衡宇 凹非寺より
量子位 | 公式アカウント QbitAI
棚にある小サイズのフックが値札タグの一部に隠れてしまい、コンビニで働くロボット君は最初の商品掛けの試みで……空振りしました。
従来であれば、この時点で人間のエンジニアが出動し、まず問題を調査し、次にプログラムを調整してデータを補充し、ロボットに練習をやり直させる必要がありました。
しかし、このロボット君は少し違いました。自ら新しい方法を編み出したのです。
ロボット君はそれまでの実行記録を見返し、頭部カメラの視野の解像度が不十分であることに加え、値札タグによる遮蔽のため、小さなフックの位置を確認しにくかったことを突き止めました。
そこで、Agentは戦略を調整し、まず左手を目標に近づけ、手首カメラで近距離の視点を補い、位置を確認したうえで、右手が商品掛けを完了するようにしました。
さらに特筆すべきは、ロボット君は問題の所在を自ら発見し、解決法を見つけただけでなく、この有効な経験を備えとして静かに蓄えたことです。
ロボットが仕事の中で問題を発見し、戦略を調整し、経験を蓄積できるようにするこの仕組みの背景にあるのは、智元が最新発表した具身AgentフレームワークGenie Masterです。
これは智元が近ごろ展開している「AI WAVE」シリーズの技術発表の第4弾でもあります——今回、智元は業界に先駆けてPhysical RSI（具身再帰的自己進化）を実際のコンビニ業務フローに導入しました。
Genie Masterの後押しにより、智元精霊G2ロボットは、実際のコンビニ環境でタスクを実行する過程において、人間によるデモや調整に頼らず、失敗の原因を自律的に分析し、戦略を調整し、経験を蓄積することができ、「無人在環」の継続的な自己改善を実現しています。
これは、シミュレーション環境や実験室設定（toy setting）を離れ、実際の業務シーンでPhysical RSIを業界で初めてやり遂げ、検証したものです。
Genie Masterのこの自己進化のクローズドループは一体どのように機能しているのか？そしてロボットの大量投入に、どのような革新的な変化をもたらすのでしょうか？
Genie Masterとは何か？
このロボットがなぜ「自ら悟りを開ける」のかを理解するには、まずその背後にあるGenie Masterが一体何なのかを見る必要があります。
簡単に言えば、Genie Masterは一連の具身Agentフレームワークであり、その中心的な役割は、上位Agentの推論能力と下位ロボットの動作実行能力をつなぐことです。
Agentがロボットの各能力をスムーズに呼び出し、実際の物理的な実行フィードバックを理解できるようにするだけでなく、タスクの進展に応じて継続的に行動を組織し、集中的な練習を行うことも可能にします。
ロボットが実際の仕事の中で能力の短板を露呈すると、この問題は直ちに自己改善プロセスに入ります。
見て取れるように、Genie Masterが重点的に構築しようとしているのは、ロボットのデプロイ後の継続的改善メカニズムです——これにはタスク実行時の判断と動的な調整だけでなく、事後の経験の蓄積や基盤となる動作戦略の更新も含まれる。
智元（Zhiyuan）がこのフレームワークを提案したのは、業界で長らく続いてきた実装上のペインポイントに目を付けたからだ。
業界関係者なら誰でも知っているように、ロボットが実際のビジネスシーンに入ると、訓練段階でカバーされていなかったロングテールの状況に遭遇するのは避けられない。
実行の失敗、動作の不安定さ、あるいは特定のタスクに時間がかかりすぎるといった場合、エンジニアが介入して調査し、プログラムの調整、デモデータの追加、モデルの訓練などによってパフォーマンスを改善する必要が生じうる。
シーンが増え、タスクが複雑になるほど、研究開発と保守の作業量もそれに伴って増えていく。
すべての新たな要求に対して人間がゼロから調査とデバッグを行っていては、イテレーションの速度が制限され、シーンを横断した大規模な展開・実装はさらに難しくなる。
一言でまとめれば、具身知能（エンボディッドAI）が真に大規模に活用されるためには、人間によるデモに依存した「受動的なファインチューニング」から、ロボットが自ら問題を発見し解決する「自己進化モード」への転換が不可欠だ。
Genie Masterは、その作業の一部をAgentに任せようとしている。
問題の診断、練習の組織、結果の評価をすべてAgentに運用させることで、Genie Masterはロボットが自律的に新たな能力を習得することを支援し、それによって「顧客が新たな要求を出してから」ロボットがその新技能を習得するまでの研究開発期間を大幅に短縮する。
冒頭で触れたフックへの補充のほか、実際のコンビニエンスストアでの実測テストにおいて、Genie Masterを搭載したロボットは複雑な局面へのさらなる対応力を示した。
