見出し画像

Large Behavior Models（LBM）とは何か — フィジカルAIの次の基盤モデル

teddy

筆者が本記事を書き始めたきっかけは、Russ Tedrake 氏のインタビュー動画です。同氏の話を聞いて、今後 LBM への注目がどんどん高まっていくと考えました。同氏は MIT の研究者で、LBM（Large Behavior Models）を軸にしたステルス AI スタートアップを 2026 年に発表する見込みも報じられています。本記事では、TRI（Toyota Research Institute）の研究と公開エビデンスを手がかりに、LBM の概念を一気通貫で整理します。

技術解説は note で公開しています。Aezith（イージス）の会社情報・事業内容・お問い合わせは https://www.aezith.com をご覧ください。


第1章：導入と要約

フィジカルAIの現場では、VLA（Vision-Language-Action）や拡散ポリシーという語が並び、どれを採るべきかの議論が進んでいます。一方で、TRI が提唱する LBM（Large Behavior Models）は、これらを包含する上位概念として位置づけられます。Tedrake 氏は TRI の Large Behavior Models 部門を率い、Boston Dynamics の Atlas への LBM 適用デモを共同発表した人物でもあります。2026 年 3 月の報道では、Robotics Summit で LBM 配備を目指すステルス AI スタートアップを発表する見込みとされています（The Robot Report 等）。

筆者が本記事を書くきっかけは、Russ Tedrake 氏のインタビューを聞いて、今後 LBM への注目がどんどん高まると感じたこと、および LBM という語が VLA と混同されやすいことです。連載内の「VLAモデルのデータスケーリング則と創発メカニズム」は VLA の学習フェーズ設計に焦点を当てました。本記事は、その上流にある「ロボット行動そのものの基盤モデル」——LBM ——を整理します。

1-1. なぜ今 LBM を整理するか

タスクごとにモーションを手書きし、デモを一つずつ積み上げる従来型のロボティクスは、ヒューマノイドの汎用化にはスケールしません。Tedrake 氏自身も、Atlas デモの発表時に「人手プログラミングではスケールしない。LBM ならデモ追加でスキルを素早く載せられる」と述べています。

LBM を理解しておくと、次の判断がしやすくなります。

  • VLA を選ぶべきか、拡散 Transformer ベースの LBM を選ぶべきか

  • 事前学習に何時間・何タスクのデータが必要か

  • 評価で「デモの成功」ではなく何を見るべきか

  • 古典制御（MPC 等）とどう役割分担するか

1-2. TL;DR

  • 結論1： LBM は「画像シーケンスを入力として物理アクションを出力するモデル」の総称。VLA はその構成手段の一つに過ぎない

  • 結論2： TRI の LBM は拡散 Transformer ベース。約 1,700 時間・500 タスク超の異種データで事前学習し、新規タスクはデータの 15〜30% で単一タスクモデルを上回ると報告されている

  • 結論3： 評価は閉ループ・初期条件ランダム化・大規模 rollout が必須。サンプル不足のオープンループ評価は統計ノイズを成果と誤認しやすい

  • 結論4： LBM は魔法の箱ではない。正規化や action 空間の定義といったエンジニアリングが性能を左右する

  • 結論5： データ駆動の上層（LBM）と第一原理の下層（MPC 等）の二層統合が、安全な汎用ロボットへの現実的な道筋である（Tedrake 氏の研究立場と整合）

第2章：背景 — 物理AIのパラダイムシフト

結論から言うと、LBM はマニピュレーションを「タスク特化型のエンジニアリング」から「データ駆動型のスケーラブルなパラダイム」へ移行させる試みです。

従来型の単一タスクポリシーは、環境・カメラ位置・机の高さがわずかにずれただけで座標を失い、失敗時にフリーズする——といった脆弱性が報告されています。LBM は次の 3 点でパラダイムを変えます。

  1. 基盤モデルとしての行動生成： 視覚と言語の入力から、未来のアクションシーケンスを直接出力する統合アーキテクチャ

  2. 圧倒的な学習効率： マルチタスク事前学習により、未知タスクをスクラッチ学習の数分の一のデータで習得

  3. 自律的なリカバリ能力： 物理的・視覚的な外乱への強靭性と、失敗からの滑らかな自律復旧の創発

VLA 連載記事で扱った「創発」や「スケーリング則」は、主に言語条件付き汎化ポリシーの学習設計に関するものです。LBM は、より広く「ロボットの行動そのもの」を大規模データで事前学習する枠組みと捉えると整理しやすいです。両者は対立ではなく、LBM の実装として VLA 系アーキテクチャを選ぶこともあります。

