9月27日、The Decoderが「Researchers plug GPT-6 Astra directly into a robot and let it clean up an unfamiliar kitchen」と題した記事を公開した。StanfordとCaltechの研究者が、LLMとロボットの間に従来必須とされてきた中間制御層を取り除き、GPT-6 AstraをUnitree G1ヒューマノイドに直結して未知のキッチンを自律清掃させるシステム「HomeBody」を構築した。この設計の何が重要なのか——「中間制御層の排除」という判断が、ロボティクスのアーキテクチャ論にとって持つ意味を中心に内容を紹介する。
なぜ「中間制御層の排除」が重要なのか
ロボット制御の従来アーキテクチャでは、言語モデルとロボットの間に強化学習などで個別に訓練された中間制御層を挟むのが一般的だ。この層は特定のタスクや環境に最適化されている反面、未知の環境への汎化が難しく、モデルの更新のたびに再訓練が必要になるという根本的な問題を抱えていた。
HomeBodはその層を取り除き、VLM（視覚言語モデル）が直接スキルライブラリを呼び出す構成を採用している。スキルライブラリには「把持」「ナビゲーション」「引き出しを開ける」といった動作プリミティブが用意されており、VLMは拡張可能なこのライブラリを介してロボットを制御する。
この設計が意味するのは、基盤モデルを差し替えるだけでロボットの能力をアップグレードできるという拡張性だ。VLMとしては現在GPT-6 Astraが使用されているが、設計上はスワップ可能（差し替え可能）なモジュールとして実装されており、将来のモデルへの移行コストを大幅に削減できる。ロボット本体はUnitree G1（中国・Unitree Robotics製のヒューマノイドロボット）を使用している。
探索→デジタルツイン生成→タスク実行の流れ
HomeBodのパイプラインは大きく3フェーズに分かれる。
- 探索フェーズ: ロボットがまず部屋を自律探索する
- 空間記憶の構築: NVIDIAのIsaac Sim上にデジタルツインを生成し、物体の位置をログとして記録する
- タスク実行: 「キッチンを片付けて」のような自然言語指示をGPT-6 Astraが受け取り、ステップごとに計画を立て、エラー時には自己修正しながら実行する
空間記憶のログにより、一度視野外に出た物体も後から発見・取得できる。引き出しの中身を取り出すといった複合的なタスクもこなす。コードはGitHub（Stanford-TML/homebody）で公開されている。
GPT-6 Astraをロボットに直結することで何が変わるか
GPT-6 Astraは空間推論の大幅な改善が早期ベンチマークで確認されており、それがロボット制御との相性を後押ししている。一方で、Astraがロボットアームを制御した際に安全上の問題が生じたという報告もあり、記事ではこれを「別のベンチマーク結果」として言及している（※当該ベンチマークの詳細な出典は元記事中で明示されていない。編集部でも原典は確認できなかったため、内容の評価には注意が必要だ）。実用化に向けた安全面での課題が残ることは確かである。
HomeBodとの関係で言及しておくべき文脈として、OpenAIのロボティクス分野への再参入がある。OpenAIは2024年末から2025年にかけてロボティクスチームを再編・強化しており、個人向けパーソナルロボットの実現を射程に入れていることを公式に表明している。GPT-6 AstraをVLMとして採用したHomeBodは、そのエコシステムにおける実証例の一つとして位置づけられる——ただし、HomeBodはStanford・Caltechの独立した研究であり、OpenAIとの公式な連携プロジェクトではない点は明確にしておきたい（※編集部の考察）。
現時点の制限
記事では以下の3点が制限として明示されている。
- Astraのレイテンシ（推論遅延）
- 指部サーボの過熱
- 高い計算コスト
中間制御層を排除してVLMを直結するアプローチはシンプルで拡張性が高い反面、推論速度とコストがボトルネックになる構造的な課題を抱えている。スキルライブラリのプリミティブをどこまで細かく設計するか、未定義の動作への対応をどうVLM側に委ねるかといった設計上のトレードオフも、今後の研究で議論が深まるポイントだ。
現状では実験室レベルの実証にとどまるが、「VLMを直結してスキルライブラリで動かす」という設計思想自体は、特定タスクへの依存度を下げ汎化性能を高めるアーキテクチャとして、今後の家庭用ロボット開発における一つの有力な方向性を示している。
詳細はResearchers plug GPT-6 Astra directly into a robot and let it clean up an unfamiliar kitchenを参照していただきたい。
