KDDI総研、ロボットAI国際実機ベンチマークで世界1位獲得

株式会社KDDI総合研究所は2026年10月5日、ロボットAIの世界最大規模の実機ベンチマーク「RoboChallenge（実機ロボットを用いてAI性能を競う国際ベンチマーク）」の最新評価部門「Table 30 V2」において、世界1位を獲得したことを発表した。複数のVLA（視覚・言語・行動を統合処理するロボット向け基盤モデル）（Vision-Language-Action）モデルの強みを統合する技術と、動作成否を事前予測する世界モデル（物理法則や環境の変化を予測・シミュレーションするAIモデル）を活用した行動最適化技術を組み合わせることで、双腕協調や柔軟物操作などの難関実機タスクにおいて高い成功率を達成した。

2つの要素技術と世界1位達成の仕組み

「RoboChallenge」は、中国の主要テック企業や世界的なヒューマノイド開発企業などが参戦し、累計10万回以上の実機テスト実績を持つ国際的な実機評価プラットフォームである。「Table 30 V2」部門は、4種類の実機ロボットと30種類の実作業タスクを用いて「ロボットによる精密な手作業」の実環境性能を評価するもので、成功率は日々更新され順位が変動する競争環境にある。

KDDI総合研究所は、長年培った画像認識や状況理解の技術を土台に、以下の2つの独自要素技術を開発した。

• ​知識統合技術​: 従来の言語モデル（LLM）やマルチモーダルモデル（VLM）の知識蒸留では、教師モデルの出力を忠実に模倣させることが通例であった。これに対し同社は、「動作の軌道が完全に同一でなくとも、最終的にタスクが成功すればよい」というロボット特有の性質に着目。把持の力加減や持ち替えタイミングなど、成否を決定づける局面でのみ優れたモデルの動作を重視し、それ以外の局面では柔軟な動作を許容する設計とした。これにより、オープンソースとして公開されているDexmal社の「DM0.5」をはじめとする複数のVLAモデルから強みを抽出し、多様なタスクに対応できる高性能モデルを構築した。
• ​行動最適化技術​: 複数のVLAモデルが生成した動作プランに対し、現実世界の物理法則や因果関係を理解する「世界モデル」を用いて実行時の結果を事前に予測。最も成功確率の高い動作プランを動的に選定するとともに、タスクや環境に応じた最適な動作速度を選択する制御機構を導入した。

研究にあたっては、早稲田大学理工学術院の劉江教授の協力のもと、実機による事前評価やチューニングの検討が行われた。

従来手法との差分および国内産業への波及効果

ロボットAI研究においては、単一の大規模VLAモデルを大量の学習データでスケールさせるアプローチが主流である。しかし単一モデルでは未知の環境や細かい把持調整への対応に限界が生じやすい。KDDI総研のアプローチは、オープンソースを含む既存の複数モデルの知見を柔軟に統合し、さらに世界モデルによるシミュレーション事前検証を挟むことで、計算資源を抑えながら実機タスクの信頼性を劇的に向上させた点に明確な技術的差異がある。

日本の産業界への影響として、本成果は経済産業省およびNEDOの生成AIプロジェクト「GENIAC」に採択された「小売物流業等の現場業務を代替するロボット基盤モデルの研究開発」に直結している。人手不足が深刻化する日本の小売、物流、製造、設備保守などの現場において、単一のシステムで多様な作業を柔軟に遂行できる実用的なフィジカルAIの早期社会実装が期待される。

分析・展望

ソフトウェア上のベンチマークとは異なり、実機ロボットによる物理的インタラクションの評価では、ハードウェアの個体差や照明、物体の摩擦など現実世界のノイズが結果を大きく左右する。そうした過酷な実機環境において、日本の通信研究機関が海外の先行企業を抑えて首位を獲得したことは、アルゴリズム設計と統合制御の工夫がモデル規模の単純な差を埋めうることを証明した。

世界モデルによる「思考と事前検証」を挟んだ動作制御は、ロボットの安全性向上や自己修復動作の実現にも直結する。今後はGENIAC事業を通じて、多様な作業現場への実地適応と商用化への道筋がどう具体化されるかが注目される。

引用元：kddi-research.jp