ゆるふわフィジカルAI
拡散モデル×ロボット｜Diffusion Policyのしくみ
2026-08-29 ・ 実践
#Diffusion Policy#拡散モデル#動作生成#実践
画像生成でおなじみの「拡散モデル」が、いまロボットの動きを作るのに使われています。**Diffusion Policy（拡散方策）**を見ていきましょう。
拡散モデルの発想
拡散モデルは「ノイズだらけの状態から、少しずつノイズを取り除いて、きれいな結果を作る」AI。画像なら「砂嵐→絵」。**ロボットなら「でたらめな動き→なめらかな動作の連なり」**を生成します。
🌱
なぜ動作生成に向く？
掴む・置くといった作業は「正解が一つではない」ことが多い（右から掴んでも左からでもOK）。拡散モデルは、こうした複数のありうる動きを自然に扱えるのが強みです。
System1 / System2 の役割分担
2026年の基盤モデルは、人の「速い直感」と「遅い熟考」に似た二段構えが主流です。
🧠
System2（考える）
- VLMが状況と指示を理解
- ゆっくり計画を立てる
- 「何をすべきか」
VS
⚡
System1（動く）
- 拡散モデルが動作を生成
- リアルタイムでモーター指令
- 「どう動くか」
NVIDIAのGR00Tはこの構成の代表例。ゆっくり考える頭と、素早く動く体を組み合わせています。
2026年の最前線
🤖
GR00T N1
オープンな人型基盤モデル
🧩
RDT-1B
両手作業向け大規模拡散モデル(12億)
🎓
合成データ
シミュで大量の動作を学習
膨大な動作データ（実演＋シミュの合成データ）で学ぶことで、初めての物や場面にも対応できる「器用さ」が育ってきています。