智元によると、Genie Masterチームはすでにピッキング、補充、清掃、異常復旧、多機連携を統一ワークフローに組み込み、実際のビジネスにおけるロボットの継続的改善のクローズドループを模索している。
暇なときに自分で「追加練習」を行う、具身Agentフレームワークが脳と小脳をつなぐ
ロボットに仕事の中で自己進化させるという発想は、それほど難しいものではない。
しかしその前に、なぜこのことは実験室での議論にとどまり、現実のビジネスで実際に取り組み、実現させた例がほとんどないのだろうか？
その原因を掘り下げると、上位層の経験の蓄積であれ、下位層のポリシーの内化であれ、極めてハードコアな基盤の上に成り立たなければならない——
上位層の推論「脳」によるガイダンスは、正確に動作へと落とし込めなければならない。下位層の実行を担う「小脳」の結果も、リアルタイムで脳にフィードバックできなければならない。
この任督二脈（ニ大経路）を貫通させるため、Genie Masterが打ち出した key design のひとつが：
具身実行プロトコルEEP（Embodied Execution Protocol）である。
EEPはAgentと物理世界の間に統一インターフェースを構築し、主に四種類のコアインターフェースをカバーしている：
- 能力インターフェース：Agentがロボットの現在呼び出し可能な能力を明確に把握できるようにする；
- 誘導インターフェース：Agentが下位の動作実行側へ具体的な空間ヒント、物体参照、きめ細かな言語要件を伝達できるようにする；
- フィードバックインターフェース：Agentがロボットの動作実行後の実際の物理状況をリアルタイムで把握できるようにする；
- 連続性インターフェース：システムがロボット群のタスク進捗と分業依存関係を継続的に追跡し、動的なスケジューリングや中断後のタスクの再開を支援できるようにする。
EEPプロトコルと、時系列アライメント（Temporal Alignment）などの協調設計を組み合わせることで、上位のAgentは実行結果に応じて随時動的にガイダンスを調整でき、下位のベース動作ポリシー（Action Policy）は現在の観測とAgentの要件に基づいて動作を正確に実行し、観測とサブタスクの状態をリアルタイムで返すことができる。
具身知能システムにおいては、推論・実行・フィードバックを真に一本に束ねてこそ、自己進化は空中楼閣ではなくなる。。
EEPが担っているのはまさにこの相互作用チェーンにおける重要なインターフェースの役割であり、その後の経験蓄積とポリシー更新のための基盤を築いている。
基盤が固まれば、ロボットのデプロイ状態での「自ら巻く」日常が始まる。
コンビニの通常の業務フローにおいて、ロボットがあるタスクの繰り返しの失敗、実行の不安定さ、あるいは時間のかかりすぎ——つまり「能力のギャップ」が露呈したとき、Agentは見過ごすことはしない。
Agentはコンビニの空き時間を能動的に利用し、ロボットにこれらの弱点に向けた「自主特訓」を組織する。
何を練習するか、どう練習するか、練習後の結果が合格基準を満たすか、異常時にどう復旧しリトライするか、すべてAgentが一手に仕切る。リアルなデプロイ環境は、こうして絶え間なくロボットに「次に何を練習すべきか、何を改善すべきか」という実戦の根拠を提供し続ける。
ひとつのルートで経験を蓄積し、もうひとつのルートで動作ポリシーを更新する
すでに実環境で「問題の発見」と「自主特訓」を仕切っているなら、ロボットはどうやって練習の成果を自らの実力として身につけていくのだろうか？
ここで、Genie Masterは「二方面からの同時攻撃」の戦略を採った。
ひとつのルートはHarness RSIと呼ばれ、経験の蓄積を担当する。もうひとつのルートはPolicy RSIと呼ばれ、動作ポリシーの更新を担当する。
まずHarness RSI。
その核心ロジックは、モデルの重みと既存のツールインターフェースを変更しないまま、主にプロンプト（Prompt）、メモリ（Memory）、実行ルールの最適化を通じて、その後のタスク性能を改善するというものだ。
日常の推論実行の過程で、ロボットは成功例と失敗例を「やりながら記録」していく。その後、毎日の非同期の振り返りとメモリ統合を通じて、これらの実行記録を、より効果的な誘導、完了判定、例外回復、協働ルールへと変換し、「間違い帳」を書くように長期メモリに組み込み、後続のタスクやシーンの必要に応じて段階的に読み込む。
記事冒頭の「コンビニでの商品かけ」の事例を振り返ると、実はこれがHarness RSIの力だったのだ。
