
何が起きたか
2026年Conference on Robot LearningでUC BerkeleyとNVIDIAがエージェント型ロボティクスを発表。
なぜ重要か
Goldberg氏は模倣学習が産業用途で頭打ちになったと指摘。この手法はデータ収集を完全に省き、エンジニアが読んで修正できるコードを生成する。
誰に効くか産業自動化や製造のエンジニア、特に半導体・電子機器の組み立て分野は、ロボットのタスク切り替えを大幅に迅速化し、大規模な実演データセットの構築を避けられる可能性がある。ただしエージェントが書いたコードの安全性レビューは未解決の懸念として残る。
こういう要約が、毎朝あなたのメールに届きます。
エージェント型ロボティクスの魅力は、研究者が強調するスケールの不整合にある。言語モデルはインターネット規模のデータで学習するが、それに近いロボティクスのデータセットは存在せず、ロボットの実演データ生成は遅く高コストだ。Goldberg氏はデータに頼り続けた実際の結果をこう説明する。性能は最初こそ向上するが新たな失敗が現れ、データを追加しても明確には収束しない。投資家はChatGPT級の突破を期待してきたが、その収束点はまだ来ておらず、SiemensやBoschを含む企業も同じパターンを見ているという。
提案された解決策は、AIコーディングツールの近年の進歩を借りる。ポリシーを学習する代わりに、コーディングエージェントが食料品の袋詰めのようなタスクを知覚・マニピュレーション・搬送のサブタスクに分解し、物体分類器、姿勢推定、モーションプランニングといった20年分の既存ロボティクスツールに対してコードを書く。もう一つの要素はシミュレーションだ。Goldberg氏はエージェントにシミュレーションパラメータを直接与え、実世界の動画に合わせるよう指示したところ、研究者が手作業では決して調整しなかったであろう照明・背景・環境の細部を再現した。
限界はプロジェクトの内外から認められている。Kroeger氏は物理的な接触を正確にモデル化する物理エンジンはなく、シミュレーションと現実のギャップは未解決のままだと指摘する。Huang氏はエージェント型ロボティクスを終着点ではなく入口と位置づけ、ロボティクスにおける汎用知能はまず従来技術を編成するエージェントとして現れ、それが生成するコードが次のモデルを学習させ得ると論じる。エージェントが常に正しいことをする信頼性へのKroeger氏の警戒は、業界の次の議論が能力ではなく安全性のレビューになる可能性を示唆する。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

BrightAIがSmith Point Capital主導のラウンドで97百万ドルを調達

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた
