米Physical Intelligenceのπ0（パイゼロ）は、画像と言語指示とロボットの動作を一体で学習する基盤モデル（VLAモデル）で、2024年10月に技術報告が公開された。洗濯物をたたむ、箱を組み立てる、食器を片付けるといった多様な実作業を、異なる種類のロボットで実行したと報告された。家庭用ロボットの実用化を示したものではないが、作業ごとにプログラムする従来方式からの転換を示す研究である。
π0とは：視覚・言語・動作をつなぐロボット基盤モデル
π0は、インターネット規模の画像・言語データで学習した視覚言語モデルに、ロボットの動作データを組み合わせ、連続的な動作を生成するフローマッチングという手法を用いる。学習には複数メーカー・複数形態のロボットから集めた大規模な動作データが使われたと説明される。異なる機体でも同じモデルが動く『機体を超えた学習』が、ロボット版の基盤モデルと呼ばれる理由である。
報告された作業：多様な実作業と異なる機体での実行
報告された作業には、ランドリーでの衣類の取り扱いや、散らかったテーブルの片付けなど、柔らかい物体や不定形の対象を含むものが多い。これらは従来の産業ロボットが苦手とした領域で、学習ベースの制御の強みが出る場面である。一方、成功率は作業ごとに異なり、失敗時の復旧や長時間の連続稼働といった運用性能は報告の中心ではない。動画や成功事例だけで実用水準を判断しないことが、ロボットAIの読み方の基本になる。
ロボット基盤モデルの限界：データ規模と安全検証
日本のロボット産業にとっての論点はデータである。基盤モデルの性能は、多様な現場から集めた動作データの量と質に左右されるため、データ収集の仕組みを持つ企業やコンソーシアムが有利になる。製造・物流の現場データをどう権利処理し、学習に回すかという知財と契約の設計が、技術と同じ重さを持つ時代に入っている。情報は2024年10月の同社報告に基づく。
ロボット研究者はVLAモデルの評価設計を、製造・物流の担当者は自社現場データの資産価値を考える材料にできる。実用判断には、成功率と介入頻度の定量開示を待つ姿勢が要る。
あわせて読みたい
「研究者×ビジネス人材のチーム作り：最初の3人の揃え方」 https://seed.aohalab.ai/#/article/8
「大学発スタートアップの知財の帰属：発明は誰のものか」 https://seed.aohalab.ai/#/article/31
出典：Physical Intelligence公式ブログ「π0: Our First Generalist Policy」（2024年10月） https://www.physicalintelligence.company/blog/pi0
本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。