記事一覧へ戻る
ロボティクス・フィジカルAI

Claudeが物理世界へ:Anthropic、MHSハードウェア標準を発表

読了目安 3 分

導入

AnthropicはClaudeのツール利用を、ソフトウェアの世界から物理的な機器へ広げようとしている。同社は、ロボットアーム、顕微鏡、カメラ、研究用装置などをAIエージェントから扱いやすくする「Model Hardware Standard(MHS)」の研究プレビューを発表した。

MHSの考え方は、ソフトウェアやデータベースを接続するModel Context Protocol(MCP)に近い。MCPがデジタルツールの呼び出し方をそろえるのに対し、MHSはメーカーごとに異なるドライバー、コマンド、データ形式を持つハードウェアを、エージェントから見て一貫したインターフェースに変換する。

MHSのポイント

  • 機器を機械可読に記述する。 機器の名称だけでなく、現在の状態、実行できる操作、物理的な特性、速度や可動範囲などの制約、安全上の境界を記述する。
  • 接続作業を減らす。 エージェントは機器を発見し、状態を読み取り、対応する機能をMHS経由で呼び出せる。MCPやコマンドライン、コードとの組み合わせも想定されている。
  • 固定された身体を前提にしない。 Claudeを特定のロボットに組み込まなくても、MHSに接続されたカメラやアーム、顕微鏡をタスクの一部として利用できる。
  • 結果を見ながら動く。 機器から返るデータをもとに、エージェントがパラメーターを調整したり、異常に対応したり、次の操作を選んだりできる。

公開されたデモでは、ClaudeがHugging FaceのLeRobotエコシステムにある低価格のSO-ARM101を操作した。作業空間を測定してキャリブレーションを行い、その後に基盤のコントローラーへ動作を指示する流れで、紹介されたタスクでは事前学習済みのロボット方策、遠隔操作、人間の実演を必要としない。

科学研究への意味

MHSの出発点は、HHMI Janeliaとの共同研究だ。研究室では、レーザー、電動フォーカス機構、カメラなど、メーカーの異なる装置を一つの脳イメージングシステムで組み合わせることがある。従来は各装置の仕様を調べ、個別の接着コードを書く必要があり、統合に長い時間がかかっていた。

顕微鏡のデモでは、動く細胞が視野から外れた際、Claudeがカメラと顕微鏡の状態を読み取り、追跡用のプログラムと操作画面を作成し、顕微鏡を対象に合わせて動かす。研究者が画面を監視し、手動で調整し続ける負担を減らせる可能性がある。

ただし、物理世界での操作には固有のリスクがある。衝突、試料の破損や汚染、装置の故障は、ソフトウェア上の誤操作よりも取り消しにくい。機器の安全境界を記述しても、それだけで安全な動作が保証されるわけではない。

MHSは現在、一部の研究機関とハードウェア企業に限定して提供されている。Anthropicは実環境で標準や安全評価、利用指針を検証したうえで、正式なオープンソース化を検討する方針だ。Claudeの「身体」を一台のロボットに固定するのではなく、多様な機器をエージェントが理解できるようにするという点で、今後の具身型AIの基盤競争を示す動きといえる。

出典:量子位

コメント

ログイン状態を確認中…

コメントを読み込み中…

関連記事

CCTest · Blog
人型ロボットに箱を受け取らせるReflex、視覚で全身反応を制御
ロボティクス・フィジカルAI
cctest.ai

人型ロボットに箱を受け取らせるReflex、視覚で全身反応を制御

Reflexは、一人称視点のRGB-D映像から投げられた箱の運動を推定し、腕だけでなく胴体や脚も協調させて受け取る人型ロボット向けの枠組みです。シミュレーションで85.7%の成功率を達成し、実機のUnitree G1でも検証されました。

続きを読む
CCTest · Blog
TouchScale、500時間の視覚・触覚データでロボット学習を強化
ロボティクス・フィジカルAI
cctest.ai

TouchScale、500時間の視覚・触覚データでロボット学習を強化

TouchScaleは、統一したウェアラブル構成で収集した約500時間の人間の視覚・触覚インタラクションデータセットです。同期した一人称映像と両手の触覚情報により、異なるセンサーへの接触予測や実環境でのロボット操作性能を評価します。

続きを読む
CCTest · Blog
SuperNav:汎用タスクと未知環境に対応するエージェント型ナビゲーション
ロボティクス・フィジカルAI
cctest.ai

SuperNav:汎用タスクと未知環境に対応するエージェント型ナビゲーション

SuperNavは、事前学習済みのマルチモーダルモデルに依頼や周囲の状況を理解させ、実際の移動は専用ナビゲーションツールへ委ねるロボット向けシステムです。単一対象、多対象、要求駆動型の課題に加え、HM3Dと四足歩行ロボットでも評価されています。

続きを読む