Figure AIは現地時間2026年9月17日、ヒューマノイドロボット向けの新しい神経ネットワーク「Helix 2.5」を発表した。
事前にデータを一切収集していない30軒の住宅にロボットを持ち込み、部屋の片付けやタオル畳み、ベッドメイキングといった長時間にわたる作業を人の手を借りずにこなす様子を実演した。
未知の環境に適応する基盤モデル
人は初めて訪れる家でもすぐに作業を始められる。ベッドの高さが違っても寝具の掛け方を一から学び直す必要はなく、家具の配置が違っても部屋の片付け方は分かる。
しかし従来のロボットは、稼働する場所ごとにその環境のデータを学習する必要があった。Figure AIによれば、同社が2026年に公開した「Helix 02」は、食洗機からの取り出しや、200時間にわたる物流タスクの自律実行など、ヒューマノイドが全身を長時間協調させて動かせることを示したが、これらはロボットが実際に稼働する場所で収集したデータをもとに学習していた。
Helix 2.5は、この制約を越えられるかを検証するために開発された。Figure AIが持つ人間の行動データセット「Index」を使って基盤モデルを事前学習させ、そこから「リビングの片付け」「タオル畳み」「ベッドメイキング」という3つの行動を派生させた。その上で、データ収集を一切行っていないベイエリアの住宅30軒にロボットを持ち込み、作業を実行させたとしている。
Figure AIが公表した主な結果
1つの基盤モデルから移動・剛体および柔軟物の操作・両腕協調・能動的な知覚といった要素を含む3種類の全身行動を派生させられた。
タスク固有のデータ・アーキテクチャー・学習方法・評価方法をそろえた条件で比較したところ、Indexデータセットによる事前学習の有無だけで、未知環境での作業成功率が9%から56%まで向上した。
Helix 02の代表的な行動と比べてタスク固有のデータ量を半分に抑えながら、行動範囲の幅は30倍に広がったとしている。
汎用ヒューマノイドの実用化に向けた一歩
同社は倉庫や物流拠点での実証を進めてきたが、今回の発表は家庭のような多様で予測しづらい環境でもロボットが作業をこなす方向性を打ち出した形だ。今後、実際の家庭やオフィスなど、より幅広い環境での検証がどこまで進むか注目される。
ロボスタオンラインセミナー情報
フィジカルAIに重要な「学習データ」 知能化ロボットの最前線
ロボスタでは、ヒューマノイドやAIロボットの進化を支える「学習データ」をテーマに、オンラインセミナー「フィジカルAIの『学習データ』はどう作る？ APTO高品氏が語るフィジカルAI時代のデータ戦略と社会実装」を10月7日（水）に開催します。
講演では、「フィジカルAIになぜ学習データが重要なのか」といった基礎から、VLAや模倣学習、テレオペレーションによる実世界データの収集、アノテーション、シミュレーションや合成データの活用まで、フィジカルAIの学習データがどのように作られるのかをわかりやすく解説していただきます。
さらに、実際のユースケースや社会実装に向けた取り組みを紹介します。NVIDIAやAWSとの連携など、フィジカルAI時代に求められるデータ基盤やエコシステムのあり方、今後の可能性についても深掘りします。
ロボットを賢くするための「データ」は、どこから集め、どう作り、どう活用していくのか。フィジカルAIの社会実装を「学習データ」の視点から考えるセミナーです。ぜひ、ご参加下さい。
詳しくはこちら
