Anthropicの四足ロボ実験：Claudeがいるチームは開発速度が2倍に

ロボット工学の知識がほぼゼロのソフトウェアエンジニアに四足歩行ロボットを渡し、ボール拾いをさせたら、AIのアシスト有無でどれほどの差が出るのでしょうか。

Anthropicは、最先端モデルが物理世界とどう関われるかを測定するため、自社の研究員やエンジニア8人を集めた比較実験「Project Fetch」を実施しました。参加者はロボットの専門家ではない8名で、Claudeが使えるチームと使えないチームに4人ずつ無作為に分けられました。課題は、ロボット犬を操縦または自律制御してビーチボールを回収することです。

相手チームへ暴走したロボット犬

実験は3つのフェーズに分かれていました。フェーズ1は付属コントローラーでの基本操作、フェーズ2は自作プログラムでPCから接続しセンサー（カメラやLiDAR）を取得して操縦すること、フェーズ3は完全自律でボールを発見して回収することです。

実験開始直後、いきなり事件が起きました。Claudeなしチームが通信接続に手こずっている間に、ClaudeありチームはAIが書いたコードで素早くロボットを動かし始めました。

しかし、ここでClaude側の人間が単純な計算ミスを犯しました。ロボットに「秒速1メートルで5秒間前進」と指示したものの、5メートル足らずの正面には相手チームの作業机がありました。ロボット犬はそのまま相手チーム目掛けて突進し、主催者が慌ててロボットを掴んで電源を切ることで間一髪事故を防ぎました。

圧倒的なスピードと引き換えの理解不足

最終的な結果として、両チームが完了できたタスクにおいて、Claudeチームは約半分の時間で作業を終えました。さらに、ボールを自律的に発見して移動し触れるところまで到達できたのはClaudeチームだけでした。

Claudeが最も威力を発揮したのは、ハードウェアの接続とセンサーのセットアップでした。ネット上には誤った情報が多く、Claudeなしチームは誤情報に惑わされて簡単な接続方法を早々に諦め、LiDARのデータ取得には夕方まで苦戦しました。

一方で、AIの弊害も見られました。Claudeチームは大量のコードを生成できましたが、それゆえに別の手法へと目移りしがちでした。座標軸が反転しているだけの単純なバグに直面した際、修正するのではなく別のメンバーがAIで作った別のアプローチに飛びつき、時間を浪費する場面もありました。参加者からは「ライブラリの理解度テストをやれば、AIを使わなかったチームの方が高得点を取るだろう」という声も上がりました。

なぜ重要か

この実験は、生成AIが物理世界に介入する際のリアルな現在地を示しています。開発者にとっての最大の恩恵は、難解なハードウェア仕様書やネットの誤情報をAIがフィルタリングし、未経験のハードウェアでも短時間で立ち上げられる点にあります。専門知識がなくても、AIとの協調作業で物理デバイスを動かせるハードルは劇的に下がっています。

しかし、私たちはこの実験がAIロボティクスの危うさも同時に浮き彫りにしたと考えています。暴走したロボット犬のトラブルが示す通り、物理世界ではコードのちょっとした計算ミスが即座に衝突や怪我という物理的被害に直結します。

さらに重要なのは「理解の喪失」という問題です。Claudeチームは優れた機能を速く実装できましたが、内部の仕組みに対する理解は浅いまま進んでいました。今後現場でAIへの依存が進むと、迅速に動作はするものの、予期せぬ物理トラブルが発生した際に誰も根本原因をトラブルシューティングできないブラックボックス化が進む懸念があります。