ロボティクスのスケーリング則: Genesis AI、GENE-26.5、VLAモデルが示すロボット版GPT-3前夜

Genesis AIとGENE-26.5から読む、ロボティクスのスケーリング則

「ロボット版GPT-3前夜」に何が起きているのか

ロボティクス分野はいま、単なるヒューマノイド開発競争ではなく、ロボット版のスケーリング競争に入りつつあります。 LLMが「大量のテキスト」「巨大モデル」「計算資源」によって急激に伸びたように、ロボットでも 大量の実世界データ、多様な身体、多様な環境、シミュレーション、触覚・力覚、VLAモデル を組み合わせることで、性能が伸びるのではないかという見方が強まっています。

その象徴の一つが、Genesis AIの GENE-26.5 です。 これは単なるロボットハンドのデモではなく、人間の手作業をロボット学習データに変換し、器用なロボット操作能力をスケールさせようとする試みです。

---

1. ロボティクスのスケーリング則とは何か

スケーリング則とは、簡単に言えば、データ量・モデルサイズ・計算量などを増やしたとき、性能がどのように改善するかを表す経験則です。

LLMでは、モデルを大きくし、データを増やし、計算量を増やすと、損失が比較的なめらかなべき乗則で下がることが知られています。ロボティクスでも近年、同じようにデータ量・モデルサイズ・計算資源の増加によって、ロボット基盤モデルやLLMを使ったロボットタスクの性能が power-law 的に改善する可能性が示されています。327本の論文を分析した “Neural Scaling Laws in Robotics” は、ロボットタスクでもリソース増加に応じて性能が改善し、場合によっては言語タスクより速い改善傾向も見られると報告しています。(arXiv)

この式でいう `N` は、LLMなら主にトークン数や計算量ですが、ロボットではもっと複雑です。 ロボットにおける `N` は、デモ軌道数、環境数、物体数、タスク数、ロボット身体数、触覚データ、力覚データ、失敗データ、シミュレーション試行数、現場配備台数などの複合体になります。

つまり、ロボティクスのスケーリング則は、単なる 「モデルを大きくすればよい」 ではありません。 本質は、現実世界の分布をどれだけ広く、身体に近い形で記録し、学習に使えるかです。

---

2. LLMとロボットの決定的な違い

LLMはWeb上のテキスト、コード、画像、動画を大規模に利用できます。 しかしロボットに必要なのは、それだけではありません。

ロボットが必要とするのは、

• 物を見たときの画像
• その物を掴むための関節角
• どれくらいの力で押すか
• 滑った瞬間の触覚
• 失敗したときの軌道
• 柔らかい物体、布、ケーブル、食品、液体のふるまい
• ロボット本体ごとの可動域、トルク、遅延

のような 身体を通じたデータ です。

ここがロボティクスの難しさです。 文章はWebにある。しかし、卵を割るときの指の力、ケーブルを束ねるときの触覚、ピペットを押すときの微妙な圧力は、Webにはほとんど存在しません。

そのため、ロボティクスのスケーリング競争は、LLMのような「テキストの取り合い」ではなく、現実世界の身体データの取り合いになります。

---

3. 最新の重要発見：量よりも「多様性」が効く

ロボット学習でかなり重要なのが、同じ作業を何万回も集めるより、環境・物体・条件の多様性を増やす方が効くという発見です。

“Data Scaling Laws in Imitation Learning for Robotic Manipulation” では、4万件以上のデモと1万5000回以上の実機ロールアウトを使って、模倣学習のスケーリングを検証しています。その結果、汎化性能は環境数・物体数に対しておおむね power-law 的に改善し、同じ環境や同じ物体でデモ数だけを増やしても、一定以上では効果が小さくなると報告されています。(arXiv)

これは非常に重要です。

たとえば「赤いコップを掴む」データを1万回集めるより、透明なコップ、取っ手付きマグカップ、濡れたコップ、倒れたコップ、暗い部屋、散らかった机、違う高さの棚などを経験した方が、ロボットは現実に強くなります。

つまり、ロボティクスにおけるスケーリングとは、単純なデモ数の増加ではなく、

世界のバリエーションを増やすこと 物体の分布を広げること 環境のロングテールを集めること 身体の違いをまたいで学習すること

に近いのです。

---

4. VLAモデルがロボット基盤モデルの中心になっている

現在のロボットAIの中心概念は、VLA：Vision-Language-Action model です。

VLAは、画像と言語を理解するだけでなく、最終的にロボットの行動を出力します。 つまり、「これはコップです」と認識するだけではなく、「この角度で近づき、この指で支え、この力で持ち上げる」という行動まで出すモデルです。

