手持ちグリッパー「YUBI」で人が集めた1万6000時間。AIRoAが基盤モデル「AIRoA-0」を公開
AIロボット協会（AIRoA）が2026年11月6日、ロボット基盤モデル「AIRoA-0（A-0）」の重みとコードを公開した。人が手持ちグリッパー「YUBI」で記録した16,151時間の操作データで事前学習し、10作業の平均成功率は78%。同じデータで事後学習した4モデル（最高27%）を上回り、Franka、TX-G2、OpenArm、URの4機種で動く。
机が22台並び、両手に赤と黒のグリッパーを握った人たちが、ケーブルを挿し、箱を扱い、布を畳む。目の前にロボットはいない。YUBIのプロジェクトページによれば、ここで179人のオペレーターが2か月余り、24時間体制で8,434時間分の両手の作業を記録した。
その記録はいま1万6000時間を超え、1つのロボット基盤モデルの事前学習に使われた。一般社団法人AIロボット協会（AIRoA、東京都大田区、理事長・尾形哲也氏）は2026年11月6日、ロボット基盤モデル「AIRoA-0（A-0、エー・ゼロ）」を公開した。画像・言語・行動を扱うVLA（Vision-Language-Action）モデルで、人がデータ収集デバイス「YUBI」で記録した16,151時間の操作データから、細かな部品の仕分けやタオル畳みといった双腕作業を学んだ。
人の指で動くグリッパーを、そのままロボットの手にする
YUBI（Yielding Universal Bidigital Interface）は、親指と人差し指・中指の動きでそれぞれの爪が開閉する手持ち型のグリッパーだ。手首に魚眼カメラを積み、Meta Questのコントローラーで6自由度の位置・姿勢を測る。プロジェクトページによると、重さはVRコントローラー込みで約319g。手持ち型データ収集の先駆けであるスタンフォード大学などのUMI（Universal Manipulation Interface）に代表される従来のピストル型（約780〜900g）より軽く、両手で行う細かな作業に向けた。ハードウェア設計はトヨタ自動車 未来創生センターが、データ収集ソフトウェアはAIRoAが担当し、どちらもオープンソースで公開されている。
ポイントは、同じグリッパーをロボットアームの先端にも取り付けることだ。テクニカルレポートは状態と行動を関節角ではなくグリッパーの位置・姿勢で定義している。人が持っていてもロボットに付いていても、カメラの映る位置と動きの記録が同じになる。A-0は頭部や部屋のカメラを使わず、左右の手首カメラ2台の映像だけで動く。
AIRoAの発表によれば、A-0の学習では遠隔操作によるデータ収集も、強化学習も、実機での動作修正も行っていない。ロボットが登場するのは評価のときだけだ。
π0.5を土台に、手持ちデータで事前学習
A-0の骨格は、Physical Intelligenceが公開したπ0.5だ。レポートによると、画像エンコーダーのSigLIP So400m/14、視覚言語の基盤となるGemma 2B、フローマッチングで学習した3億パラメータの行動生成部（アクションエキスパート）からなり、公開されている「π0.5 base」の重みを初期値にした。そのうえで、16,151時間・1,065万区間のサブタスクを含むコーパスで30万ステップ事前学習した。
追加した仕組みは主に3つある。1つ目は、画像のどこが作業に関係するかを、人が目印やラベルを付けずにモデル自身が選ぶ「視覚的証拠の予算（visual evidence budget）」。CoRL 2026に採択された同じチームの研究「See Less, Specify More（S2）」の手法だ。2つ目は、長い作業がいまどの段階にあるかを予測する仕組み。3つ目は、直近10回分の手先の状態を覚えておく記憶である。新しい作業への事後学習は、H200 GPU 8基の1ノードで4時間かからないという。
10作業で平均78%。評価の条件はレポートに詳しい
評価は、学習データを1件も記録していない場所に置いた双腕のFrankaで行った。10作業を各15回試し、途中まで進んだ場合は部分点を与える。比較対象の4モデルは、それぞれ公開されている事前学習済みモデルから、A-0と同じ作業データで事後学習した。
| 作業 | 事後学習データ（時間） | A-0 | π0.5 | XR-1 | GR00T N1.7 | MolmoAct2 |
|---|---|---|---|---|---|---|
| タオル畳み | 3.3 | 73 | 22 | 21 | 0 | 8 |
| 色分け | 4.1 | 97 | 45 | 39 | 20 | 19 |
| ロボット掃除機の部品交換 | 5.3 | 73 | 1 | 14 | 1 | 3 |
| ペンケース | 8.8 | 73 | 36 | 31 | 15 | 23 |
| イヤホン | 25.8 | 30 | 13 | 18 | 10 | 3 |
| 10作業の平均 | 78 | 27 | 23 | 16 | 14 |
（成功率%。テクニカルレポートのTable 1から5作業を抜粋）
A-0は10作業すべてで最も高い値を出した。比較モデルは作業ごとに行動の予測幅や更新回数を変えて試した中での最良値で、A-0は全作業で同じ手順を使っている。一方で、評価はすべて開発チーム自身が行ったもので、場所は1か所だ。最も低いイヤホンは30%にとどまる。
部品キッティングで仕分ける部品は、指、フラップ、ギア、シャフト、ギアボックス、Questホルダー、カメラブラケット、グリップ。YUBI自身の部品だ。色分けの作業では、途中で人が仕分け箱をずらしても、移動後の箱に部品を入れる様子も示されている。
