本文へ移動
LIFEMAKERS.COM — 自給率を上げる。自立型ライフの実践知メディア
Aboutベータ版
Signal観測テクノロジーと道具つくるFUTURE LIFE BRIEF

Runway の Praxis-1、小型ロボットアーム SO-101 で動く版を公開

Runway がロボットアームを動かす AI モデル Praxis-1 を、小型アーム SO-101 と RTX 5090 1 枚で動く形でも公開した。メモリの実測はまだで、4 ビット版の精度の差や似た物の取り違えも残る。家の作業台で試すのに何が要るかを整理する。

Runway の Praxis-1、小型ロボットアーム SO-101 で動く版を公開のイメージ

この記事でわかること

  • Runway のロボット制御モデル Praxis-1 に、小型アーム SO-101 で動く版が加わった。重みとコードは Apache 2.0
  • 4 ビット版は約 23.5GB で RTX 5090 に載る見積もりだが、メモリの最大値は未計測。精度が下がった比較例もある
  • 似た物の取り違えやあいまいな指示への弱さが残り、長い作業は手順を分けて渡す必要がある

動画生成 AI の Runway が、ロボットアームを動かす AI モデル Praxis-1 を、小型のアーム SO-101 で動く形でも公開した。Runway は 11 月 13 日に X で、LeRobot のコミュニティが共有した数千のデータセットをもとにした版が、NVIDIA の RTX 5090 1 枚で動くと告げた。

研究所の大きな GPU でしか動かなかったロボットの頭脳が、個人が組める大きさのアームと、ゲーム用の上位 GPU のところまで降りてきた。ただ、その動く版の中身には、まだ但し書きが多い。

動画のモデルが、手を動かす

Praxis-1 は、カメラの映像と「赤いブロックを器に入れて」のような短い指示、アームの今の姿勢を受け取り、次に取るべき動きを出すモデルだ。GitHub の README によると、1 回の呼び出しで、次の 1.4〜1.6 秒分の動きと、同じ時間に見えるはずの映像の予測を出す。

The Decoder によると、土台は普通の映像から物の動き方を学んだ動画モデルで、そこに人の作業動画とロボットのデータで追加の学習をしている。重みとコードは Apache 2.0 で公開され、商用にも使える。重みは Hugging Face で利用条件に同意してから受け取る。

RTX 5090 で動く版の但し書き

もとの版を動かすには、80GB のメモリを持つ GPU が要る。SO-101 向けには、NVFP4 という 4 ビットの計算に合わせて学習し直した版がある。README の見積もりでは、重みが約 23.5GB に収まるので 32GB の RTX 5090 に載るはずだという。ただし、動かしたときのメモリの最大値はまだ測っていないと書いている。

4 ビットにしたときの精度の差も、README は隠していない。シミュレーションの難しい課題を使った比較では、4 ビット版の成功が 352 回中 138 回で、もとの精度の 188 回より明らかに低い例があった。別の比較でははっきりした差が出ておらず、README は使う前に自分の環境で測るよう求めている。

The Decoder が伝える Runway 自身の試験では、実機のアームで 10 種類の作業を 10 回ずつ行い、88 回成功した。一方で、見た目の似た物を取り違えたり、あいまいな指示に弱かったりする点も挙げられている。長い作業を自分で組み立てる力はまだ弱く、手順を細かく分けて渡す必要がある。

家の作業台で試すなら

SO-101 は、Hugging Face が進めるロボット向けのオープンソースの道具 LeRobot で使われる小型のアームだ。Praxis-1 の SO-101 版は、関節 5 つとグリッパーを動かし、1〜2 台のカメラの映像を読む。グリッパーの開き具合は自分のアームで測って渡すよう、README は手順を用意している。

要るものを並べると、組み上げて調整したアーム、カメラ、32GB のメモリを積んだ GPU のある計算機、そして特定の版の CUDA と複数のライブラリをそろえる作業になる。手順は公開されているが、届いたその日に動かせる段階ではない。動くアームのそばで試す以上、手を出さない位置と、止め方を先に決めておく備えも要る。

それでも、ロボットに何かをさせたいとき、動きを一つずつ教え込むのではなく、短い言葉で頼むという選び方が、個人の手の届くところに来た。次に開くのは、Hugging Face の runwayml/praxis-1-so101 のページと GitHub の README だ。RTX 5090 でのメモリの実測が載るかどうかで、家の計算機で回せるかの答えが見えてくる。

ことば

  • SO-101 — LeRobot で使われる、関節 5 つとグリッパーを持つ小型のロボットアーム。Praxis-1 は、LeRobot の形式で記録した姿勢と映像のデータをそのまま読み書きする。
  • NVFP4 — NVIDIA の新しい GPU が扱える 4 ビットの数値の形式。モデルの重みを小さくしてメモリに収めやすくする代わりに、精度が落ちることがあるため、使う前の確認が要る。

家の作業台でロボットの腕が言葉で動かせるとしたら、あなたはまず何を任せてみたいだろうか?

参照

あなたの暮らしで、最初に試せることは何でしょうか。