Simate-betaのRoboDojo成績が示す、物理AIへの挑戦

Simate-betaは、Simateが開発する初の汎用物理AI「高速システム」です。実世界でロボットを素早く動かすための制御モデルとして設計されています。RoboDojoのシミュレーション部門には、Simateが提供した結果としてスコア33.95、成功率27.96％が掲載されています。一方、同社は実機ロボットのデモも別途紹介していますが、ベンチマークの成績や選ばれたデモだけで、日常的な作業や未知の環境でも安定して動くと判断することはできません。

RoboDojoのスコアが示すこと、示さないこと

RoboDojoは、汎用ロボットによる物体操作の方策を、シミュレーションと実環境の両方で評価するベンチマークです。 Simate-betaの掲載結果はシミュレーション部門のもので、実機テストのスコアではありません。

この違いは重要です。スコアはベンチマーク上の評価であり、実機デモは物理的なロボットを使った別の実演です。報道では、実機デモで記憶、タスクへの適応、長い手順の実行、細かな操作などが紹介されています。これらはSimateが目指す能力を示す例ですが、デモで扱われていない作業にも広く対応できることを証明するものではありません。5

素早く反応する「高速システム」

Simateは、4D物理認識と記憶を組み合わせた高速システムを構想しています。素早く反応する制御を目指し、将来的には、このシステムをより時間をかけて考える推論モデルと組み合わせ、複雑な作業に対応させる考えです。15

ここでいう4D物理認識は、空間の形だけでなく、時間とともに環境がどう変化するかを捉えるという発想です。記憶によって作業の進み具合などを保ちつつ、新たな状況にも反応することを狙います。RoboDojoの成績と実機デモは、環境を認識し、記憶し、行動するという構想に向けた初期の材料として紹介されています。ただし、未知の状況でも能力が発揮されるかは、今後の検証が必要です。10

AutoResearchでロボット研究を支援

Simateが掲げる「Physical RSI」は、モデル開発、データ作業、実験、評価、実機への展開をつなぎ、研究を継続的に進める構想です。AutoResearchでは、AIエージェントが研究案の提案や検証を補助し、人間が目標や制約を定め、結果を評価します。同社はSimate-betaを、この人間の監督を伴う研究プロセスから生まれた初期成果と位置づけています。1112

同社によると、自社の基盤は学習、推論、評価を接続し、複数の研究方針を並行して進められる設計です。Sinfraはシミュレーションに加え、学習と推論もカバーすると説明されています。研究環境を一体化すれば、アイデアの検証や結果の反映を速められる可能性がありますが、モデルの性能がどれほど向上するかを独立に示す情報は、現時点の報道からは確認できません。1115

チームの経験と、これからの公表予定

Simateのチームには、自動運転システムの実用化・展開に携わった経験と、世界モデルや実機ロボット制御などの研究背景を持つメンバーがいると報じられています。物理世界を学ぶモデルと、実際のハードウェアを動かす技術の両方を目指す同社の方針には関連する経験ですが、チームの経歴そのものは、性能を独立に裏付ける証拠とは異なります。512

Simateは、複雑なタスクに対するゼロショット汎化について、2026年末までに段階的な成果を公表する計画です。また、モデルや自動研究に関する論文・技術報告を発表し、成果のオープンソース公開も段階的に進めるとしています。いずれも今後の予定であり、すでに公開済みの成果ではありません。11

現時点で確認できるのは、シミュレーション部門に掲載されたスコア、別途公開された実機デモ、そして研究の反復を速めることを目指す開発基盤です。次に注目されるのは、技術報告の詳しさと、ベンチマークやデモ以外の場面でも性能が保たれるかを示す結果でしょう。