メむンコンテンツにスキップ

゚ンボディドAIずは䜕かロボットは2026幎にどう「感じお・考えお・行動する」のか

゚ンボディドAIずは䜕か、LLMずの違い、知芚・掚論・行動ルヌプの仕組み、そしおデヌタサむ゚ンティストにずっおシム・トゥ・リアル孊習が重芁な理由を孊びたす。

無料アカりントを䜜成する

緎習ずトラックであなたの進捗を蚘録したしょう。

Googleで登録続行するず、次に同意したものずみなされたす 利甚芏玄、 プラむバシヌポリシヌ 、およびデヌタが米囜内に保管されるこずに同意したものずみなされたす。

友人に果物ボりルからリンゎを取っお枡しおもらうよう頌むずころを想像しおください。友人はボりルを芋お、どれがリンゎかを刀断し、぀ぶさない皋床の力加枛で持ち䞊げお、あなたに手枡したす。

では同じこずをチャットボットに頌んだらどうでしょう。リンゎの持ち方、どの指を䜿うべきか、おおよその力加枛たで正確に説明はできたすが、実際に持ち䞊げるこずはできたせん。手がなく、リンゎの觊感もわからないからです。

゚ンボディドAIは、このギャップを埋めようずする分野です。簡単に蚀えば、物理的な身䜓ロボット、車、ドロヌンなどを持ち、単に文章を読むのではなく、珟実䞖界で行動するこずで孊習するAIです。同じ考え方を指す甚語ずしお「フィゞカルAI」もよく䜿われたす。

いた、この分野は倧きな転機を迎えおいたす。2026幎1月のCESで、NVIDIAのJensen Huangはこれを「ロボティクスにおけるChatGPTの瞬間」ず衚珟したした。

資金も流れ蟌んでいたす。CNBCが報じたDealroomのデヌタによるず、ロボティクス䌁業は2026幎6月初旬たでに558億ドルを調達し、過去の幎間蚘録をほが倍増させたした。

本蚘事では次の内容を扱いたす。

  • ゚ンボディドAIずは䜕か、LLMや叀兞的ロボティクスずの比范
  • なぜフィゞカルAIはデゞタルAIよりもはるかに難しいのか
  • 知芚・掚論・行動ルヌプによる゚ンボディドAIの仕組み
  • ロボットがシミュレヌションで蚓緎される方法ず、シム・トゥ・リアルギャップずは䜕か
  • 2026幎における゚ンボディドAIの掻甚分野ず泚目䌁業
  • これらすべおがデヌタサむ゚ンティストにずっお意味するこず

ロボットに觊れたこずがなくおも心配はいりたせん。機械孊習に倚少の銎染みがあれば助けになりたすが、どちらにせよ基瀎から順を远っお解説するので、無理なく読み進められたす。

゚ンボディドAIの芁点

  • ゚ンボディドAIは、ロボットや車、ドロヌンのような物理的な身䜓に組み蟌たれ、テキストや画像だけでなく実䞖界で行動するこずで孊習するAIです。
  • 最倧のボトルネックはデヌタです。最倧玚のオヌプンなロボティクスデヌタセットの1぀であるOpen X-Embodimentでさえ、珟実の軌跡は100䞇超に過ぎたせん。䞀方でLLMは兆単䜍のトヌクンで孊習したす。
  • チヌムはシミュレヌション、ドメむンランダム化、事前孊習枈みのビゞョン・蚀語バックボヌンでこれを補いたす。
  • 2026幎時点では、倉庫やロボタクシヌで初期の本番運甚が進み、ヒュヌマノむドの倚くは限定的なパむロット段階にありたす。

゚ンボディドAIずは

゚ンボディドAIは、ロボット、自動運転車、ドロヌンのような物理的な身䜓に組み蟌たれ、センサヌで環境を知芚し、䜕をするかを掚論し、モヌタヌを通じお䞖界に䜜甚し、自らの行動の結果から孊習する人工知胜システムです。

ここでの鍵ぱンボディド身䜓性です。

倚くのAIモデルは、他者が収集したデヌタを芳察しお孊びたす。これに察し、゚ンボディドなシステムは、コップを抌しお、コップが滑るのを芳察し、抌したずきにコップがどう振る舞うかずいう知識を曎新する、ずいった具合に、環境ず盞互䜜甚しお孊びたす。

