未学習の作業にも対応する汎用ロボット頭脳のPhysical Intelligence、新モデル π0.7で汎化能力の初期成果を提示

San Franciscoを拠点とするロボティクススタートアップPhysical Intelligenceが、新たな研究成果として、ロボットに明示的に教えていない作業にも対応できる新モデル「π0.7」を発表しました。同社はこのモデルを、汎用ロボット頭脳の実現に向けた初期ながら重要な前進と位置付けています。人が自然言語で作業を説明し、ロボットが未知のタスクにも対応できる可能性を示した点で、今回の研究はロボティクスAIの転換点になり得るものとして注目されています今回の研究の中心にあるのは、「構成的汎化」と呼ばれる能力です。これは、異なる文脈で学習した複数の技能を組み合わせ、これまで一度も経験していない課題を解く力を指します。従来のロボット学習は、特定の作業ごとにデータを集め、その作業専用のモデルを学習させる方法が主流でした。そのため、新しい作業に対応するには、その都度新しいデータ収集と再学習が必要でした。Physical Intelligenceによると、π0.7はこの枠組みを超え、学習済みの知識を新しい形で組み合わせて活用できることを示したとしています。

論文の中でも特に印象的な例として挙げられているのが、エアフライヤーを使った実験です。研究チームが調べたところ、学習データの中にはエアフライヤーに関係する事例がほとんどなく、関連するエピソードはごくわずかしか含まれていませんでした。しかも、それらは別のロボットがエアフライヤーを閉じる場面や、別のデータセットでロボットが中にプラスチックボトルを入れる場面といった断片的な内容にとどまっていました。それにもかかわらず、π0.7はそうした限定的な経験とウェブ由来の事前学習データを組み合わせ、エアフライヤーの使い方について機能的な理解を形成したとみられています。人からの補助なしでも、スイートポテトを調理しようとする一定水準の試行を見せ、さらに人が手順を一つひとつ言葉で教えると、作業を成功させることができたといいます。この「その場で言葉で教えながら改善できる」性質は、実用面で大きな意味を持ちます。新しい環境にロボットを導入した際、追加のデータ収集やモデル再学習をせず、その場の口頭指示で作業能力を引き上げられる可能性があるためです。研究者たちは、これは新しい職場に入った人に対して口頭で業務を教える感覚に近いと説明しています。つまり、ロボットを現場に持ち込み、その場で人が説明しながら使い方を覚えさせるという将来像が少しずつ見え始めていることになります。

一方で、研究チームはこの成果を過大に語ることには慎重です。現時点のπ0.7は、単一の大まかな命令だけで複雑な多段階タスクを自律的に完了できるわけではありません。たとえば、「トーストを作って」と一言伝えるだけでは難しく、トースターを開ける、ボタンを押すといった細かな手順を順番に教える必要があります。また、ロボティクス分野には統一された標準ベンチマークが十分に整備されていないため、外部からの厳密な比較検証も容易ではありません。そのため同社は、従来の専用モデル群との比較を通じて、π0.7がコーヒー作り、洗濯物たたみ、箱の組み立てといった複雑な作業で同等の性能を示したと報告しています。興味深いのは、研究者自身が今回の結果に驚いている点です。通常、研究者は学習データの中身を把握しているため、モデルが何をできて何をできないかをある程度予測できます。しかしPhysical Intelligenceの研究者たちは、ここ数カ月で、予想を超える振る舞いを何度も目にしたと語っています。たとえば、たまたま用意した歯車セットをロボットに回転させるよう求めたところ、問題なく実行できたといいます。こうした予想外の能力発現は、大規模言語モデルが学習データから一見不思議な知識の組み合わせを生み出した時期を思わせるものとして受け止められています。

もっとも、批判や懐疑が残る点もあります。言語モデルはインターネット全体を学習資源として使えましたが、ロボットは現実世界の身体的経験が必要であり、その差は依然として大きいという見方があります。また、今回示された作業は派手なロボット演技ではなく、日常的で地味なものが中心です。ただしPhysical Intelligenceは、まさにそこに価値があると主張しています。見栄えのする特定動作ではなく、未知の状況でも柔軟に対応できる汎化能力こそが、本当に役に立つロボットの条件だという考えです。今回の論文も、「汎化の初期兆候」や「新たな能力の初期実証」といった慎重な表現にとどめており、製品化された技術ではなく研究段階の成果であることを明確にしています。それでも、Physical Intelligenceがこれまでに$1B超を調達し、直近で$5.6Bの評価を受けていること、さらに新たな資金調達で評価額が$11B近くまで高まる可能性が報じられていることは、投資家が同社の将来性に強い期待を寄せていることを示しています。商用化時期はなお不透明ですが、自然言語で指示された意図を現実世界のロボット動作へ変換するという大きな課題に対し、Physical Intelligenceは着実に前進しているようです。

Physical Intelligenceについて
Physical Intelligenceは、2024年に設立されたSan Francisco拠点のロボティクスAIスタートアップです。人工知能と物理世界の橋渡しを目指し、非構造環境でも安定して動作できる汎用ロボット向け基盤モデルと学習アルゴリズムを開発しています。自然言語で与えられた意図を実際のロボット動作に変換することを中核に据え、単一の汎用知能をさまざまな物理的形態に展開する「具現化された汎用AI」の実現を掲げています。オープンソース化したπ0ロボティクスアルゴリズムや、視覚・言語・行動を統合するモデル群、さらにRECAPと呼ばれる学習手法を通じて、コーヒー作りや洗濯物たたみ、箱組み立てなどの現実的な作業における信頼性向上を進めています。