Summary
AGIBOTは2026年10月22日、オープンソースデータセット「AGIBOT WORLD 2026」の第4弾として「Physical Reasoning」を公開した。同じタスクでも状況や制約に応じて判断・実行が変わる事例を収録し、高レベルの意思決定と低レベルの行動学習をつなぐ構成としている。
Detailed facts
状況に応じた判断と実行を収録
AGIBOTは2026年10月22日、「Physical Reasoning」を公開した。AGIBOT WORLD 2026の第4弾にあたり、操作の難しさよりも判断の複雑さに重点を置く。同じ目標のタスクについて、物の数や遮蔽、空間の占有、タスクの進捗などが異なる状態を記録し、状況に応じて行動を選ぶ学習を支援する。
Check the source ↗9種類の推論能力と難易度別のタスク
データセットが扱う推論能力は、属性や文脈に基づく選択、操作の実現可能性、動作の前提条件、目標に向けた探索、状態と数量、長期計画、記憶と状態の保持、サブタスクの順序の推論の9種類。タスクはEasy、Medium、Hardの3段階に分けられ、単一の判断から複数のサブゴールを含む計画までを扱う。
Check the source ↗指示から実行結果までを結ぶアノテーション
収録データには、高レベルの指示に加え、タスクの区間やサブタスク、動作のステップを示す情報が付く。動作の記述には対象物や操作部位、両腕の役割、グリッパーの状態、期待される結果などが含まれ、バウンディングボックスや点、軌跡線も用いて言語と画像上の位置・動きを対応づける。成功・失敗のサンプルや実行結果に関するアノテーションも含み、データセットはプロジェクトページとHugging Faceで公開されている。
Check the source ↗独自観点のコメント
### 判断過程を学ぶためのデータ基盤
この公開の特徴は、ロボットの動作例だけでなく、目標や周囲の状態を踏まえた判断、タスクの進捗、実行結果を一続きのデータとして扱う点にある。これにより研究者は、次の行動を選ぶ高レベルのモデルと、物理動作を担う行動ポリシーを、個別にも組み合わせても検討しやすくなる。
同じタスクを状態や制約を変えて収録し、成功例と失敗例の双方を含める設計は、固定された動作列を学習するデータとの違いになる。一方、今回確認できるのはデータセットの構成と公開であり、実機での性能向上や商用導入の成果を示すものではない。研究利用の広がりや実環境での有効性は、今後の評価で確かめる必要がある。
Related companies and products
Sources
- Press coverage ロボスタ — Read the original ↗