何が起きたか

leaderobot.comは2026年10月27日、阿里巴巴傘下の高德が、オープンワールドの行動に基づく全身基盤モデルを公開したと報じた。同記事によると、モデルは人の行動データを使い、ロボットの移動、姿勢、両手操作の協調を学習する。代表タスクの実演データ収集時間は、ロボット本体で収集する場合の約100秒から29秒になり、収集効率は約3.4倍だとしている。

本紙の見方

焦点は「全身基盤モデル」という名称より、ロボット本体を使う収集から、人の動作を記録してロボット学習に用いる方式へ移したと報じられた点にある。代表タスクの収集時間が約100秒から29秒になったという数値は、データ取得工程の効率に関するものだ。これだけで、異なる環境やロボットへの汎化、実作業の成功率、運用コストまで改善したとは判断できない。評価の対象や条件と、データがどの機種に適用されたかを分けて見る必要がある。 本紙が9月10日に扱った「Amap、ABot-Earth 0.7を発表　単一GPUで10分の3D都市生成」は、3D都市シーンの生成を扱った。今回の報道は、人の全身動作をロボットの学習に結びつけるもので、空間の表現と身体動作の学習という異なる層を示す。ただし、両モデルのデータ共有や技術的統合が行われているとは、今回の報道から確認できない。また、禾赛科技の3D世界データエンジン「Kosmo」も実世界の3Dデータ化を掲げており、空間情報と動作情報をそれぞれどう取得し、ロボット訓練へ渡すかが、関連する基盤の比較軸になる。 実装面では、小鵬IRONの第二世代VLA端側展開をめぐる報道が示す端側での推論と、学習データの収集・モデル形成は別の工程である。今回の情報だけでは、高德のモデルがどのような計算環境で動くか、特定のロボットに搭載されたかは分からず、データ取得の短縮がそのまま端側の処理や実作業に結びつくとはいえない。今後確認すべきなのは、収集データの規模と構成、動作の位置合わせ方法、評価条件、対応機種、学習後の実機性能である。これらが公開されなければ、約3.4倍という効率値を他のタスクや機体に当てはめて比較することは難しい。

なぜ重要か

leaderobot.comの報道が示すのは、代表タスクの実演データ収集時間が約100秒から29秒になったという、データ取得工程の差である。人の動作を用いる方式が、ロボット本体による収集をどの範囲で置き換えられるかは、評価条件や対応機種と合わせて見る必要がある。