人型ロボがタオルの山を自律で畳む――Figure 02が動画公開、家事の難所を“AIの指先”で突破

概要：動画一本で伝わる「できた」の事実

米Figureが公開した最新のデモで、人型ロボット「Figure 02」が山積みのタオルを一枚ずつ取り出し、形を整え、連続して畳み、整然と積み上げる様子が映し出されました。映像では、人の介入や遠隔操作の兆候はなく、視覚と判断に基づく自律動作として実演されています。単なる“置かれた布を二つ折り”ではなく、皺を伸ばし、角を合わせ、絡まりを解き、失敗しそうな場面では持ち直すなど、実運用で重要な挙動が含まれている点が見どころです。家事の中でも最難関とされてきた柔軟物の取り扱いにおいて、人型ロボットが「連続で」「破綻なく」こなす段階に到達したことを、今回の動画は端的に示しています。

今回の“新しさ”：モデルそのまま、データだけ差し替え

Figureは、物流現場で成果を出してきた自社の汎用AI「Helix」を、そのまま洗濯物畳みに適用したと説明しています。アーキテクチャやハイパーパラメータには手を入れず、追加したのは学習用データセットのみ。つまり、モデルの設計を変えずに用途を横展開できることを実証した点が最大のトピックです。さらに「多指ハンドを備えたヒューマノイドが、エンドツーエンドのニューラルネットで完全自律的に洗濯物を畳む」事例は初と位置付けられており、家事領域の実務課題に対して、基盤モデルをそのまま転用する戦略の有効性が強く示されました。

技術の骨子：視覚と言語から“連続制御”までを一気通貫

Helixは視覚と言語を入力に、手首や指まで含む上半身の連続制御を直接出力する汎用モデルです。特徴は、人の認知を連想させる二層構造にあります。ゆっくり考えて状況を捉える層が環境と指示を解釈し、素早く正確に動く層が二百ヘルツ級の高頻度でロボットの上半身三十五自由度相当を駆動します。これにより、指先の滑りや布の寄りといった瞬間的な変化にも追従しつつ、タスク全体の目的を崩さず実行できます。学習には数百時間規模の遠隔操作データが用いられ、短い映像片から「その行動を引き出すための自然言語指示」を自動生成する仕組みで、言語付きデータへと効率的に変換。推論は組込みGPUを二基用い、ロボット本体上で完結する構成です。

動画で確認できる能力：選別、回復、微細操作

デモでは、山から一枚だけを選んで取り出す選別が繰り返し成功しています。もし複数枚を掴んだ場合は余分を戻してやり直す回復行動が起動し、作業の連続性を保ちます。初期状態がぐしゃぐしゃでも、まず広げて向きを整え、縁を親指でなぞって角を合わせ、しわを伸ばし、からまりを解き、最終的に整った形で積み上げるまでの一連の細かな操作が示されています。これらはオブジェクトごとの厳密な記号表現に頼らず、視覚と言語から直接、関節コマンドを生成するエンドツーエンド制御で達成されている点が本質です。

他社の事例との違い：自律か、遠隔か

同分野では、過去に他社の人型ロボットが洗濯物を畳む様子を公開し大きな話題になりましたが、その動画は遠隔操作であることが後に明かされました。対して今回のFigureの実演は、モデルが環境を解釈し、行動を選び、微細な力加減まで自律的に生成していることを前面に出しています。これにより、「見映えの良い一発芸」から、「条件が揺らぐ実世界で繰り返し通用する汎用能力」へと焦点が移ったと言えます。導入検討に直結する観点では、自律性の有無が、運用コストや現場統合の難易度に直結するため、両者の差は極めて大きいと言えます。

物流での実績を家庭へ：一時間連続の自律操作が下地

Helixは直近、物流の現場で荷物の向き直しを一時間連続で自律実行するデモを達成しています。この“現場で回るAI”をそのまま家庭タスクへ持ち込み、データの差し替えだけで実用的な器用さを獲得したのが今回のポイントです。二百ヘルツで連続制御を吐き出す設計は、物流でも布でも変わりません。追加で示された推論高速化の工夫により、模範デモの速度を上回る実行速度を達成できる場面も報告されています。速度と安定性の両立は獲得施策での体験価値を左右するため、ここは重要な評価指標になります。