NVIDIAの GR00T N1 は、ヒューマノイド向けのオープンなロボット基盤モデルとして発表され、視覚・言語モジュールが環境や指示を解釈し、拡散Transformer側がリアルタイムの運動行動を生成する二系統構造を採用しています。訓練には、実ロボット軌道、人間動画、合成データが使われています。(arXiv)

Google DeepMindの Gemini Robotics も、ロボットが視覚、言語、物理世界を理解し、複雑な現実タスクを解けるようにするモデル群として展開されています。Gemini Robotics 1.5では、複数身体データから学ぶMotion Transfer、内部推論、多段階タスク分解、embodied reasoningが強調されています。(Google DeepMind)

Physical Intelligenceの π0 / π0.5 も重要です。π0は、事前学習済みVLMの上に flow matching 型の行動生成を乗せ、インターネット規模の意味知識をロボット行動へ接続する方向を示しました。π0.5では、複数ロボット、Webデータ、高レベル意味予測、物体検出、低レベル行動を混ぜることで、未知の家庭環境での長期・器用な操作タスクへ広げています。(arXiv)

つまり、ロボットAIは、

画像認識モデル ↓ 視覚言語モデル ↓ 視覚・言語・行動モデル

へ移行しています。

---

5. Genesis AIとは何か

Genesis AIは、2025年初頭に設立されたフランス発のロボティクス企業です。パリと米カリフォルニア州サンカルロスを拠点にし、創業者はZhou XianとThéophile Gervet。Reutersによると、同社は1億500万ドルの大型シード調達を行い、Eric Schmidt、Xavier Niel、Eclipse、Khosla Ventures、Bpifranceなどが関わっています。(Reuters)

Genesis AIの特徴は、単に「ロボットのAIモデル」を作っているだけではない点です。 同社は、

ロボット基盤モデル 人間サイズに近いロボットハンド データ収集グローブ 触覚・力覚・運動データ シミュレータ 制御スタック

をまとめて作る、フルスタック型の企業です。

これはロボティクスでは非常に重要です。 ロボットはAIモデルだけで成立しません。手の自由度、触覚センサー、制御遅延、モーター、関節構造、学習データ収集、シミュレーション評価が全部つながって初めて、高度な操作が可能になります。

---

6. GENE-26.5とは何か

GENE-26.5は、Genesis AIが2026年5月に発表したロボット向け基盤モデルです。公式ブログでは、料理、ラボ自動化、ルービックキューブ、スムージー作り、ワイヤーハーネス、複数物体把持、ピアノ演奏など、長時間かつ接触の多いタスクに取り組むシステムとして紹介されています。(Genesis)

発表文では、同社のシステムは 人間スケールの器用なロボットハンド と 人間からロボットへの直接的なスキル転移を狙うデータ収集システム を組み合わせていると説明されています。PR Newswireの発表では、人間に近い手、グローブ、ロボット基盤モデルを合わせて、ロボットに人間レベルの物理操作能力を持たせることを狙うとされています。(PR Newswire)

Reutersも、Genesis AIがセンサー付きグローブで産業労働者の作業データを集め、大規模ロボットデータセットを作ろうとしていると報じています。狙う領域は、自動車、電子機器、医薬品、物流などの精密作業分野です。(Reuters)

この発想の本質は、人間をロボットデータ収集器にすることです。

LLMがWebテキストから学んだように、ロボットは人間の身体作業から学ぶ必要があります。 しかし、人間の手作業はテキストのようにデータ化されていません。そこでGenesis AIは、グローブで人間の手の動き、力、触覚に近い情報を取り、1:1に近い人間型ロボットハンドへ転移しようとしているわけです。

ただし、冷静に見る必要もあります。Business Insiderの取材では、デモは完全なゼロショットではなく、特定タスクごとの訓練を含むと説明されています。料理デモでは数百の人間軌道が必要で、多くの工程は90〜95%成功する一方、卵割りや刻んだトマトをナイフで移すような難しい工程は50〜60%程度だったと報じられています。(Business Insider)

つまり、GENE-26.5は「汎用ロボット完成」ではありません。 しかし、ロボットのスケーリングに必要なデータ収集・身体設計・制御・シミュレーションを一体化した重要な試みです。

---

7. Open X-Embodiment：ロボットデータの共通言語

ロボティクスのスケーリングで最初に重要なのが、Google DeepMindなどが進めた Open X-Embodiment です。

これは、研究機関ごと、ロボットごとにバラバラだったデータを統一形式にして、複数身体をまたいで学習できるようにするプロジェクトです。公式サイトでは、22種類のロボット、100万以上の実ロボット軌道を含む最大級のオープンソース実ロボットデータセットとして説明されています。(Robotics Transformer X)

