LBMは「多くの作業で事前学習した器用な操作モデル」
Toyota Research Institute（TRI）のLBMチームは、2025年7月に公開した論文で、Large Behavior Models（LBM）を評価しました。LBMは、拡散モデルで動作を生成するDiffusion Policyを拡張し、多くの作業（マルチタスク）のデータで事前学習したモデルです。対象は、両手を使う器用な操作（dexterous manipulation）です。
論文の主張は2つに要約できます。
- マルチタスクで事前学習したモデルは、新しい複雑な作業を、単一タスクで一から学習する場合に比べて一部のデータ量で習得できた
- 事前学習の規模とデータの多様性に応じて、性能が予測可能な形で向上した
製造業にとって1つ目は、新しい品種や作業を立ち上げるときのデモデータ収集の手間に直結します。2つ目は、データ投資の効果を見積もれる可能性を示しています。
他の発表との違いは「盲検・無作為化」の評価
LBM論文の特徴は、評価の設計を前面に出した点です。論文タイトル自体が「A Careful Examination（慎重な検証）」で、盲検・無作為化の試験で評価したとしています。
ロボットの実機評価は、試行ごとに物体の置き方や照明が変わり、評価者の判断も入るため、結果がぶれやすい領域です。比較対象のモデルがどれか分かった状態で評価すると、無意識に条件が偏ることもあります。医薬品の臨床試験で使われる盲検・無作為化の考え方を持ち込むことで、こうした偏りを減らしています。
結果をどこまで一般化してよいか
製造業の目線で整理すると、次の点に注意が必要です。
| 論点 | 論文から言えること | 工場で確認すべきこと |
|---|---|---|
| 対象作業 | 両手による器用な操作 | 自社の作業（嵌合、柔軟物、ピッキング）が近いか |
| データ削減 | 事前学習で新タスク習得のデータ量が減る | 自社作業で何回のデモが必要か |
| スケーリング | 事前学習規模・多様性に応じて性能が予測可能に向上 | データ投資の効果を見積もる指標にできるか |
| 評価環境 | 研究環境での盲検・無作為化試験 | 量産のサイクルタイム・成功率の要求を満たすか |
なお、TRI公式のLBMの発表ページは本記事の調査では一次情報として取得できておらず、内容は論文に基づいています。
製造業がLBMから学べる評価の作法
LBMの最も実務的な価値は、モデルそのものより評価の作法にあります。フィジカルAIのPoCでは、ベンダーのデモで成功した作業が、自社の現場では成功率が下がることがよくあります。原因の多くは、デモ条件と現場条件の違い、試行回数の少なさ、成功の定義の曖昧さです。
5つ目は、MESやデータ基盤の側の仕事です。評価の試行を品番・条件・結果のデータとして残しておけば、本番導入後のドリフト（条件変化による性能低下）の監視にもそのまま使えます。評価指標の考え方はPoCの評価指標と合格ラインの決め方が参考になります。
自動車産業との関係
TRIはトヨタグループの研究機関で、LBMの研究はトヨタの製造現場への直接の適用を発表したものではありません。ただし、多品種の部品を扱う自動車の組立・物流では、新しい品種のたびに教示し直す負担が大きく、少ないデモで新作業を覚えられる技術の価値は大きいと考えられます。日本では、TelexistenceとトヨタなどがAIロボット協会（AIRoA）でロボット学習用データセットの整備を進めており、データの共同整備と、LBMのような事前学習の考え方は方向性が一致しています。
他のロボット基盤モデルとの比較はロボット基盤モデル5種の比較、VLA全般の流れはVLAモデル入門を参照してください。
よくある質問
LBMとVLAは同じものですか
重なる部分はありますが、LBMはDiffusion Policyを拡張した操作モデルとして説明されており、言語を入力の中心に置くVLAとは出自が違います。どちらも多くの作業データで事前学習し、新しい作業に適応する点は共通です。
LBMは公開されていますか
論文は公開されています。モデルの重みや商用利用の条件は、本記事の調査では一次情報で確認できていません。
盲検試験は自社のPoCでもできますか
できます。評価者に方式を伏せる、条件を無作為に割り当てる、成功の定義を事前に決めるといった工夫は、特別な設備なしに取り入れられます。
この記事に出てくる用語
フィジカルAIは工場に来るのか
ロボット基盤モデルとヒューマノイドの実証。宣伝と量産ラインの距離を測る 全66本
- フィジカルAIとは：従来の産業ロボット・協働ロボットとの違いを4つの軸で整理
- 美的の「智能体工厂」：荆州工場の14エージェント・38シーンと人形ロボット
- ヒューマノイドの工場実証一覧：BMW・Mercedes・Schaeffler・BYDなど10社の現在地
- フィジカルAI導入の判断基準：今やるべき工場・待つべき工場を分ける5つの質問
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
