テスラのAI責任者アショク・エラスワミ氏は、Optimusの印象的な動作について、かなり率直な説明をした。これらのロボットの動きは「実質リモート操作」であり、ロボットは「かなり盲目的に」命令された動きを実行しながら、バランスを維持しているという。さらに同氏は、身体を持つロボットのAI安全性は、現在の大規模言語モデル（LLM）の安全性の懸念が「子どもだまし」に見えるほど難しい、と述べた。16

重要なのは、これがOptimusに機体内の知能がまったくないという意味ではないことだ。一方で、滑らかな公開パフォーマンスを見ただけで、ロボットがタスクを理解し、計画を立て、不確実な状況を乗り切り、人の指示なしに安全に完了したと判断することもできない。

人が動きを指示する場合、機体側に残る自律性は何か

エラスワミ氏の説明では、大まかな動きは遠隔操作とされる一方、Optimus自身はバランスを維持する。16 つまり役割分担としては、人間が行動や身体動作の方向を与え、ロボットがその実行に必要なリアルタイムの姿勢安定化を少なくとも一部担う、という構図が考えられる。

これはロボティクスとして十分に意味のある能力だ。人型ロボットが動作中に転倒せず立ち続けること自体、難度は高い。ただし、それは汎用的な自律性とは別の主張である。この説明だけでは、Optimusが未知の場所を確実に認識し、適切な作業計画を選び、想定外の接触に対応し、あらゆる失敗から人手なしで安全に復帰できることまでは示されない。

ロボットのデモを見る際に問うべき実務的なポイントは、どの制御層が自律的だったのかだ。機体内でバランス制御や低レベルの運動制御を行っていても、対人応答やタスク全体の振る舞いは遠隔の操作者が担っている場合がある。

過去のOptimus登場場面とも整合する

この説明は、2024年10月のテスラの「We, Robot」イベントをめぐる報道とも整合する。TechCrunchはBloomberg、The Vergeなどの報道を引用し、来場者との多くのやり取りでOptimusが遠隔操作されていたと伝えた。一方、関係筋はプロトタイプがAIによって外部制御なしで歩行できたとも述べている。28

この区別は重要だ。会場での対話に人の支援があったとしても、デモの全要素が偽物だったことを意味するわけではない。しかし少なくとも、完全自律で来場者をもてなす人型ロボットを、明快に実演したものではなかったことになる。

2025年12月、マイアミでボトルを配っていたOptimusが転倒したデモも同様の注目を集めた。ロボットの手の動きが、遠隔操作者がVRヘッドセットを外すしぐさのように見えたという指摘が出た。ただし、映像だけで正確な操作体制を断定することはできない。この出来事は、示唆的ではあっても決定的な証拠ではない。それでも、テスラが公開デモで遠隔操作、台本に沿った動作、自律動作を明確に区別して示すべきだという理由を強めた。20

LLMの安全性とは性質が異なる、身体ロボットの安全性

エラスワミ氏の比較は、テキストを扱うシステムと、現実世界で動く機械の根本的な違いに基づく。言語モデルの失敗は、有害または誤った内容を生成する形で現れ得る。対して人型ロボットの失敗は、人、物体、不安定な環境の近くで、即座に物理的な動きや力として現れ得る。16

歩行し、物をつかむ機械に必要な安全性は、「何を言うか」「どんな目標を選ぶか」だけではない。たとえば、次の能力が問われる。

• 足場や接触状態が変わっても姿勢を保つこと
• 腕や胴体を動かす際、近くにいる人を避けること
• 重さ、形状、壊れやすさが不確かな物に対して把持力を調整すること
• 減速、停止、人への制御移管が必要な状況を検知すること

これは物理ロボットAIが不可能だという証拠ではない。むしろ、目を引く動作だけでは安全性を十分に判断できない理由を示している。信頼性は、制御されたルーチンだけでなく、まれで雑然とした、刻々と変化する現実の条件でも保たれなければならない。

「次元の呪い」と低遅延制御という壁

テスラは自動運転へのアプローチとして、カメラ映像のピクセル、車両の運動情報、音声、地図、ナビゲーション入力を受け取り、運転操作を出力するエンドツーエンドのニューラルネットワークを説明している。エラスワミ氏は、高解像度・高フレームレート・長い時間文脈を伴う現実世界の入力規模を「次元の呪い」と表現している。14

自動車の操作空間は、比較的限定されている。中心となるのは操舵、加速、制動だ。これに対して人型ロボットは、より多くの自由度、身体接触、物体操作の判断を追加で扱わなければならない。脚、胴体、腕、手を連携させながら、バランス、物体、至近距離にいる人まで考慮する必要がある。

GTCでの議論として紹介された内容でも、人型ロボットは自動運転車より多くのセンサー様式と自由度を持ち、最も低い層の制御信号もリアルタイムで出力し続けなければならない、と指摘された。13