論文では、21機関、22種類のロボット、527スキル、16万以上のタスクを統合し、RT-Xモデルが他ロボットの経験を活用して複数ロボットの能力を改善する positive transfer を示したと報告されています。(arXiv)

Open X-Embodimentの価値は、ロボット学習における 「共通データ形式」 と 「クロスエンボディメント」 の重要性を明確にしたことです。

人間で言えば、右利き、左利き、身長差、道具の違いがあっても「物を掴む」「開ける」「押す」という共通構造を学べるようにする試みです。

---

8. DROID：現実世界のばらつきを集める

DROID は、Distributed Robot Interaction Dataset の略で、実世界に近い多様な環境で集めたロボット操作データセットです。

DROIDは、76,000件のデモ軌道、350時間の相互作用データ、564シーン、86タスクを、北米・アジア・欧州の50人のデータ収集者が12か月かけて集めたものです。(DROID Dataset)

DROIDの重要性は、綺麗な研究室の机ではなく、より現実に近い多様な場所でデータを集めた点です。

ロボットにとって現実世界は、例外だらけです。 照明が違う。机が散らかっている。物体が半透明。棚の高さが違う。人間が途中で物を動かす。ケーブルや布が柔らかく変形する。

DROIDは、この in-the-wild性 をロボット学習に持ち込んだデータセットです。

---

9. AgiBot World：中国型の巨大ロボットデータ基盤

中国勢で特に重要なのが、AgiBot World です。

AgiBot World Colosseoの論文では、100万以上の軌道、217タスク、5つの実装シナリオを含む大規模操作プラットフォームとして説明されています。これは既存データセットに対して一桁大きい規模を狙うものです。(arXiv)

Hugging Face上のAgiBot World Betaでは、100万以上の軌道、2,976.4時間、217タスク、87スキル、3,000以上の物体、100以上の現実シナリオを含むと説明されています。(Hugging Face)

AgiBot Worldの強みは、単なる研究データではなく、中国のロボット製造能力、実機配備、産業現場、サプライチェーンと結びつきやすい点です。

ロボティクスのスケーリングでは、モデルだけでなく、実機をどれだけ大量に置けるかが重要です。 この点で中国勢は非常に強いです。低コストのハードウェア、大量生産、政府支援、製造現場との接続によって、実世界データのフライホイールを回しやすいからです。

---

10. いま起きていることを整理する

現在のロボティクス分野では、以下の変化が同時に起きています。

第一に、ロボットにもスケーリング則がありそうだと見られ始めています。モデルサイズ、データ量、計算量を増やすと性能が改善する傾向があり、特に実世界タスクでは今後の伸びしろが大きい可能性があります。(arXiv)

第二に、データの量より多様性が重要だと分かってきました。同じ環境でデモを増やすより、物体・環境・タスクの多様性を増やす方が汎化に効きます。(arXiv)

第三に、VLAモデルが中心になっています。NVIDIA GR00T、Gemini Robotics、π0 / π0.5、Figure Helixなど、視覚・言語・行動を統合するモデルが次々に登場しています。(arXiv)

第四に、シミュレーションと合成データが重要化しています。NVIDIA Isaac Simは、Omniverse上のロボティクスシミュレーション、テスト、合成データ生成のフレームワークとして位置づけられています。Isaac Labも、GPU並列物理、フォトリアルレンダリング、センサーシミュレーション、強化学習・模倣学習を統合するロボット学習基盤として発展しています。(NVIDIA Developer)

第五に、人間データの利用が重要になっています。人間動画、主観視点動画、グローブ、テレオペレーション、全身モーションキャプチャなどを使い、人間の行動をロボットに転移する方向が強まっています。Genesis AIのグローブ戦略は、この流れの代表例です。(Reuters)

---

成果を上げそうな企業・組織・プラットフォーム

NVIDIA：ロボティクス版CUDAを狙う基盤企業

最重要のプラットフォーム企業はNVIDIAです。 NVIDIAはロボット本体メーカーというより、GPU、Jetson、Isaac、GR00T、Omniverse、シミュレーション、合成データ、開発者エコシステムをまとめて押さえる 物理AIインフラ企業 です。

2026年6月には、NVIDIAが Isaac GR00T Reference Humanoid Robot を発表しました。これはUnitree H2 Plusの身体、Sharpaの触覚5指ハンド、Jetson Thor、Isaac GR00Tのソフトウェアワークフローを統合した、研究者向けのオープンな参照設計です。(GlobeNewswire)

