基盤モデル政策と資金研究の発表

AIロボット協会、ロボット基盤モデル「AIRoA-0」を公開 ロボットを使わずに集めた16,151時間の操作データで学習

一般社団法人AIロボット協会(AIRoA)は2026年11月6日、ロボット基盤モデル「AIRoA-0(A-0)」を公開しました。経済産業省とNEDOの委託事業の成果で、人が手に持つ道具「YUBI」で記録した16,151時間の操作データから学習し、学習済みモデルの重みと、利用者が自分のデータで追加の学習をするためのコードを公開したとしています。

要点

  • 学習には、ロボットを使わず人が手持ちの道具を操作して集めた16,151時間のデータを使ったとしている
  • 学習に使っていない場所での10種類の作業を各15回試し、平均の成功率は78%。同じデータで追加学習した代表的な4モデルの最高は27%だったとしている
  • 重み、追加学習用コード、推論コードの例を公開。学習に使ったデータセットの公開は予定だが、時期は未定

何が公開されたのか

AIRoA-0は、画像と言葉の指示を受け取って、ロボットの手先の動きを出力するVLA(視覚・言語・行動)モデルです。用語の整理は用語集にあります。出発点には、米Physical Intelligenceが公開しているπ0.5の重みが使われています。

特徴的なのは、データの集め方です。ロボット本体を動かしたり遠隔操作したりせず、人が「YUBI」という手持ちのグリッパーを操作する様子を、映像と手先の軌跡で記録しています。YUBIは、指の動きに沿ってグリッパーを開け閉めでき、VR機器で位置と向きを測る仕組みです。ハードウェアの設計はトヨタ自動車の未来創生センターが、データ収集のソフトウェアはAIRoAが担当し、どちらもオープンソースとして公開されています。

モデルは、関節の角度ではなくグリッパーの位置と向きを出力します。それを各ロボットの制御の仕組みが腕の動きに変換する設計です。双腕のFranka、TX-G2、OpenArm、URの4種類のロボットで動作を確かめたとされています。

評価の数字

項目発表の内容
学習データYUBIで集めた16,151時間
評価の条件学習データを集めた場所とは別の場所で、ロボットの左右の手首にYUBIを付け、手首カメラの映像で実行
作業と回数10種類の作業を各15回
平均の成功率78%
比べた相手同じデータで追加学習した代表的な4モデル。最高は27%
作業の例タオル畳み、ロボット掃除機の部品交換、カップやオレンジの積み上げ、小さな部品の仕分け

仕分けの例では、人が途中で箱を動かしても、動かした後の位置に部品を入れる動作を確かめたとされています。機体ごと、作業ごとの評価の条件と詳しい結果は、同時に公開されたテクニカルレポートに書かれています。なお、今回の学習では、遠隔操作によるデータ収集、強化学習、実機での動作の修正は行っていないと説明されています。

公開されたものと、これから

公開物は4つです。YUBIでデータを集めるコード、事前学習済みと評価作業向けに追加学習したモデルの重み、利用者が自分のデータで追加学習するコード(GPU8基の1台のコンピューターで4時間未満とされる)、そして推論コードの例です。ライセンスは発表の本文には書かれておらず、使う前に公開ページで確かめる必要があります。学習に使ったデータセットも公開を予定していますが、時期、範囲、使い方は未定です。

AIRoAは、この成果が経済産業省とNEDOの委託事業(事業番号JPNP25015)によるものだとしています。2026年11月9日から12日に米国オースティンで開かれるCoRL 2026のブース(210)で、関連する取り組みを紹介する予定です。

日本の現場にとっての意味

国の事業の成果として、重みとコードが誰でも手に取れる形で出たことは、日本の研究機関や企業にとって大きな意味があります。海外の基盤モデルをAPIで借りる選択肢(Physical IntelligenceのAPIなど)に加え、手元で動かし、自分のデータで追加学習できる国産の土台が選べるようになるからです。

一方で、評価の10種類の作業は、タオルを畳む、部品を仕分けるといった比較的小さな作業です。工場のラインのように、毎回同じ精度と決まった時間内の処理が求められる場面で通用するかは、この発表からは分かりません。日本企業がフィジカルAIをどう見るべきかと、導入の進め方の考え方に沿って、まず小さな作業で試して、成功率と止め方を確かめる使い方が現実的です。

ライセンスと必要な計算機(公開ページで確認)

AIRoAがHugging Faceに置いたモデルのページでは、AIRoA-0の重みはGoogleの「Gemma Terms of Use」と「Gemma Prohibited Use Policy」に従うとしています。ファイルの取得には、Hugging Faceへのログインと、Gemmaの条件への同意が必要です。一方、AIRoA-0のコードと、出発点にしたπ0.5・openpiはApache-2.0です。重みとコードで条件が分かれるため、業務で使う前に両方の条件を読んでおく必要があります。

モデルは33.6億パラメーターで、事前学習済みの重みは約12GBです。置かれているのは重みだけで、学習データや推論用のサーバーは含まれません。追加学習にはCUDA 12対応のNVIDIA製GPUを積んだLinuxとPython 3.11を使い、既定の設定はGPU8基です。追加学習済みの例として、オレンジを4個積む、タオルを畳む、文字ブロックで「YUBI」とつづる、の3つが置かれています。

出典:AIRoA『airoa-org/AIRoA-0』(Hugging Face)(2026年11月17日確認)

技術報告とデータセットの公開状況

技術報告は2026年11月2日にarXivへ投稿されています(arXiv:2611.03815)。要旨によると、評価で使ったカメラは左右の手首の2台だけで、追加学習はH200を8基積んだ1台の計算機で4時間未満です。プロジェクトのページでは、公開物の表でデータセットを「Coming soon」としており、2026年11月17日の確認時点で16,151時間のデータは取得できる状態になっていません。

出典:arXiv『AIRoA-0: Long-Horizon, Precise, Cross-Embodiment Manipulation from Handheld Data』、AIRoA『AIRoA-0(A-0)』(2026年11月17日確認)

この記事で確認できていないこと

発表の時点で公表されていない、または出典で確かめられなかった点です。

  • 学習に使った16,151時間のデータセットの公開時期と範囲
  • 評価した10種類の作業以外、特に工場の定型作業での成功率
  • 日本の企業が自社のロボットに載せて使うときの、必要な計算資源と作業の手間

出典

このページは、上の出典をもとに編集部が整理したものです。発表元の公式ページではありません。会社や機関の言い分は「〜としている」と書き、書かれていない内容は足していません。投資や導入の判断は、出典の原文と専門家の確認を前提にしてください。

この発表に関係する解説

ほかの新しいニュース

ニュースの一覧を見る