これが制御における核心的な難題だ。場面を認識したり、大まかな目標を選んだりするだけでは足りない。転倒を防ぎ、人との接触を避け、つかみ方を調整するためには、知覚から行動までのループ全体が十分に速く、安全に反応しなければならない。テスラが公表しているFSDの毎秒36回（36Hz）の意思決定は関連する経験ではあるが、それだけで人型ロボットの全身制御や物体操作に必要な性能を実証するものではない。12

FSDにならう構想――データを増やし、自律性を広げる

テスラのより大きな戦略は、自動運転とロボティクスにエンドツーエンドのニューラルネットワークを横展開することにある。エラスワミ氏の取り組みに関する報道では、FSDとOptimusの訓練をつなぐ統合型の「ワールドシミュレーター」が説明されている。2

この戦略では、データ収集がOptimus計画の中心となる。フリーモントのGen 3パイロット生産は、実世界データの収集を主目的とすると伝えられている。また、Giga Texasのより大規模な専用施設は2027年の量産開始が目標で、長期的には年1,000万台までの生産能力を掲げる。これらは目標であり、確定した生産能力でも、公衆のそばで使える自律性の証明でもない。33

FSDとの類推は明確だ。人の関与と監督から始め、運用データを集め、モデルを訓練し、システムが扱える範囲を広げる。ただし、人の周囲を歩き、物を操作するロボットは、自動車の操舵・アクセル・ブレーキよりも、接触を伴う多様な例外事象に直面する。

実演済みのこと、未実証のこと

テスラは、Optimusが協調した動作を実行できること、そしてその改善に向けたソフトウェア、データ、製造へ投資していることを示してきた。一方、各デモのどの動きがどの程度自律的だったのかを、誰もが明快に判断できる形で、デモごとに説明してはいない。18

エラスワミ氏の発言は、現時点で最も明確な読み解き方を与える。一部の印象的な動きは人が指示しており、機体内のバランス制御が実行を支えている。16 テスラのエンドツーエンド手法に残る試験は、このハイブリッド構成から、非構造化された人間の環境で、驚きや不測の事態に自力で対処しつつ、安全に歩き、つかみ、立て直せるロボットへ移行できるかどうかだ。

それが透明性を伴って繰り返し示されるまでは、生産計画や印象的な動画は、開発への道筋を示す材料として受け止めるべきであり、汎用人型ロボットの自律性がすでに実現した証明とみなすべきではない。

テスラのAI責任者アショク・エラスワミ氏は、Optimusの印象的な動作について、かなり率直な説明をした。これらのロボットの動きは「実質リモート操作」であり、ロボットは「かなり盲目的に」命令された動きを実行しながら、バランスを維持しているという。さらに同氏は、身体を持つロボットのAI安全性は、現在の大規模言語モデル（LLM）の安全性の懸念が「子どもだまし」に見えるほど難しい、と述べた。16

重要なのは、これがOptimusに機体内の知能がまったくないという意味ではないことだ。一方で、滑らかな公開パフォーマンスを見ただけで、ロボットがタスクを理解し、計画を立て、不確実な状況を乗り切り、人の指示なしに安全に完了したと判断することもできない。

人が動きを指示する場合、機体側に残る自律性は何か

エラスワミ氏の説明では、大まかな動きは遠隔操作とされる一方、Optimus自身はバランスを維持する。16 つまり役割分担としては、人間が行動や身体動作の方向を与え、ロボットがその実行に必要なリアルタイムの姿勢安定化を少なくとも一部担う、という構図が考えられる。

これはロボティクスとして十分に意味のある能力だ。人型ロボットが動作中に転倒せず立ち続けること自体、難度は高い。ただし、それは汎用的な自律性とは別の主張である。この説明だけでは、Optimusが未知の場所を確実に認識し、適切な作業計画を選び、想定外の接触に対応し、あらゆる失敗から人手なしで安全に復帰できることまでは示されない。

ロボットのデモを見る際に問うべき実務的なポイントは、どの制御層が自律的だったのかだ。機体内でバランス制御や低レベルの運動制御を行っていても、対人応答やタスク全体の振る舞いは遠隔の操作者が担っている場合がある。

過去のOptimus登場場面とも整合する

この説明は、2024年10月のテスラの「We, Robot」イベントをめぐる報道とも整合する。TechCrunchはBloomberg、The Vergeなどの報道を引用し、来場者との多くのやり取りでOptimusが遠隔操作されていたと伝えた。一方、関係筋はプロトタイプがAIによって外部制御なしで歩行できたとも述べている。28

この区別は重要だ。会場での対話に人の支援があったとしても、デモの全要素が偽物だったことを意味するわけではない。しかし少なくとも、完全自律で来場者をもてなす人型ロボットを、明快に実演したものではなかったことになる。