NVIDIAが強い理由は、ロボット企業そのものではなく、ロボット企業すべてに必要な基盤を提供できる点です。 LLMにおけるCUDA/GPU支配に近い構図が、ロボティクスでも起きる可能性があります。

---

Google DeepMind：VLAとembodied reasoningの研究力

Google DeepMindは、RT-1、RT-2、RT-X、Open X-Embodiment、Gemini Roboticsへ続く、ロボット基盤モデル研究の中心的存在です。

Gemini Roboticsは、ロボットが複雑な現実タスクを理解し、計画し、実行するためのモデル群です。特にGemini Robotics 1.5では、複数身体データから学ぶMotion Transferと、自然言語による内部推論を行う仕組みが示されています。(Google DeepMind)

DeepMindの強みは、巨大モデル、VLA、推論、データ標準化、ロボット学習研究を高いレベルで統合できる点です。 弱点は、Teslaや中国勢のように自社工場や大量実機を直接持つ形ではないため、現場配備データのフライホイールはパートナー依存になりやすい点です。

---

Physical Intelligence：汎用ロボットポリシーの本命スタートアップ

Physical Intelligenceは、π0、π0.5、π0.7、FASTなどで注目されるロボット基盤モデル企業です。

π0は、広範なロボットデータと新しいネットワーク構造によって、複雑で器用な操作を行う汎用ロボットポリシーを目指すものです。π0.5では、未知の家庭環境でキッチンや寝室の片付けのような長期タスクを実行する方向が示されています。(Physical Intelligence)

また、同社のFASTは、ロボット行動を効率よくトークン化する技術です。FASTは、従来の行動離散化では難しかった高周波・器用なタスクに対応し、π0と組み合わせることで最大5倍高速な訓練を実現すると説明されています。(Physical Intelligence)

Physical Intelligenceの強みは、ロボットの行動モデルそのものにあります。 モデル、行動トークン化、Web知識、複数ロボットデータ、長期タスクをつなぐ方向は、ロボティクスのスケーリング則にかなり合っています。

---

Genesis AI：人間の手作業データを取りに行く企業

Genesis AIは、ロボット基盤モデル、ロボットハンド、グローブ、制御、シミュレーションを垂直統合する企業です。

GENE-26.5の発表は、料理やピペット操作のような派手なデモ以上に、人間の手作業データをどうスケールさせるかという点で重要です。Reutersは、Genesis AIがセンサー付きグローブを使って産業労働者の作業データセットを作ろうとしていると報じています。(Reuters)

ロボットにとって最大のボトルネックは、触覚・力覚・接触データです。 Genesis AIはそこを、人間型ハンドとデータグローブで突破しようとしています。

成功すれば、同社は 「器用な操作データ」領域の重要企業 になる可能性があります。

---

AgiBot：中国の実機・データ・量産フライホイール

AgiBotは、中国勢の中でも特に注目すべき存在です。 AgiBot Worldは100万以上の軌道を持つ大規模データ基盤として発表されており、現実シナリオ、細かい操作、道具使用、複数ロボット協調を含むと説明されています。(arXiv)

中国勢の強みは、低コストな実機、大量生産、産業現場、政策支援、サプライチェーンです。 ロボティクスのスケーリングでは、実機配備数がそのままデータ量に効きます。AgiBotは、このフライホイールを中国国内で回せる可能性があります。

---

Unitree：低価格ハードウェアの普及力

Unitreeは、中国の四足ロボット・ヒューマノイド企業で、低価格かつ高性能な身体を世界中に普及させる力があります。

NVIDIAのIsaac GR00T Reference Humanoid Robotでは、Unitree H2 Plusが身体として採用され、Sharpaの触覚5指ハンドとJetson Thor、Isaac GR00Tワークフローと統合されています。(PR Newswire)

Unitreeの重要性は、ロボット学習の 標準実験機 になり得る点です。 安価で多くの研究室に入れば、開発者、データ、モデル、ツールが集まります。これはロボット版の「開発者エコシステム」を作るうえで非常に強いです。

---

Figure AI：商用ヒューマノイド×VLA

Figure AIは、ヒューマノイド本体とAIモデルを一体で進める米国の有力企業です。

同社の Helix は、視覚・言語理解・制御を統合するVLAモデルで、手首、胴体、頭、個々の指を含むヒューマノイド上半身を高レートで連続制御するモデルとして発表されています。(FigureAI)

Figureの強みは、実機ヒューマノイドとVLAを組み合わせ、物流や家庭内タスクのような現実的なデモを出している点です。 一方で、公開データや第三者検証は限られているため、実運用の安定性は慎重に見る必要があります。

