ジェネラリストAIのGEN-1.5、3〜12秒の実演1回でロボット作業を習得 微調整なしで成功率59%

米ロボットAI企業のジェネラリストAI(Generalist AI)は2026年8月19日、新しいロボット基盤モデル「GEN-1.5」を公表し、3〜12秒の実演を1回見せるだけで、勾配更新や追加の微調整なしに新しい作業をこなせると発表した。10種類の操作作業で、実演1件を文脈に入れた場合の平均成功率は59%(標準偏差10ポイント)だったと研究記事で明らかにした。

わずかな学習を加えると数値は大きく伸びる。作業あたり約5分、実演約50件のデータで勾配更新を10ステップ行うと平均成功率は83%(標準偏差9ポイント)に上がった。1分間分のデータから標本を取り1ステップだけ学習した極端な条件でも、学習に使っていない作業で66.5%の成功率を示した。同社は10ステップの学習でモデルの重みの変化は0.15%未満にとどまったとし、新たな表現を作るのではなく既存の知識を組み替えていると解釈している。適応手順はハイパーパラメーターを調整せずに使ったという。

GEN-1.5は30秒分の映像の記憶とほかのセンサー、言語、独自の入力を受け取り、100ヘルツで動作軌道を出力する大規模マルチモーダルモデルだ。同社はこの手法を「物理的プロンプティング」と呼ぶ。言語モデルのプロンプトに例文を入れるように、感覚と動作の例をモデルの文脈窓に入れる。実演は人が手持ちのグリッパー2本で記録するか、ロボット自身の過去の動作記録を使い、どの実演を入れるかをドラッグ操作で選ぶ画面も示した。公開された作業にはカップにマーカーを入れる、ボルトを注ぐ、ファスナーを扱う、ガラス瓶のふたをひねって開ける、筆箱のファスナーを開ける、立方体をはいてボウルに入れる、真空パッドを外す、財布からお金を取り出すなどがある。

同社はこの能力を意図して設計したわけではないと強調する。記事によれば、文脈内学習のための構造変更も、メタ学習の仕組みも、補助的な目的関数もなかった。GEN-1.5の事前学習は8カ月以上続いており、検証用データでの次動作の予測誤差は3つの学習段階を通じて下がり続けた。曲線がどこで頭打ちになるかはまだ見えないと同社は書いている。事前学習にシミュレーションのデータを一切含まないのに、シミュレーター内で記録した実演を実機のプロンプトとして使えたほか、片手の実演から両手を使い分けたり、初めて見るカップや瓶をつかんだりする例も示した。ただしこれらの成功率は公表していない。

ジェネラリストは結果を言語モデルの歴史になぞらえた。GPT-3は例1つで平均約45%、約100例で最大約65%の正答率だったと引用し、GEN-1.5の59%を同様の初期の兆しと位置づけた。1回か数回の実演から多様な器用な閉ループ作業を学ぶ一般的な能力を示したモデルは、同社の知る限りGEN-1.5が初めてだと主張している。

同社にとって3作目の公開モデルとなる。2025年11月4日のGEN-0でロボット学習のスケーリング則を示し、2026年4月2日のGEN-1は装着型機器で集めた50万時間超の人のデータでロボットのデータなしに事前学習し、作業あたり約1時間のロボットデータで平均99%の成功率に達したと同社は説明する。2026年6月4日にはラディカル ベンチャーズ主導で4億ドルを調達した。8VC、ユニオン スクエア ベンチャーズ、ハナビ キャピタル、ノーウェストが新たに加わり、エヌビディアやボールドスタート、スパーク キャピタル、ベゾス エクスペディションズ、NFDGなど既存投資家も参加し、累計調達額は5億ドルを超えた。企業価値は開示していない。

競合も前日に似た主張を打ち出した。スキルドAI(Skild AI)は2026年8月18日に「S1」を公表し、文脈内学習を前提に一から作ったモデルとして、動画の実演1本で既知と未知、短時間と長時間の作業を微調整なしにこなすと説明した。10万時間の学習で既知の作業は96%、未知の作業は66%の成功率で、最長10分の作業も実行できるという。両社は作業や指標、実演の形式が異なり、数値を単純に比べることはできない。フィジカル インテリジェンス、グーグル ディープマインド、エヌビディアは大規模な事前学習と微調整を軸に開発を進めている。

日本の製造業にとって意味は小さくない。人手不足が深刻になるなか、多品種少量の現場ではロボットへの教示にかかる時間と費用が自動化の壁になってきた。数秒の実演で単純作業を教えられれば、段取り替えの負担は作業者が一度やってみせる時間まで縮む。ファナックや安川電機などが生成AIや外部の基盤モデルとの連携を進めるなか、教示の在り方そのものが競争軸になりつつある。減速機やセンサーを供給する部品メーカーにとっても、モデル企業がどのハードウエアを標準に選ぶかは重要だ。

課題は同社自身が認めている。作業は単純で短く、成功率もまだ控えめだとし、文脈で学んだ技能は微調整したモデルより壊れやすいが一部の外乱には汎化すると説明した。作業ごとの試行回数、事前学習データの内訳、第三者による検証は示されていない。顧客、価格、提供時期も明らかにしていない。59%は工場が求める信頼性には遠い。