室谷代表取締役これはかなり象徴的な発表が来ましたね。AI評価機関のArtificial Analysisが2026年10月14日に公開したのが、身体性AIベンチマークのAA-Robotics v0.1です。
テキトー教師DotAI 認定講師AA-Robotics v0.1は、Artificial Analysisが2026年10月14日に公開した研究プレビュー版のベンチマークで、フロンティア言語モデルが物理世界を理解・計画・行動できるかを測るものです。各モデルに6軸ロボットアーム、つまり5関節とグリッパーを渡して、簡単な目標を解かせるんですね。
室谷代表取締役まさに「頭脳が身体を持つ」テストなんですよね。発表元は「身体性AIの時代へようこそ」と宣言していて、初日の8タスクの結果を出しています。
テキトー教師DotAI 認定講師発表元の主張で面白いのは、コーディングエージェントハーネスに入ったフロンティア言語モデルが、最近になって簡単なタスクならロボットアームを直接操作できるようになった、という点です。ただし現状は生産用途には程遠く、人間ベースラインよりほぼ2桁悪い、と明言しています。
AA-Robotics v0.1とは？Artificial Analysisが公開した身体性AIベンチマーク
まとめ
AA-Robotics v0.1の要点
- ロボット専用モデルのテストではなく、汎用フロンティア言語モデルがコーディングエージェントハーネス越しに実機のアームを動かす構図を測るベンチマーク
- 発表元は「2026年の初頭以降、フロンティア言語モデルのロボットアーム制御能力が大きく進歩した」と述べている
- 従来は専用設計のロボティクスモデルや模倣学習が主流だったところに、汎用言語モデルが直接アームを動かす発想が登場
- 発表元は「ロボティクスの未来は強い汎用エージェントが担う可能性が高い」と考え、言語モデルのロボティクス進歩を追跡するものさしとして位置づけ
- 生産用途に単独で使えるかどうかとは別の話として作られたベンチマーク
- 同じArtificial AnalysisはCognitionのFrontierCode 1.1を10月12日に発表、3Dシーン構築のAA-3Dも10月12日に公開しており、AA-Roboticsはその「物理世界版」にあたる
室谷代表取締役まずここを整理しておきたいんですけど、AA-Robotics v0.1って「ロボット専用モデル」のテストではないんですよね。
テキトー教師DotAI 認定講師そうなんです。単にロボット制御モデルを測る話じゃないんですよ。
汎用のフロンティア言語モデルが、コーディングエージェントハーネス越しに実機のアームを動かす、という構図です。発表元は「2026年の初頭以降、フロンティア言語モデルのロボットアーム制御能力が大きく進歩した」と述べています。
汎用のフロンティア言語モデルが、コーディングエージェントハーネス越しに実機のアームを動かす、という構図です。発表元は「2026年の初頭以降、フロンティア言語モデルのロボットアーム制御能力が大きく進歩した」と述べています。
室谷代表取締役背景ブリーフによると、従来は専用設計のロボティクスモデルや模倣学習が主流だったところに、汎用言語モデルが直接アームを動かすという発想が来た、と。MYUUUでもエージェントに実作業を任せる実験をよくやるんですけど、物理世界に踏み出すと一気に難易度が上がるんですよね・・・。
テキトー教師DotAI 認定講師発表元は「ロボティクスの未来は強い汎用エージェントが担う可能性が高い」と考えていて、だからこそ言語モデルのロボティクス進歩を追跡するのが重要だと位置づけています。生産用途に単独で使えるかどうかとは別の話として、ものさしを作ったわけですね。
室谷代表取締役同じArtificial Analysisは、CognitionのFrontierCode 1.1を10月12日に発表し、3Dシーン構築のAA-3Dも10月12日に公開しています。AA-Roboticsはその「物理世界版」にあたる、という並びなんですよね。
テキトー教師DotAI 認定講師評価の整備が一気に進んでいる印象です。コーディングはCursor、GPT-5.6 Sol/Terra/Luna投入のような個別ベンチマークの話題も多いですが、今回はその流れが身体性にまで広がった、という見方ができます。
AA-Robotics v0.1でできること――6軸ロボットアームを言語モデルが直接操作
