Runway、Praxis-1ロボットAIモデルを商用向けに公開

Runwayは何年もかけて、画面上で物体を動かす方法をAIに教えてきた。今度は、その能力が現実世界でロボットに物を動かさせるのに役立つかを確かめようとしている。ハリウッドから工場の現場へ。

11月11日、同社はPraxis-1ロボティクスモデルを商用利用向けに公開した。モデルの重み、推論コード、ファインチューニングツールがApache 2.0ライセンスで提供される。272億パラメーターのこのシステムは、動画予測とロボットの動作生成を組み合わせ、開発者がさまざまな機械に能力を適応させられるようにする。

ロボット企業やメーカーにとって、その可能性は魅力的だ。ハードウェア固有の学習データをあまり使わずに、新しい作業を学習できるロボットが実現するかもしれない。しかし、落とし穴もある。管理されたテストでロボットを impressive に見せることと、工場の現場で作業を失敗せずに丸一勤務こなさせることは別問題だ。

Runway、Praxis-1をパートナー以外にも公開

同社は 11月11日の発表で、開発者がPraxis-1を Hugging Faceから入手し、 GitHubリポジトリを利用するか、Reactorを通じてホスト型推論にアクセスできると説明した。今回のリリースには、完全なファインチューニング用コードと、より少ないリソースで利用できるLow-Rank Adaptation（LoRA）方式のコードが含まれる。

Runwayは9月にPraxis-1を発表し、Noble Machines、Standard Bots、Ultraと協力して、産業用アーム、両腕型の倉庫ロボット、脚式ヒューマノイドなど、異なるロボットシステムで検証してきた。

11月のリリースにより、当初のパートナーにアクセスを限定せず、他の開発者も自らの機器でモデルを試せるようになった。

ダウンロード可能な選択肢には、片腕のDROID構成と両腕のYAMロボット向けに学習したチェックポイントに加え、適応用のベースモデルが含まれる。Runwayの 実装ノートによると、ベースモデルには命令を出すために必要なロボット固有のアクションヘッドがない。

開発者は自らのハードウェア向けに、それらのコンポーネントを追加して学習させる必要がある。

Apache 2.0により、Runwayが公開した重みとソフトウェアは商用利用できる。ただし、基盤となるWan2.2とQwen3.5のコンポーネントにはそれぞれ別のライセンスがあり、開発者は確認しなければならない。

動画モデルがロボットの動かし方を学習する仕組み

Praxis-1は272億パラメーターのMixture-of-Expertsモデルで、Runwayの動画生成研究を基盤としている。遠隔操作する人間のデータだけから学習するのではなく、まず通常の動画を通じて物体の動きや相互作用を学び、その知識を訓練中にロボットのデモンストレーションと組み合わせる。

Runwayの技術レポートによると、モデルは指示、カメラ映像、ロボットの現在位置を受け取る。次にシーンがどう見えるべきかを予測し、1秒間に15回更新される24個のアクションとして、1.6秒間の動きを生成する。

ロボットはその動きを実行し、結果を観察して、これを繰り返す。

狙いは、異なる機械の間で視覚的な知識を再利用しつつ、各ロボットのカメラや関節に合わせて制御をファインチューニングすることだ。Runwayのモデルは、 フィジカルAIの訓練とシミュレーションをめぐる、より大きな動きの一部でもある。 NVIDIAのリファレンス・ヒューマノイドロボットプロジェクトとは異なり、Praxis-1は標準化されたロボットプラットフォームではなく、適応可能な制御モデルを提供する。

Praxis-1のテストは進展を示す一方、限界も明らかに

Runwayによると、Praxis-1はNVIDIAのRoboLab-120ベンチマークで、1200回のシミュレーション試行のうち555回を完了し、120種類の卓上作業全体で成功率46.2％を達成した。同社の比較では、FLUX 3 Actionが42.9％、Cosmos3 Nanoが36.8％、pi0.5が28.0％だった。

この数字から、Praxis-1があらゆるカテゴリーで総合首位に立つシステムだとは言えない。NVIDIAの 公開リーダーボードには、46.2％を上回るエージェント型モデルやクローズドモデルもいくつか掲載されている。また、11月13日に確認した時点ではPraxis-1の項目が表示されておらず、公表されたスコアと順位は、ここで独自に確認されたものではなく、Runwayによる主張として扱われる。

