おかしな汎用論

更新履歴 2026-11-17: 小脳のフィードフォワード制御、運動の弾道性(バリスティック運動)、「出来損ないのラプラス」、フィクションに見る身体性と共発達の歴史について追記。 OpenAIがロボット専任チームを解散 ロボ開発の競争軸は「頭脳」から「現場データ」へという記事を目にしたとき、強い違和感を覚えた。 米OpenAIがロボット専任のチームを解散した。研究者は本体の研究部門へ、応用とハードウェアの担当はグレッグ・ブロックマン社長の部門へ移った。汎用の最新モデル「GPT-6 Astra」(以下、Astra)をそのままロボットにつないでも、かなり動くと分かったからだ。ロボット専用の頭脳を売りに巨額を集めてきた新興企業は、その前提を問われることになる。 汎用モデルをそのままつなげばロボットが動く、という言説には根本的な疑問が湧く。 逆運動学(IK:Inverse Kinematics)や動力学の計算をどこで処理するつもりなのだろうか。 まさか、超巨大な汎用モデルで各軸のサーボを直接リアルタイム駆動できると考えているわけでもあるまい。 まず直面するのが、制御ループの周波数ギャップである。 どれほど推論が高速化したとしても、重厚な VLM (Vision-Language Model:視覚言語モデル)が回るレートはせいぜい数 Hz から数十 Hz のオーダーにとどまる。 その低速なループが「この軌道をなぞれ」と空間上の目標点(ウェイポイント)を投げたところで、現実の物理世界は 1 ミリ秒(1 kHz)単位で状態が激変する。 接触瞬間の衝撃力、対象物のたわみ、摩擦の急変やスリップに対して、上位層の視覚フィードバックがリアルタイムに追従できるはずもない。 かといって、下位層のローカルコントローラ(IK や MPC:モデル予測制御)に丸投げできるのは、拘束条件と動力学モデルがあらかじめ数式として確定している剛体環境に限られる。 現場で真に価値がある「不定形の布」や「変形しやすい生鮮品」、「油で滑る部品」の扱いは、下位層の古典制御ではモデル化が困難であり、上位層の低速な推論では応答が間に合わない。 上位層と下位層の狭間に横たわるこのタイムスケールの断絶こそが、ロボティクスが何十年も格闘してきた本質的な課題である。 生体の運動制御を引き合いに出すなら、問題の根深さはさらに際立つ。 動物の身体制御の本質は、感覚フィードバックではなく、小脳による強力な フィードフォワード制御 (内部モデルによる先読み)にあるからだ。 神経伝達には数十から百ミリ秒以上の不可避な遅延が存在する。 もし人間が「コップの位置を見てから手を伸ばし、位置のズレを確認しながら少しずつ修正する」という純粋なフィードバック制御だけで動いていたなら、遅延系特有の発振を起こし、まともに手を伸ばすことすらできない。 日常の動作において、人間がコップを掴むときは「えいや」と一息に手を持っていく。 動作の大半は、小脳に刻まれた身体ダイナミクスに基づく 弾道運動 (バリスティック運動)としてフィードフォワードで一気に駆け抜け、感覚フィードバックは接触直前の微修正や予期せぬ外乱への対処にしか使われない。 いまのロボット AI の動画を見れば明らかなように、あの「おずおずと微震しながら恐る恐る手先を動かす」不自然な挙動の原因はまさにここにある。 確信を持ったダイナミクスの予測モデル(小脳)がないため、一歩動くたびに画像をトークン化して「これで合っているか?」と低速に伺いを立てる手探り運転にならざるを得ないのだ。 大脳新皮質に相当する高次推論(VLM)をいくら肥大化させたところで、この「身体ダイナミクスを極限まで予測して遅延をねじ伏せる小脳のフィードフォワード機構」の代替にはならない。 フィードバックの周波数が絶望的に足りず、それを埋めるべき小脳的内部モデルも存在しないアーキテクチャで、どうやって物理世界とリアルタイムに格闘するというのだろうか。 幾何学的な作業空間(手先座標系)と、機体固有の関節空間(コンフィギュレーション空間)の乖離も軽視されている。 汎用 VLM は画像から「手先をこの位置へ持っていく」という 3 次元の幾何ゴールを推論することはできる。 しかし、その手先位置をとるために肘関節が空間のどこを通るか、関節の角速度が発散する特異点(シンギュラリティ)を避けられるか、あるいは自身のリンク同士や周囲の什器と干渉しないかといった、機体固有の拘束条件を汎用モデル単体で把握することはできない。 下位コントローラが安全制限を発動させれば、ロボットはその場で緊急停止するか、無理な特異点回避によってタスクそのものを破綻させることになる。 さらに、記事が次の競争軸として挙げる「現場データ」の扱いにも甘さが見える。 ロボットの操作データは、テキストや画像と違ってハードウェアの機構と不可分に結びついている。 減速機のバックラッシュや摩擦特性、リンクの構造剛性、センサのレイテンシ、アクチュエータの応答特性が異なれば、ある機体で収集した遠隔操作(テレオペレーション)データは別の機体では通用しない。 いわゆる クロスエンボディメント (Cross-Embodiment:異なる機体間でのモデル共有)の壁は極めて厚い。 特定機体で泥臭く集めた動作データをそのまま汎用モデルに学習させたところで、機体差を吸収するためのキャリブレーションや制御則の再設計という、もっともコストのかかる工程から逃れることはできない。 SF の創作者ですら、身体性と知性の関係については現代の AI 楽観論よりはるかに現実的な洞察を持っていた。 たとえば『フルメタル・パニック!』に登場する自律 AI「アル」が、相良宗介とともに過酷な戦場をくぐり抜け、機体の駆動系を介した濃密な相互作用の歴史を経て初めて完成に至ったように、真に物理世界で機能する知性とは、ハードウェアと環境、そして操作者との「共発達のプロセス」そのものにほかならない。 フィクションですら直感していたこの泥臭い物理的履歴の重みを、現代の AI 界隈はまるごとショートカットできると錯覚しているのだ。 ...

