Ai2、物理AI向けオープンなシミュレーションファーストスタック「MolmoBot」を発表、実機へのゼロショット転移を実現
Allen AI は、シミュレーションで訓練したロボットモデルが実機への追加学習なし（ゼロショット）で動作する技術と、それを支えるオープンなインフラを発表し、物理的知能の実現における最大のボトルネックを解消しました。
キーポイント
ゼロショット転移の達成
シミュレーション環境でのみ訓練されたロボットモデルが、実世界での追加データ収集や微調整なしに直接動作する「ゼロショット sim-to-real 転送」を初めて実現しました。
オープンインフラの公開
この成果を支えた大規模シミュレーションエコシステムを含む、完全なオープンソースインフラがリリースされ、業界全体での再現性と発展が可能になりました。
物理的知能への転換点
複雑で不確実な現実世界における 3D 構造の理解や物体操作など、従来の仮説を覆す形で AI の一般化能力と信頼性が証明されました。
開発プロセスの劇的短縮
これまで数ヶ月かかった実機でのテレオペレーションによる demostrations が不要となり、ロボット開発のボトルネックが解消され、進歩速度が加速します。
影響分析・編集コメントを表示
影響分析
この発表は、ロボット工学における「シミュレーションと実世界のギャップ」を埋める最も困難な課題の一つを解決し、産業用・家庭用ロボットの普及速度を劇的に加速させる可能性があります。また、オープンソース化により研究の民主化が進み、世界中の開発者が高品質な物理的 AI モデルの構築に参画できるようになることで、次世代の自律型システム開発が飛躍的に進むでしょう。
編集コメント
「シミュレーションだけで実機が動く」という長年の夢を現実のものにした、ロボット工学分野における歴史的なマイルストーンです。オープン化により開発の民主化が進む点も極めて重要です。
2026 年 3 月 11 日
Ai2
今日の AI システムは、エッセイの作成や画像生成、複雑な質問への回答が可能ですが、物理世界における知能は根本的に困難です。ロボットは、ごちゃごちゃした現実世界の環境において、物体を確実に知覚し、把持し、操作する必要があります。つまり、3D 構造や物体の機能（affordances）、空間的制約を理解し、衝突を回避する方法を知りつつ、状況の変化に応じて行動を適応させることが求められます。そのため、ロボティクスにおける進展は単に機械をより良く作るだけではありません。AI システムが一般化できるか、そして現実世界で信頼性を持って動作できるかを明らかにすることで、知能そのものに対する私たちの理解を深めることにもつながります。
本日、Ai2 は画期的な成果を発表しました。シミュレーションのみで訓練されたロボティクスモデルが、追加の手動収集データや微調整（fine-tuning）なしに、そのまま現実世界のロボットへ転送可能であるというものです（これはゼロショット・シム・トゥ・リアル転送として知られるマイルストーンです）。長年、ロボティクスではシミュレーションが始点として利用されてきました。しかし、システムを信頼性のあるものにするためには、研究者らは依然として数ヶ月にわたる遠隔操作による現実世界のデモンストレーションが必要でした。そのステップなしでゼロショット転送を実現することは、この分野の核心的な仮定の一つに挑戦するものであり、進展に対する大きなボトルネックを取り除くことになります。
この成果に併せて、それを可能にしたオープンインフラストラクチャも公開します。これには大規模なシミュレーションエコシステムや、システムを駆動するモデルが含まれます。これらを組み合わせることで、シーン、オブジェクト、照明、物理法則、タスク定義の間に十分な多様性があれば、シミュレーションからのゼロショット転送は単に可能であるだけでなく、実用的であることを示しています。
「私たちのミッションは、科学を推進し、人類が発見できる範囲を広げる AI を構築することです」と Ai2 の CEO であるアリ・ファルハディ氏は述べています。「ロボティクスは基礎的な科学機器となり、研究者の活動速度を高め、新たな問いを探求する手助けができるようになります。そのためには、現実世界で汎化可能なシステムと、世界中の研究コミュニティが共同で構築できるツールが必要です。シミュレーションから現実への転送を実証することは、その方向に向けた有意義な一歩です」
MolmoSpaces と MolmoBot の紹介
MolmoSpaces と MolmoBot によって、Ai2 はこの画期的な成果を実践に移し、物理 AI システムの構築方法における転換点を示しました。シミュレーションのみが現実世界での能力を生み出せるのであれば、ロボティクスにおける進展はもはや大規模な独自データセットの収集に依存するのではなく、より豊かな仮想世界の設計にかかっています。
MolmoSpaces：身体性学習のための大規模シミュレーション
MolmoSpaces は、身体性 AI 研究のためのオープンなエコシステムであり、230,000 以上の屋内シーン、130,000 点以上の手作業で選定されたオブジェクトアセット、そして 4,200 万件以上の物理ベースのロボット把持注釈を、単一の統合プラットフォームに集約しています。研究者は、オブジェクトのプロパティ、レイアウト、照明、関節構造、タスク定義などを、統制され体系的な方法で変化させることが可能です。
