ロボットに一度見せるだけ——3秒から12秒——訓練なしで100回中59回、仕事をこなす
Generalist AI は8月19日に GEN-1.5 を公開した。ここでの実演は訓練データではなく、プロンプトそのものだ。誰かが作業する3〜12秒の映像——グリッパーを手にした人が撮ったもの、あるいはロボット自身が撮ったもの——がモデルの30秒の文脈窓に読み込まれ、ロボットは勾配更新も微調整もなしにその作業を試みる。瓶を開ける、筆入れのファスナーを開く、財布から金を取り出すなど10種の作業で、この一発実演方式の平均成功率は59パーセント、ばらつきは約10ポイントだった。5分ぶんのデータで10回の勾配更新を行うと83パーセントまで上がる。モデルは映像に加えてセンサー、言語、身体位置のデータを取り込み、毎秒100回の動作指令を出す。同社によれば、示している能力——模擬環境から現実への移行、未知の道具の使用、障害物の回避、両腕の併用——はそれ自体を訓練したものではなく、8か月の連続した物理的相互作用の事前学習から自然に現れたという。重みの公開も製品の発表もない。
なぜ重要か役に立つロボットがいまだに珍しいのは、プログラムできないからではない。新しい作業のたびに従来はデータ収集と再訓練をやり直す必要があり、大量生産の工場作業以外では採算が合わなかったからだ。人にやり方を見せるのと同じ時間で、一度の実演から学ぶ——それは仕事のために設計されねばならない機械と、言えば済む機械との違いである。数字には二つの但し書きが要る。59パーセントは信頼できる水準にはほど遠く、しかもこれは企業が自ら選んだ課題で自社モデルを評価した結果だ。とはいえ3週間前、中国発のオープンソースの一発実演型ロボット学習器を取り上げている。第二の集団が別の道筋から同じ着想に到達すること、それこそ一つの研究成果が潮流へと変わり始める兆しだ。
▶ 関連動画: Introducing GEN-1.5, a one-shot learner
アプリで読む——無料・9言語
関連ニュース
マイクロソフトの新モデルは話し終わる前に書き始めます。2026-10-05米国の研究所が中国勢に並ぶ公開モデルを無料で出します。
2026-10-05動画サイトが最高得点のオープン翻訳モデルを無料で公開した
2026-10-05短い動画通話で、半数の人がAIを本物の人間だと思った
2026-10-04エンビディアが新しい多模態モデルを黙って置きました。
2026-10-04