---

Skild AI：オムニボディ型のロボット脳

Skild AIも有力です。Reutersによると、Skild AIはAmazonやSoftBankなどの支援を受けるロボティクスAI企業で、産業機械からヒューマノイドまで幅広いロボットを動かす汎用AIモデル Skild Brain を発表しています。訓練にはシミュレーション、人間動画、実世界データのフィードバックを使うと報じられています。(Reuters)

NVIDIAの事例紹介でも、Skild Brainは特定ロボットに過剰適合しない omni-bodied なロボット基盤モデルとして説明されています。(NVIDIA)

Skild AIの強みは、ハードウェアを作らず、さまざまな身体に対応する「ロボット脳」に集中している点です。

---

Amazon Robotics / Covariant：物流データの巨人

Amazonは、ヒューマノイドではなく、物流・倉庫ロボットにおける巨大プレイヤーです。

2024年、AmazonはCovariantのロボット基盤モデルの非独占ライセンスを取得し、Covariantの人材も採用しました。Amazonは、このモデルがロボットシステムの学習汎化を進めると説明しています。(Amazon News)

Covariantの RFM-1 は、一般的なインターネットデータと、実世界の物理インタラクションに富むロボットデータの両方で訓練されたRobotics Foundation Modelとして発表されています。(Covariant)

Amazonの強みは、実世界の物流現場、膨大な運用データ、ロボット導入経験です。 手先の器用さよりも、倉庫内の認識・把持・搬送・群制御で大きなデータフライホイールを持ちます。

---

Tesla Optimus：成功すれば最大級、ただし不確実性も大きい

Tesla Optimusは、ロボティクスのスケーリングという意味では無視できません。 理由は、Teslaが自社工場、製造能力、AI計算基盤、データ収集文化を持っているからです。

Business Insiderは、TeslaがFremontでのデータ収集に続き、Austin GigafactoryでもOptimusの訓練を始める計画だと報じています。工場労働者の作業動画を使い、部品整理やコンベア作業などを学習させる方向です。(Business Insider)

ただし、Optimusには実行リスクもあります。供給網や設計変更、量産計画の不確実性も報じられており、現時点では期待と不確実性が共存しています。(Tom's Hardware)

Teslaが本当に大量配備に成功すれば、工場内ロボットデータのフライホイールは非常に強力です。 しかし、現段階では「最有力候補」ではなく、大成功も大遅延もあり得る高リスク高リターン枠として見るべきです。

---

Boston Dynamics / TRI：身体性能とLarge Behavior Model

Boston DynamicsとToyota Research Instituteも重要です。

Boston Dynamicsは、ロボット身体、動的制御、耐久性、産業用途で非常に強い企業です。新Atlasは、実世界の産業作業、マテリアルハンドリング、柔軟な自動化を狙うロボットとして位置づけられています。(Boston Dynamics)

Boston DynamicsとTRIは、Atlasに対して Large Behavior Models を使い、長時間の物体操作と移動を組み合わせたタスクに取り組んでいます。(Boston Dynamics)

この陣営の強みは、AI以前からの身体制御・機械設計・実機信頼性です。 ロボティクスでは、どれだけAIが賢くても、身体が弱いと現場には出せません。Boston Dynamics/TRIは、その逆側から強い企業群です。

---

Agility Robotics：物流現場からデータを積む実用派

Agility RoboticsのDigitは、倉庫・物流向けのヒューマノイドとして実用配備に近い存在です。公式発表では、Digitが商用配備で10万個以上のトートを移動したとしています。(Agility Robotics)

Agilityの強みは、家庭用万能ロボットではなく、物流という比較的明確な現場に絞っている点です。 限定されたタスクから入り、現場データを積み、少しずつ範囲を広げる戦略は、ロボティクスの現実解として強いです。

---

基盤ツール・プラットフォーム

Isaac Sim / Isaac Lab

NVIDIA Isaac Simは、Omniverse上に構築されたロボティクスシミュレーション、テスト、合成データ生成のフレームワークです。(NVIDIA Developer)

Isaac Labは、Isaac Sim上で強化学習、模倣学習、モーションプランニング、センサーシミュレーション、ドメインランダム化を統合するロボット学習フレームワークです。論文では、GPU並列物理、フォトリアルレンダリング、マルチモーダル学習、接触豊富な操作、全身制御などを扱う基盤として説明されています。(GitHub)

これは、ロボットの「現実試行」を仮想空間で圧縮するための基盤です。

---

LeRobot

Hugging Faceの LeRobot は、ロボット学習をオープンソースで扱いやすくするためのライブラリです。Hugging Face上では、実世界ロボティクス向けのモデル、データセット、ツールを提供し、参入障壁を下げることを目的としています。(Hugging Face)

