何が起きたか

Weaveは2026年9月15日、人の実演から全身器用移動操作を学ぶ統合枠組みを公開した。29の身体関節と12の指関節を、複数物体・複数相互作用系列にまたがって同時に制御する設計である。評価は9物体で行われ、学習済み相互作用で成功率92.5%、追加学習なしの未学習系列で65.0%だった。 同手法は、捕捉した人間と物体の相互作用を、接触を意識したリターゲティングと接近動作の補完によって、ロボットと物体が実行可能な参照軌道に変換する。あわせて、接触注釈付きの約9,000回の物理実行ロールアウトと、約23時間分のデータを公開した。

詳細

Weaveの中核は、接触と形状を考慮する方策であり、身体29関節と指12関節を共同で指令する。対象は複数の物体と相互作用系列で、評価対象は9物体である。 公開データは、接触注釈付きのロボット・物体軌道として約9,000回の物理実行ロールアウト、合計約23時間である。プロジェクトサイトも併せて公開された。

Key Facts

Weaveは、人の実演から全身器用移動操作を学ぶ統一枠組みである。[1]
29の身体関節と12の指関節を同時に制御する。[1]
評価は9物体で実施され、学習済み相互作用で成功率92.5%を示した。[1]
追加学習なしで、未学習系列に対する成功率は65.0%だった。[1]
約9,000回、約23時間の物理実行ロールアウトを接触注釈付きで公開した。[1]

本紙の見方

Weaveの新規性は、単なる模倣学習でも、把持だけの操作学習でもなく、全身バランス・歩行・手指接触を一つの方策に束ねている点にある。29の身体関節と12の指関節を同時に扱い、しかも人の実演をそのまま真似るのではなく、接触を意識したリターゲティングと接近動作の補完を通してロボットが実行可能な参照へ変換する構成だ。ここでは「人の動きの再現」よりも、「接触を維持しながら実行できる制御表現」をどこまで作れるかが主眼になっているとみられる。 本紙の関連記事はないため、過去報道との連続性は置かずに読むべきだが、この発表はヒューマノイド研究でしばしば分断される歩行系と巧緻操作系を同じ枠内で扱う点に特徴がある。成功率92.5%は学習済み相互作用での値であり、65.0%は未学習系列での値であるため、一般化が一定程度示された一方、系列が変わると性能が落ちることも読み取れる。つまり、モデルは「見た動作の再現」には強いが、接触条件や物体配置が変わったときの頑健性はまだ十分に詰める余地がある。 業界構造で見ると、今回の核はハードウェアそのものよりも、接触注釈付きの約9,000回・約23時間の実機ロールアウトが示すデータ基盤にある。全身29関節と指12関節を使うため、入力は視覚だけでなく接触状態、姿勢、接近経路を含む多層的な表現になるはずで、これをどう学習させるかが再現性の差になる。したがって競争軸は、関節数の多さよりも、接触を崩さずに動作系列をつなぐデータ生成・リターゲティング・ポリシー統合の設計に移っていると考えられる。 未確定の論点は、9物体以外への適用範囲、実機での稼働条件、ロールアウトの取得条件、接触注釈の付与方法、そして物体や環境が変わった際の性能低下の度合いである。公開された数値は有意だが、これが実運用のタスク複雑性にどこまで通用するかは、今後の追加評価を待つ必要がある。

なぜ重要か

29関節と12指関節を同時に扱う枠組みは、歩行と手先操作を分けてきた従来の学習設計をまとめる試みである。約9,000回・約23時間の接触注釈付きロールアウトを公開した点は、同種の研究で再利用可能な実データ基盤として意味を持つ。

日本への影響

日本では、ヒューマノイドや多指ハンドの研究開発で、実機データの蓄積と接触注釈の付与がボトルネックになりやすい。Weaveが示したのは、全身29関節と指12関節をまたぐデータと方策の統合であり、歩行系と把持系を別々に最適化してきた研究開発体制には見直しの示唆がある。