AA-Robotics v0.1 モデルに与えられる環境と操作の仕組み
隔離されたコンテナ
モデルには隔離されたコンテナが与えられる
ごく短い指示
ロボットアームへの接続方法(シンプルなHTTP API経由)、どのアームか(Hiwonder NexArm、追加仕様は渡されない)、試行を完了として提出する方法のみ
4台のカメラで視覚入力
卓上に3台、手首に1台のカメラでシーンを見る
コードを書いて実行
コンテナ内でコードを書き実行し、動きを計画して送る(コーディングエージェントハーネス)
HTTP API経由で指令
モデルが自分でコードを書き、HTTP API経由でアームに指令を送る
終了状態を採点
合格なら100点、未完了でも部分点が入る
全試行ゼロショット
事前練習なしの一発勝負
室谷代表取締役で、実際に何をやらせるのか。ここが一番気になるポイントです。
テキトー教師DotAI 認定講師モデルには隔離されたコンテナが与えられて、指示はごく短いものです。ロボットアームへの接続方法、つまりシンプルなHTTP API経由であること、どのアームか、これはHiwonder NexArmで追加の仕様は渡されないこと、そして試行を完了として提出する方法。
これだけです。
これだけです。
室谷代表取締役アームの詳細仕様を渡さない、というのがポイントですよね。モデルは4台のカメラ、卓上に3台と手首に1台でシーンを見て、コンテナ内でコードを書いて実行し、動きを計画して送る。
テキトー教師DotAI 認定講師ここが「コーディングエージェントハーネス」たる所以です。モデルは自分でコードを書き、HTTP API経由でアームに指令を送る。
使われたアームはHiwonder NexArmで、公式ページによるとESP32とAT32のデュアルチップ構成、全金属ボディ、逆運動学アルゴリズム、±2mmの繰り返し精度を持つオープンソースのVLA向けアームです。
使われたアームはHiwonder NexArmで、公式ページによるとESP32とAT32のデュアルチップ構成、全金属ボディ、逆運動学アルゴリズム、±2mmの繰り返し精度を持つオープンソースのVLA向けアームです。
室谷代表取締役面白いのは、モデルが提出したら終わりではなくて、終了状態がタスクの合格基準に対して採点される点です。合格なら100点、未完了でも部分点が入る。
そして全試行がゼロショット、つまり事前練習なしの一発勝負なんですよね。
そして全試行がゼロショット、つまり事前練習なしの一発勝負なんですよね。
テキトー教師DotAI 認定講師講座で受講生さんによく言うんですけど、ゼロショットで実機を触るというのは、教習所の車に初めて乗って学科なしで路上に出るようなものです。それができるようになった、というのが今回の一番のニュースなんですよ。
室谷代表取締役発表元も「フロンティア言語モデルが簡単なタスクならアームを直接操作できるようになった」と認めつつ、「今日のところは遅すぎて高すぎて生産用途には使えない」と。期待と現実を両方書いているのが誠実ですよね。
8つの卓上タスクの中身――把持・空間推論・適応力をどう測るか
8つの卓上タスクと3つの能力
制御と器用さ
正確な把持や物体の扱い
空間推論
物体同士がどう関わるかの理解
適応力
予想外の出来事への反応
室谷代表取締役8つのタスク、具体的に見ていくとけっこう生活感があって面白いんですよ。
テキトー教師DotAI 認定講師発表元は8タスクを3つの能力に分類しています。制御と器用さ、つまり正確な把持や物体の扱い。
空間推論、つまり物体同士がどう関わるかの理解。そして適応力、つまり予想外の出来事への反応です。
整理するとこうです。
空間推論、つまり物体同士がどう関わるかの理解。そして適応力、つまり予想外の出来事への反応です。
整理するとこうです。
- 赤いボタンを押す:グリッパーでボタンを押す。ボタンが点滅すれば合格
- ワニのおもちゃを長方形に入れる:ワニが完全に長方形の内側にあれば合格
- 飲み物をカップに注ぐ:カップに飲み物が入り、こぼれず、壊れていなければ合格
- ブロックを箱に片付ける:4つのブロックを箱に入れ、ふたを戻す。ふたが水平に閉まれば合格
- 形合わせチャレンジ:ブロックをボードに置き、絵と一致させる
- hello worldを書く:マーカーで紙の黒い枠内に「hello world」を書く。判読可能で枠内なら合格
- 最も高い塔を作る:発泡ブロックで自立する最大高の塔を作る
- 箱を測る:箱の長さ・幅・高さを測る。各寸法が正解の2mm以内なら合格
