Physical Intelligence、π モデルをロボット業界の共通頭脳に　WeaveとUltraの現場で自律率96.4%

米ロボットAIスタートアップのPhysical Intelligenceは2026年2月24日、事業構想を初めて具体的に公表した。「The Physical Intelligence Layer」と題した文章で、同社の汎用ロボットモデルを、他社がロボット製品を開発する際にそのまま使える再利用可能な層にすると表明した。ソフトウエア開発者が大規模言語モデルを自前で学習せずAPI経由で呼び出すのと同じ発想をロボットに持ち込む。裏付けとして、π0.6を使うロボット企業WeaveとUltraの現場データを示した。

中心となる数字は両社から出た。同社によると、物流ロボットを手がけるUltraの顧客現場で、π0.6は電子商取引の注文梱包を1シフト通して自律率96.4%でこなした。家庭用ロボットのWeaveの洗濯物たたみでは、旧モデルπ0.5より自律稼働の比率が上がり、Weave自身のデータを事前学習に加えると連続したつかみ損ねが42%、洗濯1回分あたりの人手介入が50%減ったという。価格、API条件、提供時期、モデルの重みを提携先と共有するかどうかは明らかにしていない。

発表の中身

同社が共通層の候補に挙げたのはπ0、π0.5、π0.6、π*0.6の4モデル。ロボットの導入を専門とする企業と組み、実環境での性能を示すとともに、作業や環境が変わっても通用するかを検証していると説明した。Ultraの事例ではπ0.6がπ0.5より梱包の成功率を高め、Ultraのデータを事前学習に加えると1時間あたりの処理点数がさらに伸びたとしたが、絶対値はグラフで示すにとどめた。ほかにも複数の提携先と協業しており、近く公表するとしている。

2社は市場の両端に位置する。Weaveは家庭用ロボットを開発する。同社ウェブサイトによると、据え置き型の洗濯物たたみロボットIsaac 0をカリフォルニア州全域に出荷しており、家庭用ロボットIsaac 1は2026年秋に初出荷を予定する。Ultraは既存の作業台に組み込める産業用AIロボットOP1を手がける。同社によるとOP1は1日最大24時間、梱包、仕分け、キッティングをこなし、設置面積は5×5フィート、可搬重量は最大10ポンド、一般的な120Vコンセントで動く。ニューヨークで製造し、顧客には3カ月の試用を提供する。

会社の素顔

Physical Intelligenceは共同創業者のKarol Hausman氏が最高経営責任者を務める。2025年11月20日発表のシリーズBを主導したアルファベット傘下の成長投資ファンドCapitalGによると、創業メンバーにはLachy Groom氏、Sergey Levine氏、Chelsea Finn氏、Brian Ichter氏、Quan Vuong氏、Adnan Esmail氏が名を連ねる。出資者のOutset Capitalは、同ラウンドで企業価値56億ドルで6億ドルを調達し、Lux Capital、Thrive Capital、Jeff Bezos氏、Index Ventures、T. Rowe Priceが参加したと明らかにした。CapitalGはπ0.6について、指示、指導、自律的な練習を経て学ぶモデルで、エスプレッソづくりや洗濯物たたみで成功率が90%を超えると説明している。

競合の動き

今回の構想で、同社はロボットの頭脳を供給する競争の真ん中に立った。Skild AIは2026年1月に企業価値140億ドル超で14億ドルを調達し、一つのモデルであらゆるロボットを動かすと訴える。Rhoda AIは3月10日、インターネット動画で事前学習した工場ロボット向けモデルを掲げ、4億5000万ドルのシリーズAとともに表舞台に出た。Figureは自社モデルHelixを外販せず、1月に人型ロボットの全身制御向けHelix 02を発表した。NVIDIAはCESでGR00T N1.6をオープンモデルとして公開し、Google DeepMindは3月に研究提携を結んだ独Agile Robotsなどハードウエア企業にGemini Roboticsを供給する。

技術の仕組み

これらは視覚、言語、行動を一体で扱うVLAモデルで、カメラ映像と自然言語の指示を受け取りモーター指令を出す。提携先は自社ロボットと作業で実演データを集め、共通モデルを微調整して製品に載せる。WeaveとUltraの事例で最大の改善が出たのは、提携先のデータをPhysical Intelligenceの事前学習に戻した場合だった。導入が増えるほど基盤モデルが賢くなり、その果実はモデル供給側に蓄積する構図だ。

1週間後の3月3日、同社はより長い作業に対応する多重スケール身体記憶「MEM」を公表した。スタンフォード大学、カリフォルニア大学バークレー校、マサチューセッツ工科大学の研究者も名を連ねたarXiv論文によると、MEMはGoogleのGemma 3 4Bを言語基盤とするπ0.6に、直近の細部を保持する圧縮動画記憶と、長い時間軸の出来事を保持する文章要約記憶を加え、最大15分の記憶を可能にする。台所の片付けやグリルドチーズサンドの調理などを実演した。

日本への示唆

日本はファナックや安川電機など産業用ロボット本体とHarmonic Drive Systemsやナブテスコなど精密減速機で世界的な地位を持つが、汎用ロボットモデルでは米中勢が先行する。頭脳を外部から調達する分業が定着すれば、日本のメーカーは本体と部品、現場データで価値を守る一方、モデル供給者に主導権を握られかねない。人手不足が深刻な物流や介護では、こうした汎用モデルを載せた低価格ロボットの導入を急ぐ需要が生まれやすい。

リスクと課題

商用条件は一切公表されておらず、成果は提携先2社の自己申告に基づく。1シフトで自律率96.4%ということは、残りの時間は人の手助けが要るということだ。提携先データの帰属、ロボット側での推論コスト、モデルが誤作動した場合の責任の所在も示されていない。