（この記事は、2026年4月末時点の内容です）

クフウシヤでは、現場の環境変化に柔軟に対応できるVLAモデル「pi0」を活用した開発を行っています。
その中でも今回は、「一度も経験（学習）していない初めての環境や状況でも、臨機応変に自律して動くこと（オープンワールド汎化）」を目指して開発された、非常に柔軟性の高いVLAモデルのひとつである「pi0.5」の検証について、まとめました。

①実験の背景と目的

実際のロボット運用環境（工場のラインや作業現場）では、AIに事前に学習させたときと「完全に同じ状態」を毎回再現することは大変難しいです。
そのため、予期せぬ変化にも対応できる特性をもつこのVLAを用いて動作計画を行うことができれば、実務現場において極めて実用性が高く、画期的な解決策となります。

そこで本試験では、事前学習とは異なる複数の「初見のシチュエーション」を用意し、「pi0」がどれだけ臨機応変に対応できるかを検証しました。

実際の現場でも安心して運用できるように、

１：「作業成功率80%以上」を目標に設定
２：万が一失敗した場合でも、その原因を詳細に記録・分析
３：２の結果を今後のデータセット収集や学習条件の見直しに反映→さらなる改良にフィードバック

というように、実用フェーズにおける動作成功率の向上につなげることを目的とします。

②実験環境と前提条件

■ 動作条件

①対象物、ゴール目標はそれぞれアームに対して右側、正面側に配置する。


②ゴール目標である黒トレイは接着剤などの固定を行わず、自由に動作できるようにする。

③WebカメラにはLeaderアームとGoPROが映らないように事前に調整する。

④Folloerアームのグリッパーには緑色のビニールテープと緩衝材を巻き付けており、手先の識別性の向上と把持時のグリップ性の向上を図っている。

⑤作業時に環境の影響を考慮するため、追加照明などは配置せず、実験環境周辺を壁で囲うなどは行わないものとする。

■ 使用部材

１　SO101：白（Followerアームとして）
　Lerobotフレームワークが利用できる物理アームとして選定。また、グリッパーやワークの状態確認のためグリッパーリンクにWebカメラを増設している。
　
２　SO101：黒（Leaderアームとして）
　Lerobotフレームワークが利用できる物理アームとして選定。こちらはデータ・セット収集のみ。
　
３　Webカメラ
　作業環境をアーム対面から撮影するカメラ。
　今回は作業の状態、アームの位置などを確認しやすくする工夫として斜めを向くように設営し、アーム、作業面を十分に撮影できるように画角の調整を行っている。
　
４　養生材：白
作業領域を示す四角い養生シート。作業卓の色と明確に区別できるような色のものを選定した。

５　トレイ：黒
今回のタスクにおける目標位置（ゴール）。このトレイに対象物を乗せるような作業を行う。なお、作業領域に対して固定は行わないものとする。

６　対象物
　一般流通している袋入りの飴。今回は、３種類の対象物を用意した。
　（青い包装の飴、黄色い包装の飴、黒い6面サイコロ）
　
７　GoPRO
　実験撮影カメラ、今回の制御システム外で動作し、動画記録に利用している。
３のWebカメラに映らない位置において撮影するように注意した。

③学習データの収集

今回の検証では、以下のようなシナリオでLeaderアームを用いて動作を記録しました。

１：アーム右側の対象物（動画では青い包装の飴）に向かって移動。
２：グリッパーを展開し、対象物を把持するために位置合わせを行う。
　＊ 位置合わせの際にグリッパー手先が片方しか映らないため、映る側のグリッパー手先を対象物に当てるように位置合わせを行う。
３：対象物を把持・持ち上げを行う。
４：持ち上げた対象物をゴール位置（動画では黒いトレイ）まで運搬し、置く。
５：最後にアームを初期姿勢にもどす。


