OpenAI、梁文峰氏の「予言」を裏付ける

レターAI

2026.11.20 08:05

・北京から

全文 4468語

テキスト |レターAI

GPT-6.2 Astra は、実際のロボット アーム テストでトップとなり、一般的な大型モデルのダイレクト ドライブ ロボットの能力をさらに一歩前進させました。

独立評価機関 Artificial Analysis が発表した AA-Robotics v0.1 リストによると、GPT-6.2 Astra は 79 点を獲得し、8 つの物理タスクのうち 6 つを完了しました。

OpenAIのフラッグシップモデルだけでなく、比較的非力なGPT-6.2 Solも78点という高スコアを獲得した。

このベンチマーク テストでは、モデルでは特別なトレーニングが許可されておらず、ゼロサンプル設定が全体を通して使用されます。このモデルは、コードを記述することで 6 軸ロボット アームを直接制御し、実際のオブジェクトを動かします。

これまでロボットメーカーは一般に、垂直ロボットモデルの方がロボットの適応性と力の制御に利点があり、ユニバーサルモデルよりもロボットに適していると信じていました。

現在では、一般モデルの開発により、パフォーマンスの反復を経て、一般モデルが垂直モデルの地位に取って代わる可能性があるようです。

梁文峰氏も同様の見解を表明している。彼は、身体化されたインテリジェンスのブレークスルーは、一般的なモデル機能の継続的な進化に基づく可能性があると信じています。

Liang Wenfeng の AI ルートでは、汎用モデル自体の機能の進化が AGI に至る本筋であり、身体化されたインテリジェンスはこのルートの延長です。

01

11月13日、海外メディアは、OpenAIが独立したロボット工学チームを解散し、元のロボット工学チームを同社の主要研究チームに統合したと報じた。アプリケーション ロボティクス チームとハードウェア チームは他の部門に調整されました。

OpenAIはメディアに対し、調整の理由は一般的なモデルがロボットの制御において良好なパフォーマンスを発揮するためであると認めた。

研究者らは、GPT-6 Astra をロボットに接続した後、いくつかの特定のタスクの実行に参加することができ、驚くほどうまく機能することを発見しました。

実際、GPT-6 Astra のリリース後、Astra をロボットの駆動に使用する試みが何度も行われてきました。たとえば、独立評価機関ロボカーブによる実機テストでは、アストラが二腕ロボットアームを使用して「ブロックを掴んでボウルに入れる」というタスクを実行した場合、95%の成功率を達成したことが示されています。

このような実験は、ユニバーサルモデル制御ロボットに、より現実的な基礎を与えます。これに関連して、OpenAI は半年足らず前に設立された独立したロボット工学チームを主要な研究チームに統合し、研究者たちは一般的な人工知能モデルの開発に目を向けました。

これはOpenAIが技術的な路線を変更したことを意味する。一般的なモデルがロボットを制御し始めたので、ロボット用に別の特別な「空間知能」モデルを開発する必要はありません。

実際、OpenAIがロボット技術路線で方向性を調整したのはこれが初めてではない。

OpenAI は 2019 年の初めにロボット工学チームを設立し、強化学習やその他の手法を使用してロボットに物体を掴んだり配置したりするタスクを学習させようとしました。しかし2020年までにチームは解散した。

その共同創設者である Wojciech Zaremba 氏は、ロボットのデータには限りがあり、AGI は他の方法でより効率的に実装できるとかつて説明しました。その後、OpenAI は大規模言語モデルに焦点を当て、2022 年に ChatGPT を開始しました。

マルチモーダル モデルの開発により、OpenAI は再びロボットに注目するようになりました。

2024 年に、OpenAI は人型ロボット企業 Figure AI と協力して、大規模モデルの機能をロボットに適用することを試みます。

当時、OpenAIのバイスプレジデントであるピーター・ウェリンダー氏は、Figureとの協力は、大規模なマルチモーダルAIモデルのサポートによって人型ロボットが達成できる知能のレベルを探ることであると述べた。

その後、Figure AI が公開した Figure 01 のデモビデオでは、ロボットが人間の指示に従って簡単な商品配送を完了できることが示されました。このコラボレーションでは、OpenAI のモデルが視覚的な理解と言語対話機能を提供します。

