X-Square Robot：汎用ロボットのための基礎技術スタック、ついに読みやすく

X-Square Robot研究所は、組み込みAI向けの「3層ファウンデーションスタック」を発表。これはまだロボット用GPTではないが、アーキテクチャの読み解きは成熟している。

簡単に言えば

X-Square Robot研究所は、ロボットを真に多用途にする3層アーキテクチャを発表した：知覚モデル、行動モデル、制御モデル。個々の要素は目新しくないが、その積み重ね方と論理展開が一歩前進を示している。

背景

Google RT-2（2023年）、Figure 02（2024年）、DeepMindのVision-Language-Action（2025年）以降、ロボット分野は「基盤モデル」を模索している。2つの学派が対立：エンドツーエンド（1つの巨大モデルで画像→モーター） vs モジュラースタック（知覚・計画・制御を分離）。エンドツーエンドは数学的美しさを持ち、スタックはエンジニアリングとデバッグのしやすさを持つ。

データ

IEEE Spectrumによると、X-Square Robotは明確にモジュラーアプローチを採用し、3層で構成：

• 知覚 - 事前学習済みビジョン言語モデル
• タスクプランナー - 目標を行動シーケンスに分解
• 制御方策 - 強化学習と模倣学習の組み合わせ、シミュレータ→実機転移

同記事はこのスタックを「汎用ロボット」のターゲットと位置付ける。現時点では第三者ベンチマークは存在しない。

分析

注目すべきはパフォーマンス（検証不能）ではなく、方法論の選択だ。3年間の「巨大モデル至上主義」の後、複数のチームがモジュール性に回帰している。なぜか？ロボットではエンドツーエンドのレイテンシが重要で、安全性は明示的な介入ポイントを要求し、障害モードのデバッグには問題層を切り離す必要があるからだ。1つのブラックボックスモデルが、ハンドがグラスを割った時に何も答えられないのとは対照的に。

結論

ロボティクス投資家へ：もはや「巨大モデルが全てを解決する」という約束に賭けるな。文書化され、テスト可能で、デバッグ可能なスタックを持つチームを見よ。エンジニアへ：2026-2027年の真の問いは「どのモデルか」ではなく「層間のインターフェース」だ。そここそがウェブにおけるプロトコルのように、価値が結晶化する場所となる。