第3章：LBM とは何か

LBM は特定のアーキテクチャ名ではなく、ロボットのセンサデータ（主にカメラ画像列）と言語指令を受け取り、ロボットアクションを出力する基盤モデル全般を指します。

TRI の立場（Fact）： VLA は LBM を構築するための一つの選択肢に過ぎず、TRI は DiT バックボーンによる拡散ポリシーのスケーリングに焦点を当てている。論文タイトルも「A Careful Examination of Large Behavior Models for Multitask Dexterous Manipulation」であり、マルチタスク巧みな操作への適用が主眼です。

筆者の整理（Opinion）： 現場で「VLA を入れれば LBM ができる」と短絡化するのは危険です。VLA は実装パターンの名前であり、データ規模・評価・正規化・制御層との統合まで含めて初めて LBM として機能します。

第4章：LBM のアーキテクチャ

TRI が公開している LBM の具体像は、視覚・自然言語・プロプリオセプションを条件とした拡散 Transformer です。

4-1. 入出力

出力はマルチステップのアクション chunk です。TRI の設定では 20 DOF 双腕（Franka Panda FR3 系）を想定し、10 Hz 制御で 16 ステップ（1.6 秒）先を予測し、先頭 8 ステップを実行してから再計画する action chunking を採用しています。

4-2. バックボーンの刷新

従来の UNet バックボーンから DiT（Diffusion Transformer）へ移行した理由は、スケーラビリティです。Self-attention と MLP を積み重ねた Transformer 構造は、データとモデル規模の拡大に伴い性能が滑らかに伸びる——というのが TRI 論文の主張です。これは LLM 時代のスケーリング則がロボティクスにも及ぶか、という問いへの肯定的な初期回答と読めます。

第5章：データとマルチタスク事前学習

LBM の性能は、アーキテクチャ以上にデータの質・量・多様性に依存します。TRI は約 1,700 時間・500 タスク超の混合データで事前学習を行いました。

高品質な社内データと、コミュニティの異種 embodiment データを混ぜることで、「物理世界の常識」をモデルに埋め込む——というのが TRI のデータ戦略です。動画から学ぶアプローチも TRI は重視しており、因果関係や物理法則を含む映像は、人間デモだけでは得にくいスケールのデータ源になります。

連載の「VLAモデルのデータ収集方式の選定」で整理した実機遠隔操作・エゴセントリック収集は、この LBM 事前学習の「上流」に位置します。収集方式の選び方が、そのまま LBM の天井を決める、と捉えると実務上の優先順位が明確になります。

第6章：評価の厳格性とエビデンス

ロボティクスでは「都合の良いデモ」が成果と誤認されやすい、というのが TRI 論文の問題意識です。確率的な行動モデルを正しく評価するには、初期条件のランダム化と十分なサンプルサイズを持つ閉ループ評価が不可欠です。


50 rollout だけでは、真の成功率 10〜30% 程度の信頼区間幅しか得られず、小さな効果は統計ノイズと区別できません。TRI は 29 タスク・4,200 rollout 規模で事前学習済みモデルを評価しています。

6-1. データ効率

事前学習済み LBM をファインチューニングすると、ターゲットタスクのデータ予算 15% 程度で、100% データの単一タスクモデルを上回る——という結果が TRI によって報告されています。新規タスクでは 3〜5 倍少ないデータで、環境変動に対するロバスト性を含む難設定でも学習できるとされています。

6-2. 事前学習とファインチューニングのトレードオフ

ターゲットタスクごとに数千回のデモを集めるのは現実的ではありません。タスク固有データが少ないほど、大規模で多様な事前学習データの価値が高まります。これは、フィジカルAI 現場で「まず何時間集めるか」より「まず何百タスク・何 embodiment で事前学習するか」を問うべき理由でもあります。

第7章：ロバスト性とリカバリ

事前学習で獲得した物理世界の常識は、学習分布外の外乱に対してもロバスト性を示す——というのが TRI の第二の主張です。

検証された分布シフトの例は次のとおりです。

  • 視覚： 照明変化、テクスチャ・色の変更、ディストラクタ追加

  • 物理： 未知ステーションへのゼロショット展開

単一タスクモデルは、カメラ角度や机の高さが数 mm ずれた未知ステーションで座標を失い失敗する一方、LBM はゼロショットで適応しタスクを完遂できる——と TRI は報告しています。