実機ロボットでの証拠もある。Runwayによると、Praxis-1はFranka FR3ロボットを使った10種類の単品作業で、100回中88回の試行を完了した。同じテスト設定でFLUX 3 Actionは100回中80回だった。同社が試行を実施したのは11月2日で、その範囲は、商用ロボットが直面しうる多様な作業よりもはるかに限定されている。

eWeekの見解：Praxis-1には有望さがあるが、現実世界での信頼性はまだ証明されていない

Runwayの 技術レポートは、異なる環境と複雑さのテストを対象としているものの、期待できる結果を示している。これらを比較すると、Praxis-1の性能のうち、どれだけが実機ロボットで実証され、どれだけがシミュレーションにとどまっているのかが分かる。

Noble Machinesの実験は、モデルの適応性を示す一例だ。Runwayによると、わずか29分間のロボットデモンストレーションを使ってPraxis-1をファインチューニングした。

16基のGPUで約3.6時間訓練した後、見慣れたレイアウトではシミュレーション試行15回すべてを完了した。しかし、より難しく、従来見たことのない倉庫作業では、10回中6回しか成功しなかった。

この実験は、Praxis-1が新しいロボットシステムにどれほど速く適応できるかを示した。ただし、公表された結果には、実機のNoble Machinesロボットでのテストは含まれていない。

計算要件も別の障壁となる。Runwayの GitHubドキュメントでは、標準設定に少なくとも80GBのメモリを搭載したNVIDIA GPUが必要とされている。オプションの4ビット推論を使えばモデルのメモリ要件は下がるが、Runwayは、低精度での性能には追加の検証が必要だと注意している。

同社は、見た目が似た物体、曖昧な指示、複数の動作を必要とする作業にも難しさがあると認めている。ロボットが誤った物品を選んだり、長い手順でつまずいたりすれば、安定した性能に依存する業務が中断する可能性がある。

総合すると、Praxis-1は有用なロボット作業を実行し、比較的少ない訓練データで異なるハードウェアに適応できることが結果から分かる。しかし、現在利用できるテストだけでは、継続的な商用運用中にモデルがどれほど安定して動作するかは、まだ明らかになっていない。

Praxis-1を導入する前に企業が検討すべきこと

メーカー、倉庫運営会社、ロボット開発者にとって、Praxis-1は、機械が異なる物体を認識して操作する必要がある作業を自動化するための、もう1つの手段になり得る。

例えば倉庫運営会社は、大規模な再プログラミングをせずに、形状や包装、位置が異なる商品をモデルが扱えるかをテストできる。ただし、モデルの適応にかかる費用と安定した性能の維持費が、既存の自動化を置き換えたり補完したりする価値に見合う必要がある。

Praxis-1の導入を検討する企業は、決定する前に次の3つの領域を評価すべきだ。

• 実際の運用環境でのパフォーマンス：不慣れな物体、変化する照明、反復作業でモデルをテストする。成功した作業、誤ピック、復旧時間、従業員の介入が必要になる頻度を測定する。
• インフラと運用コスト：対応するロボットハードウェア、GPUリソース、モデルのファインチューニング、ソフトウェア統合、保守にかかる費用を見積もる。商用ライセンスにより、開発者は公開モデルを利用・改変できるが、実行には依然として計算リソースと技術的専門知識が必要だ。
• 安全性と人による監督：予期しない動き、作業の失敗、不明確な指示に対応する手順を確立する。人の付き添いなしでの運用を検討する前に、緊急停止、オペレーターの介入、復旧手順をテストする。

企業はPraxis-1を既存のロボットシステムとも比較すべきだ。条件が予測可能な反復作業では、従来型の自動化の方が実用的で経済的な場合がある。物体やレイアウト、作業要件が頻繁に変わる場合は、AIベースの制御がより大きな柔軟性をもたらす可能性がある。

NVIDIAが支援するGRIDロボティクス開発プラットフォームも、導入前にシミュレーションと実機テストを通じてロボットを評価することの重要性を示している。

Runwayのリリースにより、開発者はPraxis-1を試しやすくなった。より大きな問題は、動画を通じて動きを理解するよう訓練されたモデルが、最終的に日常的な産業環境で機械を制御するために必要な一貫性を実現できるかどうかだ。

AIはチャットボットを超えて、物理世界へ進出している。自分でAIスキルを身につけたいなら、まずはThe Neuron Academyの無料6分間 「AIとの話し方」講座を受講し、 さらにAIレッスンを探ることから始めよう。7日間無料でアクセスできる。