AIToday
ロボティクスAIビジネス・産業Robotics & Automation News掲載日時: 2026年7月7日 10:01

Humanoid、ロボット操作を自動改善 数日で精度99%達成

LINEで送る
Humanoid、ロボット操作を自動改善 数日で精度99%達成

3つのポイント

  1. 何が起きたか

    英ロボット企業Humanoidが、強化学習を用いた「KinetIQ Ascend」を発表しました。部品ピッキングやトートの扱いなど複数の実タスクでテストされ、機械搬送作業では処理能力が42%向上し、ロボットが人間デモの1.5×の速度で動作するようになりました。

  2. なぜ重要か

    従来は新しい作業習得に数ヶ月の手動チューニングが必要でしたが、基本的な動作から数日の学習で実運用レベルに改善できるようになったとみられます。ロボット導入の時間コストを大幅に削減し、産業用ロボットの実用化を加速させる可能性があります。

  3. 注目点

    複数アーム作業では処理能力が2倍以上に増加し、成功率が78%から99%に上昇しました。HumanoidはKinetIQ Ascendの技術詳細を技術レポートで公開しています。

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

Humanoidはこれまで発表していたKinetIQプラットフォームに試行錯誤学習を組み込み、KinetIQ Ascendとして実産業環境でのロボット性能向上を実現しました。複数の現実的な作業シナリオでの大幅な改善結果は、単一腕の高速ピッキングから複雑な両腕操作まで、様々な操作タスクに対応できることを示唆しています。

特に注目される点は、学習曲線がLLM(文章を理解・生成するAI)の計算資源とデータによる性能向上と同じパターンを示すという指摘です。つまり、トレーニング時間を増やすことで信頼性が予測可能に上昇する仕組みが、ロボット操作の領域でも成立することが明らかになりました。またロボットが未見のオブジェクトに対応でき、作業フロー全体の難しい部分のみを改善することで全体タスクが向上するという2つの追加的知見も得られています。

よくある質問
どのような作業で効果が出たのですか?
部品ピッキング、人間への物体引き渡し、両腕を使ったトート運搬など複数の実タスクでテストされました。部品ピッキングでは処理能力42%向上、トート引き渡しでは成功率80%から98%に、両腕作業では成功率78%から99%に改善されています。
従来の方法と何が違いますか?
従来は新しいスキル習得に数ヶ月のデータ収集と手動チューニングが必要でしたが、KinetIQ Ascendは基本的な動作から強化学習で段階的に改善でき、数日のトレーニングで展開可能な性能に到達します。
精度はどこまで向上する見込みですか?
トレーニング時間が増加するほど性能が予測可能に向上し、シミュレーション実験に基づくスケーリング傾向は100%の信頼性まで達する可能性があるとHumanoidは述べています。
Robotics & Automation News元記事を読む
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

次の記事へオープンソース LLM 学習ガイド、Jackrong が公開