Physical Intelligence、ロボット基盤モデル「π0.5」を発表 未訪問の家庭で長期的操作を実証

何が起きたか

Physical Intelligenceは2025年4月22日、ロボット基盤モデル「π0.5」を発表した。π0を基に、複数ロボットのデータ、高次意味予測、Webデータなどを共学習し、実世界での広範な汎用化を実現したとしている。実験では、未訪問の家庭でキッチンや寝室の清掃など、長期的かつ器用な操作スキルをエンドツーエンド学習で初めて実証した。

詳細

π0.5は、画像観測、言語コマンド、物体検出、意味的サブタスク予測、低レベル行動を組み合わせたハイブリッドなマルチモーダル例を用いる。共学習とハイブリッドなマルチモーダル例の組み合わせが、効果的な汎化に不可欠だと実験で示した。同社は、この知識転移が実世界での汎化に必須であるとしている。

Key Facts

本紙の見方

今回の発表は、ロボット基盤モデル「π0」の後継として、実世界での汎用性を大幅に拡張する試みだ。π0.5の核心は、複数ロボットのデータ、高次意味予測、Webデータなどを共学習することで、単一環境での学習では得られない知識転移を実現した点にある。特に、未訪問の家庭での長期的・器用な操作をエンドツーエンド学習で初めて実証したことは、VLAモデルの実用化に向けた重要な一歩とみられる。 本紙の過去報道では、2026年8月にπ0.6の実証結果が報じられており、π0.5はその前段階に位置する。π0.6ではパートナー企業の現場データで自律性が向上し、把持ミスが42%減少するなど、実用化が進んでいる。π0.5の発表は、その基盤となる技術であり、今回の論文で示された汎化能力が、後の実証改善につながったとみられる。 業界構造への含意として、π0.5の共学習アプローチは、ロボットの学習データの重要性を再確認させる。複数ロボットやWebデータを活用することで、単一環境のデータに依存せずに汎化できる可能性を示しており、データ収集のコストや多様性が競争力の鍵になる。また、エンドツーエンド学習による長期的操作の実証は、従来のモジュール型制御からの転換を促す可能性がある。 未確定の論点としては、π0.5の具体的なモデル規模や学習データ量、計算リソースが論文に明記されていない点が挙げられる。また、実証されたタスクの成功率や、他の環境での再現性も今後の検証が必要だ。さらに、π0.5が商用展開されるのか、それとも研究段階に留まるのかも不明である。

なぜ重要か

π0.5の発表は、ロボット基盤モデルが研究室を出て実世界の多様な環境で動作する可能性を示した点で重要だ。VLAモデルの汎化能力が実用レベルに近づきつつあり、ロボットの導入コストや適用範囲に影響を与えるとみられる。