人の手を入れずに設計された装置は1か月未満で試作されたが、公差と組立の条件は満たせなかった — OpenAIが物理設計に踏み込み、BenchCAD 2.0ではAstraが0.594に落ちた
OpenAIが機械設計・電気設計・システム設計の工程にモデルを入れる取り組みを公開した。筐体・基板・ファームウェアまでを人が直接編集せずGPT-6 Astraに設計させた装置は、2名の片手間で1週間未満に設計され1か月未満で試作されたが、量産準備では生産限界・公差・組立の細部をモデルが一貫して扱えなかったとOpenAI自身が書いている。新設のBenchCAD 2.0では公開済みモデルで最強のAstraが平均0.594、0.875を出したのは名称も提供時期も示されない社内モデルだった。マツダとの空力・衝突安全の協業を含め、設計の層がどこで検証されるかを読む。
執筆・編集責任：日本フィジカルAI新聞 編集部
OpenAIが、機械設計・電気設計・システム設計の工程にモデルを入れる取り組みを公開した（本紙が本文を確認したのは2026年11月3日）。 中心は2つの事実である。1つは、筐体・プリント基板・ファームウェア・UIまでを人が直接手を入れずにGPT-6 Astraに設計させた試作装置が、2名の片手間の作業で1週間未満に設計され、 委託製造で1か月未満に試作できたこと[1]。もう1つは、その装置を量産に乗せる段では数回の見直しと反復が必要で、Astraは製造側の生産制約・公差・組立に必要な細部を一貫して考慮できなかったと OpenAI自身が書いたことである[1]。 併せて公開された新ベンチマークBenchCAD 2.0では、公開済みモデルで最も強いAstra（最大推論努力）の平均が0.594にとどまり、 0.875を出したのは名称も提供時期も示されていない社内モデルだった[1]。 動いたのは設計の層であって、製造できる形に落とす層ではない。
1. 発表の中身 —— モデルを「作る前」の工程に入れる#
発表が扱うのは、ロボットや機械そのものではなく、機械が存在する前の工程である。 OpenAIは、図面の準備、シミュレーションの設定、分野をまたぐ変更の調整といった作業をモデルに支援させており、 対象は機械設計・電気設計からシステム全体の設計までにわたるとしている[1]。 社内のハードウェア・インフラ部門はCodexとChatGPTで、CAD モデルの作成と改訂、製造図面の準備、 シミュレーションの設定、設計レビューを行っており、その範囲にはロボティクスと計算基盤の双方が含まれる[1]。
フィジカルAIの文脈でこの発表が持つ重さは、対象工程の位置にある。 本紙がロボット曝露指標の回で書いたとおり、 物理の自動化が詰まっているのは推論ではなく手であった。今回OpenAIが入っていったのは手の側ではなく、 手を動かす前の設計・検証の側である。ここはAstra世代の画面操作能力が 直接効く層であり、実際に発表はAstraのマルチモーダルと画面操作（computer use）の性能を試す場として装置設計を選んだと書いている[1]。
2. 人の手を入れずに設計された装置 —— 何ができ、何ができなかったか#
試作されたのはCodexと対話するための装置である。OpenAIはGPT-6に機能要件の定義と、 筐体・プリント基板・ソフトウェア統合の設計をさせた[1]。発表が列挙する分担は4つで、 外観の意匠、筐体と内部の部品保持構造、電気部品の選定と基板上の配置・配線、 UIとファームウェアおよびCodexとの接続ソフトである[1]。
発表が「人の直接の編集なし」と言っているのは設計の成果物についてであり、 量産に向けた準備は別扱いで書かれている。そこでできなかったことを、OpenAIは自分で3つ挙げた。製造側の生産限界、公差、組立に必要な細部である[1]。 そしてその欠落を、将来のモデルが何を改善すべきかの手がかりとして扱うと書いている[1]。
この3つは、設計が物理に接する箇所そのものである。公差は部品が実際に噛み合うかを決め、 組立手順は人またはロボットが本当に組めるかを決め、生産限界はその工場で作れるかを決める。 形状として正しい設計と、作れる設計の差がここに出た。エンドエフェクタの設計で詰まるのも、 幾何が描けないからではなく、嵌合と組立の条件を同時に満たせないからである。
3. BenchCAD 2.0 —— 95.9%の次に出てきた0.594#
数値で最も読むべきはここである。BenchCAD 2.0は、3次元の部品と組立体を再構成できるか、 回路基板上の接続を特定できるかを試す[1]。平均スコアは、より新しい社内モデルが0.875、 最大推論努力のGPT-6 Astraが0.594である[1]。
