シリコンバレーのスタートアップ企業１Xはヒューマノイド・ロボット「NEO」の販売を開始した。NEOは家庭向けのロボットでお手伝いさんとして掃除や洗濯などの家事を実行する(下の写真)。NEOの価格は2万ドルで来年から出荷が始まる。NEOは大規模AIモデルを搭載し、汎用的にタスクを実行するスキルを獲得した。AIの進化でロボティックスが急進し、ヒューマノイド・ロボットが生活の一部となる。一方、難しいタスクは人間がテレオペレーションで実行する仕組みで、全自動で家事をこなすまでには時間を要す。

NEOの主要機能

NEOは人間の形状を模したヒューマノイド・ロボットで、二足で歩行し、二本の腕と五本の指を持つ手から構成される。NEOはセーターを着装し温かみを演出する。NEOは言葉を理解し、口頭での指示に従ってタスクを実行する(下の写真)。ドアの開閉、電灯の消灯、部屋の片づけ、植物への水やりなどをこなす。一方、洗濯、食器洗い、ペットへの餌やりなど複雑なタスクは、自動で実行することができず、人間のエキスパートがこれを支援する。これはテレオペレーション(Tele-Operation)と呼ばれ、専門スタッフがVRヘッドセットを着装し、NEOを遠隔で操作する。

ハードウェアの構造

安全を最優先とするコンセプトで、NEOの表面は３Dラティスのポリマーで覆われている。また、NEOはセーターを着装し、これらがクッションの役割を果たし、接触した際の衝撃を吸収する。NEOの駆動系はハーネスが使われ、モーターの動力をワイヤを介して手足を動かす(下の写真)。これにより、低消費電力で静かな動きを実現する。

ブレイン：VLAモデル

NEOの最大の特徴は高度なAIモデルをロボットのブレインとして搭載していることにある。このAIモデルは「Redwood AI」と呼ばれ、フロンティアモデルのコア技術であるトランスフォーマを利用している(下の写真、プロセッサ)。AIはセンサーからの視覚情報と人間の言葉を理解し、これをAIモデルで処理し、ロボットのハードウェアを制御する命令(アクション)を生成する。このタイプのAIモデルは「VLA (Vision-Language-Action)」モデルと呼ばれ、これが汎用的なスキルを修得するコア技術となる。

米国で販売を開始

１Xは今週から米国においてNEOの販売を開始した(下の写真)。価格は2万ドルで2026年から初期アクセス顧客向けに出荷される。また、サブスクリプション方式では月額499ドルでNEOをレンタルできる。ロボットの身長は5’6”(168センチ)で重量は66ポンド(30キロ)と、大人の形状であるが軽量なモデルとなる。NEOは家庭において人間とインタラクションすることを前提にデザインされている。

テレオペレーションとプライバシー保護

NEOは５Gネットワークや家庭のWi-Fiを通して１Xの監視センタとリンクする。オペレータがNEOの稼働状態をモニターし、複雑なタスクを実行するためのテレオペレーションを実行する。オペレータが屋内の映像を見ることになり、プライバシー保護が重要な要件となる。NEOは目の部分にカメラを搭載し、その画像がセンタに送信されるが、人間の顔の部分はマスクされ、プライバシーを保護する。また、利用者は立ち入り禁止区域「Geo-Fencing」を設定でき、プライバシーを確保する。NEOが収集したデータは、利用者の許諾のもと１Xに送信され、これがロボットの教育データとなる。１Xは初期ユーザと共同でアルゴリズムを開発する戦略を取る。

高齢化社会とヒューマノイド・ロボット

NEOは人間に代わり家事を代行するロボットとして開発されているが、高齢化に向かう米国でシニアの介護を重要な応用分野と位置付ける(下の写真)。多くの高齢者は介護施設に入居する代わりに、自宅で独立した生活を送ることを望んでいる。NEOはこれら高齢者の日常生活を支援することを大きな目的に技術開発を進めている。高齢化が進む日本においても、NEOのシニア介護のソリューションは重要な役割を果たすと考えられる。

