Anthropicの四足歩行ロボ実験：Claude Opus 4.7が人間の20倍の速さで自律制御

2025年8月、Anthropicはロボット工学の専門知識を持たない社員たちに市販の四足歩行ロボット（ロボット犬）を渡し、ビーチボールを回収させる「Project Fetch」という実験を行いました。当時はClaude Opus 4.1の支援を受けたチームが好成績を収めたものの、AI単体で動かそうとするとロボットへの接続方法すら分からず完全に頓挫していました。

それから1年も経たないうちに、Anthropicは第2フェーズの結果を公開しました。最新モデルのClaude Opus 4.7が、人間を圧倒する進化を遂げています。

人間の最速チームより20倍速くタスクを完遂

今回の実験では、研究者の役割はClaude Codeを起動したPCをロボット犬に繋ぎ、プロンプトを入力してコマンド実行の承認ボタンを押すだけに制限されました。

適応的思考（adaptive thinking）を最大設定にしたOpus 4.7は、自律的に作業を進行。ビデオカメラやLiDARセンサーへの接続、手動操作用プログラムの作成、空間内での移動軌跡の追跡、ボールの画像認識といったタスクを次々とクリアしました。

第1フェーズで人間の参加者が達成できたすべてのタスクにおいて、Opus 4.7は最速の人間のチームより約20倍高速でした。両チームが完了できた4つの基本タスクに限れば、AIなしの人間チームより37倍以上、当時のClaude支援チームよりも18倍以上速いタイムを記録しています。

特筆すべきはコードの簡潔さです。人間があれこれ試行錯誤して大量のコードを書いていたのに対し、Opus 4.7は最適な手法を素早く見つけ出し、ほぼ一発で動くコードを作成。生成したコード量は第1フェーズのClaude支援チームの10分の1以下にとどまりました。

リアルタイムの物理制御という壁

一方で、モデルはプロジェクト名でもある「ボールを取ってくる（Fetch）」動作には苦戦しました。

人間ならコントローラーを握り、ボールが逸れたら微調整しながら慎重に目標地点へ運ぶことができます。しかしOpus 4.7はロボットをボールの後ろに回り込ませるところまでは成功したものの、ボールを押し出す繊細な力加減や微修正ができず、自律回収プログラムを成功させることはできませんでした。

Anthropicによると、今回の能力向上はロボット専用の強化学習などによるものではなく、汎用モデルのスケーリングによって自然に創発した能力だといいます。

なぜ重要か

私たちは、この実験がAIエージェントの適用範囲がソフトウェアから物理空間へと本格的に滲み出し始めた象徴的な出来事だと考えています。

まずモデルが人間を支援し、次に人間がモデルを補助し、最終的にモデルが自律的にこなすようになるというプロセスは、すでにコーディングやサイバーセキュリティで起きています。同じ現象がハードウェアの制御インターフェース構築でも現実のものとなりつつあります。

ロボット開発者やプロトタイピングを行う技術者にとって、未知のセンサーを接続したり制御用スクリプトをゼロから書いたりする泥臭い初期工程は、Claude Codeのようなツールを使えば数分で片付く時代がすぐそこに来ています。

ただし、高精度の閉ループ制御やアクチュエーションといった低レイヤーの物理制御は、汎用LLM単体では依然として解けていません。上位の論理的な環境構築やタスク計画はLLMエージェントが担い、足元のリアルタイム制御は専用の物理モデルに任せるという役割分担が、当面の現実解になるとみられます。