導入可否を左右する実務視点：KPIとチェックポイント

導入判断を急ぐ現場にとって、確認すべきは成功率、平均処理時間、回復行動の発生率、対象バリエーション数、連続稼働時間、そして現場への組み込み容易性です。Helixのデモは、誤把持時のやり直し、初期状態に応じた戦略切り替え、指先の微調整といった“実務で必須の地力”を露出しています。加えて、モデルやハイパーパラメータに手を入れず、データ追加で用途拡張できる点は、運用後の拡張性や総保有コストの見通しを良くします。獲得施策としては、早期に対象物や環境条件の要件を明記し、速度・成功率の実測値とともに提示することで、検討から申込みまでの距離を縮められます。

現時点の制約：速度、一般化、安全、家電操作の統合

現段階でも、人と同等の速度には届いていない場面があり、混在する衣類への一般化、素材差や形状差への頑健性、安全と共存性の担保、そして洗濯機など家電UIの操作統合は今後のテーマです。とはいえ、二層構造による“考える層”と“動く層”の分離は、速度向上やデータ拡張に直接効き、指先の器用さや復元力の改善余地を残しています。運用設計では、失敗時の自動リトライと人との迅速な受け渡し（人が仕上げる前提のタスク分割）を前提に、段階的な本番適用を進めるのが合理的です。

具体的な活用の当たり所：今日から評価できること

業務現場では、畳み・仕分け・整頓を伴う工程が多数あります。クリーニング、ホテルリネン、アパレル物流など、布製品の取り扱いがボトルネックになっている拠点は、動画と同等のタスク定義を持ち込めば、短期の実証で数値評価が可能です。必要なのは、対象物の種類、初期状態のばらつき、成功判定の基準、時間スライスごとのスループット定義、そして安全要件の明文化です。これらを先に固めて評価設計を共有すれば、PoCから本番移行までの時間を圧縮でき、検討から申し込みへの移行も加速します。

二層構造の強み：速く動き、遅く考えるを両立

Helixの強みは、二つの時間スケールを同時に回せる点にあります。状況をゆっくり理解する層が「何を成し遂げるか」を維持し、精密に動く層が「どう動くか」を細部まで詰める。布という気まぐれな対象に対し、縁をなぞり、角をつまみ、皺を伸ばす連続操作を破綻なく繋げられるのは、この設計があるからこそです。結果として、個別のルールを継ぎ足していく従来型の限界を超え、未知の状態変化に対しても滑らかに対応できる下地が整います。

編集後記：家事の“最後の砦”が崩れた日

洗濯物畳みは、長らくロボットの“最後の砦”でした。今回の動画は、その砦に確かな崩落が起きたことを映しています。重要なのは、派手な一発芸ではなく、現実の面倒くささに合わせて連続でこなす地力を見せた点です。モデル設計を変えずにデータを入れ替えるだけで新分野へ拡張できるなら、物流、家庭、サービス業と適用面の切り替えが容易になります。導入側から見れば、用途ごとに別プロジェクトを立ち上げる負担が減り、検討から申し込みまでの道筋が単純になる。今後の追加デモでは、処理時間や成功率の定量値、対象バリエーション数、連続稼働の安定性など、導入判断に直結する指標の公開に期待したいところです。判断に必要な材料が揃い次第、速やかに評価設計を固め、申し込みに進む価値があります。

文字数：4206

当社では、AI超特化型・自立進化広告運用マシン「NovaSphere」を提供しています。もしこの記事を読んで
・理屈はわかったけど自社でやるとなると不安
・自社のアカウントや商品でオーダーメイドでやっておいてほしい
・記事に書いてない問題点が発生している
・記事を読んでもよくわからなかった
など思った方は、ぜひ下記のページをご覧ください。手っ取り早く解消しましょう

▼AI超特化型・自立進化広告運用マシンNovaSphere▼