AIToday
大規模言語モデルロボティクスAI Weekly掲載日時: 2026年11月18日 16:00

ForceHarnessがGPT-6 Astraの成功率を90%に

LINEで送る
ForceHarnessがGPT-6 Astraの成功率を90%に

3つのポイント

  1. 何が起きたか

    ForceHarnessはロボットハードウェアとモデルAPIの間に位置し、生の力覚トレースを不確実性推定付きの物理量に変換してツール呼び出し結果として凍結モデルに返す。微調整もデモデータも不要。

  2. なぜ重要か

    最先端マルチモーダルモデルは力覚信号が標準APIでアクセスできず接触操作で失敗する。ForceHarnessは凍結重みのまま追加学習データなしで解決する。

誰に効くか標準API経由で凍結済み最先端モデルを導入するロボティクスチームが主な受益者となる。再学習も手首力覚センサーもなしに、接触を伴うタスクが力覚フィードバックを得られるからだ。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

ForceHarnessは特定の空白を埋める。最先端マルチモーダルモデルは視覚ベースのロボットタスクは扱えるが、力覚信号が標準APIではアクセスできないため接触を伴う操作では一貫して失敗する。このアダプターの設計は、ロボットハードウェアとモデルAPIの間に3つの層を置く。自己終端型の力覚プリミティブはAPIの意思決定レートを下回る速度で高速な力覚制御ループを実行し、接触イベントで自動停止する。物理翻訳層は各生の力覚トレースを不確実性推定付きの物理量に変換し、ツール呼び出し結果として凍結モデルに返す。このアーキテクチャにより凍結重みはそのまま保たれ、追加学習データも不要となる。

報告された結果はシミュレーションと実機ハードウェアの双方に及ぶ。7タスクのMuJoCoシミュレーションベンチマークHiddenPhysでは34.3ポイント向上して96.4%に達し、タスクごとに約200件のデモで学習した力覚対応ポリシーを上回った。公開ForceBenchスイートでは17.5ポイント向上する。手首力覚センサーのない実機アームでは、GPT-6 Astraのゼロショット成功率を3.3%から90.0%に引き上げた。著者らは、小規模モデルは生の力覚値よりも変換された物理量からより多くの利得を得て、その利得はモデル規模を問わず維持されると指摘している。

よくある質問
ForceHarnessは再学習やデモデータを必要とするか?
いいえ。凍結重みはそのままにし、追加学習データも不要で、力覚アクセスをシステム側だけで解決する。
ForceHarnessはシミュレーションベンチマークでどの程度の性能を発揮するか?
7タスクのMuJoCoベンチマークHiddenPhysでは34.3ポイント向上して96.4%に達し、タスクごとに約200件のデモで学習した力覚対応ポリシーを上回った。公開ForceBenchスイートでは17.5ポイント向上する。
小規模モデルほどForceHarnessの恩恵が大きいのか?
はい。小規模モデルは生の力覚値よりも変換された物理量からより多くの利得を得て、その利得はモデル規模を問わず維持される。
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

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 →

AIに質問

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。

質問と回答はこのページに公開されます。

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

関連記事

次の記事へCopilotの無料エージェント「Prompt Coach」