Physical Intelligence、ロボット基盤モデル「π0.6」で実証進む 折りたたみ自律率と梱包成功率が向上

何が起きたか

Physical Intelligenceは2026年2月24日、ロボット基盤モデル「π0.6」の実証結果を公開した。同社はπ0、π0.5、π0.6、π*0.6などの汎用ロボット基盤モデルを提供し、ロボットアプリケーション開発のための「物理インテリジェンス層」を目指す。パートナー企業WeaveとUltraの現場データによると、π0.6はπ0.5比で自律性が向上し、Weaveのデータを事前学習に加えることで把持ミスが42%、介入が50%減少した。Ultraの現場では96.4%の自律率で梱包作業を達成した。

詳細

Physical Intelligenceは2026年2月24日に公開したブログで、パートナー企業WeaveとUltraの実証結果を報告した。Weaveはサンフランシスコの顧客サイトで洗濯物の折りたたみを行い、π0.6はπ0.5と比較して自律性（総時間に対する自律動作の割合）が向上した。Weaveのデータを事前学習に含める（+WPT）ことで、把持ミス（2回以上の連続失敗）が42%減少し、介入回数が50%減少した。Ultraは倉庫での注文梱包を担当し、π0.6で成功率がπ0.5より向上し、Ultraのデータを事前学習に含める（+UPT）ことでスループット（1時間あたりの梱包数）が増加した。Ultraの顧客サイトでは、フルシフトで96.4%の自律率を達成した。π0.6はプロンプトへの追従性が向上し、エッジケースでの回復戦略が多様化した。

Key Facts

本紙の見方

今回の発表は、Physical Intelligenceがロボット基盤モデルの実用性を、実際の顧客現場でのデータで示した点に新規性がある。同社は「物理インテリジェンス層」をAPIのように提供する構想を掲げており、π0.6の実証はその構想が単なる研究段階ではなく、商用現場で機能することを示す。 本紙の過去報道では、索塔无界が4D世界モデルによる「ロボットの脳」に特化し、ハードウェアを造らない戦略を報じた。Physical Intelligenceも同様にハードウェアを持たず、基盤モデルを提供する立場であり、ロボット産業における「頭脳」と「身体」の分離が進む流れを裏付ける。また、他山科技の触覚センサやR2 Labsのレガシー設備向けコントローラなど、周辺技術の進展も、基盤モデルの適用範囲を広げる要因となる。 業界構造への含意として、基盤モデルの性能向上は、ロボット開発の参入障壁を下げる。Physical Intelligenceが目指す「APIとしての物理インテリジェンス層」が実現すれば、個々の企業が独自にAIスタックを構築する必要がなくなり、ロボットアプリケーションの開発コストが大幅に削減される可能性がある。これは、現在ロボット開発を内製化している企業にとっては脅威となる一方、新規参入を促す要因にもなる。 未確定の論点としては、π0.6の性能が他のタスクや環境でどの程度汎化するかが挙げられる。今回の実証は洗濯物の折りたたみと注文梱包に限られており、より多様な作業での検証が必要である。また、モデルの学習データにパートナー企業のデータが含まれることで性能が向上するという結果は、データの蓄積が競争優位につながることを示唆するが、データの取得方法やプライバシーに関する課題も残る。

なぜ重要か

ロボット基盤モデルの実用性が、実際の顧客現場での数値で示されたことは、ロボット産業における「頭脳」の価値を明確にした。Physical Intelligenceの取り組みは、ロボット開発のコスト構造を変え、新たな応用を生み出す可能性がある。

日本への影響

日本のロボット産業は、ハードウェアに強みを持つが、基盤モデルやAIスタックの分野では海外勢に遅れを取る可能性がある。Physical Intelligenceのような基盤モデル提供企業が台頭すれば、日本のロボットメーカーはハードウェアと基盤モデルの連携を模索する必要が出てくる。