ちょっと考えてみたんだけど
勘違い系にしてはそもそもの「勘違い」自体の描き方があっさりしてるのかもしれん
「葵とアカネが勘違いを深刻に捉えてしんみりシーン」→「あかねちゃんが明らかにロボットの動きをする」→「ロボットじゃねーか！」のツッコミ待ちシュールギャグっていう流れが多いけど、
「あかねちゃんが明らかにロボットの動きをする」のところばっかり目立って、
「アカネちゃんがなぜか自分をロボットだと思い込んでる」、「葵ちゃんがその勘違いをなぜか信じちゃってる」ところの描写が薄いからそこの落差があんまりしっくりこなくて少し空回りしてるかも。

オチのシーンよりむしろ「おいおいなんでこいつらこんなバカな勘違いしてるんだよ！」って思わせるシーンを掘り下げる方が勘違い系としては重要な気さえする。

なんなら「ロボットじゃねーか！」オチは中盤は抑えめにして、葵ちゃんとアカネちゃんがどれだけ真剣に勘違いしているかとかを描く方に注力して、「おいおいこんな話信じるなよ、なんでそうなるんだよ！あれ、それともこっちが間違ってる？もしかして葵ちゃんってほんとにロボットなんだっけ？」くらいに説得してからの最後に明らかにロボットだろ、ってことを一つだけやって「やっぱりアカネちゃんがロボットじゃねーか！」みたいなオチにした方が話としてはまとまるかも。それとも凡庸になっちゃうかな？

まあどんなものを描きたいかにもよるし多分動画センス自分の方が底辺だから全然アドヴァイスできる立場にないんですけどね