- マイクロソフトは、2026年1月下旬に、視覚、言語、タッチセンサーを使用して2本の腕で作業するロボットモデル、Rho-alphaを発売した。.
- このシステムは、カメラが検出できない物理的なフィードバックに基づいてグリップを調整するため、プラグの挿入や部品の取り付けに役立ちます。.
- メーカーは Microsoft Foundry を通じて、反復的な処理タスクに合わせてカスタマイズできます。.
マイクロソフトリサーチは2026年1月下旬、音声コマンドと物理的なフィードバックを処理しながら、ロボットが手を使って作業できる 新しいロボット制御システムを発表した。Rho-alphaと呼ばれるこのシステムは、同社が両腕を同時に使用するロボット向けの基盤モデルに参入することを示すものだ。
この技術は、まず早期アクセスプログラムを通じて特定のグループに提供 され、その後マイクロソフトのFoundryプラットフォーム上でより広く利用可能に なります 。その後、企業は独自のデータを用いて、このシステムを自社のニーズに合わせてカスタマイズすることができます。
ロボットの知能に触覚を加える
工場や倉庫では、同じプログラムされた動作を永遠に繰り返すのではなく、変化する状況に対応できるロボットが求められて います。病院では、さまざまな状況に適応できる機械が必要です 。バッチごとに製品が異なる生産ラインでは、従来の自動化では効率的に解決できない 問題が発生します。マイクロソフトは、ロボットがセンサーを通して物理的に感じ取る情報に加え、視覚情報や聴覚情報も処理することで、こうしたニーズを満たすためにRho-alphaを開発しました 。
今日の ほとんどのロボットシステムは、周囲の状況を把握し、指示を受けるためにカメラとマイクに依存しています。Rho -alphaは、触覚も同様に重要視することで、さらに一歩進んだ機能を提供します。ロボットグリッパーに圧力センサーが内蔵されている場合、カメラでは全く捉えられない情報を得ることができます 。これは、ソケットに何かを差し込んだり、部品を組み立てたりする際に、視覚だけでは正しく位置合わせされているかどうかを十分に判断できない 場合に特に重要です。
マイクロソフトは 披露した これらの機能を、圧力と接触を検知するセンサーを搭載したUniversal Robots UR5eアーム2台を使用して、。BusyBoxと呼ばれるタスクセットを使ったテストでは、人間がロボットに「工具箱の中にトレイを入れて蓋を閉める」 といった指示 を出した 。システムはこれらの指示を両アームの協調動作に変換し 、センサーが感知した内容に基づいて調整を行った。プラグの挿入が一度でうまくいかなかった場合、 人間が3D入力デバイスを使ってロボットを誘導することができ、システムはその修正から学習した。
十分な訓練データの取得は、 有能なロボットを開発する上で依然として最大の課題です。言語モデルはオンラインで入手可能な膨大な量のテキストから学習できますが、ロボットの訓練には実際の物理的なデモンストレーションが必要であり、その記録には時間と費用がかかります。マイクロソフトは、Rho-alpha を3種類の情報で訓練することでこの問題に対処しました。具体的には、実際の物理的なデモンストレーションの録音、模擬練習タスク、そしてウェブ上の質問と回答を含む大規模な画像データセットです。同社はAzureサーバー上で動作するNvidia Isaac Simを活用し、強化学習プロセスを通じて現実的な合成シナリオを作成しています。
このシミュレーション設定は、実際のデモンストレーションを補完する、物理的に正確な練習状況を生成します。この組み合わせたアプローチ により、 モデルは、通常であれば数千時間の実運用が必要となるような異常なケースや故障状況にも対応できます。
このトレーニング方法は、ロボット工学分野の他社が採用している手法に倣っています。Google DeepMindのGemini Roboticsシステム、 Figure AIのヒューマノイドロボット向けHelixモデル、Physical IntelligenceのPi-zeroはいずれも、データ不足の問題に対処する ために同様のアプローチを採用しています。この技術により、 これらのシステムは、直面する可能性のある個々のタスクごとに具体的なデモンストレーションを行うこと なく、一般的な操作スキルを学習することができます。
成熟市場での競争
Microsoftは、過去1年半で大きく成長した ロボティクス基盤モデル市場に参入しました。NVIDIAは、全身制御と状況理解に重点を置いたヒューマノイドロボット向けのGR00T N1.6 をリリースしました。Google DeepMindは、紙を折り紙の形に折ることからトランプの扱いまで、幅広い能力を備えたロボット工学分野にGeminiを拡張しました。Physical Intelligenceは、様々なロボットタイプに対応できる汎用システムとしてPi-zeroを発表しました。
Rho-alphaは3つの点で際立っています。第一に、触覚センシングを重視しているため、視覚のみ に依存するシステムでは対応が難しい状況にも対応できます 。第二に、このモデルはMicrosoftのPhiシリーズをベースにしており、同社が一般消費者向けハードウェアで効率的に動作するように調整しています。この背景から、クラウドサーバーへの常時接続を必要とせずにローカルデバイスで動作できる可能性が示唆されます。第三に、実際の操作中に人間の修正から学習することに重点を置いているため、新しい動作を習得するために完全な再トレーニングが必要なモデルとは一線を画しています。
マイクロソフトのビジネスアプローチも競合他社とは異なります。同社は、Rho-alphaをFoundryプラットフォームを通じてインフラストラクチャとして提供し、メーカーやシステムインテグレーターが独自の情報に基づいてカスタマイズできるようにする計画です。これは、Azure OpenAI Service 、汎用モデルを使用するのではなく、独自の特化型バージョンを作成したい組織をターゲットとしています。
製造業者や物流会社にとって、当面のチャンス は、既存の自動化システムでは 対応しきれない反復的な作業を特定する ことにある。品質検査ステーション、製品のキットを組み立てる作業、小ロット生産ラインなどは、Rho-alphaの言語理解とタッチセンシングを組み合わせた技術によって、プログラミングの必要性を削減できる 可能性のある状況だ。
マイクロソフトが発表した早期アクセスプログラムは、企業が導入インフラへの投資前に、システムが自社のニーズに適合する かどうかをテストする機会 を提供します 。企業は、人間による監督が必要となることを前提にこれらの評価に臨み、初期学習期間においてオペレーターがロボットを修正・誘導するワークフローを計画する必要があります。
フィジカル AIは 、ロボットをプログラムされた道具から柔軟な協働者へと転換させるものです 。この転換には数ヶ月ではなく数年かかるでしょうが、Microsoft、Nvidia、Googleが生み出す基盤モデルは、 defi今後10年間のエンタープライズロボティクスを
仮想通貨ニュースを読むだけでなく、理解を深めましょう。ニュースレターにご登録ください。 無料です。
ハニア・フマユン
ハニアは、金融、経済動向、予測市場の分析において長い経験を持ち、 Cryptopolitan 入社しました。彼女は、新興技術、AI、フィンテックのトピックを担当してきました。ハニアは、建築士の資格も持ち合わせており、その経験はニュース記事に活気と正確さをもたらしています。彼女はラホールの国立芸術大学で建築学の学位を取得しました。
