人間が訓練を行うことで、ロボットがあらゆる作業をその場で学習する——そんなSFのような未来が、現実味を帯びてきた。米スタートアップ企業Generalist AIが開発する汎用ロボット向けAIモデルが、従来の常識を覆すアプローチで、実用化への大きな一歩を踏み出そうとしている。
その場で学び、即興で動く──従来のロボット学習の限界を突破
ロボットに新しい作業を覚えさせるには、これまで膨大な量のデータと時間が必要だった。照明の変化といったわずかな環境の違いにも対応できず、実用化の大きな壁となっていた。Generalist AIは、この課題に根本から挑む。同社の手法は、ロボットに数千もの事例を事前に学習させるのではなく、その場で新しい状況に適応できるモデルを構築することにある。
同社の共同創業者でCTOを務めるアンドリュー・バリー氏と、CEOのフローレンス氏は、都内の会議室で本誌の取材に応じた。彼らの経歴は華々しい。以前はGoogle DeepMindやボストン・ダイナミクスといった世界最先端の研究機関で、ハードウェアやロボット向けモデルの開発に携わってきた。もう一人の共同創業者で主任科学者を務めるのはアンディ・ゼン氏だ。
特殊な手袋でデータを収集する仕組み
Generalist AIのトレーニング手法の核心は、ロボットのグリッパーを模した特殊な手袋にある。この手袋にはカメラが取り付けられており、人間が装着して実際に作業を行うことで、ロボットに動作を教え込む。オフィスには、数百個もの手袋が詰まった箱が山積みになっていた。これらはメキシコなど海外の作業員に送られ、大規模なデータ収集に活用されるという。
同社は具体的な訓練手法の詳細を明かしていないが、すでに膨大な量の高品質な学習データを収集済みであると主張する。また、一部の競合企業がオープンソースの大規模言語モデル（LLM）に依存するのに対し、Generalist AIはAIモデルをゼロから構築している点が特徴的だ。
実用化に最も近いと評価される理由
ジョージア工科大学のロボット研究者、ダンフェイ・シュー氏は、Generalist AIのアプローチを高く評価する。「このアプローチを徹底的に追求し、開発にうまく落とし込んでいる。膨大な量の高品質データを集めているだけでなく、研究面でも素晴らしい成果を上げている」と述べ、同社が公開するデモ映像から、実際の商用環境への導入を見据えていることがうかがえると指摘する。「実用化に最も近いところまで来ている」とシュー氏は語る。
スタンフォード大学のロボット研究者、カレン・リュー氏も、Generalist AIのデータ収集方法の独自性を認める。「特定のロボットに過度に依存しない形で、物体操作のデータを大規模に集めている点が特徴だ。これまでの成果を見る限り、この方針はうまくいっている」と話す。
従来のロボット学習は、特定のハードウェアに最適化されたモデルを構築することが多く、汎用性に欠けるという課題があった。Generalist AIの手法は、こうした壁を乗り越える可能性を秘めている。
残る課題──成功率59％からの飛躍
とはいえ、課題はまだ山積している。Generalist AI自身も認めるところだが、現時点でのモデルの学習能力は十分に安定していない。一度見せた作業をロボットが成功させる確率は、平均でわずか約59％にとどまる。商用化の現実的なラインとされる99％以上の成功率には、まだ大きな隔たりがある。
また、こうした能力があらゆる作業や環境にまで応用可能かどうかも、現時点では明らかになっていない。オフィス環境でのデモでは成功していても、工場や倉庫、家庭といった多様な現場で同じパフォーマンスを発揮できる保証はない。
業界が注目するGeneralist AIの展望
Generalist AIの挑戦は、ロボット工学におけるパラダイムシフトを象徴している。数多くのスタートアップが参入する「汎用ロボット」市場において、同社は独自のポジションを築きつつある。データ収集の効率性と、ハードウェアに依存しないモデル設計は、競合に対する明確なアドバンテージとなり得る。
特に注目すべきは、人間の動作を直接学習データとして利用するというアプローチだ。これは、シミュレーション上の学習や遠隔操作によるデータ収集と比較して、よりリアルで多様なデータを集められる可能性を秘めている。今後のGeneralist AIの動向は、ロボット業界全体の方向性を左右する重要な指標となるだろう。
