ロボット基盤モデル

ロボット基盤モデルとは、おちつきAIラジオのep.32「フィジカルAI驚き屋に騙されるな！専門家が警鐘」で、しぶちょーがフィジカルAIの「最大の特徴」として語ったファウンデーションモデルのことで、大規模言語モデルのようなものがロボットの認識や行動のタスクをこなす仕組みとして説明されている。番組では、ChatGPTのような汎用モデルをそのまま使うのではなく、ロボット独自のアウトプットを持つモデルが使われる、という形で紹介された。

概要

しぶちょーは、フィジカルAIの中核について「これはファウンデーションモデルと呼ばれるものなんだけど、これが最大の特徴で、言ってしまえばここが大規模言語モデルみたいなもの」と話していた。ロボット基盤モデルが、ちょうど大規模言語モデルに相当する位置づけで、フィジカルAIを特徴づける要素として語られている。該当箇所を聴く

GPTをそのまま使うわけではない

おちつきAIラジオでは、しぶちょーが「GPTはそのまま使うわけじゃなくて、ロボット基盤モデルって呼ばれる」ものを使う、と説明していた。汎用の大規模言語モデルをそのままロボットに載せるのではなく、ロボット向けの基盤モデルが別に用意される、という整理がされている。該当箇所を聴く

しぶちょーは続けて、ロボット基盤モデルは「結構似てるようなものを学習したりとか、パラメーター数結構多かったりするんだけど」、その一方で「ロボット独自のオリジナルのアウトプットがある」と語っていた。学習の仕方やパラメーター規模は大規模言語モデルと似ている面がありつつ、出力はロボットならではのものになる、という違いが示されている。該当箇所を聴く

大規模モデルを作る技術との関係

しぶちょーは、基盤モデルの技術について「確かにChatGPTとかGeminiとかそういう大きいモデルを作る上で学習されたマルチモーダルっていうモデルを作る技術と同じようなものが使われている」と話していた。ロボット基盤モデルを支える技術は、ChatGPTやGeminiといった大きなマルチモーダルモデルを作る技術と同じ系統のものだ、という見方が語られている。該当箇所を聴く

一方でしぶちょーは、ロボットは構造が違うために課題もあると指摘した。「そうするとやっぱり基盤モデルを1個ずつに作り直さなきゃいけないから、マルチモーダルとはかけ離れちゃう」と述べつつ、「持ってる体が違っても対応できるような基盤モデル作ろうよみたいなものも行われてる」と、体（身体性）が異なっても対応できる基盤モデルを作る取り組みが進んでいることにも触れていた。該当箇所を聴く

フィジカルAIの判別基準としての位置づけ

おちつきAIラジオでは、ロボット基盤モデルがフィジカルAIかどうかを見分ける目印としても語られた。しぶちょーは「認識とか行動計画の中に基盤モデルが使われてますよって言うんだったらやっぱりフィジカルAIの技術だねっていう感じはする」と話し、認識や行動計画に基盤モデルが組み込まれているなら、それはフィジカルAIの技術だと言える、という基準を示していた。該当箇所を聴く

また、基盤モデルが使われていることの利点として、しぶちょーは「AIのモデルの学習とかAIの技術の進化がそのまま成果としてロボットの中にも反映されていく」と語っていた。基盤モデルの学習方法に新しい手法が見つかり、低コストで少ないスペックのPCで動かせるモデルの作り方ができれば、そうしたAI側の進化がそのままロボットの成果に波及していく、という見立てが示されている。該当箇所を聴く

基盤モデルが担うこうした認識・行動は、ロボットが自分で考えて動く自律性の話題や、昔からある強化学習との対比の中でも語られていた。

語られ方の変遷・矛盾

新規作成時点では、ロボット基盤モデルについての番組内の語られ方に矛盾は出ていない。ep.32では一貫して、ロボット基盤モデルをフィジカルAIの最大の特徴として説明し、大規模言語モデルに相当する位置づけながらロボット独自のアウトプットを持つもの、そして認識や行動計画に組み込まれていればフィジカルAIの技術だと言えるもの、として語られていた。該当箇所を聴く 該当箇所を聴く

ここにも登場

• 自律性
• パイゼロ