2025年12月、マイアミでボトルを配っていたOptimusが転倒したデモも同様の注目を集めた。ロボットの手の動きが、遠隔操作者がVRヘッドセットを外すしぐさのように見えたという指摘が出た。ただし、映像だけで正確な操作体制を断定することはできない。この出来事は、示唆的ではあっても決定的な証拠ではない。それでも、テスラが公開デモで遠隔操作、台本に沿った動作、自律動作を明確に区別して示すべきだという理由を強めた。20

LLMの安全性とは性質が異なる、身体ロボットの安全性

エラスワミ氏の比較は、テキストを扱うシステムと、現実世界で動く機械の根本的な違いに基づく。言語モデルの失敗は、有害または誤った内容を生成する形で現れ得る。対して人型ロボットの失敗は、人、物体、不安定な環境の近くで、即座に物理的な動きや力として現れ得る。16

歩行し、物をつかむ機械に必要な安全性は、「何を言うか」「どんな目標を選ぶか」だけではない。たとえば、次の能力が問われる。

• 足場や接触状態が変わっても姿勢を保つこと
• 腕や胴体を動かす際、近くにいる人を避けること
• 重さ、形状、壊れやすさが不確かな物に対して把持力を調整すること
• 減速、停止、人への制御移管が必要な状況を検知すること

これは物理ロボットAIが不可能だという証拠ではない。むしろ、目を引く動作だけでは安全性を十分に判断できない理由を示している。信頼性は、制御されたルーチンだけでなく、まれで雑然とした、刻々と変化する現実の条件でも保たれなければならない。

「次元の呪い」と低遅延制御という壁

テスラは自動運転へのアプローチとして、カメラ映像のピクセル、車両の運動情報、音声、地図、ナビゲーション入力を受け取り、運転操作を出力するエンドツーエンドのニューラルネットワークを説明している。エラスワミ氏は、高解像度・高フレームレート・長い時間文脈を伴う現実世界の入力規模を「次元の呪い」と表現している。14

自動車の操作空間は、比較的限定されている。中心となるのは操舵、加速、制動だ。これに対して人型ロボットは、より多くの自由度、身体接触、物体操作の判断を追加で扱わなければならない。脚、胴体、腕、手を連携させながら、バランス、物体、至近距離にいる人まで考慮する必要がある。

GTCでの議論として紹介された内容でも、人型ロボットは自動運転車より多くのセンサー様式と自由度を持ち、最も低い層の制御信号もリアルタイムで出力し続けなければならない、と指摘された。13

これが制御における核心的な難題だ。場面を認識したり、大まかな目標を選んだりするだけでは足りない。転倒を防ぎ、人との接触を避け、つかみ方を調整するためには、知覚から行動までのループ全体が十分に速く、安全に反応しなければならない。テスラが公表しているFSDの毎秒36回（36Hz）の意思決定は関連する経験ではあるが、それだけで人型ロボットの全身制御や物体操作に必要な性能を実証するものではない。12

FSDにならう構想――データを増やし、自律性を広げる

テスラのより大きな戦略は、自動運転とロボティクスにエンドツーエンドのニューラルネットワークを横展開することにある。エラスワミ氏の取り組みに関する報道では、FSDとOptimusの訓練をつなぐ統合型の「ワールドシミュレーター」が説明されている。2

この戦略では、データ収集がOptimus計画の中心となる。フリーモントのGen 3パイロット生産は、実世界データの収集を主目的とすると伝えられている。また、Giga Texasのより大規模な専用施設は2027年の量産開始が目標で、長期的には年1,000万台までの生産能力を掲げる。これらは目標であり、確定した生産能力でも、公衆のそばで使える自律性の証明でもない。33

FSDとの類推は明確だ。人の関与と監督から始め、運用データを集め、モデルを訓練し、システムが扱える範囲を広げる。ただし、人の周囲を歩き、物を操作するロボットは、自動車の操舵・アクセル・ブレーキよりも、接触を伴う多様な例外事象に直面する。

実演済みのこと、未実証のこと

テスラは、Optimusが協調した動作を実行できること、そしてその改善に向けたソフトウェア、データ、製造へ投資していることを示してきた。一方、各デモのどの動きがどの程度自律的だったのかを、誰もが明快に判断できる形で、デモごとに説明してはいない。18

エラスワミ氏の発言は、現時点で最も明確な読み解き方を与える。一部の印象的な動きは人が指示しており、機体内のバランス制御が実行を支えている。16 テスラのエンドツーエンド手法に残る試験は、このハイブリッド構成から、非構造化された人間の環境で、驚きや不測の事態に自力で対処しつつ、安全に歩き、つかみ、立て直せるロボットへ移行できるかどうかだ。

それが透明性を伴って繰り返し示されるまでは、生産計画や印象的な動画は、開発への道筋を示す材料として受け止めるべきであり、汎用人型ロボットの自律性がすでに実現した証明とみなすべきではない。