2026年6月22日、arXiv に「Verifiable Foundation Models for Robot Safety（ロボット安全性のための検証可能な基盤モデル）」と題する論文が公開された。著者は Davide Corsi ほか2名で、論文番号は arXiv:2606.23754v1、ロボティクス（cs.RO）と機械学習（cs.LG）にまたがる研究である。本論文が扱う中心的な課題は、ロボット制御に基盤モデルを投入する際の緊張関係にある。すなわち、豊かでマルチモーダルな知覚を可能にする表現力の高さが、同時にモデルを不透明にし、形式的な解析を困難にするため、既存の検証ツールでは扱いきれなくなるという点である。
この問題に対し、著者らは FEARL（Foundation-Enabled Assured Robot Learning）と呼ぶフレームワークを提案する。鍵となるのはモジュール型のアーキテクチャ分解であり、ポリシーを、高次元の知覚とタスク推論を担う大型の Controller（C）と、最終的な行動を出力する小型の Safety モジュール（S）に分離する。S は専用の安全センサから得られる低次元観測に加え、C から渡される有界のコンテキスト埋め込みを受け取る構造になっている。
この設計の要点は、検証の対象を移せることにある。衝突回避や作業空間の境界制約といった多くの安全要件は、もともと安全センサの観測上で記述できる。したがって、巨大な基盤モデルのバックボーン全体ではなく、小型の S モジュールに対して形式検証を適用すればよい。論文は、これにより既存ツールでの形式的解析が実行可能になり、同時にタスク推論における Controller の表現力も維持されると主張している。
分解後のポリシーが多様なタスクを解けることを示すため、著者らは3つのシミュレーション上のロボット領域で FEARL を評価した。複数の Controller バックボーンと学習手続きを用いており、事前学習済みでそのまま利用できる視覚-言語-行動（VLA）モデルも含まれている。さらに、シミュレーションタスクの一つで学習したポリシーを実機ロボットへ転移しており、この低次元の安全インターフェースが現実的な sim-to-real 転移を支える可能性を示唆している。
論文は 2026年6月22日 03:10:51 UTC に投稿され、全文は約2,225 KB。PDF、実験的な HTML、TeX ソースが提供され、DOI は https://doi.org/10.48550/arXiv.2606.23754（DataCite による発行、登録待ち）である。