11月 17, 2026 · 1 分 · 91 文字 · gorn

万能論という狂気

おかしな汎用論では、出力ログという『影』だけで世界を再構成しようとする「出来損ないのラプラス」について書いた。 しかし、さらに踏み込んで言えば、現在のテック業界そのものが、もはや「信仰」と呼ぶほかない極端な万能論に陥っている。 その象徴が、テスラの「ビジョンオンリー」主義だ。 当初、彼らがミリ波レーダーを排し、LiDARの採用を拒んでカメラのみにこだわった理由は、部品コストの削減にあった。 しかし、量産効果と技術成熟によってLiDARの価格が劇的に下落した現在では、もはやコスト面での優位性すら成り立たない。 しかも、LiDARを頑なに拒絶した結果、逆光など照明条件の変化に左右されやすく、画像から力技で空間を復元するために車載プロセッサは高価なままだ。 本来であれば、黎明期の「初物」が高価であることは製造業の常識であり、部品が安価になった段階でセンサーフュージョンへ移行するのが合理的なロードマップである。 ところが、一時のコスト制約を「カメラこそが真理である」という教義にすり替えてしまったために、前提条件が崩壊したあとも後戻りできない自縄自縛に陥っている。 現行のタクシーであれば、「子どもだけで〇〇小学校まで」と頼めば、不可抗力の事故でもない限り確実に安全に送り届けてもらえる。 それが輸送サービスとしての「タクシー」の当たり前の前提だ。 だからこそ、真にロボタクシーを標榜するのであれば、車内に犬しか乗っていなくとも door-to-door で安全に走りきらなければ話にならない。 犬にできる介入など、せいぜいシートを噛むか吠えるくらいのものだ。 乗員による状況判断や介入を前提にしなければ成立しないのであれば、それは「ロボタクシー」という看板にすら反した、ただの不完全な運転支援システムでしかない。 根底にあるのは、イーロン・マスクをはじめとする論者たちが「人体こそが究極の完成形である」と思い込みすぎている点だ。 だからこそ、人間は視覚だけで運転しているという誤認(実際には三半規管や触覚、固有受容覚を含むマルチモーダルなセンサーで環境を捉えている)に陥り、さらにはヒト型ロボット(ヒューマノイド)へと過剰に固執することになる。 だが、ここには工学的な合理性が決定的に欠けている。 現実の生産現場を見れば、ヒト型ロボットよりも直交座標型や水平多関節型(SCARA)、垂直多関節型といった固定式アームのほうがはるかに合理的であるケースが圧倒的に多い。 古くから工場の第一線で稼働し続けているファナックなどの産業用ロボットが、床にアンカーで固定されたあの形態をとっているのには明確な理由がある。 適切な拘束条件を持つ機構であれば、手先の目的座標が定まった瞬間に、アクチュエータに与えるべきパラメータが解析的に定まる。 冗長自由度による姿勢の不定性がなく、決定論的で再現性が高いからこそ、ミクロン単位の精度と高速なタクトタイムを24時間維持できるのだ。 対してヒト型は、常に転倒リスクと戦いながら自重を支えるだけでエネルギーを浪費する、不安定な倒立振子にすぎない。 人体が器用に動けるのは、進化のつぎはぎである骨格を、筋肉や腱の弾性と小脳の精緻なフィードフォワード制御という奇跡的な統合で制御しているからであって、硬いモーターと減速機で外見だけを模倣しても同じ性能は得られない。 そもそも工学者であれば、法規制やコストといった不可避の制約がない限り、手持ちの手段を自ら縛ってはならない。 「カメラだけで解くエレガントさ」や「人と相似な形態の美しさ」に酔いしれるなら、それは工学ではなくアーティストの仕事だ。 もっとも、目的に対して無駄と無理を重ねたその設計は、優れた造形が宿す「機能美」にすら反しているのだが。 機械設計の鉄則は、機構そのものに適切な拘束条件を持たせることで制御の問題を単純化することにある。 わざわざ冗長自由度だらけのヒト型にして運動学を複雑な不良設定問題に変え、それをニューラルネットの計算力だけでねじ伏せようとするのは、工学の放棄でしかない。 初物は高い、センサーは冗長化すべき、タスクに合わせて機構を最適化する。 こうした当たり前の工学的リアリズムを「万能論」という名の信仰で上書きし続ける限り、どれだけ計算資源を積み上げようとも、物理世界の冷徹な現実を突破することはできないだろう。

11月 17, 2026 · 1 分 · 31 文字 · gorn