NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

AIRoA、手持ちグリッパー1万6151時間の操作データで学ぶロボット基盤モデル「AIRoA-0」を公開 ロボット実演データは不使用

一般社団法人AIロボット協会(AIRoA)は2026年11月6日、人が手持ち型グリッパー「YUBI」で記録した1万6151時間の操作データから双腕作業を学習するロボット基盤モデル「AIRoA-0」を公開した。ロボットの遠隔操作による実演、強化学習、実機での動作修正は使わず、10種類の作業の平均成功率は78%(部分点を含む著者評価)を報告している。モデルの重みと関連コードを公開し、学習データ本体の公開は今後の予定としている。

AIRoAの発表によると、AIRoA-0(A-0)はデータ処理から事前学習、事後学習、実機での動作生成までを一体で設計した。人が両手にグリッパーを持ち、ロボットなしで作業を記録する。評価に使った10種類の作業では、同じタスク実演で事後学習した代表的な4モデル(最高27%)を上回った。技術の詳細はテクニカルレポート(arXiv:2611.03815、2026年11月2日提出、18ページ)として公開されている。

ロボットの実演データを集めるには、機体、操作者、実験設備が必要になる。手持ちグリッパーでの操作記録は先行研究のUMIが始めた方式で、YUBIは同種のオープンソースのデータ収集デバイスである。ハードウェア設計はトヨタ自動車の未来創生センター、データ収集ソフトウェアはAIRoAが公開している。手持ちで記録する着想自体は既存であり、今回の独自性は大規模なデータ、学習の構成、機体を替えた実証にある。

ロボットなしで集めた1万6151時間

収録データは両腕の操作1万6151時間で、区間に分けると1,065万サブタスク、平均区間は5.5秒。30Hzの記録で計17.4億タイムステップになる。映像は左右の手首カメラの2視点で、頭部や部屋全体のカメラは使わない。各区間にはタスク全体の指示とサブタスクの指示が付く。プロジェクトページは、手持ちグリッパーの実演データとしては把握できる範囲で最大の公開データになると説明する。

学習はPhysical Intelligenceが公開したπ0.5 baseの重みを起点にする。モデルは画像内のどの領域が作業に必要かを、注釈なしで学習する。加えて作業の進み具合を推定し、直近の動きを記憶した連続的な行動生成を組み込む。出力は機体の関節角度ではなくグリッパーの位置と姿勢であり、各機体の制御システムがこれをアームの動きに変換する。この構成のため、YUBIを付けられる機体なら同じモデルが使える。

図解AIRoA-0を構成する4つの部分
  1. 01 データ処理

    収録データの整備

    フィルタリング、外れ値の検出、時間軸の調整を行う。

  2. 02 事前学習

    1万6151時間を学ぶ

    視覚の注釈なしで作業に必要な領域を学習する。

  3. 03 事後学習

    タスクに適応させる

    作業の段階予測と直近の動きの記憶を加える。

  4. 04 推論ハーネス

    動きに変換する

    段階予測を平滑化し、行動を連続的に生成する。

プロジェクトページ「One system, four parts」の構成に基づく。出力はグリッパーの位置・姿勢で、機体の制御系がアームの動きに変換する。

学習データを収集していない場所で78%

評価はFrankaの双腕で10種類の作業を各15回試行した。掃除機の部品交換、タオル畳み、番号付き区画への部品仕分けなどである。部分達成に部分点を与える採点で平均成功率は78%だった。同じタスク実演で事後学習した他のVLAモデル4種は14%から27%にとどまり、全作業でA-0が最高だった。評価場所は学習データを収集していない場所である。

比較モデルは各社の公開済み事前学習重みから出発し、行動の長さや学習回数などの設定を変えた中で最良の値を採用している。成功率はタスクの難度と採点条件に依存するため、この比較が示すのは同一実演データで事後学習した条件内の差である。別の研究が報告する成功率との直接比較はできない。

