現場レポート：AIロボットがバナナを即興でツールとして使う瞬間を目撃した

Generalist AIの実験室に立っていた私は、目の前の光景に我が目を疑った。産業用ロボットアームが、一本のバナナを使って慎重にボタンを押していたのだ。この動作のために精密にプログラムされたわけではない——少なくとも、この特定のシナリオのためにコードを一行も書いた人はいない。ロボットはただ周囲を「見渡し」、バナナがこの状況で最も適切なツールだと判断したのだ。

これは2026年8月の実地取材での出来事だ。Generalist AIは、ロボットに「臨機応変」な能力を習得させることに特化したスタートアップ企業だ。彼らはこの能力を「現場学習」（on-the-spot learning）と呼んでいる。従来のロボットとは異なり、固定された環境で決められた軌道を繰り返す必要はなく、まったく新しいタスクに直面しても、リアルタイムの推論と物理的な試行錯誤を通じて解決策を見つけることができる。

「事前訓練」から「即興演技」へ

過去10年間、ロボット学習の主流パラダイムは「大規模事前訓練＋ファインチューニング」だった。RT-2やPaLM-Eのような視覚・言語・動作モデルは、膨大なインターネットデータとロボットデータで訓練され、新しいシナリオへの汎化が期待されてきた。しかし現実世界の複雑さとは、あらゆる状況を事前に想定できないことにある。「黄色い曲がった物体」に遭遇したとき、モデルはそれをバナナと認識できても、「ボタンを押すために使える」とは必ずしも思いつかないかもしれない。

Generalist AIの突破口は、「ツール」の概念を固定リストから無限の可能性へと拡張したことにある。彼らのシステムでは、ロボットはもはや「このツールは何に使うものか」という静的な知識に依存せず、リアルタイムの接触フィードバックと視覚的観察を通じて「この物体は今この瞬間、目標達成に役立つか」を推論する。これは人間の即興演技に近い——手近にある本でテーブルの脚を補ったり、スプーンをドライバー代わりに使ったりするような発想だ。

「私たちは、ロボットが事前訓練を盲信しないよう教えています。真の知性とは、未知の状況において合理的な選択を下す能力です」——Generalist AI研究開発責任者が筆者に語った。

バナナの裏にある技術革命

現場のエンジニアによると、このシステムは三つのコアモジュールで構成されている。物体の幾何学的・物理的特性を解析するリアルタイムシーン理解モデル、「バナナで押したらどうなるか」をミリ秒単位でシミュレートするワールドモデルベースの推論エンジン、そして抽象的な計画を精密な力制御動作に変換する適応型モーション制御レイヤーだ。この三者が連携することで、ロボットアームは「バナナを観察する」から「押す動作を実行する」までの全プロセスをわずか10秒で完了した。

さらに驚くべきことに、これは事前に仕込まれたデモではなかった。エンジニアがバナナの位置や角度を即座に変え、目標のボタンを赤い丸ボタンに取り替えても、ロボットアームはその都度推論をやり直し、新たな把持点と力の加え方を見つけ出した。ある試みでは、より安定するという理由から、バナナの先端ではなく側面でボタンを押すという選択さえ行った。

汎用ロボット実現の夜明けか？

長らくロボット工学は二大流派に分かれてきた。産業用ロボットは速度と精度を追求し、協働ロボットは安全性と使いやすさを追求する——しかしどちらも「常識」を欠いている。一方、Figure、1X、テスラのOptimusといったヒューマノイドロボットは驚異的な運動能力を示しているが、オープンエンドなタスクにおける意思決定能力はまだ十分とは言えない。

Generalist AIのアプローチは、業界に別の可能性を示している。汎用ロボットは膨大な知識ベースを持つ必要はなく、「瞬時の物理的直感」を備えるだけで十分かもしれない。その直感は、シミュレーション環境での大量の「失敗」を通じて訓練されるものだ。ロボットがバナナをハンマーとして、支えとして、レンチとして使うとき、それはプログラムを実行しているのではなく、物理世界を「理解」しているのだ。

もちろん、現在のシステムには明らかな限界もある。机の上の小型物体の操作に特化しており、柔らかく変形しやすい食材（バナナ自体も含む）の把持はまだ時折ミスが生じる。しかし、その場にいたすべての人が感じたように、あのバナナが象徴するのは単なるデモではなく、一つの方向性の宣言だ——AIの次なるフロンティアは、より流暢な会話ではなく、より機転の利く「動く力」にある。

編集後記：大規模言語モデルが言語の世界で認識を塗り替え続けている一方、物理世界のAIはまだ「よちよち歩き」の段階にある。しかしGeneralist AIの今回の展示は、ロボットの「即興演技」が私たちの予想よりも早く実現するかもしれないことを示した。ツールとしてのバナナは、ロボットが汎用知性へと踏み出す小さな一歩かもしれない。

本記事はWIREDより編訳