Anthropic Project Fetch フェーズ2

Claude Opus 4.7、ロボット制御において人間チームを上回る

AnthropicのProject Fetch フェーズ2の結果から、Claude Opus 4.7がオフザシェルの四足ロボット（「ロボドッグ」）のプログラミングおよびセットアップ作業を、人間チームよりも著しく高速に自律的に完了できることを示した。比較実験では、人間チーム中最速のものと比較して、すべての完了タスクにおいて約20倍の高速さを発揮し、AIが人間のアシスタントとして機能する段階から、物理環境で独立して動作するAIへの移行を実証した。

実験設計と手法

Project Fetch フェーズ2では、Claude Codeの適応的思考を最大努力モードに設定し、Claude Opus 4.7の自律的機能を評価した。実験はフェーズ1で人間が実施したタスクのサブセットに焦点を当て、以下の内容を含んだ：

• ロボドッグのビデオカメラへの接続。
• ロボドッグのLiDARセンサーへの接続。
• ロボドッグを手動で制御するプログラムの開発。
• ビーチボールを検出するプログラムの作成。
• ロボドッグの空間内での経路の監視。

研究者は初期プロンプトの提供、ノートパソコンの接続、およびコマンドやタスク遷移の承認に限定された。モデルは物理コントローラの使用能力や、Claudeがプログラムしたコントローラを使ってボールを回収するまでの時間については評価対象外であった。

主要なパフォーマンス指標

Claude Opus 4.7は、前回フェーズの人間チームと比較して、速度、効率、信頼性において顕著な向上を示した。

速度と効率

全参加者で完了した4つのタスクについて、Opus 4.7は9分35秒で完了した。一方、「Team Claude」（Claude Opus 4.1を支援とする人間チーム）は181分、「Team Claude-less」（AI支援なしの人間チーム）は361分を要した。これにより、Opus 4.7はAI支援人間チームの約18.9倍、非支援人間チームの約37.7倍の高速さを達成した。

コード量

Opus 4.7は目標を達成するために大幅に少ないコード量で済ませた。1,045行のコードを生成したのに対し、Team Claudeは10,309行を記述した。これは、モデルがセンサーとのインターフェースに最適な経路をより効果的に特定し、初回に機能するコードを書く能力に優れていることを示唆している。

信頼性

3回の試行において、実行時間は比較的安定していたが、モデルが最適でないまたは古くなったオブジェクト検出アルゴリズムを選択する場合に、若干のばらつきが生じた。

物理的制御における現在の制約

プログラム的セットアップでは成功したものの、Claude Opus 4.7は高精度な物理的インタラクション、特にプロジェクトの「取り返し」部分で苦戦した。モデルはビーチボールを正確にスタート地点に戻すことができず、これはリアルタイムで誤差を検知し、入力を調整する閉ループフィードバックシステムを必要とするタスクである。

Anthropicは、人間は練習によってこのスキルを習得できるが、モデルの取り組みは制御が不十分で失敗したと指摘している。しかし、研究室ではロボティクス経験を持つ研究者が自律的なボール回収を成功させたことから、より多くの補助（scaffolding）があれば、現在のClaudeモデルが最終的にこのタスクを達成できる可能性があると示唆している。

物理的エージェントAIへの意味

Anthropicは、これらの結果が特定のロボティクス能力向上のための意図的な努力ではなく、一般スケーリングの副産物であると結論づけている。この発見は、「物理的エージェントAI」への道筋を示唆しており、モデルがオフザシェルの物理ツールを比較的容易に利用できるようになることを意味する。

この進化は、AIによるコード作成の進化と類似している。モデルは文字列置換の支援から、ソフトウェアツールを独立して管理する段階へと進化してきた。Anthropicは、ハードウェア分野でも同様の進化が進行していると仮定しており、モデルが人間を支援する段階から、人間がモデルを支援する段階へ、最終的にはモデルが自律的に動作する段階へと移行していると述べている。