物理世界に知能をもたらす──汎用ロボット基盤モデルの挑戦
ロボットを「目的特化」から「汎用」へ──MITの研究者チェルシー・フィン氏が掲げるミッションは、言語や画像といったデジタル領域で基盤モデル（foundation models）がもたらしたブレークスルーを、物理世界にもたらすことにあります。本記事では、同氏が共同創業したフィジカル・インテリジェンス社が取り組む「General Purpose Robots」（何でもできるロボット）の開発戦略と技術的知見を、具体的な実験事例や得られた成果、直面した課題とその解決策を交えて解説します。専門家や技術者はもちろん、ロボティクスの今後に関心を持つ方々にも理解しやすい構成を心がけました。
1. ロボットアプリケーションにおける課題
多くのロボティクス企業は、物流用、研究室用、厨房用、手術用など、用途ごとに別会社を立ち上げるかのようにハードウェア・ソフトウェアを一から設計し、専用の運動プリミティブ（動作パターン）を開発しなければなりません。
1-1. カスタム開発の負担
ハードウェア設計：各分野で最適なアームやグリッパーを新規に設計
ソフトウェア構築：独自の制御ロジックやエッジケース処理をゼロベースで実装
運動プリミティブ：対象物ごとに微細な動作パターンを手作業で定義
このため「一つの用途で成功しても、別用途への応用はほぼ新規プロジェクト」となり、参入障壁が極めて高いのが実情です。
2. フィジカル・インテリジェンスと汎用モデルの提案
フィジカル・インテリジェンス社は 「ロボットを目的に依存しない汎用的存在へ」 というビジョンのもと、あらゆるタスク・環境に適用可能な基盤モデルの構築を目指しています。
2-1. 基盤モデルの発想
言語モデルや画像モデルのように、大量のデータで学習した 「汎用ニューラルネットワーク」 を土台とする
個別タスクでは新規モデルを作らず、後続の微調整（fine-tuning）のみで多様な応用を実現
2-2. デジタルからフィジカルへの転換
「コードアシスタントのために初めからコード専用モデルを訓練しないように、ロボットも目的特化型ではなく汎用型モデルを基盤にしたほうが効率的」という発想が、中核にあります。
3. 実ロボットデータによる学習と初期成果
実世界のロボットデータを用いた学習プラットフォームの構築と、その初期的成果をご紹介します。
3-1. テレオペレーションによるデータ収集
創業から1年ほどで、現場のテレオペレータがリーダーアームを操作し、マッチでろうそくに点火するシンプルなタスクなどを収集。
物理的接触や細かな動作を伴うタスクで、多様な行動シーケンスを取得
従来のシミュレーションにはない「リアルなノイズ」や「失敗パターン」も含む
3-2. 洗濯物折りたたみタスクへの応用
最初の大規模実験は「乾燥機からシャツを取り出し、折りたたむ」タスク。
単一ブランド・単一サイズのシャツからスタートし、モデル（約1億パラメータ）をイミテーション学習で訓練
成功率はまずまずながらも、しわの位置や落下など多くの失敗が発生
データを増やし、タスクを徐々に複雑化（シャツの混合、バスケット内配置）
最終的には5アイテムを連続で折りたたみ、スタックする成果を達成
成功は2024年9月頃に初確認。折りたたみに20分要したが、処理時間を12→9分へ短縮＊
この進歩は「事前学習（pre‑training）＋高品質デモデータでの微調整（post‑training）」というレシピによるもの
4. 未知環境での展開とデータ多様性
汎用モデルの真価は「訓練環境以外でどこまで動けるか」にあります。
4-1. 多様な住宅・キッチンでのデータ収集
サンフランシスコの100以上のユニークな住宅、モックキッチン・モックベッドルームでモバイル操作データを取得
データセットは全体の2.4%に過ぎないものの、多様性が基盤モデルの一般化性能を大きく向上
4-2. AirBnBを活用した実証実験
モデルを初めて見た環境にロボットを配置し、「キャビネットを閉める」「食器をシンクへ運ぶ」「こぼれた水を拭く」などのタスクを実行
環境の違い（カウンター高さ、家具配置、食器の形状）にもかかわらず、80%超の成功率を達成＊
5. 言語モデルからの学びとオープンエンドな指示対応
言語モデルのプロンプト操作にヒントを得た、ロボットへの指示処理拡張について。
5-1. 階層型ビジョン・言語・アクションモデル
高レベルポリシー：自然言語指示をサブタスク（例：「パンを取る」「チーズを乗せる」）へ分解
低レベルモデル：分解されたサブ指示を受け、連続的な関節角度を予測（拡散モデルベース）
5-2. 合成プロンプト生成による人間指示対応
既存の実データに対し、大規模言語モデルで「もしユーザーがこんな指示をしたら？」を合成しラベル付け
「ハム＆チーズサンドイッチ」だけでなく「ビーガンサンドでピクルス抜き」といったオープンエンドな要求にも対応
実測では、指示追従率が従来20%→80%へと大幅改善＊
6. 今後の展望と課題
汎用ロボット開発の道筋は見えたものの、解決すべき技術的・運用的課題は残ります。
速度とリアルタイム性：折りたたみ20分は短縮が必要
部分観測とセーフティ：見えない部分への対応や誤動作検知
長期計画・階層化：複雑タスクを自動で分割・管理する制御構造
持続的学習：オンライン強化学習による継続的性能向上
モデルとハードウェアの両輪最適化：モデル規模拡大だけでなく、軽量化・高速化を両立
汎用ロボットは「特定用途ごとにゼロから開発する時代」の終焉を告げ、物理世界でのAI基盤モデル時代を切り拓く可能性を秘めています。フィジカル・インテリジェンス社は、さらなる研究開発とオープンソース貢献を通じて、近い将来「家庭のあらゆる場所で活躍するロボット」を実現することを目指しています。
オススメ記事
Next Big Wave（成長株・アイデアの種・トレンド深掘り）
シードスタートアップからレジェンド企業まで、成長の秘密をひも解く
