MITとトヨタ、AIエージェントでロボ訓練用の3D仮想空間を自動生成

MITのCSAILとトヨタ・リサーチ・インスティテュートは、ロボットの訓練データを作るための3D仮想空間生成システム「SceneSmith」を開発しました。
同システムは、3つのAIエージェントが協働して、壁や家具、物体配置を含む室内シーンを組み立てます。
各エージェントは、テキストと画像の両方を扱うビジョン・ランゲージ・モデルであるGPT-5.2を用い、設計役が生成し、批評役が現実味を評価し、統括役が作業完了を判断します。
生成したシーンは物理シミュレーションソフトに直接読み込め、ロボットが実機稼働前にスキルを練習できます。
研究チームはVLMエージェントで100通りの行動計画を評価し、誤った方針を高い精度で見抜けることを確認したとしています。
また、SceneSmithが作った環境をロボットに操作させた結果、継続的な物理インタラクションにも耐えることが分かりました。
同成果は国際機械学習会議で発表されました。

参照元：2026/07/14 「AI agents create virtual playgrounds to help robots get crucial training data」 https://news.mit.edu/2026/ai-agents-create-virtual-playgrounds-to-help-robots-get-crucial-training-data-0713