Large Behavior Model

LBM / 大規模行動モデル

多様なロボット動作データから学習した汎用的な行動方針モデル。 Toyota Research Institute (TRI) が提唱。

Large Behavior Model (LBM) は、 Toyota Research Institute (TRI) が提唱する 多様なロボット動作データから学習した汎用的な行動方針モデル の概念。大規模言語モデル (LLM) が文書データから言語生成を学習するのと類似の発想で、ロボット動作のデモ動画・関節角度時系列・感覚データから「次の動作の取りうる選択肢」を学ぶ。

主な特徴

End-to-end 学習: タスク特化ではなく、工場・家事・物流など複数領域のタスクを一つのモデルでカバー
少数ショット適応: 新タスクに対する人間デモが数件あれば実用化可能
マルチロボットボディ移植: Atlas / 自動車組立用アーム等、異なる身体形状でも同じモデルを fine-tune して使える

なぜ重要か

従来のロボットは「タスクごとに個別の制御プログラムを書く」必要があり、新しい現場には数週間〜数ヶ月の調整が必要だった。 LBM は 動作の汎用性 を獲得することで、工場現場・倉庫・家庭での応用を加速させる可能性がある。ただし、 LBM は実行時の安全性・透明性 (なぜその動作を選んだか) の課題が残る。

主な特徴

なぜ重要か

関連

この用語を扱う記事

関連用語