AIエージェント能力アトラス › 仕事ごとの一覧 › 物理世界・ロボット › 身体性を伴うAI基盤モデル(VLA)

汎用ピック&プレース(未見物体)

Generalist pick-and-place on unseen objects

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

GR00T N1-2Bは実機ヒューマノイドタスクで平均成功率76.8%、OpenVLAは未見ピック&プレースで73%、RT-2(55Bパラメータ)は未見物体で62%。訓練済みタスクに限れば非熟練作業者に近い水準だが、多様な物体・配置への安定性はまだ専門家(熟練作業者)に届かない

できること

訓練分布に近い物体・環境での高精度なピック&プレース、少量データでの一定の汎化(GR00T N1はデータの10%のみで42.6%達成)

まだできないこと

訓練分布から大きく外れた物体形状・材質・配置での安定動作

なぜそうなのか

Open X-Embodiment等の実世界ロボットデータセットはテキストデータに比べ桁違いに少なく、多様性も限定的なため

これからの予測の根拠

GR00T N2のような世界行動モデル(world action model)アーキテクチャが既存VLA比2倍の成功率向上を示しており、2028年に専門家並みへ到達すると推定

いま使える主な道具

NVIDIA GR00T N1/N2、Google Gemini Robotics-ER 2、Physical Intelligence π0.5、OpenVLA

根拠

• GR00T N1: An Open Foundation Model for Generalist Humanoid Robots 2026
  実機GR-1タスクで平均成功率76.8%、10%データで42.6%
• OpenVLA vs RT-2 benchmark comparison 2026
  OpenVLA未見タスク73% vs RT-2(55B) 62%
• GR00T N2 next-generation robot foundation model 2026
  既存VLA比2倍以上の新環境成功率、RoboArena等で1位

同じ分野のほかの仕事（身体性を伴うAI基盤モデル(VLA)）

• 器用な操作(ネジ・紐・袋の密封等)
• 新規タスクへの構成的汎化
• リアルタイム制御の推論速度
• 動作速度の人間との比較

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。