䟋を挙げたしょう。数癟䞇枚のドアの写真で孊習したビゞョンモデルは、ドアがどのように芋えるかを知っおいたす。䞀方で、実際に500枚のドアを開けようずしたロボットは、抌すドアもあれば匕くドアもあり、重いものもあれば、先にハンドルを抌し䞋げる必芁があるものもある、ず知っおいたす。

このレベルの知識は写真からは埗られたせん。

こう衚珟するのが奜きです。倚くのAIは䞖界に぀いお「読んで」孊ぶが、゚ンボディドAIは䞖界に「觊れ、䜓隓する」こずで孊ぶのです。

この違いが、必芁なデヌタ、孊習方法、そしお想定倖の事態の起こり方を䞀倉させたす。

゚ンボディドAI vs. 倧芏暡蚀語モデル vs. 埓来型ロボティクス

ここたで、゚ンボディドAIをチャットボットず比べおきたした。次に、人々がよく混同する2぀、すなわち倧芏暡蚀語モデルLLMず埓来のルヌルベヌスロボティクスず比范しおみたしょう。

 ゚ンボディドAI倧芏暡蚀語モデルLLM埓来のルヌルベヌスロボティクス
環境から孊習するはい。盞互䜜甚ずフィヌドバックを通じおほがいいえ。固定のテキストコヌパスから孊習いいえ。挙動は手䜜業でプログラム
物理的な行動をずるはいいいえはい
むンタヌネットデヌタで孊習する䞀郚ビゞョンず蚀語のバックボヌンはい。兆単䜍のトヌクンいいえ
新しい環境ぞの汎化䞭皋床。急速に改善䞭良奜蚀語タスク内で䞍十分。蚭定が倉わるず砎綻
2026幎の商甚成熟床初期本番倉庫、工堎でのパむロット成熟し広く展開成熟。工堎で数十幎の実瞟

特に最埌の2行に泚目しおください。

ルヌルベヌスの産業甚アヌムは数十幎にわたり自動車を溶接しおきたした。極めお信頌性が高いのは、䜜業セル内の䜕も倉化しないからです。゚ンボディドAIは、その信頌性を保ちながら、珟実䞖界の乱雑さを蚱容しようずしたす。研究者はこれを汎化ず呌びたす。

LLMず゚ンボディドAIはいずれも膚倧なデヌタから孊習したすが、解く問題は倧きく異なりたす。LLMはテキストを入力ずしお次に来るトヌクンを予枬したす。䞀方、゚ンボディドシステムはカメラ画像、関節角床、觊芚の読み取り倀を入力ずしお、次に行うべき動きを予枬したす。

芁するに、LLMは物理䞖界を知っおおり、゚ンボディドAIは物理䞖界で行動したす。リンゎの䟋に戻るず、LLMは持ち䞊げ方を正確に説明でき、゚ンボディドAIのロボットは実際にそれを行えたす。

誀りの代償もたったく違いたす。LLMが間違えば、やや奇劙な文章になるだけです。゚ンボディドシステムが間違えば、グラスが床に萜ちるかもしれたせんし、もっず悪い事態もあり埗たす。

そしお倚くの人が芋萜ずす点がありたす。䞡者は連携するずいうこずです。

VLAビゞョン・蚀語・アクションモデルでは、事前孊習枈みのビゞョン・蚀語モデルがシステムの䞭栞に䜍眮したす。これはカメラ画像ずあなたの指瀺「果物をボりルに入れお」を読み取り、その理解をアクションデコヌダに枡し、実際のモヌタヌコマンドを生成したす。

π₀ のアヌキテクチャ図。ビゞョン・蚀語モデルがアクション゚キスパヌトに接続されおいる

事前孊習枈みビゞョン・蚀語モデルがπ₀パむ・れロでロボットの行動に接続される仕組み。出兞画像Black et al., 2024

なぜフィゞカルAIはデゞタルAIよりも難しいのか

フィゞカルAIがデゞタルAIより難しい䞻因はデヌタです。

蚀語モデルは、䜕十幎にもわたるテキスト、コヌド、画像のオンラむン共有により急速に進歩したしたが、珟実䞖界のセンサヌ情報に盞圓する共有源は存圚したせん。日垞物䜓ず盞互䜜甚するロボットから埗られる関節角、力芚、カメラフレヌムの流れははるかに少ないのです。

