2026年9月16日、中国・上海市閔行区で、楽享科技（Lexiang Technology、英語資料ではJoyIn Technology）が、具身AIモデル「Aether（イーサ）」を搭載したヒューマノイドによる屋外BBQサービスを公開ライブ配信した。2台のロボットは1時間を超えて、注文受付、焼き作業、受け渡し、配膳、客との応対という一連の業務を担ったと報じられている。11

注目すべきなのは、短時間で編集された研究室デモではなく、屋外の飲食ブースで継続的なサービス工程を見せた点だ。一方で、このイベントだけから、Aetherが幅広い状況で頑健に働くことや、完全に人手を介さず自律稼働したことまでを確定的に判断することはできない。

Aetherはどんなモデルか

JoyInはAetherを、異なるロボットの身体（エンボディメント）で共有して使うことを目指した「クロスエンボディメント」の具身基盤モデルと位置づける。会社説明によれば、規模は約40億パラメータ。学習には約200時間の人間の動画を用い、実ロボット由来の学習データはゼロだったとしている。411

技術的には、テキストを主な起点にする方式ではなく、周囲を知覚し、物理環境で行動するための知覚・行動中心のアプローチだと説明される。1015

「クロスエンボディメント」とは、ロボットごとに別々のモデルを一から訓練するのではなく、1つの方策・知能を、形状や役割の異なるロボットへ適用するという構想を指す。今回の前にもJoyInは、異なる身体をまたぐ協働を映した、10分間・無編集・ワンテイクの動画を公開したとして注目を集めていた。713

BBQ会場での役割分担と連携

報道によると、焼き担当のロボットはグリル前にとどまり、串を焼く作業を担当した。サービス担当は注文を受け、料理を運び、テーブルへ提供し、利用客とやり取りした。

見どころとなったのはロボット間の受け渡しだ。焼き担当が完成した串をサービス担当へ渡し、サービス担当がテーブルまで配膳する流れが示された。

また、サービスロボットごとに応答の違いも見られたという。あるロボットは、客から水を求められると進行中の作業を中断して水を取りに行った一方、別のロボットはより直接的、あるいは手順に沿った振る舞いを見せたとされる。

なぜスタジオのデモより難しいのか

屋外の飲食サービスには、実験室では抑えやすい変動要因が多い。来場者からの注文や追加要求、作業の中断、人や物の移動、物品配置の変化、屋外環境の不均一さに対応しながら、注文から調理、受け渡し、配膳、会話までの複数工程をつなぐ必要がある。

楽享科技は、事前リハーサル、あらかじめ決めた台本、遠隔操作なしで実施すると説明し、観客によるリアルタイムの介入も受け入れるとしていた。713 ただし、遠隔操作や人間による介入がなかったという条件は、完全なテレメトリー、運用ログ、介入記録が公開・検証されるまでは、同社側の説明として扱うのが妥当だ。

この実証が示したこと

今回の公開ライブは、Aetherを用いたシステムが、編集映像ではない比較的開放的な屋外環境で、複数ロボットによる飲食サービスの一部を1時間超にわたり継続できたことを示す材料にはなる。11

ライブ形式には、停止、失敗、復帰といった挙動が編集映像より観察しやすいという利点もある。現実のサービス工程に近い形で、調理と配膳の連携を公開した点は、具身AIの実運用に向けた実証として意味がある。

それでも結論づけられないこと

ただし、現時点の情報だけでは、次のような主張は裏づけ不足だ。

• 異なるハードウェアで真にゼロショットで広く動作すること
• 人間の支援・介入なしに一貫して自律運用できること
• 想定外の条件でも高い成功率を維持できること
• 他社の具身モデルより優れていること

こうした点を検証するには、モデルの構造と入出力インターフェース、学習データの来歴、ロボット本体と制御スタックの詳細、介入ログ、失敗率、タスク定義、未学習条件での評価、第三者によるベンチマーク比較を含む再現可能な技術報告が必要になる。利用可能な報道では、これらは十分に示されていない。

つまり、このイベントは「屋外での長時間・複数ロボットサービスが可能だった」という前向きな実演ではある。しかし、Aetherの汎用性や自律性に関するより大きな主張を確立するには、独立した検証と詳細な技術開示がなお必要だ。