上記のシナリオにてエピソードを40回記録し、pi0.5ポリシーを使用して学習したものを動作規範として用いて、３つの実験を行いました。

【実験１】：未学習の色の対象物を運搬（黄色いお菓子の袋をつかんで、黒いトレイに置く）

実験１では、「色の情報のみを未知とする」ため、対象物の位置・姿勢は固定とする。

＜実験方法１＞黄色いお菓子の袋をつかんで、黒いトレイに置く

■ 実験回数：10回
＊動作パラメータは事前に調整した実機パラメータを使用する。

■「Pick up the yellow snack packet and place it in the black tray.」を、textプロンプトに与えて実行

＜実験結果１＞

動作成功率 90%（10回中9回成功）：目標成功率を達成！

＜考察＞

この実験では、色の情報の違いにより成功率が下がるような挙動は見られないことがわかった。

【実験２】：未学習の色・形状を持つ対象物の運搬（黒いサイコロをつかんで、黒いトレイに置く）

＜実験方法２＞

実験２では、色と形状の情報を未知とするため、対象物の位置・姿勢は固定とする。

■「Pick up the black dice and place it in the black tray.」を、textプロンプトに与えて実行

■ 実験回数：10回
動作パラメータは事前に調整した実機パラメータを使用する。

＜実験結果２＞

動作成功率 90%（10回中9回成功）：目標の成功率を達成！

＜考察＞

実験２の結果により、色・形状の違いにより成功率が下がるような挙動は見られないことがわかりました。

【実験３】：未学習の位置にある対象物の運搬（青いお菓子の袋をつかんで、黒いトレイに置く）

＜実験方法３＞

実験３では、開始位置とゴール位置を学習時と異なる位置を与えて実験する。対象物は青のお菓子とし、位置・姿勢はする。

■ 実験回数：10回
　動作パラメータは事前に調整した実機パラメータを使用する。
　また、位置の違いを与えるため、実験環境の一部を変更する。

【 変更前 】
アメはアームに対して右に位置するように、ゴールの黒トレイはアームに対して左に位置するように配置する

【 変更後 】
アメはアームに対して左に位置するように、ゴールの黒トレイはアームに対して右に位置するように配置する

＜実験結果３＞

動作成功率 30%（10回中3回成功）：目標成功率未達成

＜考察＞

他の実験に比べて、成功率が極端に減少する傾向が見られました。
失敗したパターンに共通して見られたのは、以下の２点でした。

①アームを対象物の位置まで動かせず、また把持できる姿勢の調整ができない
②つかめたとしてもゴールまでの運搬途中でグリッパーが開いて振り落としてしまう

まとめ：

今回は３つの検証を行い、大きく分けて以下の２つがわかりました。

■ 色・対象物の情報の違いよって、動作の成功率が下がる挙動は見られない（実験１、実験２）

■ 開始位置とゴール位置を学習時と異なる位置だと、アームが対象物姿勢の調整ができない。
　対象物をつかめたとしても、運搬途中で落としてしまう。（実験３）

今後も実験内容を変えて、動作成功率の向上につながる追加検証を行う予定です。
当社では、オープンソースのモデルを活用し、現場で動くロボットを目指して深堀した研究開発などにも取り組んでおります。
VLAモデルを活用した課題解決において、どのモデルが適切か、モデルよってどう違うかなどのご相談も可能です。

関連記事

2026年05月14日（木）

【SO101】lerobotのモデル比較【8モデルでキューブ運びをやってみた】

【2026年4月時点の記事です】 今回やったこと： 同一のデータセットをlerobotに含まれているモデルで学習し、8モデルのそれぞれの違いを比較した。 ■ 比較モデル 　pi0.5／pi0／GROOT […]

2026年03月31日（火）

「おもてなし」をロボットへ。双腕アームロボット「OmniHost」が目指す、宿泊・飲食業の新しいかたち

（2026年3月時点の記事です） OmniHostとは 「視覚で認識し、言語で指示を受け、自律的に体を動かす」――フィジカルAIが、いよいよ現場レベルでの実用化に近づいています。 飲食店での配膳ロボット […]