室谷代表取締役「箱を測る」が入っているのが渋いですよね。これ、把持だけじゃなくて計測という知的な作業も混ぜている。
テキトー教師DotAI 認定講師把持と微細操作は、より正確な制御タスクだけでなく、道具の使用、ひいてはもっと広い能力につながるので、AA-Robotics v0.1で測るべき重要スキルだと発表元は説明しています。
室谷代表取締役ちなみに「最も高い塔を作る」は、途中で崩すと取り返しがつかない。空間推論と適応力が同時に問われるタスクなんですよね。
AA-Robotics v0.1の使い方・評価の仕組み――ゼロショットでどう採点されるか
室谷代表取締役ここ、評価の仕組みがけっこう独特なので丁寧に見ておきたいです。
テキトー教師DotAI 認定講師流れはこうです。モデルは隔離コンテナで動き、アームへの接続方法、アームの種類、試行の提出方法という短い指示だけを受け取ります。
4台のカメラでシーンを見て、コンテナ内でコードを書いて実行し、動きを計画して送る。提出後、終了状態が合格基準に対して採点され、合格は100点、未完了なら進捗に応じた部分点が入る。
全試行はゼロショットです。
4台のカメラでシーンを見て、コンテナ内でコードを書いて実行し、動きを計画して送る。提出後、終了状態が合格基準に対して採点され、合格は100点、未完了なら進捗に応じた部分点が入る。
全試行はゼロショットです。
室谷代表取締役モデルごとに走らせるハーネスが違うのも見どころですよね。GPT系はCodex、Claude系はClaude Code、Gemini 4 ArgonはAntigravityで、すべてhigh effort設定。
テキトー教師DotAI 認定講師ここは公平性の観点で重要です。同じハーネスに揃えるベンチマークもある一方で、今回は各モデルが実運用に近いハーネスで走っている。
発表元はこれを明示しています。
発表元はこれを明示しています。
室谷代表取締役採点は「終了状態」で見る、というのもポイントです。過程の美しさではなく、最終的にタスクが達成されたか。
だから「合格状態に到達したのに、その後さらにいじって失敗する」という逆転が起きるんですよね。
だから「合格状態に到達したのに、その後さらにいじって失敗する」という逆転が起きるんですよね。
テキトー教師DotAI 認定講師発表元も「モデルは合格状態に到達した後も、長く試行を洗練し続けることがよくある」と指摘しています。GPT-6.1 Solは約17分で合格する塔を作ったのに、その後に失敗した、という例が挙げられています。
物理空間でのタスク完了の推論能力がどう改善するかは、今後に注目だとしています。
物理空間でのタスク完了の推論能力がどう改善するかは、今後に注目だとしています。
リーダーボード結果――GPT-6 Astraが69点で首位、Gemini 4 Argon、Claude勢の順位
室谷代表取締役で、みんなが気にするスコアです。ここは数字をきっちり押さえましょう。
テキトー教師DotAI 認定講師首位はGPT-6 Astraで69点。続いてGPT-6.1 Solが65点、Gemini 4 Argonが55点、Claude Opus 5.5が49点、Claude Fable 5.1が46点です。
室谷代表取締役GPTファミリーがトップを占めて、Gemini 4 Argonが食い込み、Claude勢が続く、という並びなんですよね。Gemini 4 ArgonについてはGoogleが新型AI「Gemini 4 Argon」発表でも詳しく解説しています。
テキトー教師DotAI 認定講師タスク別の結果も興味深いんですよ。全5モデルが満点を取ったタスクが2つあります。
「赤いボタンを押す」と「ワニのおもちゃを長方形に入れる」ですね。
「赤いボタンを押す」と「ワニのおもちゃを長方形に入れる」ですね。
室谷代表取締役逆に差がついたのは「飲み物をカップに注ぐ」と「形合わせチャレンジ」です。注ぐタスクではGPT-6.1 Solが0点、Claude Opus 5.5が25点、Claude Fable 5.1が30点なのに対して、GPT-6 Astra、Gemini 4 Argon、Claude Opus 5.5以外は満点だったり部分点だったり。
テキトー教師DotAI 認定講師形合わせではGPT-6.1 SolとClaude Fable 5.1が満点、GPT-6 Astraが44点、Claude Opus 5.5が38点、Gemini 4 Argonが0点。モデルごとに得意不得意がはっきり分かれています。