TX-G2（AIRoAが「AgiBot G2互換の派生機」と説明するセミヒューマノイド）では4作業、オープンソースの双腕ロボットOpenArmでは3作業、URの産業用アーム2台では2作業を、同じ重みのまま動かした。ただし、これらの機体での成功率はレポートに載っていない。
レポートは、事前学習データを6.25%から100%まで変えた比較も載せている。データを2倍にするごとに、事後学習後の損失が約2.4%下がるべき乗則が当てはまった（決定係数0.98）。手持ちデータを増やす意味を、AIRoAは数字で示そうとしている。
公開されたものと、これから公開されるもの
| 公開物 | 公開先 | ライセンス・条件 |
|---|---|---|
| 事前学習済みの重み、事後学習済みの重み3例（オレンジ、タオル、文字ブロック） | Hugging Face | Gemma利用規約。同意後にダウンロード（1フォルダ約12GB、33.6億パラメータ） |
| 事後学習用コード | GitHub airoa-org/AIRoA-0 | Apache-2.0 |
| YUBIのデータ収集アプリ（Quest 3/3S向け） | GitHub airoa-org/yubi-go | Apache-2.0 |
| 推論コードの例 | GitHub airoa-org/openarm-pipeline | Apache-2.0 |
| 学習データセット | 公開予定 | 時期・範囲・利用方法は未定 |
Hugging Faceのモデルカードによれば、重みはGoogleのGemmaの派生物にあたり、Gemma利用規約と禁止用途ポリシーに従う。再配布するときは、利用制限を自分の規約にも盛り込み、NOTICEファイルを同梱する必要がある。π0.5とopenpiのコードはApache-2.0だ。
データセットについて、arXivの要旨には「公開する」と書かれている。一方、AIRoAの発表文は「公開を予定」とし、詳細は決まり次第知らせるとしている。Hugging Faceでは、CoRL 2026のワークショップ「The UMI Arena」向けに、YUBIで記録したデータが5分割（合計約1万7,850時間、利用規約への同意制）で公開されている。これとA-0の事前学習に使った16,151時間との対応関係は確認できなかった。
AIRoAは11月9〜12日、米オースティンで開かれるCoRL 2026に出展する。来場者がYUBIでデータを集め、その場で学習させたモデルをFrankaで動かす体験デモを行い、参加者が学習させた方策を共通の実機・作業で評価し、手持ち型デバイスを体験・比較できるワークショップ「The UMI Arena」も主催する。
HuRoC視点：データを生むのは、机に向かう人の手
2024年2月にUMIが発表された時点で、そのデータは12時間・4作業だった。2年余りで、手持ち型の記録は1万時間を超える規模に達した。海外でも、中国のDaimon Roboticsなどが触覚グリッパーを20以上の組織に配って1万時間を集めた研究があり、Reward AIは手袋で集めた人のデータだけで学ぶ方策を打ち出した。データの量を決めるのはロボットの台数ではなく、記録する人の数になりつつある。
だからこそ、その人たちのことを知りたい。YUBIのページは179人（男性125人、女性54人）という内訳まで示しているが、16,151時間分を誰がどんな条件で記録したのかは、レポートにも発表にも書かれていない。人がロボットを操ってデータを集める国産汎用ロボットのコンペや、データ収集をスポットワークにする試みと並べると、「ロボットのための手仕事」が1つの職業として形になり始めているのがわかる。
日本のメーカーや研究室にとっては、入り口が具体的になった。トヨタの設計でグリッパーを組み、Questで作業を記録し、公開された重みに8基のGPUで4時間足らず事後学習させれば、手持ちのアームで試せる。GENIACのロボット基盤モデル公募で採択された13件も、成果をAIRoAなどへ還元することが条件になっている。A-0は、そうして集まるデータの受け皿が、実際に動くモデルとして姿を見せた例になる。ロボットの手がYUBIの部品を仕分ける映像は、データを集める道具と、データで動くロボットが同じ形をしていることを、いちばん端的に示している。
出典
- AIRoA、ロボット基盤モデル「AIRoA-0」を公開（AIロボット協会） — 2026-11-06
- AIRoA-0: Long-Horizon, Precise, Cross-Embodiment Manipulation from Handheld Data（arXiv:2611.03815） — 2026-11-02
- AIRoA-0（A-0）プロジェクトページ — 2026-11
- airoa-org/AIRoA-0（Hugging Face） — 2026-11
- airoa-org/AIRoA-0（GitHub）
- airoa-org/yubi-go（GitHub）
- YUBI: Yielding Universal Bidigital Interface for Bimanual Dexterous Manipulation at Scale（プロジェクトページ） / arXiv:2606.10244
- AIRoAの研究成果3件とデモプロポーザルがCoRL 2026に採択されました（AIロボット協会） — 2026-10-28
- π0.5: a Vision-Language-Action Model with Open-World Generalization（arXiv:2504.16054） — 2025-04
- Universal Manipulation Interface（UMI プロジェクトページ） / arXiv:2402.10329 — 2024-02