Boston DynamicsとToyota Research Institute、AtlasでLarge Behavior Modelを実証

何が起きたか

Boston DynamicsとToyota Research Institute（TRI）は2025年8月20日、Atlas人型ロボットがLarge Behavior Model（LBM）で自律的な全身操作と移動を行う様子を示した動画を公表した。動画では、Atlasが歩行、しゃがみ込み、持ち上げを組み合わせ、箱詰め、仕分け、整理の連続作業をこなした。 研究者は作業の途中で箱のふたを閉めて床を滑らせるなどの予期しない物理的変化を与え、Atlasが自ら挙動を調整した。両社は、この取り組みが2024年10月の共同研究提携に基づくものだと説明している。

詳細

両社によると、このプロジェクトでは単一のLarge Behavior Modelがロボット全体を直接制御し、手と足をほぼ同じように扱う。従来の人型ロボットでは、歩行・バランス制御と腕の操作制御を分けることが多かったが、この実証ではその分離を採っていない。 TRIは、この方式により、これまで手作業で書き込んでいた機能を新しいコードを書かずに追加できるとしている。Boston DynamicsのScott Kuindersma氏とTRIのRuss Tedrake氏が共同でプロジェクトを率い、全身制御や動的行動を含む大規模モデルの理解を進める研究だとしている。

Key Facts

本紙の見方

今回の発表で新しいのは、Atlasが単に歩いたり腕を動かしたりするのではなく、単一のLarge Behavior Modelが全身を直接扱い、歩行と操作を一体で連続実行した点である。既定路線の延長にあるのは、Boston DynamicsとTRIが2024年10月の共同研究提携で進めてきた人型ロボット研究であり、今回はその成果を動画で示した段階と読める。 Boston DynamicsとToyota Research Institute、Atlas人型ロボットでLarge Behavior Modelを実証との連続性でみると、今回も焦点はLBMが人型ロボットの制御をどう変えるかにある。ただし、前回はLBMの概念実証としての色合いが強かったのに対し、今回は箱詰め、仕分け、整理という一連の長いタスク列に移り、途中で外乱を与えて自己調整まで見せた点が一段具体的である。制御の粒度が「個別動作の自動化」から「作業列の統合制御」へ進んだことが、今回のニュース価値とみられる。 業界構造への含意は、ロボット本体、学習データ、制御アーキテクチャの関係が変わる点にある。TRIは、デモから技能を素早く追加し、さらにモデルが強くなるほど必要なデモが減るとしているため、ボトルネックはハードウェア単体の性能よりも、どのような実地データをどれだけ集め、全身制御にどう反映するかへ移る可能性がある。Boston Dynamicsが示したのは、Atlasのような高機動機体がデータ収集の障壁を下げうるという見方であり、これは高精度の全身動作を学習させる場としての実機の価値を示唆する。一方で、未確定なのは、LBMがどの作業範囲で再現性を保てるか、デモ回数がどこまで減るか、外乱条件下での安定性がどこまで確保できるかである。

なぜ重要か

TRIは、LBMでは人間のデモから技能を迅速に追加でき、モデルが強くなるほど必要なデモが減るとしている。これは、全身制御を伴う人型ロボットで、学習データの集め方と制御の組み方をどう設計するかが重要になることを示す。 Boston Dynamicsは、Atlasのような高い機動性と器用さを持つ機体が、全身の精密さや強さを要するタスクのデータ収集障壁を下げると説明した。実機での連続作業と外乱対応が成立するかどうかが、LBMの適用条件を見極める焦点になる。

日本への影響

TRIがLBMで重視するのは、人間のデモを使った全身制御の学習であるため、同様の制御系を志向する日本勢にとっては、実機データの収集方法とタスク設計が論点になる。とくに、歩行とマニピュレーションを分けずに扱う構成は、既存の産業用ロボットの枠組みとは異なるため、日本のロボット開発でも制御ソフトと実機検証の比重が問われる。