アマゾンのRobinアームは、自社の稼働中の把持動作39万4,000件から把持を学習した

Robinは、乱雑に積み重なった個別のメール便封筒や箱を仕分けるための、アマゾン・ロボティクス初の自社製ロボットアームである。8つの吸盤、真上からのカメラ視野、そして可能な把持をランク付けするソフトウェアを備える。2021年にテストを開始し、2022年にフロリダ州レイクランドの施設でデビューした。最初の戦略は手作業でコード化されたもので、それぞれが特徴的な形で失敗した。一つは大きな荷物を優先し、小さな荷物がその上に載ったり重なったりしていると停止した。もう一つは山の上部付近の荷物を好み、埋もれて到達できない把持を逃し続けた。

解決策は、フリートに自ら学ばせることだった。アマゾンのチームは、稼働中のアームから記録された39万4,000件以上の把持動作で機械学習モデルを訓練し、各候補行動の成功確率を推定したうえで、オンラインの把持ランカーを使ってRobinが何をすべきかを選んだ。チームの2023年の論文では、最良の機械学習手法は93.73%の確率で正しく把持したのに対し、最良の従来アルゴリズムは92.28%だった。1.45ポイントの差は、100万回を超える把持の就業期間において、およそ1万6,500回の失敗把持が少なかったことを意味した。

Robinのフリート運用を模した追実験では、200万回の把持で失敗把持率を20%削減した。これは2025年7月のInternational Symposium on Experimental Roboticsで発表された。Robinの教訓は、50ポンドの箱をカートに密集して詰め込むアームであるCardinal（「テトリスのゲームのようなものだと考えてほしい」）にも引き継がれ、同じ基盤モデルのアプローチは、項目ごとの手作業のコード化なしに数億種類の製品を扱うSparrowにも広がった。

稼働中のロボットアームが行うすべての把持を記録し、各候補行動の成功確率を推定するモデルを訓練し、行動をランク付けさせる。フリートが自らラベルを付けるのだ。

手作業で作られたあらゆるルールは、一つの失敗モードを別の失敗モードへと最適化してしまった。大きな荷物を優先すると重なりで停止し、上部の把持を優先すると埋もれた把持を見捨てた。

アームはすでにラベル付きデータを生成していた。すべての把持は成功したかしなかったかのどちらかであり、39万4,000件の記録済み行動での訓練に追加のラベリング作業は不要だった。

把持ごとの差は些細に見えるが、掛け算になると無視できない。アマゾンは100万回の把持あたりの失敗数で戦略を評価しており、そこでは1.45ポイントは1万6,500回の把持の節約に等しい。

フリート規模では、行動ごとの小さな勝利が複利で効く。1.45ポイントの把持成功率の優位は100万回の把持あたり1万6,500回の失敗削減であり、そして自社の運用ログこそが訓練データセットなのだ。

Robinはアマゾンの自社製アーム群のテンプレートとなった。Cardinal（密集したカート詰め込み、2022年11月にナッシュビルで初稼働）、Sparrow（数億種類の製品を識別して把持するための基盤モデルにより、すべての品目を手作業でコード化する必要性を排除）、そしてVulcanは、布張りのポッド内での把持のために視覚に触覚（力覚フィードバックセンサー）を初めて加えた。アマゾンのCFOは2026年7月の決算説明会で、同社は今年ロボットアームのフリートを2倍以上に増やす見込みだと述べた。アマゾン・ロボティクスは現在の配備数を一桁台の千台としている。