「教わっていない作業」を自ら学習してこなす汎用ロボット脳：新興企業Physical Intelligenceが放つ、物理世界のための基盤モデルの衝撃
2026年4月、ロボティクスとAIの融合は新たな、そして決定的な転換点を迎えました。これまでロボットといえば、特定の環境で特定の動作を繰り返す「プログラムされた機械」というイメージが一般的でした。しかし、その常識を根底から覆すブレイクスルーが、シリコンバレーの新興スタートアップPhysical Intelligence（PI）によってもたらされました。
2026年4月16日、Physical Intelligenceは、同社が開発した汎用ロボット基盤モデル（Robot Foundation Model）が、「一度も教わっていない未知のタスク」を自律的に推論し、実行することに成功したと発表しました。これは、言語モデルにおけるGPTの衝撃を物理世界へと持ち込むものであり、産業界全体に激震を走らせています。本稿では、この「物理世界のための脳」の正体とその衝撃について、技術的・社会的な視点から深く掘り下げます。
1. ニュースの概要：ロボットが「自ら考える」時代の幕開け
現地時間2026年4月16日に公開されたTechCrunchの報道によると、Physical Intelligenceは、多様なロボットハードウェアに搭載可能な汎用的な「脳」としてのAIモデルを披露しました。このモデルの最大の特徴は、特定の作業（例：洗濯物を畳む、食器を片付ける）のために個別のプログラミングや、その作業に特化した膨大な学習データを必要としない点にあります。
デモンストレーションでは、これまで一度もトレーニングデータに含まれていなかった複雑な物体操作や、予期せぬ障害物がある環境下でのタスク遂行が示されました。PI社は、このモデルを「物理世界における基盤モデル」と位置づけており、テキストや画像ではなく、「物理的なインタラクション（相互作用）」を学習の主要なトークンとして扱っていることが示唆されています。
同社は、元Google DeepMindの著名な研究者であるセルゲイ・レヴィン（Sergey Levine）氏らによって設立され、わずか数年でロボティクス分野における「スケーリング則（Scaling Laws）」の有効性を証明しつつあります。今回の発表は、単なる実験室レベルの成果ではなく、あらゆるロボットが共通の知能を持ち、即座に現場で役立つ存在になる未来を予感させるものです。
2. 技術的な詳細：クロス・エンボディメント学習と物理トークナイゼーション
Physical Intelligenceが達成した技術的ブレイクスルーの核心は、「クロス・エンボディメント（Cross-Embodiment）学習」と「物理セマンティクスの深い理解」にあります。
クロス・エンボディメント学習の威力
従来のロボティクスでは、4軸のロボットアームで学習したデータは、2足歩行ロボットや多指ハンドのロボットには流用できませんでした。しかし、PIのモデルは、異なる形態（ボディ）を持つ多様なロボットから得られた膨大な行動データを統合して学習しています。これにより、「物を掴む」「重力に抗って移動させる」といった、ハードウェアに依存しない「物理の基本原理」をモデルが獲得しています。これは、人間がペンで書くのも箸を使うのも、根底にある「手の制御能力」を共通して使っているのと似ています。
物理世界のトークナイゼーション
LLM（大規模言語モデル）が単語をトークンとして扱うように、PIのモデルは「視覚情報」「触覚フィードバック」「関節のトルク（力）」を時系列のトークンとして処理します。2026年現在、最新の推論技術であるGemini 3.1 Proのような高度な推論能力と組み合わされることで、ロボットは「机の上のゴミを捨てて」という抽象的な指示に対し、以下のようなステップを自律的に生成します。
エッジとクラウドのハイブリッド推論
この「ロボット脳」は、リアルタイム性が求められる反射的な動作をエッジデバイスで、高度な戦略立案をクラウドで行うハイブリッド構造を採用していると考えられます。これには、LLMの推論時コンピュート設計における最新の最適化手法が応用されており、ミリ秒単位のレスポンスが不可欠な物理操作においても、遅延を感じさせない制御を実現しています。
3. 考察：ポジティブな展望 vs 根深い懸念点
この技術が社会に与える影響は計り知れませんが、同時に解決すべき課題も浮き彫りになっています。
ポジティブな展望：産業構造の劇的な転換
- 自動化コストの劇的な低下： これまで、工場にロボットを導入するには数千万単位のエンジニアリング費用が必要でした。PIの汎用脳が普及すれば、ロボットを購入して「これを見本通りにやって」と指示するだけで稼働が開始される、真のプラグアンドプレイが実現します。
- 労働力不足の解消： 介護、建設、物流といった「非定型」な作業が多い現場においても、汎用ロボットが即戦力として投入可能になります。これは、エンジニアが「コードを書く人」から「AIを指揮する人」へと進化する流れを、物理世界でも加速させるでしょう。
- 家庭用ロボットの進化： 特定の家事だけでなく、住人の好みに合わせた柔軟なサポートを行う「真の家庭用アンドロイド」への道が開かれます。
懸念点：安全性と「物理的ハルシネーション」
- 物理的ハルシネーション（誤動作）： LLMの誤答（ハルシネーション）は画面上の間違いで済みますが、ロボットの誤動作は「物理的な破壊」や「人身事故」に直結します。教わっていない作業をこなすということは、裏を返せば「予期せぬ行動をとるリスク」を孕んでいます。
- 責任の所在： 汎用モデルが引き起こした事故の責任は、ロボットメーカーにあるのか、AIモデルの開発者にあるのか。法整備が技術の進化に追いついていないのが現状です。
- データの独占とプライバシー： 物理世界のデータを誰が握るかが、次世代の覇権争いの焦点となります。家庭内や工場内の詳細な動作データがPI社のようなプラットフォーマーに集約されることへの抵抗感は強いでしょう。
4. まとめ：物理世界が「計算可能」になる日
Physical Intelligenceが示した「教わっていない作業をこなすロボット脳」は、AIがデジタル空間の境界を越え、物理世界を完全に掌握し始めたことを象徴しています。これは、単なるロボットの進化ではなく、「物理現象そのものをAIが理解し、制御可能なものとして再定義した」と言えるでしょう。
2026年後半に向けて、この汎用モデルがどのように商用展開されるかに注目が集まります。すでにAWSのようなインフラ大手がAI標準化の動きを強めており、PI社のモデルがこれらのインフラと統合されることで、世界中のロボットが一夜にして「賢くなる」日が来るかもしれません。
私たちは今、インターネットが情報を民主化したように、AIが「物理的な労働」を民主化する瞬間に立ち会っています。AI Watchでは、この物理AI（Physical AI）の進化を、引き続き最前線で追い続けていきます。