Li Autoの身体性AI、3つの発表で見えた構想と未検証の部分

Li Auto（理想汽車）の基盤モデルチームが2026年9月22日に示したのは、ロボットが周囲を捉え、状況を判断し、動くまでをつなぐ構想だ。発表された**ME-Brain-1.0、MachEmbodied-VLM（ME-VLM）、MachEmbodied-U0（ME-U0）**は、それぞれ役割が異なる。ただし、3つが一体となってエッジ機器上で動作するロボットとして、独立に検証されたわけではない。35

3つの役割を整理する

ME-Brain-1.0は、記憶・認知・行動を柱とするシステム全体の構想だ。報道によると、記憶の生成や検索に関わるモジュールは、Li Autoの「M100」SoC（演算機能を集積した半導体）上で動かせるという。これはME-Brainの全機能がM100だけで動く、という意味ではない。35

ME-VLMは、画像などの視覚情報と言語を扱い、状況の理解やエージェントの判断を支えるモデルだ。技術報告では、タスクの実行結果を観察し、判断を見直すためのフィードバックを含むデータで訓練したと説明する。報道では、35B-A3Bの専門家混合モデルと、エッジ機器向けの小型な4B版が紹介されている。15

ME-U0は「何をすべきか」という理解を、行動の生成へ結びつけるモデルだ。報告されている設計では、Mixture-of-Transformersという構成で、タスクや場面を理解する部分と、動作を生成する部分を接続する。3つは補完し合う位置づけだが、同じロボットで統合運用した実績を示すものではない。25

高いスコアは、何を測った数字か

Li Autoの比較表として報じられた数値では、大型ME-VLMの平均スコアは身体性AI関連の評価群で約70.9、エージェント関連の評価群で72.5。4B版は同社の比較で2位とされる。いずれも報告された評価の要約であり、試験条件の確認や第三者による再現なしに、ロボット全般の信頼性を示す数字とは読めない。5

ME-U0については、Li AutoはRoboDojoで17.66点、LIBEROで平均成功率99.1％、LIBERO-Plusで**81.8％**と報告した。ただしLIBEROの結果は、各ベンチマークが提供する教師信号を使ってモデルを適応させた後のものだ。未知の物理タスクを事前の適応なしでこなした「ゼロショット」の成績ではない。3

学習データとM100上の高速化

Li Autoによると、ME-U0の事前学習には、約5,700時間のロボットデータと約3,920時間の一人称視点映像を含む元データ群から、約4,200時間分を選んだ。映像を組み合わせれば、ロボットの実演記録以外の視覚的な場面にも触れられる可能性がある。ただし、データ量だけでは別のロボットや環境への適応力は分からない。3

ME-VLMの著者らは、視覚情報を表すトークンの圧縮、W4A8量子化、ソフトウェアとハードウェアの協調最適化によって、4B版をM100上で推論可能にしたと報告している。入力を処理する「プリフィル」段階の遅延は、400ミリ秒から188ミリ秒に短縮したという。ただし、これはロボットが変化を見てから実際に動き終えるまでの時間ではない。35B-A3B版やME-Brain・ME-U0を含む全体が、1つのM100上で同時に動くことも示されていない。15

デモの先に必要な検証

発表を扱った記事では、約1時間の把持デモと、15工程を約4分でこなすコーヒー作りのデモが紹介されている。選ばれたタスクで何ができるかを示す一方、第三者が選んだ物体や照明、作業中の中断、長期間の反復使用でも同じように成功するかは分からない。参照できる資料からは、これらのデモの失敗について第三者が具体的に確認した、という主張も裏づけられない。3

次に求められるのは、統合システムを対象とした再現可能な独立評価だろう。未知の設定での成功率や失敗からの復帰に加え、公表されたハードウェア上で「認識から行動まで」にかかる時間を測る必要がある。現時点のベンチマーク値とM100のプリフィル改善は、それぞれ有望な材料だが、汎用ロボットとしての実力を一括して証明するものではない。135