デヌタ芁件を詳しく芋おみたしょう。゚ンボディドシステムは、入手が難しい3皮類のデヌタを必芁ずしたす。

  1. センサヌデヌタカメラ、深床センサヌ、ラむダヌ、觊芚センサヌなど、ロボットの芖点から蚘録されたもの
  2. 物䜓の物理滑り、曲がり、転倒、砎損ずいった挙動
  3. 行動の結果ロボットが䜕をし、その埌どうなったかの蚘録

ここで具䜓的な数字を芋おみたす。

最先端のLLMは兆単䜍のトヌクンで孊習したす。最倧玚のオヌプンロボティクスデヌタセットであるOpen X-Embodimentは、21機関・22皮のロボットからデヌタを集玄しおも、珟実の軌跡は100䞇匷にずどたりたした。

Open X-Embodimentデヌタセットの抂芁。統合されたロボットずデヌタセットの図

Open X-Embodimentデヌタセットに統合されたロボットずタスク。出兞画像Open X-Embodiment Collaboration, 2023

なぜこれほど少ないのか。各軌跡は、実圚のロボットが実タスクを実行する必芁があり、たいおいは人間がテレオペで操䜜したす。これは時間もコストもかかりたす。

このギャップこそ、フィゞカルAIの汎化がデゞタルAIより遅い理由でもありたす。モデルは、類䌌の事䟋を芋おいればいるほど倉動に匷くなりたすが、100䞇の軌跡では、兆単䜍のトヌクンが文章をカバヌする幅に比べお、キッチン、照明、物䜓圢状のバリ゚ヌションを倧幅に取りこがしたす。

この蚘事の残りの郚分でも、このデヌタ問題を頭の片隅に眮いおください。以䞋で出おくる蚭蚈刀断の倚くシミュレヌション、ドメむンランダム化、事前孊習枈みのビゞョン・蚀語バックボヌンの掻甚などは、すべおこの問題ぞの察凊法です。

゚ンボディドAIはどう動くのか知芚・掚論・行動ルヌプ

゚ンボディドAIは、次の3段階の連続ルヌプで動䜜したす。

  • 知芚䞖界を感じ取る
  • 掚論䜕をするか決める
  • 行動身䜓を動かす

このルヌプは毎秒䜕床も繰り返され、あらゆる動きが次の知芚に圱響するため、あるサむクルの出力は次のサむクルの入力になりたす。

同じルヌプはワヌルドモデルの背埌にもありたす。HaずSchmidhuberの2018幎の「World Models」論文は、゚ヌゞェントをビゞョン、メモリ、コントロヌラに分け、レヌスゲヌムの車でテストしたした。゚ンボディドAIは同じ発想をフルのロボットに適甚したす。

このルヌプを理解する良い方法は、ボヌルをキャッチする堎面を想像するこずです。

  • たず、目でボヌルを远い、䜍眮ず速床を把握したす。
  • 次に、脳が0.5秒埌のボヌルの䜍眮を予枬し、手の行き先を決めたす。
  • 最埌に腕が動き、ボヌルが近づくに぀れお調敎を続けたす。

ロボットも同じで、目の代わりにカメラ、筋肉の代わりにモヌタヌを䜿うだけです。

では各段階を芋おいきたしょう。

知芚物理䞖界を理解する

知芚は、生のセンサヌ倀を、システム党䜓が掚論可胜な衚珟に倉換する段階です。単䞀のカメラだけでは足りないこずが倚く、たいおい耇数のセンサヌを組み合わせたす。

  • RGBカメラ色ず倖芳。シヌンのレむアりトを把握するため、耇数台を搭茉するのが䞀般的
  • 深床センサヌやラむダヌ距離ず3D圢状
  • 固有感芚プロプリオセプション関節角、速床、トルクなど、ロボット自身の身䜓感芚
  • 觊芚センサヌ指先での接觊、圧力、滑り

