人形ロボット開発のAgiBot、AIモデルとデータ基盤を統合した学習エコシステムの構築へ

要点

• 中国の人形ロボット企業AgiBotが、ロボット単体の製造から基盤モデルやシミュレーション基盤を統合したAI企業への転換を進めている。

• 2026年4月に公開した身体性基盤モデル「GO-2」に加え、「Genie Sim 3.0」や世界モデル「GE-2」を連携させた技術スタックを展開している。

• 実世界データ基盤「AGIBOT WORLD」とシミュレーション環境を組み合わせ、2026年内に数千万時間規模のデータ生産を目指す「Hive Data Co-Creation Initiative」を推進している。

• 人形ロボットの競争軸は、関節や運動制御といった機械性能から、データ蓄積量・基盤モデル性能・学習サイクルの更新速度へ移行しつつある。

• 人形ロボット開発を手がけるAgiBotが、ロボットの車体開発にとどまらず、基盤モデルやデータプラットフォーム、シミュレーションシステムを一体化した開発体制を強化していることが明らかになった。同社は2026年に入り、身体性基盤モデル「GO-2」の公開やシミュレーション環境「Genie Sim 3.0」の拡充を相次いで進めている。従来のハードウェア製造を中心としたアプローチから、データとAIモデルの循環によってロボットを継続的に進化させるシステム構築への移行が鮮明になっている。

ハードウェアから知能スタックの統合へ

AgiBotは2026年に入り、自社の人形ロボット「Expedition A3」などの開発を継続する一方で、身体性AIのモデル群とデータインフラの刷新を加速させている。身体性AIとは、物理的な身体を通じて実環境と相互作用しながら動作するAI技術を指す。同社は2026年4月に身体性基盤モデル「GO-2」をリリースし、ロボットが周囲の環境を理解し、行動を計画してタスクを実行する能力を向上させた。

さらに、仮想空間上で学習データを生成するシミュレーション環境「Genie Sim 3.0」のほか、大規模データプロジェクト「AGIBOT WORLD」や動作世界モデル「GE-2 Action World Model」などを展開している。世界モデルとは、環境の物理法則や状態変化を予測するAIモデルのことだ。これらの取り組みを通じて、同社はデータ、モデル、ロボットハードウェアを一つの垂直統合された技術スタックとして結合させており、ロボット本体を単独の完成品ではなく、高度な知能システムを搭載するための基盤（キャリア）として位置づけている。

機械的な動作制御から「学習能力」への課題移行

従来のロボット開発における競争力は、機械設計、関節モジュール、モーションコントロール、サプライチェーン管理、そしてコストや動作の機敏さに大きく依存していた。モーションコントロールとは、モーターや関節を緻密に制御して狙い通りの運動を実現する技術を指す。これまでは、ハードウェアとしての完成度や信頼性が高ければ市場で優位に立つことができた。

しかし、多くの企業が基本的な動作や歩行の課題を克服するにつれて、新たな技術的ボトルネックが顕在化しているという。具体的には、ロボットが未知の複雑な環境を自律的に理解できるか、あらかじめ明示的にプログラムされていない作業に柔軟に対応できるか、そして1回の作業経験から得た学習成果を他の機体へ転移できるか、といった点が問われている。こうした課題は現代のAI研究が直面している課題と本質的に共通しており、業界の焦点がロボットの製造能力から「学習能力」の優劣へと移りつつある。

シミュレーションと実世界を繋ぐ大規模データ循環

学習能力を高める上で最大の鍵となっているのが、ロボットの行動データの確保である。実世界におけるロボットデータの収集には多大なコストと時間がかかるため、AgiBotは実機データと仮想環境のシミュレーションを組み合わせたデータループの構築を進めている。

同社の「AGIBOT WORLD」には、すでに数百万件規模の実世界ロボットデータサンプルが蓄積されている。これに加え、「Genie Sim 3.0」では1万時間以上のシミュレーションデータを開放し、10万を超えるシナリオを網羅した評価システムを構築したと説明している。さらに同社は「Hive Data Co-Creation Initiative」を立ち上げ、2026年内に数千万時間規模のデータ生産能力の達成を目指している。

仮想環境でのシミュレーションにより、ロボットは危険やコストを伴わずに試行錯誤を繰り返すことが可能となる。そこで得られた学習結果を実世界へ適用し、実世界で得た新たなデータを再びシミュレーションやモデルの改良に還元する循環が形成される。このサイクルが確立されることで、今後の優劣は単なるハードウェアの仕様ではなく、保有するデータ量、モデルの処理能力、そしてモデルを改善する反復サイクルの速度によって競われるようになる。

包括的なエコシステムによる総合競争

AgiBotが目指しているのは、個別のロボット製品群を並べることではなく、ハードウェア、データ、モデル、開発ツールを包括した統合システムの構築だとされている。ロボットが物理世界で活動し、そこから得られたデータが学習材料となり、モデルが汎用的な能力を獲得し、プラットフォームがロボットの訓練と配備のハードルを下げるという構造だ。

もちろん、頑丈な機械構造や徹底したコスト管理、大規模な量産能力といったハードウェアの要素が不要になるわけではない。市場にロボットを広く普及させるためには、依然としてこれら製造面の基盤が不可欠である。しかし今後の競争は、ハードウェア同士の単なる性能比較にとどまらず、ハードウェア、AIモデル、データ基盤、そして実世界での適用実績を組み合わせた総合力での勝負になるとみられている。ロボットが「動けるか」を競っていた時代から、ロボットが「いかに継続して学習し賢くなれるか」を競う時代へと、開発競争の構図が変化している。