AnthropicがAIに物理機器を直接操作させる標準規格「MHS」を発表 — 訓練なしでアルミ缶を掴むClaudeが示す「物理世界の自律制御」の現在地

8月28日、Ars Technicaが「Anthropic's new hardware standard lets AI agents control the physical world」と題した記事を公開した。Anthropicが発表した新しいハードウェア標準「Model Hardware Standard（MHS）」により、ClaudeをはじめとするAIエージェントがロボットアームや顕微鏡、レーザー装置といった実世界の物理機器を自律的に制御できるようになる。

「訓練なしでアルミ缶を掴む」——MHSが示す物理世界への展開

プロモーション動画の中でMHSの意義を端的に示すシーンとして注目されているのが、ロボットアームがアルミ缶を掴む映像だ。Claudeはアルミ缶を掴む手順について明示的に訓練されていない。それでも、MHSを通じて機器の物理特性を取得し、推論によって動作手順を組み立て、実行してみせた。

これはMHSの設計思想を凝縮した場面だ。既存の訓練データにないデバイスでも、標準化された情報さえ与えられれば即座に操作できる——それがMHSの核心にある発想である。

AIが物理世界を操作する——MHSとは何か

Model Hardware Standard（MHS）は、AIモデルが実世界の物理機器を直接制御するための標準仕様だ。ソフトウェアの世界でのみ動いていたAIエージェントを、ロボットアームや顕微鏡、レーザー装置といった実際のハードウェアと接続する「橋渡し」の役割を果たす。

Anthropicが挙げた具体的なユースケースは以下の通りだ：

レーザーの自動キャリブレーション：Claudeがレーザーを微調整し、別のカメラで結果を確認して調整を繰り返す
顕微鏡の自動操作：フォーカスを合わせ、画像を解析し、次に観察すべき箇所を判断してステージを移動させる
ロボットアームの制御：アルミ缶を掴む手順を明示的に訓練されていなくても、Claudeが推論して実行できることをプロモーション動画で示している

重要なのは、ステップごとに毎回推論し直す必要がない点だ。MHS対応モデルは複数の機器にまたがる手順をAPIスクリプトとして書き出し、状況に応じて調整しながら実行できる。

MCPやAI Actionsとの違い——物理制約の「標準化」という視点

AIエージェントがツールや外部サービスを操作する仕組みとしては、AnthropicがすでにオープンソースとしてリリースしているMCP（Model Context Protocol）や、OpenAIのActions等が知られている。これらはあくまでソフトウェアAPIやWebサービスとの連携を前提とした設計であり、物理機器固有の制約——可動域、重量、安全限界値といったパラメータ——をモデルに伝える手段を持たない。

MHSが新しいのは、物理世界特有の制約をモデルへ伝えるための標準化レイヤーを設けた点だ。ソフトウェア連携の延長線上ではなく、実機操作に必要な情報体系そのものを規格として定義することで、AIエージェントが初めて接続するデバイスでも安全かつ迅速に操作できる環境を目指している。

※編集部の考察：MCPが「AIとソフトウェアをつなぐ標準」であるとすれば、MHSは「AIと物理世界をつなぐ標準」として補完的な位置づけになる可能性がある。両者が共存する形でエージェントのアクション範囲が広がっていくとみることもできる。

「物理世界の制約」を標準化するタグシステム

MHSが技術的に面白いのは、ハードウェアの物理的制約をモデルに伝えるための標準化されたタグシステムを含む点だ。

主に仮想環境で訓練されたモデルは、実機の特性を知らない。そこでMHSでは以下の情報をタグとしてエンコードする：

ハードウェアの物理特性（例：ロボットアームの重量・可動域）
調整可能なパラメータ
計測オプション
安全制限値

これらのタグはリファレンスファイルに統合され、AIモデルが初めて扱うデバイスでも必要な情報を素早く取得できる仕組みになっている。訓練データにない機器でも即座に操作できるようにする、という発想だ。

パートナーとオープンソース化の計画

現在MHSはプレビュー期間中で、Anthropicは「科学研究機関と先端製造業者の第一グループ」と協力している。参加パートナーには以下が含まれる：

Amazon Web Services（Strands Robots）
Hugging Face（LeRobot）
Raspberry Pi
Automata
Universal Robots

これらのパートナーは、物理機器を操作するAIシステムの安全性評価とベストプラクティスの策定を支援する役割を担う。

その後の計画として、MHSをオープンソース化し、特定のAIエージェントに依存しない「エージェント非依存」の標準として公開する予定だとAnthropicは述べている。

過去1年の内部テスト結果

科学分野のパートナーとの直近1年の初期テストでは、MHSによってデバイス統合にかかる時間が短縮され、様々な実験環境でのイテレーションが高速化したとAnthropicは報告している。

プロモーション動画の中でKemeny（AnthropicのScience担当VP）は次のように述べている：

「仮説をより速く検証できれば、汎用技術をより速く生み出せる。これが、1世紀分の進歩を10年に凝縮する方法だ。」

現時点では科学研究・先端製造の領域に限定されたプレビューだが、オープンソース化後にどのような実装が生まれるかが注目点になる。

詳細はAnthropic's new hardware standard lets AI agents control the physical worldを参照していただきたい。