正直に言おう。これまでのロボットのデモの多くは、がっかりするほど入念に振り付けられた「期待外れのバレエ」のようなものだった。宇宙の熱的死が訪れるのが先か、それともロボットがタスクを終えるのが先か――そんな疑問を抱かせるほど、動きは鈍く、ぎこちない。しかし、時としてそんな停滞を打ち破る「本物」が現れる。今日、その沈黙を破ったのは、Generalist社が放った最新AIモデル「GEN-1」だ。同社は実に大胆な主張を掲げている。これは単なる改良ではない。ついに「使い物になる」汎用的なロボットの脳が誕生したというのだ。
Generalistは、GEN-1を「単純な物理的タスクを真にマスターした」初のモデルだと自負しており、その裏付けとなる圧倒的な数字を叩き出している。前モデルであるGEN-0が合格点には程遠い64％という成功率で足踏みしていたのに対し、GEN-1は平均99％という驚異的なスコアを記録。さらに、従来の最先端モデルよりも最大3倍速くタスクをこなし、何より決定的なのは、わずか1時間ほどのデータ学習で新しいタスクを習得できる点だ。これは単なる微増ではない。ロボットがようやく商業的に自立するための、決定的なフェーズシフト（局面変化）と言えるだろう。
スケーリング則から「物理的習熟」へ
わずか5ヶ月前、GeneralistはGEN-0を発表した。それは、GPTのような大規模言語モデル（LLM）の飛躍的進歩を支えた「スケーリング則」が、ロボティクスの世界にも適用できることを示す最初の確かな証拠となった。データ量と計算資源を増やせば、パフォーマンスと汎用性は予測通りに向上する。学術的には極めて重要な一歩だったが、GEN-0はまだ現場で通用するレベルではなかった。
GEN-1は、そのスケーリングのダイヤルを極限まで回した結果だ。50万時間を超える高精度な物理インタラクション・データという膨大なデータセットでトレーニングされ、最新のアルゴリズムによって加速されている。しかし、真の「秘伝のタレ」はそのデータソースにある。コストがかかりスケールが難しいテレオペレーション（遠隔操作）データだけに頼るのではなく、人間が装着する安価なウェアラブルデバイスから得られるデータを基礎に据えたのだ。これにより、シミュレーションや従来の遠隔操作では見落とされがちな、現実世界の物理法則や直感的な微修正といった豊かな知見がモデルに注入された。
「GEN-1は、幅広いタスクにおいて商業的な実用化の壁を突破した、世界初の汎用物理AIモデルであると確信しています」と同社は声明で述べている。
信頼性、スピード、そして「即興性」という三位一体
Generalistは「習熟（Mastery）」を3つの重要能力の組み合わせと定義している。そのうちの2つは、過去60年間の産業オートメーションの根幹をなしてきたものだ。だが、3つ目の要素こそがゲームのルールを根底から変える。
信頼性とスピード：産業の基準を塗り替える
まず、数字が純粋に凄まじい。長期耐久テストにおいて、GEN-1はブロックの箱詰めを1,800回以上、箱の組み立てを200回以上、さらにはロボット掃除機のメンテナンスを200回以上連続で成功させた。ロボットが別のロボットをメンテナンスする光景は、未来への希望か、あるいは極めて限定的なホラームービーの始まりのようにも見える。これらのタスクは、人間の介入なしに数時間にわたって行われ、成功率は99％を維持した。
次にスピードだ。GEN-1を搭載したロボットは、前モデルが34秒かかっていた箱の組み立てをわずか12.1秒で完了させる。スマートフォンのケース詰めも15.5秒と、以前より2.8倍速い。これは単にモーターの出力を上げた結果ではない。モデルが経験から学び、高度な推論技術を駆使することで、手本となった人間よりも効率的な動きを身につけた結果なのだ。
即興性：知性の火花
信頼性とスピードは、工場の床にボルトで固定された産業用ロボットが得意とする分野だ。彼らに欠けているのは、台本通りにいかない現実世界の「不条理」に対処する能力である。ここに、GEN-1の「即興的知性」が光る。
Generalistはこれを、創発的な能力、すなわち「フリースタイルな問題解決」と表現している。あるデモでは、自動車部品のキットを作成中のロボットが、誤ってワッシャーにぶつかってしまう。従来のシステムならフリーズするか失敗するところだが、GEN-1搭載機はその場の状況を判断し、適応する。ワッシャーを一度置いて掴み直したり、スロットの端を利用して向きを変えたり、あるいはもう一方の手を使って両手でサポートしたりする。これらは事前にプログラミングされたリカバリ・ルーチンではない。学習データの分布外で、その場で生成された斬新な解決策なのだ。これこそが「自動化（Automation）」と「自律（Autonomy）」の決定的な違いである。
単なるモデルではなく、一つの「システム」
理解しておくべき重要な点は、GEN-1が単なるモデルの重みの集合体ではないということだ。それは事前学習、事後学習のテクニック、そして推論時の処理における革新を統合したコンプリート・システムである。このシステムレベルのアプローチこそが、わずか1時間の追加データで、新しいロボットの機体と新しいタスクに同時に適応できるほどの驚異的なデータ効率を実現しているのだ。
もちろん、GEN-1が物理的AGI（汎用人工知能）への「魔法の杖」であるわけではない。同社もその限界を認めている。すべてのタスクで99％以上の成功率を達成しているわけではなく、産業用途によってはさらに高い信頼性が求められる。また、創発的な即興能力は「AIアライメント」という重要な問いを突きつける。クリエイティブに問題を解決するロボットは素晴らしいが、その解決策として「効率化のために壁に穴を開ける」といった行動をとらないよう保証する必要があるからだ。
それでも、GEN-1の登場は大きな節目を感じさせる。膨大な現実世界の物理データでモデルをスケーリングすることこそが、汎用ロボットへの最も有望な道であるという主張を裏付けたからだ。「正しく行い、速く行い、想定外の事態にも動じない」という三拍子を揃えることで、Generalistは「役に立つ汎用ロボット」という夢を、現実へと大きく引き寄せた。これは単なる新しいモデルの発表ではない。物理世界がついに、本当の意味での「知性」を宿そうとしている兆しなのだ。