何が起きたか

Physical Intelligenceは2025年11月17日、ロボット学習手法「Recap」を発表した。同手法は、人間のデモンストレーション、専門家によるコーチング、強化学習の3段階を組み合わせ、ロボットが自律経験から学習することを可能にする。同社はRecapを用いて最新のVLAモデルπ0.6を改良し、π*0.6を開発。エスプレッソ製造、段ボール箱組み立て、洗濯物折りたたみなどの複雑なタスクで、スループットを2倍以上に向上させ、失敗率を2分の1以下に低減したとしている。

詳細

Recapは「RL with Experience & Corrections via Advantage-conditioned Policies」の略。デモンストレーションによる模倣学習、専門家による遠隔操作での修正、強化学習による自律的な改善の3段階で訓練する。π*0.6は、エスプレッソ製造を午前5時30分から午後11時30分まで連続稼働、新しい家庭で50種類の未見の洗濯物を折りたたみ、実際の工場でチョコレート包装用の段ボール箱59個を組み立て・ラベル貼りを数時間中断なく実行した。強化学習では、価値関数を用いてクレジット割り当て問題を解決し、行動の良否を判断する。

Key Facts

Physical Intelligenceは2025年11月17日、ロボット学習手法「Recap」を発表した。[1]
Recapはデモンストレーション、コーチング、強化学習の3段階でロボットを訓練する。[1]
π*0.6はエスプレッソ製造を5:30amから11:30pmまで連続稼働した。[1]
π*0.6は新しい家庭で50種類の未見の洗濯物を折りたたんだ。[1]
π*0.6は実際の工場でチョコレート包装用の段ボール箱59個を組み立て・ラベル貼りをした。[1]

本紙の見方

今回の発表は、ロボット基盤モデルの実用性を大きく前進させるものだ。Physical Intelligenceはこれまでπ0.5やπ0.6などのVLAモデルを公開してきたが、模倣学習のみでは複雑な実世界タスクで高い成功率を達成するのが難しいという課題があった。Recapは、この課題を「コーチング」と「強化学習」という2つの追加ステップで解決する。特に、専門家による遠隔操作での修正は、ロボットが実際に起こすミスに即座に対応できる点で、模倣学習の限界を補う。さらに、強化学習による自律的な改善は、人間の介入なしにロボットが自己学習することを可能にし、スループット2倍以上、失敗率2分の1以下という具体的な成果につながった。 本紙の過去報道では、Physical Intelligenceが採用ページで汎用AIロボット開発の継続を表明し、ロボット基盤モデルの汎用性向上を強調していた。今回のRecapは、その戦略の具体的な実装とみられる。同社は「単一の汎用脳で任意のロボットを制御する」というビジョンを掲げており、Recapはそのビジョンを実現するための学習基盤を強化するものだ。 業界構造への含意として、Recapはロボット学習におけるデータ効率の重要性を示している。従来の模倣学習では大量のデモンストレーションデータが必要だったが、Recapは少量のロボットデータと動画データで学習可能とされる。これは、データ収集のコストを削減し、ロボットの導入を加速させる可能性がある。また、強化学習による自律改善は、ロボットが実環境で継続的に学習することを可能にし、長期的な性能向上につながる。 一方、未確定の論点として、Recapの手法が他のロボットプラットフォームやタスクにどの程度汎用化できるかはまだ不明だ。また、π*0.6の実運用における耐久性や、コーチングに必要な専門家の負担なども今後の検証が待たれる。

なぜ重要か

Physical IntelligenceのRecapは、ロボット学習の実用性を高める重要な一歩だ。模倣学習の限界を克服し、ロボットが自律的に改善することを可能にするこの手法は、ロボットの実世界導入を加速させる可能性がある。特に、エスプレッソ製造や工場での箱組み立てなど、実際の業務での連続稼働を実証した点は、ロボットが単なる実験室の存在ではなく、実用的なツールになりつつあることを示している。

日本への影響

日本の製造業は、高精度な組立やピッキング作業の自動化に強い関心を持つ。Recapのような学習手法は、少量のデータでロボットを訓練できるため、多品種少量生産が多い日本の工場にとって有用な可能性がある。ただし、今回の発表はPhysical Intelligenceの技術的な進展であり、日本企業への直接的な影響は現時点では不明。