにおいて特定のタスクを実行することを許可するかを判断する。
• メカニズム： **LEA-1:2026（Levels of Earned Autonomy：獲得自律レベル）**は、ロボットではなく「グラント（付与）」を分類する。グラントは、「1台のロボット」「1つのタスククラス」「1つのサイト」の3要素を結合する。
• 主要な次元：
  • 自律レベル（A0–A5）： テレオペレーションからオープン・オートノミーまで（A5は現在未サポート）。
  • 接触クラス（C0–C3）： 非接触から臨床的・肉体的な行動まで（C2およびC3は、監督を必要とする低い自律レベルに制限される）。
  • 環境クラス（E0–E2）： 管理された産業環境から個人の家庭まで（エビデンスは上方へは転移しない）。
  • 学習モード（LM0–LM3）： 固定されたモデルからフリート学習まで。更新頻度に基づいた自律レベルの上限がある。
• 動的ステータス： グラントは、ログ記録された監督下での運用（例：400時間以上、介入率 ≤0.25/100h）に基づき、**PROVISIONAL（暫定）からEARNED（獲得）へと移行する。ステータスは、インシデントの深刻度（S2/S3）またはメトリクスの失敗に応じて、自動的にSUSPENDED（停止）またはREVOKED（取り消し）**に戻る。

3. 主な貢献

1. 概念的分離： 本論文は「能力」と「許可」を正式に区別し、実証された能力は必ずしも授権を構成しないと主張している。
2. 3層フレームワーク： 各レイヤーが他のレイヤーでは解決できない問いに対処する、完全なガバナンス・チェーン（ASIMOV + CRAB + LEA）を提案している。
   • ASIMOVは、「モデルは安全に振る舞うか？」に答える。
   • CRABは、「システムはドメインの閾値を満たすか？」に答える。
   • LEAは、「このロボットはこの特定の文脈において許可されているか？」に答える。
3. 動的認可モデル： LEAは、AIシステムは時間の経過とともに変化することを認め、妥当性のために継続的な運用メトリクスを必要とする「獲得ステータス」システムを導入することで、「静的認証問題」に対処している。
4. 認知ベンチマークの提案： CRABは、ヘルスケアのような高リスク領域に特化した、安全性と制約遵守（SCA）および意思決定の透明性（DT）を二重に重み付けした特定の認知次元を導入している。
5. 経験的動機： 本提案は、最先端モデルにおける30%以上の制約違反率を示すASIMOV-2.0のデータによって動機付けられており、これが上位のガバナンス層を必要としている。

4. 結果およびケーススタディの適用

本論文は新しい実験結果を提示するのではなく、提案されたフレームワークを仮想的なヘルスケア展開シナリオ（介護施設での食事配送、E1環境）に適用している。

• シナリオ： モバイルロボット（LM1学習モード）が3層のプロセスを経る。
• レイヤー1（ASIMOV）： モデルは、C1接触シナリオに対して制約違反率が15%未満である必要がある。これが暫定的な展開の資格となる。
• レイヤー2（CRAB-H）： 例示的な評価では、システムは安全性と制約遵守（920）および意思決定の透明性（870）で高いスコアを記録したが、ドメイン固有の閾値である汎化（CG: 720 vs 要求値750）で失敗した。
  • 結果： CONDITIONAL（条件付き）。システムは拒絶されるわけではないが、汎化スコアが改善するまで強化された監督下に制限される。
• レイヤー3（LEA）： CRABの条件付き結果に基づき、オペレーターは**PROVISIONAL（暫定）**グラント（A2/C1/E1/LM1）を受け取る。目標は、低介入率と高いフォールバック整合性を伴う400時間以上の監督下での運用蓄積を経て、**EARNED（獲得）**ステータス（A3）に到達することである。

本論文は、3つのレイヤーのいずれかがあれば、ガバナンスは不完全であることを示している：

• ASIMOVのみ：モデルの安全性は既知だが、システムの能力とサイト固有の認可は不明。
• CRABのみ：システムの能力は既知だが、モデルの安全性と特定のサイトへの認可は不明。
• LEAのみ：認可は既知だが、基礎となるモデルの安全性と能力の検証が欠落している。
• ARC（3層すべて）： 完全なガバナンス・カバレッジ。

5. 重要性と主張

本論文は、ARCをテスト可能なガバナンス提案として位置づけており、それが確立された認証や認可システムではないことを明示している。その重要性は以下の点にある：

• 査読の喚起： 提案された閾値やアーキテクチャを洗練させるために、経験的なテスト、規制上の関与、およびステークホルダーからの入力を求めている。
• 規制への適合： ARCが高リスクシステムに関するEU AI法およびEU機械規則へのコンプライアンスのためのインプットとなり得ることを示唆しているが、現在の法的承認を主張するものではない。
• ギャップの架け橋： 安全科学、独立した認証、およびサイト固有の認可を、一つのコヒーレントな全体へと結びつけ、「能力と許可の混同」に対処している。
• 将来の較正： 著者らは、LEAの卒業閾値（例：400時間）が、経験的に導き出された最適値ではなく、「インフォームド・ガバナンスの提案」であることを認めている。彼らは、これらの閾値を較正するための長期的なデータを生成するために、ROBOWELLプログラム（NordForsk）との協力を行うことを提案している。

本論文は、「能力は許可ではない」と結論づけており、ARCが両者を結びつけるものであることを示している。これは公聴および規制対話の出発点として機能するものであり、2026年11月30日までのLEA-1:2026に対するコメントを具体的に求めている。