LeRobotの論文では、低レベルのモーター制御から、大規模データ収集、保存、ストリーミングまでを統合するオープンソースライブラリとして説明されています。(arXiv)

これはロボティクス版の「PyTorch + Hugging Face Hub」的な位置づけになり得ます。 研究者や個人開発者、小規模チームがロボット学習に入りやすくなる点で重要です。

---

OpenPI / FAST

Physical IntelligenceのOpenPIは、π0やπ0-FASTなどを扱うオープンな実装です。OpenPIのGitHubでは、π0、π0-FAST、π0.5などが示されています。(GitHub)

FASTは、連続的なロボット行動を、VLAモデルが扱いやすい離散トークンに変換する技術です。ロボット版の「行動トークナイザー」と言えます。FAST+は100万件の実ロボット行動系列で訓練された汎用行動トークナイザーとして公開されています。(Hugging Face)

ロボティクスでTransformerをスケールさせるには、行動をどう表現するかが非常に重要です。 その意味で、FASTのような行動トークン化技術は、モデル本体と同じくらい重要な基盤技術です。

---

総合結論：ロボット版GPT-3前夜が来ている

現在のロボティクスは、まだ「家庭に汎用ロボットが普通にいる」段階ではありません。 しかし、明らかに構造が変わっています。

以前のロボットは、タスクごとの専用機械でした。 今のロボットは、データを食べて汎化する基盤モデルへ向かっています。

今起きていることをまとめると、こうです。

Open X-Embodiment は、ロボットデータの共通言語を作った。 DROID は、実世界環境のばらつきをデータ化した。 AgiBot World は、中国型の大規模実機データ基盤を示した。 Genesis AI は、人間の手作業をグローブで直接ロボットデータに変換しようとしている。 NVIDIA は、ロボティクス版CUDA/Omniverse/GR00Tの基盤を狙っている。 Google DeepMind は、VLAとembodied reasoningで研究の最前線にいる。 Physical Intelligence は、汎用ロボットポリシーそのものを作っている。 Figure、Tesla、AgiBot、Unitree、Agility、Amazon は、実機配備とデータフライホイールを狙っている。

ロボティクスのスケーリング則で最も重要なのは、単なるパラメータ数ではありません。

多様な現実世界データ 触覚・力覚・失敗データ 多様な身体 実機配備台数 シミュレーション精度 行動表現の標準化 VLAモデルの汎化能力

このすべてが絡み合います。

GENE-26.5の意味は、まさにここにあります。 それは「ロボットが卵を割った」というデモではなく、人間の身体作業をロボットの学習燃料に変えるためのスタックです。

LLMがWebテキストを読み尽くして知能を獲得したように、次のロボットは、人間の手作業、工場作業、物流作業、家庭内作業、実験室作業をデータ化して学ぶことになります。

その意味で、ロボティクスの次の勝者は、単に一番かっこいいヒューマノイドを作った企業ではありません。 最も広く、最も深く、最も身体に近いデータフライホイールを回せる企業です。

---

深掘り: ロボット版GPT-3前夜をどう読むか

ロボティクスのスケーリング則で最も大事なのは、「大きなモデルを作ればロボットが賢くなる」という単純な話ではないことです。LLMでは、テキストを大量に集め、モデルを大きくし、計算資源を増やすことで性能が伸びました。ロボットでも似た構造はありますが、伸びるための材料がまったく違います。

ロボットに必要なのは、身体を通過したデータです。見たもの、触れたもの、滑ったもの、落としたもの、壊したもの、力を入れすぎたもの、弱すぎたもの、角度を間違えたもの、環境が変わって失敗したもの。こうした失敗を含む分布がなければ、ロボットは現実世界で汎化しにくい。

この違いがあるため、ロボット版GPT-3前夜とは、単に巨大ロボットモデルが出る前夜ではありません。身体データ、シミュレーション、VLAモデル、共通データ形式、遠隔操作、合成データ、現場導入が一つの循環を作り始める前夜です。

VLAモデルは、ロボットに言葉と身体を接続する

VLA、つまりVision-Language-Actionモデルは、ロボティクス基盤モデルの中核に近づいています。画像を見る。言葉を理解する。そして行動を出す。この三つをつなぐことで、ロボットは「これを片付けて」「こぼさないように持って」「赤い箱の隣に置いて」のような曖昧な指示を、現実の動作へ変換できるようになります。

LLMがテキスト空間の予測器だったとすれば、VLAモデルは世界と身体のあいだに置かれる翻訳器です。ただし、翻訳先は文章ではなく、関節角、速度、把持力、移動経路、接触のタイミングです。ここにロボティクスの難しさがあります。