2026年9月16日、中国・上海市閔行区で、楽享科技（Lexiang Technology、英語資料ではJoyIn Technology）が、具身AIモデル「Aether（イーサ）」を搭載したヒューマノイドによる屋外BBQサービスを公開ライブ配信した。2台のロボットは1時間を超えて、注文受付、焼き作業、受け渡し、配膳、客との応対という一連の業務を担ったと報じられている。11

注目すべきなのは、短時間で編集された研究室デモではなく、屋外の飲食ブースで継続的なサービス工程を見せた点だ。一方で、このイベントだけから、Aetherが幅広い状況で頑健に働くことや、完全に人手を介さず自律稼働したことまでを確定的に判断することはできない。

Aetherはどんなモデルか

JoyInはAetherを、異なるロボットの身体（エンボディメント）で共有して使うことを目指した「クロスエンボディメント」の具身基盤モデルと位置づける。会社説明によれば、規模は約40億パラメータ。学習には約200時間の人間の動画を用い、実ロボット由来の学習データはゼロだったとしている。411

技術的には、テキストを主な起点にする方式ではなく、周囲を知覚し、物理環境で行動するための知覚・行動中心のアプローチだと説明される。1015

「クロスエンボディメント」とは、ロボットごとに別々のモデルを一から訓練するのではなく、1つの方策・知能を、形状や役割の異なるロボットへ適用するという構想を指す。今回の前にもJoyInは、異なる身体をまたぐ協働を映した、10分間・無編集・ワンテイクの動画を公開したとして注目を集めていた。713

BBQ会場での役割分担と連携

報道によると、焼き担当のロボットはグリル前にとどまり、串を焼く作業を担当した。サービス担当は注文を受け、料理を運び、テーブルへ提供し、利用客とやり取りした。

見どころとなったのはロボット間の受け渡しだ。焼き担当が完成した串をサービス担当へ渡し、サービス担当がテーブルまで配膳する流れが示された。

また、サービスロボットごとに応答の違いも見られたという。あるロボットは、客から水を求められると進行中の作業を中断して水を取りに行った一方、別のロボットはより直接的、あるいは手順に沿った振る舞いを見せたとされる。

なぜスタジオのデモより難しいのか

屋外の飲食サービスには、実験室では抑えやすい変動要因が多い。来場者からの注文や追加要求、作業の中断、人や物の移動、物品配置の変化、屋外環境の不均一さに対応しながら、注文から調理、受け渡し、配膳、会話までの複数工程をつなぐ必要がある。

楽享科技は、事前リハーサル、あらかじめ決めた台本、遠隔操作なしで実施すると説明し、観客によるリアルタイムの介入も受け入れるとしていた。713 ただし、遠隔操作や人間による介入がなかったという条件は、完全なテレメトリー、運用ログ、介入記録が公開・検証されるまでは、同社側の説明として扱うのが妥当だ。

この実証が示したこと

今回の公開ライブは、Aetherを用いたシステムが、編集映像ではない比較的開放的な屋外環境で、複数ロボットによる飲食サービスの一部を1時間超にわたり継続できたことを示す材料にはなる。11

ライブ形式には、停止、失敗、復帰といった挙動が編集映像より観察しやすいという利点もある。現実のサービス工程に近い形で、調理と配膳の連携を公開した点は、具身AIの実運用に向けた実証として意味がある。

それでも結論づけられないこと

ただし、現時点の情報だけでは、次のような主張は裏づけ不足だ。

• 異なるハードウェアで真にゼロショットで広く動作すること
• 人間の支援・介入なしに一貫して自律運用できること
• 想定外の条件でも高い成功率を維持できること
• 他社の具身モデルより優れていること

こうした点を検証するには、モデルの構造と入出力インターフェース、学習データの来歴、ロボット本体と制御スタックの詳細、介入ログ、失敗率、タスク定義、未学習条件での評価、第三者によるベンチマーク比較を含む再現可能な技術報告が必要になる。利用可能な報道では、これらは十分に示されていない。

つまり、このイベントは「屋外での長時間・複数ロボットサービスが可能だった」という前向きな実演ではある。しかし、Aetherの汎用性や自律性に関するより大きな主張を確立するには、独立した検証と詳細な技術開示がなお必要だ。