家庭環境が最後の難関

ヒューマノイド・ロボットは企業の製造施設に導入されトライアルが進んでいる。BMWはクルマの製造ラインにヒューマノイド・ロボットを投入しその性能を評価している。これに対し、家庭向けのヒューマノイド・ロボットはNEOが最初のケースとなる。家庭環境で稼働するロボットは遥かに高度なスキルが求められる。製造施設はタスクが綿密に定義されクリーンな環境であるが、家庭においては床に様々なオブジェクトが置かれ、子供やペットなどが動き回り、掃除や炊事や洗濯など、広範なスキルが求められる(下の写真)。ヒューマノイド・ロボットにとって最難関の環境で、ロボットのブレインであるフィジカルAIの能力が試される。

xAIは7月9日、最新モデル「Grok-4」をリリースした。発表イベントはX Spacesでストリーミングされ、イーロン・マスクと開発者がモデルの機能や性能を解説した。Grok-4は性能が格段に向上し、他社を大きく引き離しトップの座を占めた。特に、AIのインテリジェンスを測定する試験では、他社モデルの二倍の性能をマークし、AGIに一番近い製品となった。マスクはGrok-4をTeslaとヒューマノイドロボット「Optimus」に適用する計画を明らかにした。xAIはGrok-4をクルマやロボットなどの物理社会に展開することで、モデルが世界感「World Models」を理解し、AGI開発で他社との差別化を図る。

Grok-4の概要

Grok-4はxAIのフロンティアモデルで第四世代の製品となる。xAIは2023年から開発を開始し、マスクの指揮の下で、短期間で急速に性能を伸ばした。Grok-4は世界最大のAIスパコン「Colossal」で開発され、このデータセンタが巨大モデルの開発を支えている。AIモデルを評価するベンチマークではGrok-4は、OpenAI o3-proとGoogle Gemini 2.5 proを抜いてトップの成績をマークした(下のグラフ、左端の棒グラフ)。

AGIの性能を測定するベンチマーク

Grok-4はインテリジェンスを測定するベンチマーク「ARC-AGI-2」で他社の性能を二倍上回り、トップの成績を達成した。これは、AGIの性能を測定するもので、モデルのIQ(知能指数)を査定する指標となる。Grok-4は16％を超える性能を示し、それまでトップであったAnthropic Claude Opus 4の二倍の性能を示した(下のグラフ)。

推論機能が格段に向上

この背景にはGrok-4の推論機能が大きく向上したことがある。Grok-4はGrok-3に比べ、言語機能の性能の伸びはほぼフラットであるが、推論機能が10倍向上した。また、Grok-4の推論機能の教育では、教育時間に比例して性能が向上する特性「スケーリング(Scaling)」を示した(下のグラフ)。また、実行時には、計算時間を長くすると、これに応じて性能が向上した。この事実は、Grok-4はこれからも性能が伸び続ける可能性を示している。

AIエージェントの機能

Grok-4はAIエージェントとして高い機能を備えていることを示した。人間に代わりAIエージェントが自動販売機を管理運用するベンチマーク「Vending-Bench」でトップの性能をマークした。この試験は自動販売機をAIエージェントで運用し、その事業成績を競うもので、Grok-4の売り上げ高は4694.15ドルで、今までトップであったAnthropic Claude Opus 4の二倍の成績を達成した。

本当に性能が高いのか

Grok-4はベンチマークで驚異的な性能を示しAI業界にショックを与えた。市場では研究者や開発者が独自の手法でGrok-4の性能を検証しているが、推論機能の高さが追認されている。研究者や著名人がGrok-4をベンチマークした結果が数多く「X」に掲載されている。Grok-4で物理現象をシミュレーションする試験「Hexagon Vibe Check」では一回のトライアルで合格した(下の写真)。

説明資料が殆ど無い

一方で、Grok-4に関する技術資料は公開されてなく、モデルの構成や開発手法などは明らかにされていない。また、Grokシリーズは「究極の真実を探求するモデル」として開発されているが、ガードレールなどセーフティ技術に関する情報も開示されていない。マスクはオープンな手法でAIを開発すると宣言したが、開示されている情報は限られ、Grok-4のシステム構成や教育手法などを把握することができない。

ヒューマノイドロボット

マスクは発表イベントの中でGrok-4をTeslaが開発しているヒューマノイドロボット「Optimus」(下の写真)に適用する構想を明らかにした。Teslaがロボットのハードウェアを開発し、xAIがロボットのブレインとしてGrok-4を開発する。具体的には、Teslaはロボットのセンサーやアクチュエータなどを開発し、Grok-4はロボットを制御する言語機能や推論機能を提供する。Grok-4の言語機能でロボットは言葉による指示を理解し、人間との対話を通して仕事をこなす。ロボットはコンピュータビジョンで周囲のオブジェクトを認識し、Grok-4の推論機能でその意味を把握し、次のアクションを生成する。

世界モデル

Grok-4は実社会とのインタラクションを通して、世界モデル「World Models」を学習する。Grok-4はサイバー空間だけでなく物理社会で稼働することで、３D空間における物理現象を学ぶ。更に、これに基づき新たな仮説を生み出し、仮説が正しいかどうかを検証することで、新しい法則を生み出す。これは、ロボティックスだけでなく、AGIの基礎技術となり、Grok-4がAGI開発の重要なステップとなる。

