公開：2026年10月28日, 最終更新：2026年10月28日
小米（Xiaomi）の研究チームは2026年10月26日、ロボットの操作と自律移動を単一の高レベル決定モデルで統合する軽量エージェント「OmniBrain-0」に関する技術論文をarXivに公開した。
30秒サマリー
- 小米の研究チームが、ロボットの操作・ナビゲーションを統合制御する軽量AIエージェント「OmniBrain-0」の技術論文を公開した。
- クローズドソースの大規模教師モデルの知識をコンパクトなモデルに蒸留する手法を採用し、推論コストを大幅に削減している。
- 複数の標準ベンチマークおよび実世界のロボットタスクで評価が行われ、クロスドメインでの高い性能が確認されたとしている。
OmniBrain-0の手法と評価内容
小米エンボディド・インテリジェンスチーム（マカオ大学・清華大学との連名）は、汎用ロボット向け統合エージェント「OmniBrain-0」を提案する技術論文を2026年10月26日にarXivへ投稿した。論文は40ページ、27図、8表で構成されており、プロジェクトページも公開されているとしている。
OmniBrain-0は、ロボットの物体操作（マニピュレーション）と自律移動（ナビゲーション）を共有の高レベル決定モデルで統合し、タスク理解・計画立案・進捗追跡・失敗からの回復を一括して担う設計となっている。訓練フレームワークは「エンボディド事前訓練」「ドメイン特化エージェント蒸留」「マルチ教師オンポリシー蒸留（MOPD）」の3段階で構成される。
さらに論文では「Rubric-Guided Recursive Self-Improvement（RSI）」と呼ぶデータ自動生成サイクルを導入している。これはMeta-Agentが実行エビデンスを基に採点基準・ステップ別ヒント・検証済み軌跡を生成し、各ドメイン専門家モデルの更新に利用した後、MOPDでOmniBrain-0に再統合するという仕組みだと説明されている。
評価はLIBERO-Pro、LIBERO-Plus、RoboCasa365、RoboTwin 2.0、R2R-CE Val-Unseenの各ベンチマークおよび複数の実世界マニピュレーションタスクで実施された。論文によれば、OmniBrain-0はクローズドソースの教師モデルと比較して推論・実行コストを大幅に削減しつつ、クロスドメインで高い性能を示したとされる。
OmniBrain-0の主な仕様・数値
- 論文投稿日：2026年10月26日
- 論文ページ数：40ページ
- 図表数：27図、8表
- 評価ベンチマーク：LIBERO-Pro、LIBERO-Plus、RoboCasa365、RoboTwin 2.0、R2R-CE Val-Unseen
- 主な訓練手法：エンボディド事前訓練・ドメイン特化エージェント蒸留・MOPD（マルチ教師オンポリシー蒸留）
- 自己改善手法：Rubric-Guided Recursive Self-Improvement（RSI）
- 著者所属：Xiaomi Embodied Intelligence Team（マカオ大学・清華大学との連名）
出典: arXiv cs.CL（論文）
なぜ重要か（編集部の分析）
編集部の分析：汎用ロボットAIの課題は「高性能だが重い大規模モデル」か「軽いが汎用性に欠く専門モデル」のジレンマだった。OmniBrain-0が示すのは、大規模教師モデルの知識蒸留と自動データ生成サイクルを組み合わせることで、そのトレードオフを実用的な水準で緩和できる可能性だ。製造・物流現場ではエッジ推論コストが導入可否を左右するため、軽量化の方向性は実装ハードルを下げる点で意義がある。
日本企業への示唆（編集部の分析）
編集部の分析：日本の製造業・物流企業がロボットAIを現場導入する際、クラウド依存の大規模モデルは通信遅延やランニングコストが障壁となってきた。OmniBrain-0のアプローチが実証されれば、エッジデバイス上で操作とナビゲーションを統合制御するロボットの実用化が現実味を帯びる。ただし本論文はarXivのプレプリント段階であり、査読済み成果ではない点に留意が必要だ。実装を検討する担当者は、評価ベンチマークの条件と自社環境のギャップを精査したうえで動向を追うことが望ましい。
背景・経緯
汎用ロボットの実用化には、操作・移動・状況認識など多様なスキルを長時間にわたって協調させる必要があり、単一の専門モデルではタスクレベルの信頼性確保が難しいとされてきた。一方、強力なマルチモーダル大規模モデルは推論コストが高く、コンパクトなモデルへの知識移転が研究上の課題となっていた。小米はハードウェア事業と並行してエンボディド・インテリジェンス分野の研究を進めており、本論文はその成果の一つとして公開された。
OmniBrain-0についてよくある質問
Q. OmniBrain-0はどのようなロボットタスクに対応しているか？
A. 論文によれば、物体操作（マニピュレーション）と自律移動（ナビゲーション）の両方を単一モデルで統合制御することを目指している。LIBERO-ProやRoboCasa365など複数の標準ベンチマークおよび実世界のマニピュレーションタスクで評価が行われたとされる。
Q. OmniBrain-0の軽量化はどのように実現されているか？
A. クローズドソースの大規模教師モデルが持つ経験を、マルチ教師オンポリシー蒸留（MOPD）によってコンパクトなモデルに移転する手法をとっている。論文では、教師モデルと比較して推論・実行コストを大幅に削減できるとしている。
Q. OmniBrain-0のRSIとはどのような仕組みか？
A. Rubric-Guided Recursive Self-Improvement（RSI）は、Meta-Agentが実行エビデンスを基に採点基準・ステップ別ヒント・検証済み軌跡を生成し、ドメイン専門家モデルの更新に使用した後、再びOmniBrain-0に統合するデータ自動生成サイクルだと論文では説明されている。
