---
title: "人型ロボット「Helix 2.5」はなぜ初めて訪れる家で家事ができるのか。30軒の実証結果を確かめる"
description: "Figure AIが2026年9月17日、初訪問の30軒で家事をこなす人型ロボット向けAI「Helix 2.5」を発表。成功率56%への飛躍の中身を確かめた"
url: https://itpostjp.com/ai/figure-ai-helix-2-5-humanoid-30-homes/
category: "AI・生成AI"
published_at: 2026-09-19T22:30:00Z
updated_at: 2026-09-19T22:30:00Z
author: "IT Post編集部"
editor: "編集長 千田智也"
publisher: "IT Post by Rice Studio Lab"
language: ja-JP
ai_generated: true
ai_model: claude-sonnet-5
terms: ["ゼロショット学習", "模倣学習(Behavior Cloning)"]
---

# 人型ロボット「Helix 2.5」はなぜ初めて訪れる家で家事ができるのか。30軒の実証結果を確かめる

IT Post編集部 ＆ 編集長 千田智也

Figure AIが2026年9月17日、初訪問の30軒で家事をこなす人型ロボット向けAI「Helix 2.5」を発表。成功率56%への飛躍の中身を確かめた

## 30秒で分かる結論

- 米ロボット企業Figure AIは2026年9月17日、人型ロボット「Figure 03」に搭載する新型AIモデル「Helix 2.5」を発表しました。米カリフォルニア州ベイエリアの、ロボットが初めて訪れる30軒の一般家庭で、事前の追加学習や環境ごとの調整を一切行わずに家事をこなす実証結果を公開しています。
- 実証では「リビングのおもちゃ13〜15個をかごに片付ける」「タオルを畳んでかごに入れる」「ベッドメイキング」の3タスクを計420回試行し、237回成功(成功率56%)。内訳はベッドメイキング67%(140回中94回)、タオル畳み62%(140回中87回)、おもちゃの片付け40%(140回中56回)で、これらのタスク向けの学習を行っていない比較用モデルの成功率9%と比べて、約6倍に向上しました。
- 性能向上の背景には、一般の人がスマートフォンアプリやウェアラブルカメラで日常の動作を撮影して投稿する、クラウドソーシング型の人間行動データセット「Index」による事前学習があるとFigure AIは説明しています。

## まず初めに

*ロボットが人の家に上がり込んで、他人の洗濯物を畳んでくれる時代がついに来た――と思いきや、成功率はまだ56%。*ベッドメイキングやタオル畳みを頼んでも、5回に2回近くは何かやらかしている計算になる。とはいえ、この手のニュースは「できませんでした」から「まあまあできました」への変化がいちばん面白いところで、ゼロから9%しか成功しなかった旧モデルに比べれば大躍進なのは間違いない。しかも学習データの出どころが、一般人がスマホで自分の家事姿を撮って投稿するアプリだというから、令和のロボット開発は「あなたの洗濯物畳みが未来のロボットを育てる」というなんとも不思議な構図で進んでいるらしい。※個人の感想です

![ロボットを描いた挿絵](/images/articles/figure-ai-helix-2-5-humanoid-30-homes-inline-1.webp)

## 何が起きているのか

米カリフォルニア州に拠点を置くロボット開発企業Figure AIは2026年9月17日、同社の人型ロボット「Figure 03」を制御するための新しいAIモデル「Helix 2.5」を発表しました。公式発表によると、Helix 2.5は、ロボットがこれまで一度も訪れたことのない住宅環境でも、その場でのデータ収集や追加学習、個別の調整を一切行わない「ゼロショット」の状態で、複数の家事タスクをこなせる点が特徴だとしています。

実証実験は、米ベイエリアにある、Figure 03が初めて訪れる30軒の一般家庭で行われました。各家庭でロボットに課されたのは、(1)床に散らばったおもちゃ13〜15個をかごに片付ける、(2)タオルを畳んでかごに入れる、(3)ベッドメイキングをする、という3種類のタスクです。それぞれの家庭ごとに家具の配置やタオル・おもちゃの種類は異なっており、ロボット側には事前に個々の家庭の情報は与えられていません。

3タスク合計で420回の試行が行われ、成功したのは237回、成功率は56%でした。タスク別ではベッドメイキングが140回中94回成功(67%)で最も高く、次いでタオル畳みが140回中87回成功(62%)、おもちゃの片付けが140回中56回成功(40%)で最も難しい結果となりました。比較のため、今回の3タスクに特化した学習を行っていない基準モデルでも同じ実証を行ったところ、成功率は9%にとどまっており、Helix 2.5はこれと比べて約6倍の成功率を記録したことになります。

Figure AIは、この性能向上の背景として、同社が提供するスマートフォンアプリやウェアラブルカメラを通じて、一般の参加者が日常の家事動作などを撮影・投稿する、クラウドソーシング型の人間行動データセット「Index」による大規模な事前学習を挙げています。ロボット専門メディアの報道によると、Indexへの週間の投稿者数は2026年9月4日終了週の時点で約7万人に達したとされていますが、この数字自体はFigure AIの公式発表そのものでは確認できていません。

## なぜ重要なのか

今回の実証が注目されるのは、ロボットが「あらかじめプログラムされた工場のような決まった環境」ではなく、家庭という家具の配置や物の種類が家ごとに全く異なる、非構造化環境で作業をこなした点です。これまで人型ロボットの実用化は、倉庫や工場といった、あらかじめ環境を制御しやすい業務用途が先行してきました。家庭のように毎回条件が変わる環境で、追加の調整なしに一定の成功率を出せるかどうかは、ロボットが日常生活の中で実際に役立つ存在になれるかを占う指標の一つとされています。

