何が起きたか
Ant Group傘下の実体化AI企業Robbyantが、LingBot-VLA 2.0をリリースしました。このビジョン言語アクション（VLA）モデルは、17メーカーの20種類のロボットから得た6万時間の実世界物理データで学習され、頭部・腰部・エンドエフェクタ・モバイルシャシの制御に対応。前世代比で推論効率を3倍に改善しつつ、レイテンシーを150ミリ秒以下に抑えています。
なぜ重要か
実体化AI産業は、産業規模でのロボット展開に対応した真の汎用脳が不足していました。LingBot-VLA 2.0は、この課題を解決し、優れた異形態間汎化能力を実証します。上海交通大学のGM-100ベンチマークでは、デュアルアーム操作でπ0.5およびGR00T N1.7を上回り、長期水平モバイル操作タスクではπ0.5を超える性能を達成。推論効率の3倍向上と150ミリ秒以下のレイテンシーにより、リアルタイム商用アプリケーションへの参入障壁が大きく低下します。
注目点
RobbyantはハードウェアパートナーのLejuおよびTi5Robot、企業顧客のGuoDa DrugstoreおよびLongsheng Technologyと共に、小売仕分け、ロジスティクス、産業環境での包括的な商用パイロットテストを実施中。同時にGenRobot.aiとの提携により、標準化されたデータエコシステムの構築を進めています。
こういう要約が、毎朝あなたのメールに届きます。
LingBot-VLA 2.0は、実体化ロボット工学における長年の課題解決に向けた大きな一歩を示しています。実体化AI産業はハードウェアと制御システムの進化を遂げていますが、異なる形態のロボットを制御できる汎用AI脳の欠如が、産業規模での展開拡大の主要な障壁となっていました。Robbyantのアプローチは、17社製造の20種類の異なるロボットから得た6万時間の実世界物理データで学習することで、タスク特化型モデルではなく、真の異形態間汎化を実現するよう設計されています。
確立されたベンチマークで実証された性能改善は、実質的な能力向上を示唆しています。上海交通大学のGM-100ベンチマークにおいて、LingBot-VLA 2.0はデュアルアーム操作でπ0.5およびGR00T N1.7を上回り、長期水平モバイル操作タスクではπ0.5を超える性能を発揮しました。推論効率の3倍向上と150ミリ秒以下のレイテンシー維持は、商用展開における直接的な障壁—スケール時のリアルタイム応答性—に対処しています。この汎化能力と効率性の組み合わせが、応答時間が重要な小売、ロジスティクス、工場設定における、AI制御ロボットのより広範な導入を可能にするかもしれません。
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。
Chunghwa Telecom社長のRong-shy Lin氏は、会話型AIから自律型AIエージェントへの移行が企業導入を変え、大規模導入にはデータガバナンス、アクセス制御、説明責任が不可欠だと述べた
AppleとMetaは、ハイエンドMacでの動作を想定した新しいオープンウェイトAIモデルを共同で公開すると発表した
作家兼起業家が毎日のToDoリストを開くと156件が並んでおり、AIアシスタントは仕事を完了させるより速く生成できると結論づけた
Zennの投稿者がAIの使い方を3モードに整理した
非技術者の運営者1人が、Google Playで4本、App Storeで3本のスマホアプリを展開
CLIをANTHROPIC_BASE_URL環境変数でローカルのモックに向ける手順を解説