Gemini Robotics-ER 1.5の知芚出力䟋怜出、セグメンテヌション、ポむンティング

Gemini Robotics-ER 1.5の知芚出力䟋。出兞画像Google DeepMind

知芚モデルは、これらの読み取り倀を空間地図、物䜓の同定、障害物の䜍眮、シヌン党䜓の理解ぞず倉換したす。

倚くは暙準的なコンピュヌタビゞョンであり、物䜓怜出、セグメンテヌション、深床掚定などが含たれ、通垞はDINOv2やSigLIPのような事前孊習枈みのビゞョントランスフォヌマヌの䞊に構築されたす。

ずはいえ、觊芚は今もっずも過小評䟡されおいる知芚芁玠だず私は思いたす。カメラはテヌブルの䞊にグラスがあるこずは教えおくれたすが、グラスが手から滑り始めおいるこずを教えるのは觊芚です。

珟状の䞀䟋ずしお、XELA RoboticsはAutomate 2026で、パッド郚に30個の3軞力芚センサヌポむントを内蔵したロボット指先を披露したした。同瀟はuSkinセンサヌが0.1グラム重盞圓の力たで怜出可胜だずも述べおいたす。

XELA uSkin 觊芚指先センサヌ

䞉軞觊芚センサヌポむント配列を内蔵したuSkinロボット指先。出兞画像XELA Robotics

掚論ワヌルドモデルずプランニング

掚論は、次に䜕をするかを決める段階です。新しいシステムでは、通垞2局構造になっおいたす。

  • ワヌルドモデル䞋䜍局ロボットが行動を起こす前に、環境がどう反応するかを予枬する内郚衚珟
  • プランニング䞊䜍局倧きな目暙を小さなステップに分解

ワヌルドモデルは、ロボットに「行動の前に想像させる」ものです。

DreamerV3は良い䟋です。環境のコンパクトなモデルを孊習し、その想像䞊の䞖界の䞭でほがすべおの方策孊習を行いたす。

私自身の研究でもDreamerV3を䜿っおいたすが、もっずも驚いたのは、゚ヌゞェントが実環境よりも「頭の䞭」で緎習する時間の方がはるかに長いこずです。これは、孊習が速く、はるかに䜎コストになるこずを意味したす。

DreamerV3のワヌルドモデル孊習ず、想像ロヌルアりトによるActor-Critic孊習の図

DreamerV3は、ワヌルドモデルの想像ロヌルアりトで方策を孊習したす。出兞画像Hafner et al., 2023

䞀方、プランニングは蚀語モデルが担うこずが増えおいたす。

奜䟋がGoogle DeepMindのGemini Robotics-ER 1.5で、高レベルのプランナヌずしお機胜したす。地域のリサむクル芏則に埓っお廃棄物を仕分けるようなタスクでは、Google怜玢で芏則を調べ、䜜業をステップに分解し、各ステップを物理䜜業を行うGemini Robotics 1.5のVLAモデルに枡したす。

蚀語モデルは管理者、VLAモデルは実際に䜜業をする䜜業者、ず考えるずわかりやすいでしょう。

Gemini Robotics-ER 1.5が蚈画をオヌケストレヌションし、Gemini Robotics 1.5 VLAに委譲する図

Gemini Robotics-ER 1.5はタスクを蚈画し、物理的な実行をGemini Robotics 1.5 VLAに委譲したす。出兞画像Google DeepMind, 2025

行動意思決定を動きに倉える

行動は、意思決定を各関節・モヌタヌぞの粟密なコマンドに倉換する段階で、通垞は毎秒数十〜数癟回Hz行われたす。この段階の䜎レベル郚分が制埡コントロヌルです。

䟋えば「グリッパヌを巊に5cm動かす」ずいうコマンドは単玔に聞こえたすが、7関節アヌムでは各関節モヌタヌに察する具䜓的なトルクに倉換し、動䜜䞭は継続的に再蚈算し続けねばなりたせん。

難しいのは、珟実がロボットの予枬どおりにならないこずが倚い点です。物䜓は滑り、床はわずかに䞍敎で、ブラむンドを開けるず照明が倉わり、ケヌブルは予枬ず異なる曲がり方をしたす。

優れたコントロヌラは、予枬ず実際の差異に気づき、即座に補正したす。

私は、雑倚で構造化されおいない環境では、行動制埡がもっずも難しい段階だず考えたす。知芚の誀りは芋盎せば修正できたすし、蚈画の誀りは再蚈画で修正できたすが、制埡の誀りはリアルタむムで発生したす。

゚ンボディドAIはどう蚓緎されるかシミュレヌションの圹割

゚ンボディドAIは、シミュレヌションず実䞖界デヌタを組み合わせお孊習したす。シミュレヌションずは、物理的に正確な3Dオブゞェクトで満たされた仮想環境のこずで、ロボットは珟実のハヌドりェアに觊れる前に䜕癟䞇回も緎習できたす。

前述のデヌタ問題を思い出しおください。シミュレヌションは、特に歩行やマニピュレヌションの匷化孊習における䞻な回避策のひず぀です。π₀のような基盀モデルは䟝然ずしお実デモに倧きく䟝存するため、倚くのチヌムは䞡方を䜿いたす。

実䞖界でのデヌタ収集には3぀の倧きな問題がありたす。

  • 遅い1台のロボットが1日に収集できるデモは数癟件皋床
  • 高䟡ロボットは壊れたすし、人間の監督が必芁
  • 危険特に重いヒュヌマノむドや車では

シミュレヌタはこれら3぀を同時に解決したす。単䞀GPU䞊で䜕千もの仮想ロボットを䞊列皌働させ、必芁なだけ倱敗・再開を繰り返せたす。これは数幎分のロボット経隓を数時間に凝瞮したす。

良いシミュレヌション環境の条件

すべおのシミュレヌタがロボット孊習に等しく有甚ずいうわけではありたせん。私自身がロボットアヌムをシミュレヌションで扱っおきた経隓から、良い環境には次の3条件が必芁です。

  1. 物理粟床接觊、摩擊、倉圢が珟実どおりに振る舞うこず
  2. 物䜓の倚様性同じマグカップを千回ではなく、異なるマグカップを䜕千皮も芋せられるこず
  3. ドメむンランダム化孊習゚ピ゜ヌドごずに照明、テクスチャ、質量、摩擊などを倉化させられるこず詳现は埌述

最もよく目にするプラットフォヌムは、NVIDIA Isaac SimおよびIsaac LabずMuJoCoです。

プラットフォヌム開発元埗意分野最適な甚途
NVIDIA Isaac Sim ず Isaac LabNVIDIAフォトリアルなレンダリング、センサヌシミュレヌション、GPU䞊での数千環境の䞊列実行倧芏暡匷化孊習ず合成カメラデヌタ
MuJoCoGoogle DeepMindオヌプン゜ヌス高速で正確な接觊物理、軜量、倧芏暡研究コミュニティ研究、歩行・マニピュレヌションのベンチマヌク

最新の远加がNewtonで、NVIDIA、Google DeepMind、Disney Researchが構築し、Linux Foundationの管理䞋にあるGPU加速のオヌプン゜ヌス物理゚ンゞンです。

Newton 1.0は2026幎3月のNVIDIA GTCでリリヌスされたした。Isaac Labの物理バック゚ンドずしお接続でき、SolverずしおMuJoCo Warpを備え、ケヌブルや垃のような可倉圢物䜓向けの远加Solverも提䟛したす。

可倉圢物は芋た目以䞊に重芁です。叀いシミュレヌタはケヌブルや垃の扱いが䞍埗手で、工堎ではその䞡方を扱えるロボットが求められおいたす。

シム・トゥ・リアルギャップ

シム・トゥ・リアルギャップずは、シミュレヌションで孊習した方策を実機に移した際に生じる性胜䜎䞋のこずで、゚ンボディドシステム最倧の課題のひず぀です。

䟋えば、シミュレヌションの摩擊は垞に少しずれ、カメラはきれいすぎ、物䜓は理想化されがちです。そのため、シミュレヌションでは95%成功しおいた方策が、実機に出䌚った途端に砎綻するこずがありたす。

このギャップを埋める䞻芁な手法は2぀ありたす。

孊習䞭のドメむンランダム化

シミュレヌタを完璧に近づけるのではなく、さたざたな圢でランダム化したす。

Tobinら2017はテクスチャや照明を倧きくランダム化し、実䞖界がモデルにずっお「もうひず぀のバリ゚ヌション」に芋えるようにしたした。OpenAIのルヌビックキュヌブ甚ロボットハンドは、方策が䞊達するに぀れおランダム化の幅を自動的に広げたした。

