人間が行うような高度な器用さが必要な作業をロボットで実行可能にするAIモデル「GEN-1」、実際にロボットを動かすとこうなるという動画あり

AI研究・開発企業のGeneralistが、実世界におけるロボットの動きを最適化するAIモデル「GEN-1」を発表しました。従来のモデルでは成功率64％だったタスクにおいて、GEN-1は平均成功率を99％に向上させたとしています。

Generalist - GEN-1: Scaling Embodied Foundation Models to Mastery
https://generalistai.com/blog/apr-02-2026-GEN-1

Introducing GEN-1 - YouTube

GEN-1はリアルタイムで行動を出力するマルチモーダルモデルです。従来の自動化では実現不可能な汎用(はんよう)性を持ち、これまでロボット工学モデルでは到達困難と考えられていたレベルで幅広いタスクにおける実用性を備えていると紹介されています。

実際にGEN-1を適用したロボットの動画が何本か公開されています。以下はロボット掃除機をロボットがメンテナンスする様子。

Robots servicing robots with GEN-1 - YouTube

工具をしまう様子。

GEN-1 does automotive kitting - YouTube

人間に邪魔されてもめげずにやり直します。この「予期せぬ状況において解決策を即興で生み出す能力」も高いとされています。

以下は洗濯物をたたむ様子です。

GEN-1 does t-shirt folding - YouTube

GEN-1は以前発表されたGEN-0の基板をさらに拡大したものです。GEN-0は世界最大規模の事前学習データセットを用いて訓練されたアーキテクチャによって実現されており、新しいタスクを迅速に学習し、新しい環境に適応し、物理的な常識を解釈する能力を持っていました。

GEN-0をベースにアルゴリズムの進歩によって大きな進化を遂げたGEN-1では、さまざまな能力が大きく発展しました。GEN-1はGEN-0の約3倍の速度でタスクを完了でき、予期しない状況から回復するための試行錯誤能力も向上したほか、いくつかの単純なタスクでは成功率が99％以上に到達したとのこと。

例えば、人間の介入無しでTシャツを86回連続で折りたたみ、ロボット掃除機を200回以上点検、ブロックのおもちゃを1800回以上梱包、段ボール箱を200回以上連続で折りたたむなどのタスクに成功したそうです。

特筆すべきはGeneralistが取り入れた学習エンジンの有効性が実証された点です。ロボット工学における従来の汎用モデルは90％を超える成功率を達成していましたが、高価で拡張が難しい膨大なデータセットに依存しているという課題がありました。一方でGEN-0とGEN-1の基盤モデルはロボットデータを一切使用せず、代わりに行う人間に装着された低コストのウェアラブルデバイスからのデータを使用します。この事前学習によって、大規模なデータセットを必要とせずに、高いレベルの習熟度を達成できることを実証したとのことです。

Generalistは「GEN-1は能力における大きな飛躍を示していますが、すべてのタスクを解決するものではありません。経験とともにモデルのスケーリングを継続することで、より広範な物理知能を解き放ち、実行可能なタスクの範囲を拡大できます」と述べました。