Generalist AIがロボット学習モデル「GEN-1.5」を発表。3～12秒の動画デモ1本で新タスクを習得し、再学習なしで10タスク平均成功率59%を達成。
わずかな微調整（5分のデータで10ステップ）で成功率は83%に上昇。
ロボットプログラミングの効率化と導入障壁の削減を実現する可能性がある。
何が起きたか
ロボティクススタートアップのGeneralist AIが、3～12秒の動画デモ1本からロボットに新しいタスクを教えるAIモデル「GEN-1.5」をリリースした。デモはモデルのコンテキストウィンドウに「物理プロンプト」として読み込まれ、ロボットは追加の学習なしにタスクを実行する。瓶を開ける、財布から現金を引き出すなど10個のテストタスクで、成功率は平均59%に達したという。
なぜ重要か
最小限の事例から学習できるこの能力は、ロボットプログラミングの高速化とロボット研究者のデータエンジニアリング負担を軽減する可能性がある。従来の研究は限定的なタスク種類でのみ文脈内学習を実証していたが、Generalist AIは幅広いタスク範囲での実現を初めて達成したと主張している。わずか5分のデータで10ステップの学習を行うと、成功率は83%に跳ね上がった。
注目点
モデルは8ヶ月以上のインタラクションデータの事前学習中に、2つのプロンプトを連鎖させてより長い動作列を作成する機能、シミュレーションデモの利用、人間の手の動きの一部模倣といった創発的能力を示した。いずれも明示的には学習されなかった。結果はすべて同社からのもので、独立検証は行われていない。
Generalist AIのGEN-1.5は、ロボット工学における長年の課題に対処している。ロボットが新しいタスクを実行する前に膨大なデータ収集とラベリングが必要という問題だ。大規模言語モデルが再学習なしに新しいプロンプトに適応できるメカニズムと同じ文脈内学習を活用することで、同社はこのパターン認識を言語から物理的操作へと拡張したと主張している。再学習が不要な未見タスクに対する59%のベースライン成功率は意味がある。わずかな微調整（5分のインタラクションデータで10ステップ）での83%への跳ね上がりは、モデルがタスク構造に関する汎化可能なパターンを内部化していることを示唆している。
8ヶ月以上の事前学習中に、明示的な学習信号なしに多段階の連鎖、シミュレーション実環境転移、人間の手の動き模倣が創発したことは、モデルが自力で有用な抽象化を発見したことを示す。これは狭いタスクカテゴリーでのみ文脈内学習を実証した従来研究と異なる。しかし、範囲は依然として限定的だ。示されたタスクは単純で短く、検証はすべて社内で行われている。確立されたロボット学習ベースラインに対する独立的ベンチマークなしには、報告されたゲインが真の能力向上を反映しているのか、それともタスク特有の調整なのかは不明確である。
たとえば、いま届くならこの3本です
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・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。Q&Aはこのページに公開され、他の読者も読めます。
Brain CorpのCTOジョン・ブラック氏が、The Robot Report Podcastでロボットフリートの拡張と公共空間での信頼構築について語った
ディアが発表した2026年第3四半期の純利益は13億7900万ドル（1株当たり5.10ドル）で、市場予想を上回った
パナソニックホールディングスは10月1日付で、現在のDX・CPS本部をCPS関連事業に特化した事業開発部門に再編する
ロボット開発企業アトムが、人型ロボットがベルトコンベア上の荷物を拾い上げ、ラベル面を上に向ける作業を行う様子を生配信している
消防庁は2027年度に119番通報のAI活用に関するモデル事業を始める計画だ
Anthropicは8月27日、AIエージェントが物理デバイスを安全に操作するための共通仕様「Model Hardware Standard（MHS）」の研究プレビューを発表した