対応の検証では、色別の仕分け作業中に人が仕分け箱を動かすと、移動後の位置に合わせて部品を入れた。Frankaのほか、TX-G2、OpenArm、URの4機種で同じ重みの動作を確認していると発表とプロジェクトページは記す。事後学習は8基のH200 GPUを1ノードに並べた環境で4時間未満とされる。

図解公開物の状況

AIRoA-0公開内容

  • 公開済み

    重みと関連コード

    事前・事後学習済みの重み(Hugging Face)、事後学習用コード、データ収集用コード(yubi-go)、推論コード(openarm-pipeline)。コードはApache 2.0(GitHubのlicense表示)。

  • 公開予定

    学習データ1万6151時間の本体

    公開時期・範囲・利用方法は未定。プロジェクトページはComing soonと表記。

AIRoA発表の公開物一覧とプロジェクトページの「Coming soon」表記に基づく。事後学習コードの条件はGPU8基の1ノードで4時間未満。

経緯と留意点

発表は2026年11月6日。成果は経済産業省とNEDOの委託事業「ポスト5G情報通信システム基盤強化研究開発事業/ロボティクス分野の生成AI基盤モデルの開発に向けたデータプラットフォームに係る開発(JPNP25015)」として得られた。AIRoAはCoRL 2026(11月9〜12日、オースティン)のブースでも本研究を紹介する予定を公式サイトで伝えている。

成功率78%は著者らの評価であり、部分点を含む。4時間未満の事後学習は8基のH200を前提とする条件付きの値で、一般的なGPU環境での所要時間を示すものではない。π0.5 base起点の学習であり、ゼロから学習したモデルでもない。重みとコードの利用条件は配布先での確認が必要である。1万6151時間のデータ本体がいつ、どの範囲で公開されるかは現時点で決まっていない。

出典

  1. AIRoA「AIRoA、ロボット基盤モデル「AIRoA-0」を公開」2026-11-06一次資料。16,151時間、π0.5 base起点、10タスク×15試行の78%と比較4モデル(最高27%)、4機種での動作、公開物一覧、JPNP25015、CoRL 2026ブース。2026-11-10本文確認。
  2. AIRoA-0(プロジェクトページ)2026-11-10確認一次資料。corpusの詳細(1,065万区間・平均5.5秒・17.4億タイムステップ・2視点)、4部分構成、部分点採点の説明、比較モデルの条件、データ本体のComing soon。2026-11-10本文確認。
  3. AIRoA-0: Long-Horizon, Precise, Cross-Embodiment Manipulation from Handheld Data(arXiv:2611.03815)2026-11-02提出一次資料。テクニカルレポートの要旨。ロボットデータ不使用、78%対27%、手首カメラ2台、機体非依存、8基H200で4時間未満。2026-11-10本文確認。
  4. airoa-org/AIRoA-0(GitHub、Apache 2.0)2026-11-10確認一次資料。事後学習コードの公開とLeRobot v3.0形式の前提、Apache 2.0ライセンス。2026-11-10本文確認。

出典の確認日 2026.11.10

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  2. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む
  3. Google、GeminiのエージェントをTasksへ刷新──日本を含む6カ国で無料提供を順次開始、Gemini 4 Hydrogenとアカウント専用VMで実行

    グーグルは2026年11月17日、Geminiアプリの常時稼働型エージェントを「Tasks」として刷新し、米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料提供を順次開始すると発表した。Gemini 4 Hydrogenを使い、ホーム画面のトグルをChatからTaskへ切り替えると、Google CloudのAgent Compute Engineが提供するアカウント専用のハードウェア隔離VMでタスクを実行する。電話発信やgemini@google.comへのメール転送、SMSによる指示は米国から順次の提供で、日本で同等の機能が使えるとは発表されていない。重要な操作の前に確認や事前承認を求める設計も明らかにした。

    記事を読む