ロボットの弱点は“ハード”じゃない——足りないのは「頭」だった
ロボットが「家庭で洗い物をして、箱を組み立て、コーヒーまで淹れる」未来は、ハードウェアの進化だけでは届きません。Physical Intelligence（π）のKarol HausmanとTobi Springenbergは、ロボティクスの真の足かせは“知能（intelligence）”だと断言します。実際、彼らは、「“ロボットはハードではなく知能がボトルネックだった”」という立場から、ロボット版の“基盤モデル（foundation model）”を作り、模倣学習→現場経験による強化学習へと前進させています。
1. 「分解して作る」ロボティクスが限界に来た理由
従来は、ロボットを知覚（perception）→計画（planning）→制御（control）に分解し、各モジュールを別々に設計・学習させるのが王道でした。ところが彼らは、この分解こそが“うまくいかない本丸”だと見ます。人間はコップを取るとき、「認識して、軌道を計画して、制御して…」と逐次処理している感覚はなく、行為はもっと統合的です。だから、最初からピクセル（視覚）と指示（言語）から、行動（アクション）までを一気通貫で学習するほうが自然だ、というわけです。
2. ロボット版“基盤モデル”とは何か
2-1. π0：画像×言語×行動をつなぐ「VLA」
πが提案するのは、Vision-Language-Action（VLA）モデル。要するに、画像と言語を理解する背骨（VLM）に、ロボットを動かす行動の専門家（action expert）をつけて、低レベルのモーター指令まで出す設計です。π0（pi-zero）は、その最初の一般化方針で、「ユーザーが言えば、ロボットが動作を学ぶ」世界観を明確に打ち出しました。
2-2. なぜ“縦割りロボ会社”ではなく、モデル会社なのか
Housemanらの主張はシンプルです。ロボットは、昔から“人が操作すれば”色々できた。つまり、天井（ハードの可能性）は上がってきたが、床（自律知能）が低い。だから、「まず知能のボトルネックを潰す」ほうが、家庭用、工場用、医療用…と縦に広がる土台になる。
3. 一番難しいのは「新しい家で動く」こと
彼らは課題をCapability（できること）／Generalization（新規環境への適応）／Performance（実用レベルの安定性）に分けます。特に一般化は、部屋の配置も照明も物の置き方も違う“新しい家”で破綻しやすい。π0.5は、この一般化に踏み込み、訓練データにない家で、キッチンや寝室の片付けのような長いタスクを試し、一定の柔軟性を示しました（もちろんまだ不完全）。
ここで重要なのが、彼らの割り切りです。一般化の処方箋は結局のところ「多様なデータ」しか分かっていない。だから、家庭・物体・タスクの“ばらつき”を増やして、似た状況へ外挿できる確率を上げる。
4. 模倣学習の壁を壊した「π*0.6」と強化学習（RL）
4-1. 失敗が連鎖する――模倣学習が現場で弱い理由
ロボットは、現実世界に触るため、小さなズレが次の状態を変え、誤差が雪だるま式に増える。模倣学習だけだと、この“連鎖”が致命傷になります。πは、ここを正面から説明し、実用化には「現場での経験から改善する仕組み」が必要だとします。
4-2. RECAP：経験＋人の修正を使って“2倍速く、2倍安定”へ
πのπ*0.6は、RECAP（RL with Experience & Corrections via Advantage-conditioned Policies）で、
デモ（人の遠隔操作）で初期方針を作る
現場で動かして経験を集める
人が「成功/失敗」や「ここはこう直す」を与える
…という流れで改善します。結果として、一部タスクでスループットが2倍超、失敗率が2分の1といった改善を報告しています。
象徴的なのはデモの“持続時間”。たとえば、エスプレッソを朝から夜まで作り続ける、新しい家で多様な洗濯物を数時間折り続ける、工場でチョコ箱の組み立てとラベル貼りを回すなど、「一発芸」ではなく“運用”の絵を見せにいった点です。
5. これが意味する“次の競争”
彼らの話を編集者目線で要約すると、勝負は3層です。
基盤モデル化：ピクセル→アクションを一体で学ぶ（設計思想の転換）
一般化：多様な実世界データで「初見の家」を攻略する
運用で育つ：模倣学習の限界を、経験RLで越える
そして商業的には、彼ら自身が「どう売るかはまだ決めない」と言う通り、最終形はモデル提供にも垂直統合にもなり得ます。ただし、方向性だけは明確です。「デプロイできる性能に達したら、世界からデータが戻り、戻ったデータでさらに賢くなる」——この自己増幅ループが回るかどうかが、ロボット産業の“次のOS”を決めるはずです。
