AIエージェントのMbodiが、自然言語入力による新たなロボットトレーニング手法を開発し、実世界でのロボット適応の課題解決に挑んでいる。同社の技術は、複雑なタスクをAIエージェント群が連携して処理し、ロボットが高速に学習できるよう設計されている。物理世界が持つ「無限の可能性」に対応できる柔軟性を持ち、従来のトレーニングの限界を超えるものとして注目されている。
ロボットトレーニングの現状と実世界適応の課題
現在、ロボットは箱詰めから外科手術まで、多岐にわたる作業を実行できる。しかし、個々の動作やタスクごとに専用のトレーニングが必要となり、これにより実世界の多様なシナリオへの適応が困難になっている。現場の状況が常に変化する環境では、その都度ロボットを再プログラムするのは非現実的である。
物理世界は予測不能な「無限の可能性」を秘めており、新しい状況が発生するたびにデータがないという問題に直面する。この課題に対し、Skild AIやFieldAIといった企業は膨大な実世界データに基づく大規模なAIモデルを構築しようとしている。しかし、Mbodiの共同創業者兼CEOであるザビエル・チー氏は、世界の絶え間ない変化にはこのアプローチが馴染まないと指摘している。
Mbodiが提唱するAIエージェント連携システムとは
ニューヨークを拠点とするスタートアップMbodiは、AIエージェントの活用によりロボットトレーニングを迅速かつ容易にすることを目指す。同社はクラウドとエッジコンピューティングを組み合わせたハイブリッドシステムを開発した。このシステムは既存のロボット技術スタックへ統合可能である。
Mbodiのソフトウェアは、多数のAIエージェントが相互に連携することで機能する。これらのAIエージェントは、ロボットがタスクを迅速に学習するために必要な情報を収集する。一度導入されれば、Mbodiは実際の使用事例からデータを収集し、自律的に学習を進めていく仕組みだ。
自然言語入力でロボットを学習させる仕組み
Mbodiのシステムは、ユーザーが自然言語でソフトウェアに指示を与えることで、ロボットの学習を促す。ザビエル・チー氏によると、ユーザーからの要求はMbodiによってより小さなサブタスクに分解されるという。このプロセスにおいて、MbodiのAIエージェント群はタスクを分割し、各エージェントが個別に情報を収集することで、ロボットへの迅速なトレーニングを実現する。
自然言語による「ロボット AIエージェント トレーニング」は、専門的なプログラミング知識が不要となるため、多様な現場でのロボット導入を加速させる可能性を秘めている。これにより、例えば生産ラインの変更や新しい製品への対応が、より柔軟かつ迅速に行えるようになる。
物理世界の「無限の可能性」に適応するMbodiの強み
ザビエル・チー氏は「物理世界で厄介なのは、それが無限の可能性を秘めている点だ」と述べ、常に新しいものが生まれ、データが存在しない状況が問題だと指摘する。Mbodiは、異なるモデルを連携させたり、人間がロボットを修正し、特定の作業を特定の方法で実行するように指示できるシステムを必要としていると説明した。
これは、膨大なデータに基づく「大規模な世界AIモデル」が、常に変化する物理世界に適応しきれないという課題へのアンチテーゼとなる。Mbodiの適応性の高い「ロボットトレーニング」技術は、日本の製造業における多品種少量生産や、頻繁にレイアウトが変更される物流倉庫など、変動の激しい現場で特にその強みを発揮するだろう。
ABBとの提携から見据える産業ロボットの未来
Mbodiは2024年に、ピッキングとパッケージング作業に特化して事業を開始した。同社は昨年、ABBロボティクスAIスタートアップコンペティションで優勝し、スイスのロボティクス企業ABBとの提携を獲得した。ABBのロボット部門は、その後2025年10月にソフトバンクにより買収されている。
現在Mbodiは、消費財分野のフォーチュン100企業と概念実証を進めている。同社は2026年にはソフトウェアの本格的な展開を目指しており、研究室にとどまらず、実際に現場で信頼性高く機能するシステムを提供することに注力している。このような連携は、産業界における「ロボット AIエージェント トレーニング」の標準化と普及を加速させる重要な一歩となるだろう。