もう一つの注目点は、Helix 2.5の学習方法です。Figure AIは、専門家が用意した限られたデータではなく、一般の参加者がスマートフォンやウェアラブルカメラで撮影した日常動作の映像を大量に集める「Index」という仕組みで、ロボットの基盤モデルを訓練しています。個人の家事動作の映像が対価に換わり、それが巡り巡ってロボットの学習データになるというこの手法は、AI開発における新しいデータ収集のあり方として、他のロボット企業にも影響を与える可能性があります。

## 私たちへの影響

Figure 03およびHelix 2.5は、現時点では一般家庭向けに販売・レンタルされている製品ではなく、あくまで実証実験の段階にあります。今回参照した情報源の範囲では、日本国内での実証や導入計画についての言及はありません。そのため、今回の発表がすぐに私たちの生活に影響するわけではありませんが、家事支援ロボットの実用化に向けた技術的なハードルがどこまで下がってきているかを知る手がかりにはなります。

一方で、Indexのような「一般の人が自分の日常動作を撮影して対価を得る」仕組みが広がっていくと、これまで対価が発生してこなかった家事や日常の動作そのものが、AI企業にとって価値のあるデータ資産として扱われるようになっていく可能性があります。今回参照した情報源の範囲では、日本の利用者がIndexのようなサービスに参加できるかどうかは明らかにされていません。

## 初心者が知っておくべきこと

「ゼロショット学習」とは、AIモデルが、事前に学習していない新しい状況やデータに対しても、追加の学習をせずに対応できる能力のことです。今回のHelix 2.5のように、一度も訪れたことのない家庭でも、その家庭に合わせた個別の学習をせずに家事タスクをこなせる点が、まさにゼロショットの実例です。

「模倣学習(Behavior Cloning)」とは、人間が実際に行った動作の記録(映像やセンサーデータなど)をお手本として、AIやロボットがその動作パターンを真似るように学習する手法です。Figure AIの「Index」は、この模倣学習に使う大量のお手本データを、一般の参加者から集める仕組みだといえます。

## IT Postの見方――「56%成功」の裏に「4割超は失敗」がある

IT Postでは、家庭という難易度の高い環境でゼロショットの成功率が9%から56%まで伸びたこと自体は、技術的に評価できる進歩だと考えます。

とはいえ、「56%成功」を裏返せば「4割超は失敗」であり、ベッドメイキングはともかく、おもちゃの片付けにいたっては5回に3回は思い通りにいかない計算だ。家事を頼んだのに散らかったままの部屋を見て「まあ、ゼロショットだから」と自分を納得させられる家庭がどれだけあるだろうか。IT Postでは、この手の実証結果は「できるようになった」ことよりも「まだできないこと」の方を正確に伝える方が読者にとって有益だと考えており、今回のように成功率の内訳を丁寧に開示したFigure AIの姿勢自体は評価します。あわせて、ロボットの賢さの裏側で、一般の人がスマホ越しに自分の生活動作を提供して対価を得るという構図についても、対価や映像の扱われ方が適切かどうかを、Figure AI側の説明が今後どこまで具体化されるか注視していきたいとIT Postでは考えます。※個人の感想です

## 今後どうなりそうか

Figure AIは、Helix 2.5および学習データセット「Index」について、今後もデータ収集の規模拡大と実証範囲の拡大を進めるとみられますが、今回参照した情報源の範囲では、一般家庭への具体的な販売・導入時期は明らかにされていません。IT Postでは、Figure 03の実用化に向けた続報や、Indexのデータ収集を巡る新たな動きが確認され次第、あらためて取り上げます。

## 情報源

- [Helix 2.5: Zero-Shot 30-Home Generalization](https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization) — Figure AI公式（一次情報）
- [Figure AI Helix 2.5 Enters 30 Homes Cold: Index Pretraining Yields Sixfold Leap](https://www.techtimes.com/articles/327753/20260919/figure-ai-helix-25-enters-30-homes-cold-index-pretraining-yields-sixfold-leap.htm) — Tech Times
- [Figure's Helix 2.5 Takes on Chores in 30 Unseen Homes](https://www.humanoidsdaily.com/news/figure-helix-2-5-30-unseen-homes) — Humanoids Daily
- [Figure Unveils Helix 2.5 With Zero-Shot Humanoid Generalization Across 30 Homes](https://theaiinsider.tech/2026/09/17/figure-unveils-helix-2-5-with-zero-shot-humanoid-generalization-across-30-homes/) — The AI Insider

## この記事に出てくるIT用語

- [ゼロショット学習](https://itpostjp.com/terms/zero-shot-learning/): AIモデルが、事前に学習していない新しい状況やデータにも、追加の学習をせずに対応できる能力のことです。
- [模倣学習(Behavior Cloning)](https://itpostjp.com/terms/behavior-cloning/): 人間が実際に行った動作の記録をお手本として、AIやロボットがその動作パターンを真似るように学習する手法です。

---

この記事は、公開情報と出典URLの検証、文章作成の一部に生成AIを使用しています。内容の責任はIT Post by Rice Studio Labが負います。

出典表記: IT Post by Rice Studio Lab — https://itpostjp.com/ai/figure-ai-helix-2-5-humanoid-30-homes/