しかし、その1年後、Figure AIは協力関係の終了を発表し、独自のロボットAIの研究開発に舵を切った。

そして、OpenAI のロボットは不滅の心を持っています。 2026 年初頭、OpenAI 研究者は別の技術的ルートを模索し始めました。Sora のようなビデオ生成モデルから始めました。

ビデオ生成モデルとして、Sora はオブジェクト、空間、動きの間の関係を理解することができ、物理世界がどのように機能するかをある程度理解できるようになります。

OpenAI の出番は特別なケースではありません。 2025 年の初めの時点では、身体化されたインテリジェンスの主流はまだ VLA モデルでした。年末までに、シナリオ間の一般化やその他の側面における VLA の欠点が明らかになり、業界は世界モデルに注目し始めました。

Sora が閉鎖されてから 2 か月後の今年 6 月、サム・アルトマン氏はロボット部門「OpenAI Robotics」の設立を発表し、Sora チーム全体をロボットの研究開発にシフトさせました。ソラの父であり、DALL-E の創設者であるアディティア・ラメシュが主導し、ソラが蓄積した世界シミュレーション技術がロボットの訓練に応用されました。短期的な焦点は産業用補助ロボットであり、長期的な目標は消費者向けの人型ロボットです。

しかし、すぐにまたルートが変わりました。

この部門の設立からわずか 3 か月後の今年 9 月、OpenAI は GPT-6 Astra をリリースしました。 OpenAI は、一般的なモデル自体がすでにロボット タスクに参加できることを発見しました。ロボットに特化したワールドシミュレーション技術と比較して、一般的なモデルが持つ既存の視覚理解力、推論機能、タスク計画機能をそのまま活用する方法があります。

カーネギーメロン大学ロボット研究所の助教授Guanya Shi氏は、これはOpenAIがロボット工学が「もはや特別な問題ではない」と信じていることを意味するとコメントした。

ロボット工学の道で寄り道した後、OpenAI は一般モデルに注目しました。

02

OpenAI の変更は特別なケースではありません。ロボットタスクにおけるユニバーサルモデルのパフォーマンスにより、業界はこの技術路線を見直すことになりました。

NVIDIA が 10 月に発表した Astranomy 研究では、GPT-6 Astra を直接使用してシミュレートされたロボットを制御しています。 RoboLab-120 のテストでは、直接制御方式により 66.3% のミッション成功率が達成されました。

NVIDIA のロボット部門責任者 Deepu Talla 氏は最近のインタビューで、GPT-6 Astra の登場はロボットのマルチタスク機能の促進における大きな進歩であると述べました。

Anthropic によってリリースされた Claude Fable 5.2 も同様の機能を示しています。モデル制御されたロボットは、ルービック キューブを解く、ボトルのキャップを外す、ロボットを描くなど、さまざまなタスクを完了しました。 RoboDojo Sim シミュレーション ベンチマークでは、Fable 5.2 の平均成功率は 64.9% に達し、同じテスト フレームワークにおける GPT-6 Astra のスコアは 29.8% でした。

この技術的ルートはまだ成熟していませんが、少なくとも普遍モデルが身体化知能研究において試す価値のあるルートになりつつあることを示しています。

中国でもロボット企業がこの変化に注目している。

Yushu 氏は、ロボットにおける大型モデルの使用を研究しています。王興興氏は、「来年GPT-7が登場すれば、身体化された知能の問題を直接解決できるかもしれない」と率直にさえ言った。

以前、Yushu は VLA モデルの推進と世界モデルの探索の両方を行っていました。 Wang Xingxing は、昨年 Yushu がビデオ生成に基づいた世界モデルを再び採用したと述べました。 Yushu は、ユニバーサル VLA モデル UnifoLM-VLA-0 と WMA (World Model-Action) モデルをリリースしました。

しかし最近、ユシュはロボット実験に GPT-6 アストラを使用しようと試み始めました。

Wang Xingxing 氏は、事前に複雑なプログラムを書かなくても、ロボットは即座に言葉を発するだけで絵を完成させることができるとかつて述べました。たとえば、ロボットはチェス盤を認識するだけでなく、チェスの駒を対応する位置に正確に配置します。王興興は、これらの実験は「ゼロトレーニング」条件下で完了したと強調した。

