Microsoft「触覚」認識を持つ、初のロボティクスAIモデル「Rho-alpha」を発表

Rho-alphaは、MicrosoftのPhiシリーズに基づくVision-Language-Action（VLA）モデルの拡張版であり、触覚データなどの物理的センシングを加えた「VLA+モデル」として設計されている。自然言語での指示をロボットの制御信号に変換し、両手による複雑な作業（バイマニュアル処理）を実行可能にするという。


トレーニングには、物理実世界でのデモンストレーションデータや、シミュレーション上で生成された軌道データ、Web規模の視覚言語データが活用されている。また、合成データ生成用にNVIDIA Isaac Simなどのシミュレーションフレームワークも用いられている。こうした手法により、触覚情報を含む大規模データセットの不足を補いながら学習している。

Microsoftは現在、デュアルアーム構成やヒューマノイドロボットなど複数のプラットフォームでRho-alphaの評価を進めており、関心のある組織向けにEarly Access Programを提供するとしている。将来的にはMicrosoft Foundry経由での利用も計画されている。

Rho-alphaは、ロボットに「感じる」能力を与えることで、従来の視覚・言語中心のAIとは異なり、物理世界の環境変化や接触フィードバックを理解し、適応的な行動を可能とすることを目指している。Microsoftはこの技術がより多様な環境でのロボット活用やHuman-Robot Collaboration（人間とロボットの協調）に寄与すると位置づけている。