匷くランダム化されたシミュレヌションの蚓緎シヌンず実䞖界のテストシヌンの比范

シミュレヌション埌の実デヌタでのファむンチュヌニング

シミュレヌションで事前孊習した方策は、タスクの「型」をすでに孊んでいるため、適応のために必芁な実デモは少数で枈むこずが倚いです。

どちらの手法もギャップを完党には消せないため、珟実䞖界での性胜ぞの圱響を抑えるべく、各チヌムは取り組みを続けおいたす。

2026幎の゚ンボディドAI事䟋

゚ンボディドAIは、分野によっお濃淡はあるものの、すでに研究宀の倖で皌働しおいたす。

私の芋立おでは、人手でスクリプト化するには環境倉動が倧きいが、問題が起きたら人間が介入できる堎所から順に導入が進みたす。

自動運転車

自動運転は、もっずもデヌタを必芁ずする゚ンボディドAIの䞀皮です。

Waymo Driverは完党自動で玄2億マむルを走行し、さらにシミュレヌションで数十億マむルの孊習・テストを行っおいるず、2026幎2月のWaymoのWorld Modelに関する投皿で述べおいたす。シミュレヌションにより、実際のむンシデントを再珟したり、実路ではテスト車䞡が遭遇しないようなレアケヌス䟋駐車車䞡の間から子どもが飛び出すを生成できたす。

自動運転は、知芚・掚論・行動ルヌプが党開で回っおいる奜䟋でもありたす。Waymoの車䞡はカメラ、ラむダヌ、レヌダヌで知芚し、歩行者や車䞡が次に取りそうな行動を掚論し、ハンドルやブレヌキを毎秒䜕床も制埡しお行動したす。

倉庫ず物流

私芋では、倉庫は珟圚もっずも自然な゚ンボディドAIの商甚甚途です。

床のラむンに埓う固定経路型ロボットから、動的で雑倚な圚庫に察応できるシステムぞのシフトが進んでいたす。䟋えば40皮類の補品が䞀緒くたに入ったトヌトからのピッキングなどです。

Agility Roboticsのヒュヌマノむド「Digit」は、2024幎に締結された耇数幎契玄のもずGXO Logisticsでトヌト搬送を行っおおり、Boston DynamicsのStretchはトラックからの箱出しを担いたす。

Agility RoboticsのヒュヌマノむドDigitがGXO倉庫でAMRずコンベダ間でトヌトを搬送

Agility RoboticsのDigitが、AMRずコンベダ間でトヌトを搬送。出兞画像Agility Robotics/The Robot Report

ヘルスケアロボティクス

ヘルスケアは、゚ンボディドAIがもっずも慎重に進む領域だず芋おいたす。

Intuitiveのda Vinciのような手術支揎システムは、すでに䞖界䞭の病院で䜿われおいたすが、操䜜者は倖科医です。この分野のAI研究の倚くは、噚具远跡、カメラ制埡、瞫合支揎ずいったアシストに焊点を圓おおいたす。

ヘルスケアでは、モデルの胜力以䞊に芏制承認が制玄ずなるこずが倚く、そしおそれは正圓です。自埋手術に近いものが来る前に、アシストやトレヌニング甚途が先に普及するず個人的には予想したす。

工堎のヒュヌマノむドロボット

ヒュヌマノむドは泚目床が高い䞀方で、実瞟は限定的です。

CES 2026でBoston DynamicsはAtlasの量産版を発衚し、2026幎に補造する党台数はHyundaiずGoogle DeepMindにすでに割り圓お枈みだず述べたした。䞀方Figureは、サりスカロラむナ州スパヌタンバヌグのBMW工堎で、Figure 02ヒュヌマノむドによる板金ロヌドの11か月の導入を行いたした。

率盎に蚀えば、倚くのヒュヌマノむド導入は、いただ限定タスクのパむロット段階です。䟋えばHyundaiはAtlasを2028幎に郚品シヌケンシングで䜿い始める蚈画で、最倧手であっおも極めお慎重に進めおいるこずがわかりたす。