歴史的にシミュレーションは事前学習ツールとして利用されてきました。しかし、システムが汎化するためには依然として実世界のデータが必要でした。MolmoSpaces は、シミュレーション内の多様性のみで十分な量が揃えば、堅牢な実世界での振る舞いを生み出せるかどうかを検証するために構築されました。アセット、ツール、インフラストラクチャをオープンに公開することで、Ai2 はロボット工学研究をより説明可能かつアクセスしやすくし、シミュレーションを共有された科学インフラへと変革しています。
MolmoBot：シミュレーションからのゼロショット転移
MolmoSpaces を基盤とする MolmoBot は、合成データのみで完全に訓練された、完全なオープンな操作モデルスイートです。MolmoBot は、ゼロショットアプローチがもたらす可能性を示しています。移動型マニピュレータを含む 2 つの異なるロボットシステムにおいて、MolmoBot は見知らぬオブジェクトや新しい環境下でも、把持と配置、引き出しやキャビネットの開閉といった関節付きオブジェクトの操作、ドアの開閉タスクを遂行します。
これは、実世界のデモンストレーションデータやフォトリアリスティックなレンダリング、タスク固有の適応なしに達成されます。Ai2 の評価によると、環境とアセットにおける多様性は、同じシナリオを大規模に繰り返すことよりも重要です。シミュレーションにおける広範さが、現実世界でのより強力な一般化につながります。
この発見は、ロボットがどのように訓練されるかという考え方を再構築します。手間のかかる手動データ収集に数ヶ月を費やすのではなく、研究者は計算リソースと共有基盤に合わせて拡張可能な、より豊かなシミュレーション環境の設計に注力できます。
「多くのアプローチは、実世界のデータを追加することでシミュレーションから現実へのギャップ（sim-to-real gap）を埋めようとします」と Ai2 の PRIOR チームディレクターである Ranjay Krishna は述べています。「私たちは逆の賭けに出ました。シミュレーション環境、オブジェクト、カメラ条件の多様性を劇的に拡大することで、そのギャップは縮小するという賭けです。私たちの最新の進展は、ロボティクスにおける制約を手動デモンストレーションの収集から、より良い仮想世界の設計へとシフトさせました。これは私たちが解決できる問題です。」
シミュレーションが物理的 AI の主要な訓練場となった場合、ロボティクス研究はより迅速になり、再現性が高まり、アクセスしやすくなります。この変化はロボティクスだけでなく科学全体にも影響を与え、より多くの研究室や企業が能力のある物理的 AI システムを構築できるようになります。
「AI が真に科学を前進させるためには、進展がクローズドなデータや孤立したシステムに依存してはなりません」と、Ai2 の CEO であるアリ・ファルハディ氏は続けます。「必要なのは、世界中の研究者が共通基盤として構築し、テストし、共に改善できる共有インフラです。これが物理的 AI が前進していく道筋だと私たちは信じています。」
MolmoSpaces と MolmoBot は完全にオープンであり、モデル、シミュレーション・インフラストラクチャ、把持アノテーション、データ生成パイプライン、ベンチマークツールを含みます。また、MolmoSpaces は広く使用されているシミュレータ、例えば MuJoCo や NVIDIA のオープンな学習およびシミュレーション・フレームワークである NVIDIA Isaac Lab、NVIDIA Isaac Sim 間でも動作するように設計されており、シミュレーション訓練によるロボティクスにおける進展をより広範な研究エコシステムに統合することができます。
物理的 AI における継続的な進展には、モデル、シミュレーション・システム、そしてそれらを超えた分野での協力が不可欠です。Ai2 は、この進展がオープンで透明性があり、科学的厳密性に根ざしたものであり続けるよう確保することにコミットしています。
*来週のサンノゼで開催される NVIDIA GTC（2026 年 3 月 16 日〜19 日）で引き続き議論を深めることを楽しみにしています。そこで会いましょう！*
Ai2 の最新ニュースに関する月次アップデートを受け取るには、購読してください。
原文を表示
March 11, 2026
Ai2
Today’s AI systems can write essays, generate images, and answer complex questions, but intelligence in the physical world is fundamentally harder. Robots must reliably perceive, grasp, and manipulate objects in messy, real-world environments. That means understanding 3D structure, object affordances, spatial constraints, and how to avoid collisions — all while adapting their behavior as conditions change. That’s why progress in robotics isn’t just about building better machines. It also strengthens our understanding of intelligence itself by revealing whether AI systems can generalize, and operate reliably in the real world.
