記事一覧へ戻る
ロボティクス・フィジカルAI

Nori Robotics、1,688ドルの両腕移動ロボットを開発者向けに投入

読了目安 4 分

導入

ロボット研究では、アルゴリズムだけでなく、実験に使えるハードウェアの台数も重要になる。Nori Roboticsは、開発者と研究者向けの両腕移動ロボット「Nori A3」を1,688ドルで提供すると発表した。Hacker Newsへの投稿によれば、製品はサンフランシスコで組み立てられ、2026年秋の出荷を予定している。

これは、すべての家事を自律的にこなす完成品ロボットというより、研究や開発のための低価格なプラットフォームとして見るべき製品だ。1台の高価なロボットに実験が集中する状況を変え、複数台でデータ収集や長時間の試験を行えるようにすることが、Noriの主な狙いである。

主な仕様と設計上の判断

  • アームと移動機構:全体で19自由度を持ち、7+1自由度のアームを2本搭載する。各アームの可搬重量は1.5kg。脚ではなく差動式の車輪ベースで移動する。
  • センサー:720p、最大30fpsのRGBカメラを4台搭載し、グリッパー、頭部、首の周辺に配置する。2D LiDARも備え、公式サイトでは測距範囲12m、スキャン周波数8~12Hzとしている。
  • 音声と電源:スピーカーとマイクアレイを搭載し、音声による指示と全二重の音声通信に対応する。432Whのバッテリーについて、公式サイトは6~8時間のバッテリー駆動時間を掲げている。
  • 計算構成:4GBメモリのRaspberry Pi 5が、機体上でSLAMと安全機能を処理する。一方、より重いACTや視覚言語行動モデルは、LAN接続したPC、またはWAN経由のサーバーで実行する必要がある。
  • 低価格化:高価な準ダイレクトドライブモーターではなく高減速比サーボを使い、脚の代わりに車輪を採用した。Noriは、100を超える可動・構造部品を持ちながら、製造と修理を容易にする設計を目指し、3Dデータも提供すると説明している。

価格の意味と限界

1,688ドルという価格が注目される理由は、単に安いからではない。複数台を導入できれば、模倣学習用の実演データを集めたり、複数のロボットで同じ実験を繰り返したりしやすくなる。研究用ロボットでは、単体の最高性能よりも、実験数と再現性が成果を左右する場合がある。

ただし、低価格化には明確なトレードオフがある。車輪式ベースは脚式機構より構築しやすい一方、階段や不整地への対応力は同じではない。高度なモデルを外部計算機に任せれば本体を安くできるが、ネットワークと外部計算資源への依存が生じる。また、1.5kgのアーム可搬重量や720pカメラの構成は、研究・開発向けの現実的な仕様であり、汎用的な家事能力を保証するものではない。

公式サイトは、冷蔵庫からの取り出し、食器の片付け、衣類をたたむこと、材料を注ぐことなどの家庭作業を例として挙げている。さらに、家庭でロボットを訓練し、技能を共有するマーケットプレイスと、操作・訓練・管理を行うNori Labアプリも紹介している。ただし、公開された素材から確認できるのは製品の構成と設計方針が中心で、各作業の成功率、稼働率、遅延、出荷実績などの詳細な評価は示されていない。

今後の評価では、ハードウェアの価格だけでなく、教示手順、ソフトウェアの使いやすさ、修理部品の供給、開発者コミュニティが重要になる。Nori A3は汎用ロボットの問題を解決した証拠ではないが、車輪、高減速比サーボ、外部計算を組み合わせ、実験台数を増やすという方向性を明確に示している。具身知能の研究にとって、その量的な拡大が次の進歩につながる可能性がある。

出典:Hacker News

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
Qwen-Drive-1.0:視覚言語モデルを自動運転へ拡張する試み
ロボティクス・フィジカルAI
cctest.ai

Qwen-Drive-1.0:視覚言語モデルを自動運転へ拡張する試み

Qwen-Drive-1.0は、事前学習済みの視覚言語モデルを土台に、3D認識、視覚質問応答、運動計画を一つの枠組みに統合する初期的な試みです。BEV認識ヘッドと計画エキスパートによって、共有表現を検査可能なシーン構造と将来軌道へ接続します。

続きを読む
CCTest · Blog
NavMCP、基盤モデルの協調でロボットの長期ナビゲーションを前進
ロボティクス・フィジカルAI
cctest.ai

NavMCP、基盤モデルの協調でロボットの長期ナビゲーションを前進

NavMCPは、視覚言語モデルのタスク推論とナビゲーション基盤モデルの閉ループ実行を組み合わせる。複数回の探索で証拠を蓄積し、長期的な物理世界のタスクに対応する仕組みだ。

続きを読む
CCTest · Blog
データ拡張だけではない:VLActがVLAで表現学習を重視する理由
ロボティクス・フィジカルAI
cctest.ai

データ拡張だけではない:VLActがVLAで表現学習を重視する理由

ロボット軌跡は収集コストが高く、ウェブ規模のデータへ拡張しにくい。そのためVLAモデルでは、限られたデータから他のロボットにも移せる表現を学ぶことが重要になる。

続きを読む