公開日：2026年9月19日

Figure AIがHelix 2.5を発表、未知住宅30軒で家事実演

編集: GA Robotics編集部

Figure AIは現地時間2026年9月17日、ヒューマノイドロボット向けの新しい神経ネットワーク「Helix 2.5」を発表した。同社は、ベイエリアの事前データ収集をしていない30軒の住宅にロボットを持ち込み、部屋の片付け、タオル畳み、ベッドメイキングを人の手を借りずに実演したとしている。

今回の発表では、同社の人間行動データセット「Index」を使って基盤モデルを事前学習し、そこから3つの行動を派生させた点が示された。Figure AIは、未知環境での作業成功率や行動範囲の広がりを、Helix 02との比較を交えて公表している。

新しい点は、ロボットが実際に入る場所ごとにデータを集める前提を弱め、未知の住宅でも作業を成立させようとしていることだ。Figure AIによれば、Indexデータセットによる事前学習の有無だけで、未知環境での作業成功率は9%から56%まで向上した。

また、Helix 02の代表的な行動と比べて、タスク固有のデータ量を半分に抑えながら、行動範囲の幅は30倍に広がったとしている。1つの基盤モデルから、移動、剛体・柔軟物の操作、両腕協調、能動的な知覚を含む3種類の全身行動を派生できた点も特徴だ。

未知環境の検証

注目すべきは、「未知環境での成功率が9%から56%に上がった」という比較が、単なるデモではなく学習方法の差として示されている点です。導入企業にとっては、現場ごとの個別学習をどこまで減らせるかが、立ち上げ工数とPoC期間を左右します。

一方で、30軒の住宅での実演は、家庭のような変化の大きい環境での可能性を示すものです。製造や物流のように手順が固定された現場では、同じ考え方がそのまま使えるとは限らず、作業のばらつきにどこまで耐えられるかを別途見る必要があるとみられます。

日本でこの種の技術を考えるなら、住宅だけでなく、宿泊施設、介護、清掃、バックヤードの整理整頓のような「柔軟物を扱う作業」が候補になります。ベッドメイキングやタオル畳みは、物の形が毎回少し変わるため、未知環境への適応が効けば立ち上げ負担を下げられる可能性があります。

ただし、現場では通路幅、段差、家具配置、安全柵、人とのすれ違い、既存の清掃手順との整合が重要です。さらに、作業指示をどう与えるか、介入が必要な場面をどう切り分けるかも論点になります。手順が厳密に固定された工程より、変化の大きい軽作業のほうが適性は高いとみられます。

提供情報では、実演に使ったロボットの台数、1回あたりの作業時間、失敗時の復旧方法は確認できない。日本の住宅や施設で同じ結果が出るかも、今回の情報だけでは分からない。

また、Helix 2.5がどの機体構成や周辺機器を前提にしているか、商用提供の時期や利用条件も本文では示されていない。導入判断には、現場条件に近いPoCでの追加確認が必要になる。

未知環境での作業適応は、導入前のPoC設計で差が出やすい論点です。日本での現場適用を考える際は、作業条件の切り分けから整理しておくと判断しやすくなります。

「自社にはどんなロボットが合うのか」お悩みではありませんか。貴社の現場課題に合わせた最適な活用方法をご提案します。まずはご相談・資料請求からお気軽にどうぞ。