ジェネラリスト、物理システム向け汎用AIモデル「GEN-1」を発表

GEN-1の開発にあたり、Generalistはトレーニングの安定性を高め、カスタムカーネルを作成し、リアルタイム推論のための新しいページド・アテンション手法を考案し、トレーニング後の技術を洗練させ、よりスムーズで正確な動作を実現するための制御機能を改善しました。 | 出典：Generalist AI

Generalist AI社は昨日、ロボット工学向けの汎用AIモデル「GEN-1」を発表した。同社によれば、このシステムはタスクの平均成功率を従来のモデルの64%から99%へと向上させたという。また、Generalist社によると、タスクごとにわずか1時間のロボットデータでこれらの結果を達成し、現在の手法に比べて約3倍の速度でタスクを完了するという。

2024年に設立された同社は、多目的ロボット向けのエンボディッド・ファウンデーション・モデルを開発している。カリフォルニア州サンマテオに拠点を置くGeneralistは、GEN-1が「幅広いアプリケーションにおいて商業的な実現可能性を切り拓く」と主張している。今回のリリースは、ロボット工学におけるスケーリング則の存在を確認したとされるGEN-0モデルの発表からわずか5ヶ月後のことである。

同社はこのAIモデルの進歩に楽観的である一方、GEN-1があらゆるタスクを解決できるわけではないことも認めている。また、実用的な価値を持つためには、一部の現実世界のアプリケーションでは99%を超える成功率が必要になると付け加えた。

編集部注：5月27日と28日にボストンで開催される「2026 Robotics Summit & Expo」では、身体化AIおよび物理的AIの開発に関するセッションが特集される。現在、参加登録を受け付けている。

GEN-1は実世界のデータで学習し、GEN-0からスケールアップ

Generalist AIの説明によると、GEN-1はGEN-0の基盤をさらに拡張し、アルゴリズムを改善することで、基本的なタスクの習得を開始する。このモデルは、50万時間分に及ぶ実世界データで構成される同社のデータセットを用いて、ゼロから学習された。

GEN-0において、Generalistは、言語モデルで見られるような予測可能な進歩と同様に、ロボットの学習を汎用的な方法でスケールアップできることを実証しました。同社は、監視したすべてのゼロショットタスクで同時並行的な改善が見られたと指摘しました。しかし、同社のモデル性能については「商用展開には不十分だった」と認めています。

Generalist社によると、GEN-1は、アルゴリズムの飛躍的進歩によって加速された、データと計算リソースの拡大の結果である。同社は、一部のタスクにおいて、経済的に実現可能な実世界での利用に必要な性能基準に到達しつつあると報告している。

同社は、成功率90%以上を達成した従来の汎用ロボットモデルは、膨大で高価かつスケーリングが困難な遠隔操作データセットに依存していたと指摘した。対照的に、GEN-0とGEN-1の両方の基盤となるファウンデーションモデルは、ロボット固有のデータを一切使用せずに学習されている。

その代わりに、このモデルは、数百万もの活動を行う人間が装着した低コストのウェアラブルデバイスからのデータを活用している。Generalistは、この事前学習アプローチにより、大規模な遠隔操作データセットやシミュレーションデータセットを必要とせずに、高い習熟レベルを達成できることを実証したと述べている。

Generalistは複数の技術分野における進歩を活用

Generalist AIによると、GEN-1には計算効率を高める事前学習の革新技術が組み込まれている。事後学習技術、経験からの学習（強化学習）、マルチモーダルな人間のガイダンス、および新しい推論時手法の進歩も、あらゆるタスクにおける性能向上に寄与した。

これらの改善に加え、同社はGEN-1が前世代モデルと比較して計算規模が大幅に拡大したことを明らかにした。「GEN-1は、新しいタスクを迅速に学習し、新しい環境に適応し、物理的な常識を示す能力を実証した」とGeneralistは述べている。

同社は、GEN-1がデータ効率に優れた学習モデルであると主張している。特定のテストにおいて、このモデルは、タスク固有のデータを10分の1に減らし、微調整のステップも少なくしながら、GEN-0に匹敵する性能を達成した。

Generalist社は、事前学習データセットにロボットデータが含まれていないため、GEN-1が新しいタスクに適応する際、特定のロボットの具現化とタスクそのものを同時に初めて学習していると説明した。

GEN-1は信頼性と即興的な知能を強化

「具現化された基盤モデルは、信頼性が高く、高速であり、予期せぬ状況から回復できる能力を備えていなければならない」とGeneralistは述べた。信頼性に関して、同社はGEN-1が人間の介入なしに、長期間にわたり高い信頼性レベルで複数のタスクを実行できると述べた。

同社は、GEN-1について以下の6つのタスクで実証を行った：自動車部品のキット組み立てを1時間以上、Tシャツの折り畳みを86回連続、ロボット掃除機のメンテナンスを200回以上連続、ブロックの梱包を1,800回以上連続、箱の折り畳みを200回以上連続、そしてスマートフォンの梱包を100回以上休むことなく行う。

事前学習なしでゼロから学習させたタスクでは、成功率は平均19%と低かった。これらのタスクで微調整されたGEN-0モデルは64%の成功率に達した。Generalist社によると、GEN-1は平均99%という生産レベルに匹敵する成功率を達成している。

Generalist社は、これらのモデルが予期せぬシナリオに対しても創造的に対応できると述べた。自動車用キットの例では、ワッシャーが衝撃で正しい位置からずれてしまった場合、ロボットはそれを一旦置いて再把持したり、外的な器用さを発揮してスリットに部分的に挿入したり、さらにはもう一方の手を使って両手での再把持を行ったりすることができた。

Tシャツのような大きく変形する物体が予期せぬ形状になった場合でも、モデルは回復方法を導き出せるとGeneralistは述べた。「これらの挙動は学習データ分布の範囲を大きく逸脱しており、稀で予期せぬ事態からの回復に直接寄与する」と同社は指摘した。

Generalistモデルがタスク完了を加速

Generalist AIは、GEN-1がデモンストレーションにおいて、現在の最先端技術（SOTA）よりも約3倍速くタスクを完了すると述べた。このモデルは、新しい物体の物理特性に動的に対応することができる。

例えば、GEN-1は12.1秒で箱を組み立てることができる。Generalistによると、これは従来のSOTAよりも2.8倍速いという。GEN-0とπ0は、同じ箱でそれぞれ約34秒かかっていた。また、GEN-1は15.5秒でスマートフォンをケースに収納でき、GEN-0の2.8倍の速度で動作する。

Generalistによると、これらの速度向上はいくつかの要素によって実現された。モデルは経験から学習し、「ハーモニック・リーゾニング（Harmonic Reasoning）」を通じて推論の進化を遂げている。

同社はまた、データ収集デバイスが、モデルに膨大な量の事前学習データへのアクセスを提供した点も評価している。これらのデータは、他の様々なタスクを高速で完了させる過程で収集されたものであり、一般的な経験から得られた知識を関連する動的状況へと転用することを可能にした。Generalistはこれを、フォースフィードバックの欠如、遅延、可視性の問題により、必然的に遅く、滑らかさに欠けるデータを生成する従来の遠隔操作システムと比較した。

「GEN-1の構築は困難を極めました。ペタバイト規模の物理的相互作用データをネイティブにサポートできるよう、分散トレーニングインフラを再設計したのです」とGeneralist AIは述べた。同社は、早期アクセスパートナーが本モデルを利用できるようになったと発表した。