Today, Ai2 announced a breakthrough: robotics models trained entirely in simulation that transfer directly to real-world robots with no additional manually-collected data or fine-tuning (a milestone known as zero-shot sim-to-real transfer). For years, simulation has been used as a starting point in robotics. But researchers still needed months of teleoperated real-world demonstrations to make systems reliable. Demonstrating zero-shot transfer without that step challenges one of the field’s core assumptions and removes a major bottleneck to progress.
Alongside this result, we’re releasing the open infrastructure that made it possible, including the large-scale simulation ecosystem and models that power the system. Together, they demonstrate that with sufficient diversity across scenes, objects, lighting, physics, and task definitions, zero-shot transfer from simulation alone is not just possible, but practical.
“Our mission is to build AI that advances science and expands what humanity can discover,” said Ali Farhadi, CEO of Ai2. “Robotics can become a foundational scientific instrument, helping researchers move faster and explore new questions. To get there, we need systems that generalize in the real world and tools the global research community can build on together. Demonstrating transfer from simulation to reality is a meaningful step in that direction.”
Introducing MolmoSpaces and MolmoBot
With MolmoSpaces and MolmoBot, Ai2 puts that breakthrough into practice—marking a shift in how physical AI systems can be built. If simulation alone can produce real-world capability, then progress in robotics no longer depends on collecting proprietary datasets at scale. It depends on designing richer virtual worlds.
MolmoSpaces: Large Scale Simulation for Embodied Learning
MolmoSpaces, an open ecosystem for embodied AI research, brings together more than 230,000 indoor scenes, more than 130,000 curated object assets, and over 42 million physics-grounded robotic grasp annotations in a single unified platform. Researchers can vary object properties, layouts, lighting, articulation, and task definitions in a controlled and systematic way.
Historically, simulation has been used as a pretraining tool. Real-world data was still required to make systems generalize. MolmoSpaces was built to test whether sufficient diversity in simulation alone could produce robust real-world behavior. By releasing the assets, tools, and infrastructure openly, Ai2 is making robotics research more explainable and accessible, turning simulation into shared scientific infrastructure.
MolmoBot: Zero-Shot Transfer from Simulation
Built on MolmoSpaces, MolmoBot is a fully open manipulation model suite trained entirely on synthetic data. MolmoBot demonstrates what the zero-shot approach makes possible. Across two different robot systems – including a mobile manipulator – MolmoBot performs pick and place, articulated object manipulation such as opening drawers and cabinets, and door opening tasks on unseen objects and in new environments.
It achieves this without real-world demonstration data, photorealistic rendering, or task-specific adaptation. Ai2’s evaluations show that diversity across environments and assets matters more than simply repeating the same scenario at scale. Breadth in simulation leads to stronger generalization in reality.
This finding reshapes how robots can be trained. Instead of relying on months of cumbersome manual data collection, researchers can focus on designing richer simulated environments that scale with compute and a shared foundation.
“Most approaches try to close the sim-to-real gap by adding more real-world data,” said Ranjay Krishna, Director of the PRIOR team at Ai2. “We took the opposite bet: that the gap shrinks when you dramatically expand the diversity of simulated environments, objects, and camera conditions. Our latest advancement shifts the constraint in robotics from collecting manual demonstrations to designing better virtual worlds, and that’s a problem we can solve.”
If simulation becomes the primary training ground for physical AI, robotics research becomes faster, more reproducible, and more accessible. That shift matters not just for robotics but for science, enabling more labs and companies to build capable physical AI systems.
“For AI to truly advance science, progress cannot depend on closed data or isolated systems,” continues Ali Farhadi, CEO of Ai2. “It requires shared infrastructure that researchers everywhere can build on, test, and improve together. This is how we believe physical AI will move forward.”
MolmoSpaces and MolmoBot are fully open, including models, simulation infrastructure, grasp annotations, data generation pipelines, and benchmarking tools. MolmoSpaces is also designed to work across widely used simulators – including MuJoCo, NVIDIA’s open learning and simulation frameworks NVIDIA Isaac Lab and NVIDIA Isaac Sim – so that advances in simulation-trained robotics can integrate into broader research ecosystems.
Continued progress in physical AI will require collaboration across models, simulation systems, and beyond. Ai2 is committed to ensuring that this progress remains open, transparent, and grounded in scientific rigor.
Dive into our technical blog for more
*We’re excited to continue the conversation at NVIDIA GTC next week in San Jose (March 16–19, 2026). See you there!*
Subscribe to receive monthly updates about the latest Ai2 news.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み