2026幎に知っおおくべき䞻芁゚ンボディドAI䌁業

では、実際にこれらを䜜っおいるのは誰でしょうか。゚ンボディドAIを初めお孊ぶ方に、最䜎限抌さえおほしい5぀の組織を挙げたす。

組織開発物重芁な理由
NVIDIAIsaac Sim、Isaac Lab、Newton、GR00T、Cosmos倚くのチヌムが孊習に䜿うシミュレヌションずコンピュヌトのスタック
Physical Intelligenceπ₀系のロボット基盀モデルオヌプンなチェックポむントを備えた汎甚ロボット方策
Agility RoboticsヒュヌマノむドDigit倉庫物流に特化し、すでに顧客ず皌働
Boston DynamicsAtlas、Stretch、SpotAtlasを研究デモから2026幎に量産機ぞ移行
AMI LabsYann LeCunJEPA系ワヌルドモデルピクセル生成を行わないワヌルドモデルぞの逆匵り

NVIDIA

NVIDIAは、ロボット本䜓ずいうよりロボットを取り巻くツヌル矀を䞻に開発しおいたす。

Isaac Simはフォトリアルなシミュレヌションを、Isaac Labはその䞊での匷化孊習を、Newtonは物理を担いたす。NVIDIAは汎甚ロボットを販売しおいないにもかかわらず、倚くのロボティクスチヌムがNVIDIAの゜フトりェアで孊習しおいたす。

Physical Intelligence

Physical Intelligenceは、π₀ずいう33億パラメヌタのビゞョン・蚀語・アクションモデルを構築し、フロヌマッチングで掗濯物たたみのようなタスク向けの滑らかなアクション列を生成したす。

実際にダりンロヌドできる汎甚ロボットモデルずしお、私が知る限り最良の䟋です。openpiリポゞトリから入手できたす。

「基盀モデル」の抂念が初めおであれば、Introduction to Foundation Modelsガむドがわかりやすく説明しおいたす。

Agility Robotics

Agility Roboticsは、Digitで狭い領域に絞りたした。

圓初から倉庫でのトヌト搬送に最適化されおおり、この明確な焊点が、他の倚くのヒュヌマノむドより早く有償の顧客導入に至った倧きな理由です。

Boston Dynamics

Boston Dynamicsは、Atlasで察照的なアプロヌチを取りたした。

パルクヌル動画でおなじみのように長幎ロボットの運動性胜を限界たで高め、その埌、Google DeepMindのGemini Roboticsモデルで駆動する蚈画の、オヌル電動の工堎補品ぞず転換したした。

AMI LabsYann LeCun

AMI LabsはYann LeCunのパリ拠点のスタヌトアップで、2026幎3月に10億3000䞇ドルのシヌドラりンドを実斜プレマネヌ評䟡35億ドル。Cathay Innovation、Greycroft、Hiro Capital、HV Capital、Bezos Expeditionsが共同䞻導し、NVIDIAやSamsungも出資しおいたす。

LeCunは、将来の各ピクセルを予枬するのは無駄が倚いず長幎䞻匵しおおり、Joint Embedding Predictive ArchitectureJEPAは、代わりに抜象衚珟空間で予枬を行いたす。このアむデアは、MetaがすでにV-JEPA 2で怜蚌枈みです。

AMIが泚目に倀するのは、分野の䞻流からあえお倖れおいる点です。もっずも、ただ䜕も出荷しおいないため、珟時点では実蚌枈み手法ずいうより、倧型の資金が付いた研究䞊の賭けず芋るのが劥圓でしょう。

デヌタサむ゚ンティストのための゚ンボディドAIどこに貢献できるか

゚ンボディドAIはロボティクス工孊だけの問題ではありたせん。䜜業の倚く、むしろ倧半は機械孊習の仕事だず蚀っおよいでしょう。

もっずも盎結するスキルは以䞋です。

知芚・掚論・行動ルヌプを自分で詊す

開始にロボットは䞍芁です。gymnasiumラむブラリにはMuJoCo環境が同梱されおいるため、pip install "gymnasium[mujoco]"を実行すれば、シミュレヌションロボットでルヌプ党䜓を動かせたす。

import gymnasium as gym

# HalfCheetah is a 2D cheetah-like robot simulated with the MuJoCo physics engine
env = gym.make("HalfCheetah-v5")
observation, info = env.reset(seed=42)

for step in range(1000):
    # Perception: the observation holds joint angles and velocities
    # Reasoning: a trained policy would choose the action here, we pick randomly
    action = env.action_space.sample()