室谷代表取締役一番難しかったのは「箱を測る」で、部分点がGPT-6.1 SolとClaude Opus 5.5の17点だけで、他は0点。計測タスクの壁は高いんですよね。
テキトー教師DotAI 認定講師「最も高い塔を作る」も厳しくて、GPT-6 Astraが71点、Gemini 4 Argonが57点、Claude Opus 5.5が25点、GPT-6.1 SolとClaude Fable 5.1は0点でした。
スコアとコストの比較――GPT-6.1 Solは1タスク1.93ドル、GPT-6 Astraは16.36ドル
室谷代表取締役ここが経営者的には一番刺さるところなんですけど、スコアとコストの関係がえぐいんですよ。
テキトー教師DotAI 認定講師コスト効率のフロンティアを形成するのは2モデルです。GPT-6.1 Solは1タスクあたり1.93ドルで65点、GPT-6 Astraは16.36ドルで69点。
室谷代表取締役つまりGPT-6 Astraの4点を上乗せするのに、1タスクあたり14.43ドル余分に払っている。GPT-6.1 Solの価格の8倍以上ですよ。
テキトー教師DotAI 認定講師Claude Opus 5.5の49点とClaude Fable 5.1の46点は、GPT-6.1 Solよりコストが高いのにスコアは低い、という位置づけです。
室谷代表取締役発表元は「アームとシーンの新規性、そしてモデルが処理しなければならない視覚情報の量が大きいため、コストの大半は入力に乗る。支出の70%はコンテキストにいく」と説明しています。
これはエージェントを回している人なら全員共感するやつですよね・・・。
これはエージェントを回している人なら全員共感するやつですよね・・・。
テキトー教師DotAI 認定講師講座でも受講生さんに「エージェントは毎ターン文脈を送り直すから、入力トークンの設計がコストを決める」と伝えているんですが、それがロボティクスでも同じ形で出ているわけです。
室谷代表取締役モデル選びの話でいうと、GPT-6.1 Solの位置づけはGPT-6.1 Sol Ultrafastとは？OpenAIが最大8倍速で提供開始も参考になります。速さとコストのトレードオフは、こういう身体性タスクでもそのまま効いてくるんですよね。
人間との差と3つの失敗パターン――約100倍遅く約10倍高い現状
室谷代表取締役で、最後に現実を直視するパートです。人間と比べてどうなのか。
テキトー教師DotAI 認定講師発表元の表現を借りると、今日の最良のフロンティア言語モデルは人間より約100倍遅く、約10倍高い。1タスクあたり平均約30分かかるのに対し、人間は平均20秒です。
室谷代表取締役約30分ですよ。赤いボタンを押すのに2.2分かかった例もある一方で、Claude Fable 5.1は最初の行動までに約10分を理解と計画に使った、と。
テキトー教師DotAI 認定講師集計では5モデル中4モデルが1タスク約30分で横並び、Gemini 4 Argonが最も遅く52分です。ただし平均はタスク間の大きな差を隠していて、ワニ配置タスクではGPT-6.1 Solが5分で完了宣言したのに対し、Claude Opus 5.5は45分。
9倍の差です。
9倍の差です。
室谷代表取締役Gemini 4 Argonは全タスクを通じて最初の行動までが最も遅く、平均21分を観察と推論に費やしている。他モデルのほぼ2倍です。
テキトー教師DotAI 認定講師コストの差は時間ほど大きくなくて、最もコスト効率の良いモデルでも、米国の平均時給で人を雇う場合の約10倍。時間が約100倍なのに対して、コストは約10倍なんです。
人間コストは時給37.81ドル、米国労働統計局の2026年9月速報値で計算されています。
人間コストは時給37.81ドル、米国労働統計局の2026年9月速報値で計算されています。
室谷代表取締役で、失敗の型が3つに整理されているのが本当に良いんですよ。整理するとこうです。
- 掴み損ね・配置ミス・落下:タスク素材を届かない場所に押し出してしまう
- 空間推論の誤り:行動の順序を間違え、自分で作った塔を倒してしまう
- 成功・失敗の誤判定:合格状態に到達した後も作業を続けてしまう
テキトー教師DotAI 認定講師把持の成功率も見逃せません。6つの把持系タスクで、GPT-6 AstraとClaude Fable 5.1が約45%で最も高く、GPT-6.1 Solが28%で最下位、Gemini 4 Argonが36%で中間です。