Zhiyuan Robot も同様の方向性を模索しています。

最近、Zhihui Jun氏のチームが論文を発表した。この論文の核心は、チャットできる大型モデルとアクションを実行できるロボット本体を接続することです。モデルは口頭での指示を理解できるだけでなく、ロボットの体を使って実際の物体を指す、体の動き、顔の表情などのタスクを完了することもできます。

これは、ロボット企業が、汎用の大型モデルの機能をロボットの本体に「接続」して、身体化された知能を促進しようとしていることを意味します。

これは梁文峰氏にとって、前回の判決に対する新たな参考資料となった。

世界モデルが身体化されたインテリジェンスの分野で一般的な方向性になったとき、梁文峰はこの技術的な路線では比較的抑制されているように見えました。彼は汎用モデルそのものの能力の進化をより重視しており、それがAGIにつながる本線であると考えている。

Liang Wenfeng の AI ルートの概念では、エージェントの後、まず AI モデルの継続学習能力を解決し、次にそれ自体で反復できる特異点に到達し、その後、知能を具現化する必要があります。

言い換えれば、彼はまず一般モデル自体を十分に強力にしてから、この能力を物理世界に拡張したいと考えています。

これは、OpenAI の最新の調整に似ています。どちらも、身体化された知能は必ずしも独立した一連のロボット知能をゼロから訓練する必要はないという結論を示しています。一般的なモデルの機能の進化は、ロボットが身体化された知性を目指して進む道となる可能性もあります。

そして、両社ともモデルレベルにとどまっていません。

OpenAIはロボット事業を調整している一方で、多くのロボット企業に投資している。 DeepSeek は身体化インテリジェンスの分野にも進出し始めており、Yushu Technology の配置に参加し、Yushu と 3 年間の戦略的協力関係を締結し、Winverse AI や Lige Wanwu などの企業に投資しています。

03

一般的な大型モデルのロボットへの統合は新たなトレンドとなっていますが、これは VLA モデルやワールドモデルが消滅することを意味するものではありません。

ここ数年、身体化インテリジェンスの主流技術ルートは、VLA モデルからワールド モデル、そして一般的な大型モデルへといくつかの変化を遂げてきました。しかし、誰も本当に代わりになることはありません。

まず注目されたのがVLAモデル。いわゆる VLA (Visual-Language-Action Model) とは、簡単に言えば、カメラ画像と人間の指示を同時に処理し、理解結果をロボットの動作に変換するモデルです。

この路線の出現には、当時の大型モデルの開発段階が関係している。当時、大型モデルはある程度の言語と視覚理解機能を備えていましたが、ロボットを直接制御することはできませんでした。ロボット自体のデータは限られており、ロボット モデルをゼロからトレーニングすることは困難です。

2023 年 7 月、Google DeepMind は VLA モデル RT-2 をリリースしました。これは、ネットワークとロボットのデータから学習し、この知識をロボット制御のための汎用命令に変換することができます。

VLA ルートは、当時の実現可能な解決策を提供しました。ただし、VLA には汎化能力と自律性が欠けています。その結果、ロボットは複雑な現実世界の環境に適応できなくなります。

現実の物理世界では、ロボットは継続的な物理的変化に対処する必要があります。ロボットは、今何をすべきかを知るだけでなく、それを行った後に世界がどのように変化するかを判断する必要もあります。

したがって、ビデオ生成モデルが登場したとき、メーカーは一般に、ビデオ生成モデルが VLA モデルに代わるものであると信じていました。

2024 年 2 月、OpenAI は Sora をリリースし、大規模なビデオ トレーニングが物理世界シミュレーターを構築するための道になったと技術レポートで提案しました。

インターネット上には人間の活動を映したビデオが大量にあります。人間が物を拾う、物を動かす、歩く、物を整理する様子などがすべてビデオに記録されます。モデルがこれらのビデオからオブジェクトの動き、空間関係、およびアクションの結果を学習できれば、この能力をロボットに移す機会が得られます。

しかし、ビデオ生成はロボットを制御できることと同じではありません。その結果、業界は世界予測とアクション生成を組み合わせて世界アクション モデル (WAM) を形成しようと試み始めました。

言い換えれば、VLA は観察から行動へのマッピングに焦点を当てているのに対し、世界行動モデルは未来の予測を行動の決定に組み込もうとしています。

ただし、世界モデルには依然として多くの問題があり、シミュレートされた物理プロセスが現実の環境では正確に再現されない可能性があります。

アストラの後、業界は別の可能性を模索し始めました。汎用大型モデルはロボットのタスク理解、計画、意思決定を直接担うことができるのでしょうか?

