米国のヒト型ロボット企業Figureは9月17日（米国時間）、新しい制御AI「Helix 2.5」を発表した。開発時のデータを集めていない米国の家30軒で、部屋の片づけ、タオルたたみ、ベッドメイクの3つを試した。各作業を最後までやり切れた割合は56％だった。同社によると、見たことのない家で全身を使う家事を人の手を借りずにこなした例はこれが初めてだという。
人は初めての家でも、ベッドの高さや家具の配置が違うだけでは大きく戸惑わない。一方、Figureの従来のAIは、実際に動く場所で集めたデータを使って学習していた。食器洗い機から食器を取り出す作業や倉庫での長時間作業も、その方法で身につけたものだった。
Figureが実験したのは、カリフォルニア州ベイエリアにある一般家庭30軒だ。いずれの家でも事前に学習用のデータを集めておらず、おもちゃ、タオル、寝具も学習時とは別の品を使った。ソファやベッド、タオルをたたむ台は各家庭にあるものをそのまま使った。
同社は成功を作業ごとに判定した。片づけでは、散らばった13〜15個のおもちゃをすべてかごに入れる。タオルたたみでは、すべてのタオルをたたんでかごに入れる。ベッドメイクでは、枕2つを整え、掛け布団の角をベッドの上端にそろえて伸ばす。それぞれを最後までやり切って初めて成功とし、途中までできても点は与えない。制限時間は、おもちゃが1個につき1分、タオルが1枚につき3分で、ベッドメイクでは枕1つと掛け布団の片側ごとに1分だ。また、安全のために人が手を出した時点で失敗になる。
同社は、同じ作業データで学習した2つのAIの成功率も比べた。人の行動を撮影した同社の大規模データ「Index」で事前学習したAIは56％、事前学習なしで一から学習したAIは9％だった。Figureによると、事前学習の有無以外の条件は同じだった。
発表映像では、ロボットが一歩下がって立ち位置を変え、ベッドの反対側へ回って掛け布団を整え直している。Figureは、こうした「やり直す力」も事前学習の効果だと説明している。
Figureが人の行動を集めたデータは、いまも毎秒35分ぶんずつ積み上がる。同社はHelixの学習に35億ドル相当の計算資源を投じると決めた。データと計算資源を増やすほど、ロボットが新しい家に入る前に身につけている範囲は広がる、と同社は見ている。
出典
- Helix 2.5: Zero-Shot 30-Home Generalization（Figure、2026年9月17日）