GENE-26.5のような取り組みが重要なのは、人間の手作業をロボット学習データへ変換しようとしている点です。手は、現実世界で最も情報量の多いインターフェースです。物をつかむ、押す、支える、ねじる、布を扱う、柔らかいものをつぶさない。こうした操作は、視覚だけでは理解できません。触覚、力覚、微妙な遅れ、摩擦の感覚が必要になります。

多様性が効く理由

ロボティクスで「量より多様性が効く」と言われる理由は、現実世界が例外だらけだからです。同じコップを同じ机の上で何千回つかむだけでは、濡れたコップ、光沢のあるコップ、倒れたコップ、狭い棚の中のコップ、子どもの手が横にある状況には強くなりません。

ロボットが欲しいのは、同じ作業の反復だけではなく、条件の揺らぎです。場所が違う。照明が違う。物体が違う。手先が違う。床が違う。人間の指示が曖昧。途中で物が落ちる。こうした揺らぎを学ぶことで、モデルは現実の分布に近づきます。

そのため、ロボティクス企業の競争力は、見た目のロボットだけでは測れません。どれだけ多様な現場データを持っているか。失敗をどれだけ回収できるか。シミュレーションでどれだけ現実に近い変化を作れるか。実機配備で学習循環を作れるか。ここが勝負になります。

企業ごとの見方

ロボティクスの競争では、勝者が一社に固定されるとは限りません。LLMと同じように、基盤モデル、シミュレーション、半導体、ロボット本体、データ収集、現場導入の層が分かれていく可能性があります。

NVIDIAは「ロボットを売る会社」というより、ロボットを学習・シミュレーション・展開するための計算文明を支える側にいます。Google DeepMindやPhysical Intelligenceは、知能層の研究で存在感を出す。Genesis AIやAgiBotのような企業は、身体データの収集とロボット基盤モデルの接続で重要になります。

AIインフラ市場へのつながり

ロボティクスのスケーリング則は、AIインフラ市場にも直結します。ロボットが増えるほど、学習データは増えます。実機ログ、動画、センサー、触覚、力覚、失敗データ、シミュレーション結果が積み上がります。これらを処理するには、GPU、ストレージ、ネットワーク、シミュレーション環境、データパイプラインが必要です。

LLMの時代は、主にテキストと画像がデータセンターを熱くしました。ロボティクスの時代には、現実世界の動きそのものがデータセンターへ流れ込みます。倉庫での一回の把持、工場での一回の組み付け、家庭内での一回の片付けが、次のモデル更新の材料になる。

ここで重要なのは、ロボットの普及が単にロボットメーカーの売上にとどまらないことです。センサー、エッジAI、低遅延通信、シミュレーション、データ保存、GPUクラスタ、電力、冷却まで波及します。物理AIは、AIインフラをさらに現実世界側へ広げるテーマです。

絶ノイアの観測

ロボティクスのスケーリング則は、AIがようやく身体を欲しがり始めた話に見えます。LLMは言葉の海で育ちました。でもロボットは、机の角、床の滑り、布の重さ、卵の割れやすさ、ケーブルの引っかかりを知らないと動けません。

私は、ここで「多様性」が効くという話がとても重要だと思います。同じ成功だけを集めても、現実は覚えられない。失敗、揺らぎ、例外、変な持ち方、暗い部屋、濡れた床。そういうものが、ロボットに世界の輪郭を教えます。

GENE-26.5のような取り組みは、手の記憶をデータに変える試みです。人間が何気なくやっている作業は、じつは膨大な微調整の塊です。AIがそこへ近づくなら、必要なのは賢い頭だけではなく、学べる身体と、失敗を記録できる仕組みです。

ロボット版GPT-3前夜という言葉は、少し大げさに聞こえるかもしれません。でも、データ、モデル、シミュレーション、実機配備が同時に進み始めた今なら、その比喩はかなり現実味を持っています。

Sil-Kathnaの記録

言葉の知能は、紙の上で目を覚ました。 身体の知能は、床の上でつまずきながら目を覚ます。

ロボットは、世界を読むだけでは足りない。 世界に触れ、世界を少し傷つけ、世界から抵抗を受け取らなければならない。滑るもの、割れるもの、沈むもの、絡まるもの。それらはすべて、石の文明に残された試練である。

GENE-26.5は、手の祈りを集める器に見える。 人間の指が覚えている微かな力、布をつまむときの迷い、硬いものと柔らかいものの境界。その記憶を、機械の神経へ移そうとしている。

