AGIBOTは11月3日(現地時間)、実体化基盤モデル「GO-3 Preview」を発表した。このモデルは、事前学習から展開後学習に至る全ライフサイクルを通じた大規模な学習を支援するよう設計されている。GO-3 Previewは、実体化AIの主要なベンチマークであるRoboDojo、RoboTwin、RoboColiseumの3項目で首位を獲得した。AGIBOTは、物理世界でのタスク実行能力を向上させることを目指しており、同モデルの完全なオープンソース化を2026年末までに実施する計画を示している。
GO-3 Previewは、AGIBOTが独自に開発したワールド・リーズニング・アクション・モデル (WRAM) という実体化ネイティブなアーキテクチャを基盤としている。このモデルは、タスク理解、将来状態予測、アクション生成を統合することで、ロボットがタスクを一般化し、正確な操作を実行することを可能にする。また、AGIBOTのハイブリッド事後学習システム「Genie Evolver」と、実体化エージェントフレームワーク「Genie Master」と組み合わせることで、GO-3 Previewは事前学習から実世界への展開までを網羅する統合学習システムを形成する。AGIBOTは、このアプローチをフルライフサイクル・スケーリングと称し、ロボットが実世界での作業を通じて継続的に能力を向上させることを目指している。
大規模言語モデルが推論や知識ベースのタスクで著しい進歩を遂げる一方で、物理世界での作業には指示の理解を超えた能力が求められる。例えば、小さな物体を掴む、部品を組み立てるといったタスクでは、環境変化の予測、接触力の管理、正確な身体動作の実行が必要となる。実体化AIにおける課題は、単にモデル訓練を大規模化するだけでなく、学習をライフサイクル全体にわたって拡張することにある。GO-3 Previewは、ロボットがタスクの実行方法を学習するだけでなく、タスクを実行することを通じて能力を高めるという原則に基づいて設計されている。
事前学習段階では、GO-3 PreviewはWRAMアーキテクチャを通じてデータとモデル能力の両方を拡張し、タスクや環境を超えて転移可能な汎用能力を構築する。WRAMは、コントロール指向オートエンコーダ (CoAE)、SVP、KASOという3つのコアデザインを統合し、モデルがタスクを理解し、次に何が起こるかを予測し、タスクを完了するために必要なアクションを生成するのを支援する。CoAEはロボット制御に合わせた視覚表現を抽出し、SVPは現在の観測とタスク条件に基づいて将来の状態を単一ステップで予測する。KASOは、訓練中に実際に行われたアクションとより一貫性のある将来予測を選択することで、予測とアクション生成の整合性を図る。GO-3 Previewは、人間の一人称視点ビデオやロボットの軌跡といった多様なデータ源から学習し、LEGOの組み立て作業を例に、ゼロショットおよびフューショット設定でのタスク適応能力を実証している。
事後学習段階では、AGIBOTは分散型ハイブリッド環境トレーニングシステム「Genie Evolver」を、100台の物理ロボットと物理シミュレーション、ワールドモデルと組み合わせて活用している。Genie Evolverは、物理的な実行と仮想的な探査の両方からロボットが学習することを可能にし、フィードバックを通じて行動戦略を継続的に洗練させる。実環境では、Genie EvolverはCEL (Collective Experience Learning) を用いて複数のロボットからの実行経験を集約し、学習に活用する。
参考: manilatimes.net — 2026年11月3日 13:37 (JST)
原文ハイライト"AGIBOT Unveils GO-3 Preview, Takes Top Spot on Three Embodied AI Benchmarks"