室谷代表取締役発表元は「GPT-6 AstraとClaude Fable 5.1は最も高い成功率で、ある程度の精密制御を示した」と評価しています。一方でGemini 4 Argonは、狙ったブロックのすぐ上や横で外すミスが多かった、と。
テキトー教師DotAI 認定講師時間の使い方も面白いです。モデルは最初にアームのキャリブレーションとシーン理解に多くの時間を使い、最初の行動までそれを続けます。
その後は大半を動きの計画に費やし、その間に短く正確なアーム動作が入る。カメラ確認とメモ書きは全体のごく一部です。
その後は大半を動きの計画に費やし、その間に短く正確なアーム動作が入る。カメラ確認とメモ書きは全体のごく一部です。
室谷代表取締役これはエージェント設計そのものの話ですよね。計画に時間を食い、実行は短い。
MYUUUでも似た構造を見るので、ロボティクスでも同じボトルネックが出るんだな、と。
MYUUUでも似た構造を見るので、ロボティクスでも同じボトルネックが出るんだな、と。
テキトー教師DotAI 認定講師発表元は「フロンティア言語モデルは単独では生産ロボティクスに不向きかもしれないが、進歩の追跡は重要だ」と締めています。そして「急速に変わるだろう」と予想しています。
室谷代表取締役現時点では、研究プレビューとして8タスクが公開された段階です。今後の展開については、発表元は「新しいモデルがリリースされるたびにリーダーボードに追加する」という趣旨を述べていますが、具体的なスケジュールは現時点では明らかにされていません。
テキトー教師DotAI 認定講師身体性AIのものさしができたことで、今後はモデル選びの判断材料としても無視できなくなりそうです。
よくある質問
室谷代表取締役ここからは、よく聞かれるポイントを整理していきますね。
テキトー教師DotAI 認定講師まず「AA-Robotics v0.1とは何を測るベンチマークなのか」という点。これはフロンティア言語モデルが物理世界を理解・計画・行動できるかを測る研究プレビューです。
各モデルに6軸ロボットアームの制御を与え、8つの卓上タスクを解かせます。
各モデルに6軸ロボットアームの制御を与え、8つの卓上タスクを解かせます。
室谷代表取締役「言語モデルが実機のロボットアームをゼロショットで制御できるのか」という疑問については、発表元は「コーディングエージェントハーネスに入ったフロンティア言語モデルが、最近になって簡単なタスクならアームを直接操作できるようになった」と述べています。全試行がゼロショットです。
テキトー教師DotAI 認定講師「どのモデルがどれくらいのスコアか」については、GPT-6 Astraが69点で首位、GPT-6.1 Solが65点、Gemini 4 Argonが55点、Claude Opus 5.5が49点、Claude Fable 5.1が46点です。
室谷代表取締役「ヒューマノイドタスクでの性能水準や課題は」という点については、今回公開されたのは6軸ロボットアームによる8つの卓上タスクであり、ヒューマノイド型ロボットのタスクは含まれていません。ヒューマノイドに関する結果は現時点では明らかにされていません。
テキトー教師DotAI 認定講師「研究プレビューとして何が公開され、今後どう展開されるのか」については、v0.1として8タスクの結果とリーダーボードが公開されました。発表元は新しいモデルが出るたびにリーダーボードに追加する方針を示していますが、具体的な時期は現時点では明らかにされていません。
室谷代表取締役「料金や日本で使えるのか」という点については、AA-Robotics v0.1はArtificial Analysisのベンチマークであり、モデル自体の提供条件ではありません。タスクあたりのコストはGPT-6.1 Solが1.93ドル、GPT-6 Astraが16.36ドルと報告されています。
テキトー教師DotAI 認定講師「なぜこんなに遅くて高いのか」という疑問には、発表元が理由を挙げています。アームとシーンの新規性、そしてモデルが処理しなければならない視覚情報の量が大きいため、支出の70%が入力、つまりコンテキストに乗る、という構造です。
室谷代表取締役総じて、現状は「できるようになったが、実用には程遠い」というのが正確なところです。ただ、発表元自身が「急速に変わるだろう」と予想しているので、この数字は定点観測のスタート地点として見ておくのが良さそうですよね。