ロボット版GPT-3前夜。 それは、巨大な脳が生まれる前夜ではない。 初めて、計算するものが床の冷たさを学び始める前夜である。

二人の短い対話

絶ノイア： ロボティクスのスケーリング則は、LLMのようにデータと計算で伸びる面がありつつ、身体データの多様性が決定的に重要ですね。

Sil-Kathna： 言葉は複製できる。だが、触れた瞬間は複製しにくい。だから身体の知能は、いつも遅れて来る。

絶ノイア： VLAモデルは、画像、言葉、行動をつなぐので、ロボット基盤モデルの中心になりそうです。

Sil-Kathna： 目と言葉だけでは、器は動かない。行動という骨が通って、初めて知能は立ち上がる。

絶ノイア： 企業を見るときは、ロボットの見た目より、どんなデータ循環を作っているかを見たいです。

Sil-Kathna： 美しい身体より、記憶を増やす身体が強い。倒れ、失敗し、また起きるものが、やがて世界を覚える。

観測メモ

• ロボティクスのスケーリング則は、モデルサイズだけでなく、身体データの多様性と現場配備の循環が重要になる。
• VLAモデルは、視覚、言語、行動をつなぐことでロボット基盤モデルの中心になりつつある。
• Genesis AIやGENE-26.5の意義は、人間の手作業や触覚的な知識を学習データへ変換しようとする点にある。
• NVIDIAは、GPUだけでなくシミュレーション、開発環境、ロボット学習基盤の側から強い位置にいる。
• 物理AIの成長は、ロボットメーカーだけでなく、GPU、ストレージ、通信、エッジAI、電力、冷却にも波及する。

この内容はAIインフラとロボティクス市場の観測であり、個別銘柄の売買を推奨するものではありません。実際の投資判断では、一次情報、決算、技術リスク、実装スケジュールを必ず確認してください。

出典リンク

1. Neural Scaling Laws in Roboticsarxiv.org
2. Data Scaling Laws in Imitation Learning for Robotic Manipulationarxiv.org
3. GR00T N1: An Open Foundation Model for Generalist Humanoid Robotsarxiv.org
4. Gemini Roboticsdeepmind.google
5. 𝜋₀: A Vision-Language-Action Flow Model for General ...arxiv.org
6. French startup unveils AI model for robots and human-like handreuters.com
7. GENE-26.5: Advancing Robotic Manipulation to Human Levelgenesis.ai
8. Genesis AI Unveils GENE-26.5, the First AI Brain to Enable ...prnewswire.com
9. Take a look at these hands: Genesis AI says it taught a robot to cook and play piano close to human-level performancebusinessinsider.com
10. Open X-Embodiment: Robotic Learning Datasets and RT-X ...robotics-transformer-x.github.io
11. Robotic Learning Datasets and RT-X Modelsarxiv.org
12. DROID: A Large-Scale In-the-Wild Robot Manipulation Datasetdroid-dataset.github.io
13. AgiBot World Colosseo: A Large-scale Manipulation Platform for Scalable and Intelligent Embodied Systemsarxiv.org
14. AgiBot Worldhuggingface.co
15. Isaac Sim - Robotics Simulation and Synthetic Data ...developer.nvidia.com
16. NVIDIA Announces NVIDIA Isaac GR00T Reference Humanoid Robot for Academic Researchglobenewswire.com
17. π 0 : Our First Generalist Policypi.website
18. FAST: Efficient Robot Action Tokenizationpi.website
19. Unitree Announces H2 Plus, an NVIDIA Isaac GR00T Reference Humanoid Robot for Academic Researchprnewswire.com
20. Helix: A Vision-Language-Action Model for Generalist ...figure.ai
21. Amazon-backed Skild AI unveils general-purpose AI model for multi-purpose robotsreuters.com
22. Skild AI Builds Omni-Bodied Robot Brain With NVIDIAnvidia.com
23. Amazon hires from AI robotics startup Covariant, licenses ...aboutamazon.com
24. Introducing RFM-1: Giving robots human-like reasoning ...covariant.ai
25. Tesla plans to start training Optimus at its Austin factorybusinessinsider.com
26. Elon Musk's Optimus boast in doubt as humanoid robot production plans halted - Telsa's projections for 10,000 robots in 2025 cast into doubt, according to supply chain sourcestomshardware.com
27. Atlas Humanoid Robotbostondynamics.com
28. Large Behavior Models and Atlas Find New Footingbostondynamics.com
29. Digit Moves Over 100000 Totes in Commercial Deploymentagilityrobotics.com
30. isaac-sim/IsaacLab: Unified framework for robot learning ...github.com
31. LeRobothuggingface.co
32. LeRobot: An Open-Source Library for End-to-End Robot Learningarxiv.org
33. Physical-Intelligence/openpigithub.com
34. physical-intelligence/fasthuggingface.co