スタンフォード大学のチームがカリフォルニア工科大学と共同で発表した身体化知能研究プロジェクト、HomeBody がその一例を示している。この研究は、「汎用大型モデルが十分に賢い場合、ロボットは大型モデルと身体の間の中間層として VLA モデルも必要か?」という質問に答えようとしています。

HomeBody の答えは次のとおりです。一定の範囲のタスクでは必要ありません。

研究者らが GPT-6 Astra を Yushu G1 人型ロボットに接続すると、ロボットは事前に構築されたロボット スキル ライブラリを直接呼び出しました。ロボットはこれまで見たことのない厨房に入ると、人間の指示に従って品物の仕分けや検索を完了した。

同じことが、後に Anthropic によってリリースされた Fable 5.2 にも当てはまります。 Fable 5.2 では、特別な訓練を受けていないロボット タスクであっても、ロボットを制御する能力が大幅に向上しました。

これは、モデルの推論能力が向上するにつれて、当初は特殊なトレーニングが必要だった一部のロボット スキルが一般的なモデルから出現し始める可能性があることを意味します。

身体化された知能の中心的な課題は、ロボットが環境を理解し、行動の起こり得る結果を判断できるようにすることです。世界モデルの考え方は、ビデオから学び、未来をシミュレーションすることです。一般的な大規模モデルの考え方は、既存の推論機能を使用してタスクを分析し、それをタスクの計画に使用することです。

2 つのルートの技術的アイデアは異なりますが、現実世界で AI にアクションを起こさせるという同じ目標を指しています。

原作を尊重し、資格があれば評価されるはずです。

サイバーセキュリティ法の実名要件に従って、コメントを投稿する前に携帯電話番号をバインドしてください。

急行

08:05

Nvidia、普及 AI スタートアップ Incept の買収に 5 億ドル以上で迫る

08:04

EU、ハンガリーの54億ユーロの防衛融資計画を承認

08:01

王毅氏、中国、ロシア、米国の首脳会談の状況を紹介

07:59

MSCIは12月1日にアンスロピックを大型株指数に追加する

07:39

Anthropic CEO: 同社は将来的に投資適格の信用格付けを取得したいと考えています

07:36

Anthropic CEO、9,000 億米ドルの AI 投資コミットメントに応じる: 既存の現金準備金や収益に比べれば大した額ではない

07:34

SpaceXはAIチップ関連の債券を少なくとも320億ドル発行する計画だと伝えられている

07:32

アンスロピックがナスダック開会のベルを鳴らし、史上最大のIPO記録を樹立

07:20

米国株式市場終値コメント:主要3株価指数はいずれも高値で始まり安値で推移した後、2%以上下落した。 Anthropic は初登場で 17% 上昇しました。

07:14

トランプ大統領、新年前に対イラン行動を「急ぐつもりはない」

07:08

ファンドの正味価値はポジション調整の方向性を明らかにし、金融機関は次の段階の確実性を模索します。

2026-11-19 23:11

朱立丹取締役がワハハ商業有限公司を告訴

2026-11-19 23:02

国内商品先物市場は夜間に大半が値上がりして取引を終了し、黒物商品が上昇を主導した。

2026-11-19 23:01

国際エネルギー機関:中東紛争は世界のエネルギー情勢を再構築する可能性がある

2026-11-19 22:59

スペースXは木曜日に少なくとも320億ドルのAIチップ債券発行を計画している

2026-11-19 22:55

アンスロピックは取引初日に99.60ドルで始まると予想されている

2026-11-19 22:52

リバモアの中国コンセプト株の代表指数は2%に上昇し、拼多多は13%近く上昇した。

2026-11-19 22:51

Anthropic IPO の株式の約 15% が個人投資家に売却

2026-11-19 22:50

亚太经合组织互联互通蓝图

2026-11-19 22:46

Anthropic的IPO未向多数机构买家配售股份

扫描下载App