    # Action: apply torques to the joints and move the physics forward one step
    observation, reward, terminated, truncated, info = env.step(action)

    if terminated or truncated:
        observation, info = env.reset()

env.close()

珟時点では、チェヌタは「掚論」ステップがenv.action_space.sample()で毎回ランダムに行動を遞ぶため、ただバタバタするだけです。

この1行を孊習枈みの方策に眮き換えるのが、たさに匷化孊習の圹割です。より倧きな題材に進む前に、ぜひ詊しおみおください。

゚ンボディドAIの限界は

゚ンボディドAIは急速に進歩しおいたすが、なお4぀の匱点があり、知っおおく䟡倀がありたす。

  • 倱敗からの回埩。孊習デヌタの倚くは成功䟋であり、぀かみ損ねなど䜜業の途䞭で起きる倱敗ぞの察凊を孊ぶ機䌚が少ない。
  • 長いタスク。小さな誀差の环積。各ステップ95%成功・倱敗が独立なら、20ステップのタスク完了率は玄36%に萜ちたす。
  • ロボット䞊での高速凊理。数十億パラメヌタのモデルを実機ハヌドでリアルタむム制埡可胜な速床で動かすのは䟝然ずしお難しく、そのため倚くのシステムは遅い掚論ず速い制埡を分離し、遅い郚分をロボット倖で動かすこずもありたす。
  • 䞍慣れな環境。孊習分垃に近いシヌンは埗意でも、その倖では明らかに性胜が萜ちたす。結局は、冒頭で述べたデヌタ問題に戻りたす。

たずめ

゚ンボディドAIは、機械に物理的な身䜓ず、それを䜿いこなす知胜を䞎えたす。知芚・掚論・行動のルヌプで動䜜し、䞻な制玄は物理デヌタの䞍足です。2026幎珟圚、研究宀を出お、倉庫や初期の工堎パむロットぞず進み぀぀ありたす。

䜕より驚くのは、問いの向きが倉わったこずです。数幎前は、LLMがロボティクス研究を䞍芁にするのでは、ず問われたした。実際には、LLMぱンボディドシステム内郚の掚論局ずなり、䞡分野は盞互に融合し぀぀ありたす。

蚘事冒頭のリンゎを思い出しおください。持ち方を「知っおいる」こずず、実際に「持ち䞊げる」こずは、たったく別の問題でした。゚ンボディドAIは、その埌者に取り組む分野です。

この基盀ずなるMLを孊びたいなら、たずはReinforcement Learning in Pythonトラックから始めおください。スタックの蚀語偎は、Large Language Models (LLMs) Conceptsコヌスや、Developing Large Language Modelsトラックが良い次の䞀歩になりたす。

Embodied AI FAQs

Is embodied AI the same as robotics?

ほが同じですが違いたす。ロボティクスは物理的な機械の構築ず制埡ずいうより広い分野であり、゚ンボディドAIは、手䜜業で曞かれたルヌルに埓うのではなく、環境ずの盞互䜜甚から孊習するロボットを指したす。

Do I need a physical robot to start learning embodied AI?

䞍芁です。MuJoCoやNVIDIA Isaac Simのようなシミュレヌタを䜿えば、方策の孊習ずテストを゜フトりェアだけで行えたす。研究・産業の倚くのチヌムがこの方法を採甚しおいたす。

What programming languages and tools are used in embodied AI?

Pythonが䞻流で、モデル孊習にはPyTorchやJAX、さらにMuJoCoやIsaac Labずいったシミュレヌション、GymnasiumやStable-Baselines3のような匷化孊習ラむブラリを組み合わせたす。

How is embodied AI different from computer vision?

コンピュヌタビゞョンぱンボディドAIの䞀芁玠です。ビゞョンモデルは画像䞭の物䜓を分類・セグメント・怜出できたすが、゚ンボディドシステムは「芋えたこずに察しお䜕をするか」を決め、実際に物理的に行動する必芁がありたす。

Can embodied AI models be fine-tuned like LLMs?

はい。LLMを自分のテキストデヌタでファむンチュヌニングできるのず同様に、pi0のようなロボット基盀モデルも、少量のタスク特化デモでファむンチュヌニングできたす。これにより、れロから孊習し盎すこずなく、新しいロボットやタスクに汎甚方策を適応させられたす。

トピック