マスクの人気が上昇中

発表イベントは深夜に行われ、マスクと開発者がスライドを説明する形で進行した。マスクはトランプ政権のDOGE(政府効率化省)を退き、政界から遠ざかっていたが、今では政治新党「America Party」を設立すると表明し、再度、政治に関与している。マスクはDOGEにおいて過激な手法で予算を削減し、アメリカ社会で信頼が急落した。一方、新党結成では多くの有権者がこれに賛同しており人気が上昇傾向にある。マスクはX、xAI、Tesla、SpaceXの事業経営と政治活動を掛け持ちしており、AGI開発で成果を上げることができるのか、手腕が試されている。

Nvidiaは3月18日、開発者会議「GTC 2024」でヒューマノイドロボットの開発プロジェクト「GR00T」を公開した。ヒューマノイドロボットに生成AIを統合し、人間のようなインテリジェンスを持ち、汎用的に稼働するモデルを創り出す。ヒューマノイドロボットのファウンデーションモデルとなり、ロボット開発におけるコア技術を提供する。開発企業はこのプラットフォームを使って独自のヒューマノイドロボットを生成する。

ヒューマノイドロボットの開発

ヒューマノイドロボット(Humanoid Robot)は、人間の形状を模したロボットで「人型ロボット」と呼ばれる。開発者会議の基調講演で、CEOのJansen Huangは、ヒューマノイドロボットの最新技術について解説した(下の写真)。基調講演はビデオでストリーミングされた。Nvidiaがこのモデルに着目する理由は、社会インフラは人間に合わせて造られており、人型ロボットはここで環境を変更することなく、そのまま活躍できるためである。また、生成AIを搭載することにより、ロボットの学習能力が格段に向上し、人間のように汎用的に動けるモデルを生み出すことがゴールとなる。

ロボット開発状況

プロジェクトは「Generalist Robot 00 Technology (RT00T)」と呼ばれ、汎用的に稼働するヒューマノイドロボットを研究開発する。ロボットは汎用基礎モデル(General-Purpose Foundation Model)となり、シミュレーション環境と実社会で学習し、短時間でスキルを習得する。ChatGPTなどが言語に関する基礎モデルであるのに対し、GR00Tは人型ロボットに関する基礎モデルとなる。研究所では多種類のモデルが開発されている(下の写真)。

ロボットを教育する手法

ロボット開発ではシミュレーション環境「Issac Sim」にヒューマノイドのデジタルツインが生成され、この仮想空間でスキルを習得した。ロボットは仮想社会で階段やでこぼこ道で歩行訓練を行い、スキルを学習した(下の写真)。更に、ロボットは開発環境「Isaac Lab」でアルゴリズム教育が実施された。Isaac Labは高度なAIを搭載するロボットの開発環境で、特に強化学習(Reinforcement Learning)のアルゴリズムを教育する環境となる。この他に、模倣学習(Imitation Learning)や転移学習(Transfer Learning)などの手法でロボットはスキルを獲得した。

模倣学習のケース

実際に、ロボットは人間の動作を見てそれを真似る、模倣学習の手法で成果を上げている。人間が動作の手本を示し、ロボットはそれを見て真似ることでスキルを学習する。ロボットが人間のドラマーのプレーを見て、ドラムを演奏するヒューマノイドが紹介された。これはヒューマノイドロボット「Sanctuary AI」の事例で、人間向けに造られた楽器をロボットが演奏した。

ヒューマノイドロボット開発企業

Nvidiaは自社でヒューマノイドロボットを開発するのではなく、その開発環境を提供し、パートナー企業がこの基盤で製品を開発する。基調講演では開発中のヒューマノイドロボットが表示され、エコシステムの広さをアピールした。(下の写真、現在開発中のヒューマノイドロボット、左から、Figure AI、Unitree Robotics、Apptronik、Agility Robotics、(Jensen Huang)、Sanctuary AI、1X Technologies、Fourier Intelligence、Boston Dynamics、XPENG Robotics)。

ロボットと生成AIとの融合

ヒューマノイドロボットがホットな研究テーマになっている。OpenAIはFigure AIに出資し、共同でヒューマノイドロボットの開発を進めている。ロボットに大規模言語モデルを組み込み、人間のようなインテリジェンスを得る。Agility Roboticsの「Digit」は、配送センターで人間の作業員に代わり荷物を搬送する (下の写真、Digitがオーブンからトレイを取り出している様子)。一方、Teslaのヒューマノイドロボット「Optimus」はステージに登場せず、独自方式でモデルを開発している。ヒューマノイドロボットが生成AIと融合し、インテリジェンスが劇的に進化すると期待されている。