最初、その小さなフックをかけるタスクの成功率は非常に低かった。しかしAgentは失敗記録を遡って原因を診断した。すなわち「頭部カメラの視点解像度が不足していることに加え、ラベル札による遮蔽があるため、ロボットが小サイズのフックの位置を正確に識別できない」というものだ。
そこでAgentは「まず左手首のカメラで近づいて視点を補い、確認した後に右手で商品をかける」という新しい解決策を実行可能な経験として書き込み、以後同様の状況に遭遇すれば、経験を直接呼び出して落ち着いて対応できるようになった。
「間違い帳」のほかに、実機展開における低遅延・高安定性という厳しい要求を満たすためには、一部の能力をロボットの「筋肉記憶」に変えなければならない。
ここで登場するのがPolicy RSIだ。
Policy RSIは、ロボットが自律実行、人間によるテイクオーバーのデモンストレーション、例外回復の過程で生み出したデータをすべて収集・整理し、フィルタリング、重み付け、ターゲットの再ラベル付けなどの方法でデータ品質を高めた上で、教師あり学習、模倣学習または強化学習を用いて下層の動作方策モデル（Action Policy）を直接更新することで、改善を真にモデルパラメータの中に定着させる。
ロボットが店内で「テイクアウト梱包の絡まり防止」というタスクを行う場合を想定すると、持ち手の絡まりの処理、実行の巻き戻し、例外回復の際に生み出されたデータは、フィルタリングと処理を経て、その後の動作方策の訓練に用いることができ、モデルが類似タスクの実行性能を改善する助けとなる。
Policy RSIを通じて、ロボットは一回一回の実際の実行経験から知見を吸収し、より安定した実行力とより正確な指示追従能力を獲得する。
説明しておくべきは、これで完全に人手の参加が不要になるわけではないという点である。Policy RSIは引き続き人間による接管デモなどのデータを使用し、動作ポリシーの更新にもデータ処理とモデル訓練が必要となる。
さらに好都合なのは、この2つのルートがそれぞれ独自に動くのではなく、相互にかみ合い、回るほど速くなるフライホイールを形成していることだ。——
Harness RSIは経験の蓄積と整理を担い、システムが失敗の原因を分析し、練習方法を選択し、その後の実行を改善するのを助ける。
Policy RSIは処理済みの実行データを動作ポリシーの訓練に活用し、有効な経験がより安定した動作能力として蓄積される機会を作り出す。
2つのルートが相互に促進し合い、実際の業務実行から能力のギャップの発見、自主練習、そして経験の蓄積とポリシー更新に至るクローズドループを形成する。智元（Agibot）はこれにより、蓄積される経験が毎回、システムがより効果的に問題を診断し、練習を選択し、データを活用する助けとなることを目指している。
能力を高める能力そのものも進化し続ける，同じ投入でより大きな能力の増分を得ること、これこそが「再帰的自己進化（RSI）」の真の威力である。
「出荷時点で確定」から「やればやるほど有能に」へ
コンビニの事例を離れ、具身知能（エンボディッドAI）産業全体の視点から見ると、智元Genie Masterが探究している方向性は、新たな扉を開きつつある。
まず、研究開発の効率の面で、これは従来のロボット能力が「出荷時点で確定」という枷を完全に打ち破り、「デプロイの中で継続的に成長する」という新たなパラダイムへと転換した。
AIの新しい解法が現場で自らロボットの新しい能力として育つとき、顧客が新しいニーズを出してからロボットが新しいスキルを習得するまでの納品期間は大幅に短縮されるだろう。
次に、事業化・実装の面で、これも経済的な計算が成り立つ。
ロボットが実際の作業の中で「やればやるほど有能になる」ならば、同じ一組の能力はデプロイの中で絶えず厚みを増していく。
今後、より多くの店舗、より多くの異業種シーンへ複製していく際、その後のデプロイと研究開発の限界コストは継続的に低下していく。
そしてこの下がり続けるコスト曲線こそ、具身知能が大規模な事業化・実装へ向かうための中核的な前提条件である。
智元が10月22日に開始した「AI WAVE」シリーズの発表を振り返ると、その第4弾として、Genie Masterは智元のフルスタック具身AI全体の布局において重要な架け橋の役割を果たしている。それは基盤モデルとフルスタックAI能力を、実際の商業デプロイの状態へと延伸し、根付かせたのだ。
もちろん、技術アーキテクチャをどれほど鮮やかに語っても、最終的には実戦でのパフォーマンスがものを言う。
諺にもある通り、騾馬か馬か、引き出してみればわかる。
11月2日、智元はネット全体で注目される「24時間コンビニ生配信」を開始する予定だ。
当日は、精霊G2ロボット6台が連続で勤務に就き、台本のない実際のコンビニ営業の中で、厳しい正社員登用試験に挑む。