2つの行は別の課題であり、0.594は95.9%からの後退ではない。読むべきなのは、旧版が飽和した位置で新版が作られ、その新版では公開済みの最強モデルが6割に届かないという段差である。 Astraの発表時点で本紙が記録したBenchCADの値はツールありで95.9%だった[2]。 組立体の再構成と基板の接続特定を加えた版にすると、同じモデルが0.594になる[1]。 設計の層が動いたという主張と、その層がまだ測り切れていないという事実が、同じ発表の中に並んでいる。
もう1つ、採否に直結する条件がある。0.875を出したのは「より新しい社内モデル」であって、 名称・提供時期・提供形態はいずれも書かれていない[1]。今日の設計現場が使えるのは0.594の側である。本紙は埋められない欄を推測で埋めないので、社内モデルの行の旧版スコアも「—」にしてある。
4. マツダとChip Ganassi Racing —— 実機の設計現場に入る条件#
OpenAIは、少数の産業側の協業先と組んで実際の設計課題で能力を検証しており、 各社の技術者がモデルの出力を正確性と実用性の観点でレビューしていると書いている[1]。 公表された2件はいずれも、物理試験と直結する領域である。
Chip Ganassi RacingとはR&D部門と組み、既存部品の3Dスキャンを編集可能なCADモデルと 2次元の製造図面に変える工程を試している[1]。元の設計ファイルが入手できない場合に有効だとされ、 同社の技術者がモデルと図面を正確性と製造可能性の観点で確認する[1]。 ここでも審査項目として製造可能性が明示されている点は、前節の欠落と対応している。
もう1件が新たに発表されたマツダとの研究協業である。OpenAIのリサーチとForward Deployed Engineeringの両チームが、 マツダの空力と衝突安全の技術者と組み、新しい車両設計の開発と評価にモデルを使えるかを探る[1]。 気流と構造挙動のシミュレーションを用い、意匠と費用を勘案しながら性能の改善余地を探るという内容で、 Astraがノーズ形状の案を作り、気流を模擬し、有望な案を詰める工程が示されている[1]。 成果は今後数か月のうちに共有するとされ、現時点で公表された数値は無い[1]。
日本の読者にとっての意味は、協業の有無そのものより審査の置き方にある。 衝突安全は法規で試験条件が定まっており、空力は風洞と実走で検証される領域である。 モデルの出力が通るかどうかは、ベンチマークではなくその試験で決まる。 本紙が判断の委譲の回で見たとおり、 エージェントの成果物を人が検収する体制の設計が、能力そのものと同じだけ結果を左右する。
5. フィジカルAIから見て、何が動き、何が動いていないか#
動いたのは設計の往復回数である。筐体・基板・ファームウェアという異分野を1つのモデルが通しで扱い、 2名が片手間で1週間未満に設計を終え、委託製造が1か月未満で試作を出した[1]。 ロボット開発で時間を食うのは、機構設計・電気設計・ソフトの担当が分かれ、変更が互いに跳ね返る工程である。 そこに分野をまたぐ変更の調整を担うモデルが入るなら、効くのは試作の回転である。
動いていないのは製造制約を満たす能力である。公差・組立・生産限界を一貫して扱えないという記述[1]は、 設計が物理に接する最後の数十ミクロンを埋められていないという意味になる。Sim2Realの問題が制御の側で現れるのと同じ構図が、設計の側にも出ている。 気流や構造の模擬は計算で閉じるが、公差と組立は現物と工程に依存する。 本紙が机上機の回で書いたのと同じく、 「動く」は「足りる」を意味しない。
もう1つ変わっていないのは、評価が揃っていないことである。 OpenAIは、設計・シミュレーション・製造・生産に関わる技術者や企業、ソフトウェアベンダーに協業を呼びかけており、 どこで効くのか、何を改善すべきかを理解するために組みたいと書いている[1]。 能力が完成していれば募集の形は取らない。発表自身が、現在地を「初期の証拠」と限定している[1]。
6. まとめ#
OpenAIは、機械・電気・システム設計の工程にモデルを入れ、人が直接編集しないまま設計した装置を1か月未満で試作させた[1]。 同時に、その装置が量産に乗るまでには数回の反復が必要で、生産限界・公差・組立の細部を モデルが一貫して扱えなかったことを自分で書いている[1]。 BenchCAD 2.0では公開済みモデルで最強のAstraが0.594、0.875は名称も提供時期も示されない社内モデルである[1]。 旧版のBenchCADでAstraがツールありで95.9%を出していた[2]ことと合わせれば、 この分野の評価はいま作り直されている最中だと読むのが正しい。 マツダと衝突安全・空力で組むという一文は、設計の自動化がどこで検証されるかを示している[1]。 通るかどうかを決めるのは、スコアではなく試験である。
出典
週刊ニュースレター
