2025年12/5（金）～12/7（日）の３日間で開催された「AMD Open Robotics Hackathon」に参加し、見事第2位を獲得しました！
HuggingFaceが提供するオープンソースの「LeRobot」を活用し、パスタ調理の一連動作を模倣学習で自動化。一見ユニークなテーマに見えますが、「道具を使った操作」「複数工程の連携」など、様々な作業現場にも通じる高難易度な課題を含んでいます。

多くの企業がフィジカルAIのPoCで直面するのは、「いかにロボットに正しく動作を教えるか（データ品質）」の壁です。
今回のハッカソンで評価されたのは、まさにそのデータ品質のエンジニアリング力でした。

１．カメラ配置
弊社チームは、開発時間の貴重な1時間を「カメラ配置」のみに費やしました。
特に、アームの手首（リスト）にあるカメラで物体を掴む際、「掴む前」と「掴んだ後」の両方の状態で、対象物がフレーム内に確実に収まる画角を徹底的に検証しました。
これにより、AIが状況を見失う（ロストする）リスクを最小限に抑えています。

2. 　教示データ
人間がロボットに動作を教える際（テレオペレーション）、重要になるのがノイズの除去です。

■　低速動作の徹底：可能な限りゆっくりと動作させることで、AIが学習しやすいクリアなデータを取得。
■　特異点の回避：アームの可動範囲に余裕を持たせ、ロボットが完全に伸びきるなどの制御不能な姿勢を避ける設計
■　干渉回避：他の物体や環境への接触を避ける軌道設計

これらにより、AI特有の「予期せぬ振動」や「暴走」を防ぎ、滑らかな動作生成を実現できました。

3. 　バイナリ制御
ハンド（グリッパー）の操作において、「少し開く」といった中途半端な状態はAIの判断を迷わせる原因になります。
今回は、ハンドの状態を「完全に閉じる」か「完全に開ける」かの二択（バイナリ）に制限。この割り切りにより、把持の成功率（歩留まり）を劇的に向上させました。

弊社エンジニアが上記３点に徹底的にこだわり、今回の2位受賞に繋がりました。
また、他の参加チームとも積極的に情報交換し、記録エピソード数・学習回数・モデルの選択と動作結果の傾向など、フィジカルAIの新たな知見も得ることができました。

今回のハッカソンでの受賞で、当社の「ハードウェアの制約とAIの特性を理解し、現場で確実に動く開発力」を実証することができました。

当社では、VLAやフィジカルAIに特化して研究開発に取り組んでいます。
会社HP：https://www.kufusha.com/works/robotics/w007148/