ロボット基盤モデルとは？

定義

ロボット基盤モデルは、幅広く多様なデータで学習した大規模ニューラルネットワークで、1つのモデルを多くのタスク・環境・機体に適応させることを狙う。発想は大規模言語モデルと同じで、一度大きく事前学習し、安く特化させる。

仕組み

1. 事前学習：ロボットの軌跡、シミュレーション、人の動画、画像とテキストを混ぜて学習。多くは学習済みの視覚言語モデルから始める。
2. 追加学習：対象ロボットとタスクの実演データで微調整。
3. 展開：下層の高速コントローラがモデル出力をモーター指令に変換する。

出力は動作（VLAモデル）、未来状態の予測（世界モデル）、または他のモジュールが実行する言語の計画になる。

なぜ重要か

従来のロボットソフトはタスクごとにプログラムや方策が必要だった。基盤モデルは新しいスキルをデータとプロンプトの問題に変えようとする。ボトルネックはデータで、ロボットの経験はWebテキストよりはるかに少ない。そのため遠隔操作、モーションキャプチャ、合成データへの投資が進む。身体性AIも参照。