今週のフィジカルAIを日本語で。重要ニュース5本・日本/中国・Research Picks・今週の公募。無料、いつでも解除できます。
同じテーマのコラム
- GPT-6世代を表で読む — 画面操作のフロンティアと、OpenAI自身が書いた監視性の後退
GPT-6 Astraの公表表を散文ではなく表の値で読む。権限外へ踏み出す割合は48%から0%へ、サイバー能力はPreparedness FrameworkのCriticalに到達。一方で書かれた推論の監視しやすさは前世代より後退したと発表者自身が記す。負けている項目と脚注の但し書き、GPT-6.1 Solによるコストの階段まで整理し、フィジカルAIから見て何が動き何が動いていないかを分ける。追補: OpenAIがエッセイ「An Alien Mind」で挙げた後退の要因3つと、義務化された安全水準・自主的な減速への言及を加えた。追補2: GPT-6.1 Terraを追加。入力1ドル・出力5ドルでPreparedness Frameworkのサイバー Criticalに触れる一方、画面操作の中心指標は絶対値が一つも公表されていない。Terminal-Bench 4.0の50.3%対21.5%と誤り率53.6%→16.7%だけが検証できる。
- 規範は5つの価値に組み替えられ、文体の細則はほぼ廃止された — OpenAIがModel Specに「文脈」「監督」「主体性」を書き足したが、適合度の数値は1つも無い
OpenAIが2026-10-29付でModel Specを改訂した。記述を人間の意図への忠実さ・危害の最小化・誠実さと透明性・人間の主体性・配慮の5価値に再編し、命令系統を書き直し、「文脈を注意深く考える」を新設、「副作用の制御と伝達」を拡張した一方で、文体の細則は大部分を廃止した。固い境界以外は大部分が上書き可能な既定であり、OpenAI自身が「自社のモデルはまだ完全には反映していない」と書いている。動く機械に繋ぐ側から見て何が使えて何が使えないかを、Anthropicの利用規約と並べて読む。
- 米民主党が上下両院奪還！AIデータセンターは止まるのか？ — LBNL 649TWh・テキサス州とNY州の衝撃・中国のフィジカルAI（IFR 35.4万台）・日本経済への影響を徹底分析
2026年11月3日の米中間選挙で民主党が上下両院の過半数を奪還した。トランプ大統領任期（2029年1月まで）とのねじれ議会・大統領拒否権・上院フィリバスターの制度的境界から、ローレンス・バークレー国立研究所（LBNL）の2030年米国データセンター電力需要推計649 TWh（米国の約11.8%・日本の年間電力需要約803 TWhの約8割規模）とIEA世界予測950 TWh、MIT研究の家庭向け電気料金+2.1%上昇、テキサス州知事選でのジーナ・イノホサ氏勝利とNY州ホークル知事の1年間建設モラトリアム、AIバブル崩壊論を解剖する3層分離、サンダースASI禁止構想と穏健派、フィジカルAIのクラウド学習vsエッジ推論と量子化・実世界データの価値、2026年7月FCC外国製高度ロボット規制と10月28日トランプ大統領布告、IFR World Robotics 2026（中国35.4万台 vs 米国3.85万台 vs 日本3.62万台）、日経平均62,188円への反落とGX戦略地域9道県、中東原油依存度95.9%まで全12章・一次資料に基づき徹底解説する。
- NVIDIA MotionBricks 徹底解説：35万クリップ・推論2msのリアルタイム動作生成AIはゲームとフィジカルAIをどう変えるか
SIGGRAPH 2026論文・NVIDIA公式実装（NVlabs/motionbricks）・Hugging Face公開モデルカード（G1約1.95億パラメータ）を徹底調査。約35万クリップ（約700時間・9,300固有スキル・36分類）からMulti-head VQ-VAEとMasked Token Transformerで30Hz全身軌道を生成し、RTX 5090で2.0ms（15,000 FPS）・RTX 4090 G1単体1.63ms・Jetson Orinで5msを実現する仕組みを分解。ゲーム開発における4,000通りの組合せ爆発解消とUE5導入の4つの制約、フィジカルAIにおける3層制御スタック（VLA × MotionBricks 30Hz × GEAR-SONIC 50Hz）と実機10Hz再計画、異種骨格リターゲティングの課題、ARDY・Kimodoとの比較、ONNXテンソル仕様、BONES-SEED年商100万ドル制限までを完全網羅する。
本コラムはAIを活用して作成・編集し、編集責任は本紙編集部が負います。原典との照合と、掲載後の訂正を行っています。 誤りの指摘は歓迎します。関連する自動生成のニュースはニュースへ。