Google DeepMindが33研究機関と連携、汎用ロボット向け「Open X-Embodiment」公開

Google DeepMindは、世界33の研究機関と連携し、オープンソースのロボットデータセット「Open X-Embodiment」および対応モデル「RT-X」を公開しました。異なるハードウェア構造を持つロボットの動作データを集約し、多様な機体に対応できる汎用ロボット学習を実現するための基盤リソースです。

従来のロボット開発では、機体の形状や作業環境が少し変わるだけでモデルをゼロから再学習させる必要がありました。今回の公開は、ロボット間でのスキル転移を可能にすることを目指しています。

22種の機体と100万件超のエピソード

Open X-Embodimentは、20以上の研究機関から集められた22種類のロボット形態のデータを統合しています。500種類以上のスキル、15万件以上のタスク、100万エピソードを超える実機デモが含まれており、同種のものとしては過去最大の規模です。DeepMindはこれを「ロボット工学におけるImageNet」に位置づけています。

このデータを元に、制御モデルRT-1をベースにした「RT-1-X」と、ウェブデータと行動データを統合したVLA（Vision-Language-Action）モデルRT-2ベースの「RT-2-X」が構築されました。

性能とスキルの発現

提携する5つの研究室で検証を行ったところ、5種類の一般的なロボットにおいて、RT-1-Xは各機体専用に開発された従来モデルに比べて平均50％高いタスク成功率を記録しました。

さらにRT-2-Xでは、自身の機体データには含まれず、別のロボットのデータセットにのみ存在していた物体やスキルに対しても高い適応力を発揮しました。未学習スキルの成功率は従来のRT-2に比べて3倍に達しています。

空間認識の向上も確認されており、例えば「リンゴを布の上に置く」から「リンゴを布の近くに置く」へと前置詞を変えるだけで、ロボットの動作軌道を適切に変更できます。ただし、こうした他機体からの能力移転には十分なパラメータ規模のアーキテクチャが必要とされています。

入手方法と利用環境

Open X-EmbodimentのデータセットおよびRT-1-Xのモデルチェックポイントは、研究コミュニティ向けにオープンソースとして一般公開されています。研究機関向けの共同作業窓口も開設されています。

なぜ重要か

具身知能（Embodied AI）やロボット制御を研究している開発者にとって、すぐに検証すべき基盤データとなります。自前の実験室だけで100万件規模の実機データを集めるのは現実的ではなく、異なる機体のデータを再利用できる価値は非常に大きいです。

他形態のデータを混ぜて学習させた方が単一機体の性能も向上するという実証は、ロボット分野の基盤モデル化を大きく前進させたと評価できます。一方で、公開されているのは研究用チェックポイントが主であり、特定の産業用途や家庭用環境へ直ちに投入するには、個別の追加微調整と安全性の検証が欠かせません。