7-1. 自律的リカバリの創発

従来型では「エアボール」（掴み損ねた後も空振りし続ける）や、一度の失敗でモーションプランニングが停止する挙動が典型でした。LBM では、物体を落としても再把持を試み、関節リミットに達しても力を抜いて別アプローチを取る——といったリカバリが創発する、と TRI は観察しています。Tedrake 氏が長年注力してきた非平滑力学と制御の文脈で言えば、「失敗しても止まらない行動」は、単なるデモの成功ではなく、閉ループでの統計的優位として測るべき対象です。

第8章：泥臭いエンジニアリング

「Software 2.0 still has software」—— TRI 論文が強調するメッセージは、大規模モデルが魔法の箱ではない、という点です。

アーキテクチャ変更より、次の細部が最終性能を左右すると報告されています。

  • データ正規化： わずかな正規化パラメータの計算ミスが下流タスクのロバスト性を大きく損なう

  • action 空間の定義： 関節角・エンドエフェクタ・相対座標など、表現の選び方が学習効率に直結する

  • 低モーションデータのフィルタ： 無動作区間の扱いが、ポリシーの初動遅延や言語ステアラビリティに予期せぬ影響を与える

筆者の経験（Opinion）でも、模倣学習パイプラインでは「モデルを大きくした」より「正規化と action 空間を直した」方が成功率が動くことが多いです。LBM 時代ほど、この泥臭さは軽視できません。

第9章：従来手法との比較と制御との統合

9-1. 比較マトリクス

9-2. 第一原理とデータ駆動の統合

LBM が提供する物理的知能は、MPC やリャプノフ関数に基づく古典制御と対立しません。二層構造として整理できます。

  • 上層（データ駆動）： LBM が不確実な環境での操作計画と多様タスクの理解を担う

  • 下層（第一原理）： MPC 等が転倒防止や全身運動学的安全性を厳密に担保する

Tedrake 氏の研究は、最適制御・非平滑力学・学習の交差点に長く位置してきました。LBM を「制御を捨てる話」ではなく、「何をすべきかを LBM が、物理限界を古典制御が守る」話として読むのが、Atlas デモや論文の記述と整合します。

第10章：汎用ロボットへの青写真と業界動向

厳密な評価とエビデンスに裏打ちされた LBM は、物理AI を次のステージへ導く基盤になり得ます。TRI が示す青写真の要点は次の 3 点です。

  1. エビデンスに基づく確信： 都合の良いデモではなく、統計検証がスケーリング則を支える

  2. 目的を持ったスケーリング： 闇雲なデータ収集から、実世界ユースケース解決に向けた戦略的拡張へ

  3. 正の循環： 実世界デプロイ後、「データ収集の加速」と「モデルの高度化」が相互に強化する

10-1. 業界の動き（Fact）


Tedrake 氏の起業は、学術・TRI で積み上げた LBM を産業配備へ持ち出す動きと読めます。ただし、未発表のため製品仕様や顧客は現時点では不明です。筆者は、LBM スタートアップの成否は「モデルサイズ」より「閉ループ評価で証明されたデータループと、安全層との統合」で決まる——と予測します（Opinion）。

第11章：まとめと参考資料

LBM は、ロボットのセンサと言語から行動を出力する基盤モデルの総称です。VLA はその実装の一つに過ぎず、TRI は拡散 Transformer によるスケーリングと、1,700 時間超の異種データ事前学習、厳格な閉ループ評価を組み合わせてエビデンスを積み上げています。

Tedrake 氏の起業報道は、LBM が研究テーマから産業の主戦場へ移るタイミングの合図と捉えられます。フィジカルAI を扱う技術者にとって、VLA との違い、評価の厳格性、エンジニアリングの泥臭さ、古典制御との二層統合——を押さえておくことが、これからの選定と投資判断に効いてきます。

本記事は Aezith が公開するフィジカルAI技術解説の一部です。フィジカル AI コンサルティング・PM 支援については https://www.aezith.com からご確認ください。

参考資料

いいなと思ったら応援しよう！

teddy よろしければ応援お願いします。いただいたチップはクリエイターとしての活動費に使わせていただきます。