レポート解説Hilo Research

Humanoid robotics brain-model development and generalization：Helix 2.5はシーン汎化を示したが、人型ロボットの汎用的な商業展開はなお遠い

Bernsteinは、Figure AIのHelix 2.5が専有の人間動画データと統合された脳モデルによって人型ロボットの性能が改善していることを示すとみている。未経験の住宅で56%のタスク成功率を達成したことは実質的な進展だが、移転可能なゼロショット・タスク能力や商業化の準備完了を意味するものではない。

機関Bernstein

日付20260923

業界robotics

要約

Outperform：Keyence、Cognex、FANUC、Inovance、Harmonic Drive；Market-Perform：Estun。

Helix 2.5は、未経験の30の住宅で訓練済みの家庭内タスク3件を実行し、全体成功率は56%だった。
Indexの事前学習によりゼロショット成功率は9%から56%へ上昇し、Helix 02の性能に到達するためのデータ量は半減した。
Bernsteinは、専有データとデータ・モデル統合が重要な競争上の堀になりつつあると考えている。
次の検証点は、関連タスク間での移転可能なスキルと、およそ50–60%の成功率から99%の信頼性へ効率的に到達する道筋である。

レポート解説

概要

このGlobal Automationレポートは、Figure AIのHelix 2.5の実演を、人型ロボットにおけるシーン汎化の具体的な進展として評価している。Bernsteinは、この結果がスケーラブルな専有データと緊密に統合されたロボット脳モデルの重要性を補強する一方、汎用タスクや大規模展開はなお未解決だと論じている。

主要見解

Figure AIのHelix 2.5は、訓練データがない30の住宅で、リビングルームの片付け、タオル折り、ベッドメイキングを実行し、全体成功率は56%だった。Bernsteinはこれをシーン汎化と位置付ける。ロボットは既知でない環境で動作し、全身を使った移動・操作を行ったが、3つのタスクはいずれも特定の訓練を受けていた。住宅間での物体のばらつきや配置の違いも限定的だった。したがって、レポートはこの進展を真のゼロショット・タスク汎化と区別し、後者はなおかなり先だとみている。レポートは改善の多くを、Figure AIの専有する一人称視点の人間タスク動画データセットであるIndexに帰している。他の変数を一定とした場合、Indexの事前学習は全体のゼロショット成功率を9%から56%へ高め、Helix 02と同等の性能を達成するのに必要なデータ量を半減させた。2026年8月時点でIndexは23 million videosを含み、毎秒およそ35分の人間経験を追加していた。収集データ1,000時間ごとに373件のタスク、1,146個の操作対象物、116の環境に相当する。Bernsteinはまた、人間からロボットへの事前学習データが拡大するにつれて行動予測損失が継続して低下していることを指摘し、これをスケーリング効果の初期的な証拠と解釈している。 Bernsteinは、ロボットモデルに利用可能な訓練データの範囲が拡大していると論じる。一人称視点の人間動画は事前学習で使いやすくなっており、実ロボットのデータもなお価値があるが、スケーラビリティに欠けるためテレオペレーションは重要性を失う可能性が高い。レポートはデータとモデルの統合の深化も指摘する。Helix 2.5は固定重みの視覚言語モデルに依存するのではなく、専有データでゼロから訓練されている。Figure AIをAgiBotのGE-ACT 2.0、Dyna RoboticsのDyna 2.0、Physical Intelligenceのπ0.7と並べ、より広いデータモダリティ、データ・脳モデル統合、スケーリング、汎化へ向かう業界トレンドの証拠とみなしている。次の重要な節目は現在の実演より厳しい。Bernsteinは、ロボットが1つのタスクで訓練された後、追加訓練なしに類似タスクを実行できる証拠を求めている。この点で、関連スキルから未訓練の新たなスキルが生じる組成的タスク汎化を示したPhysical Intelligenceのπ0.7を注目すべき進展として挙げる。また、56%の成功率は商業展開には不十分だと強調する。自動的な性能向上を意味する、後訓練と展開におけるデータフライホイールの証拠を注視し、事前学習後の50–60%の成功率から99%の信頼性へ効率的に到達することを次の大きな試験とみている。全体としてBernsteinは、少数の用途を超えた汎用タスクと大規模展開は差し迫っていない一方、特に脳モデルにおける人型ロボット技術は四半期ごとに目に見える速さで進展していると考えている。

分析フレームワーク

Bernsteinは、未経験のシーンでの性能と未訓練タスクでの性能を分けてHelix 2.5の実演を評価し、その後、事前学習の結果とデータセット規模を比較して専有人間動画データの役割を切り分けている。さらに、複数社のロボット脳モデルのアーキテクチャ、データ構成、報告されたスケーリングの証拠を横断比較し、将来リリースでの商業化の検証点を示している。

手法メモ

業界・産業分析フレームワーク需給フレームワーク
ロボットモデル開発におけるデータのスケーリングとデータ・脳モデル統合
レポートは専有訓練データを人型ロボット性能の重要な投入要素と捉え、データセットの規模、構成、事前学習結果を比較して、より大規模で豊富なデータ供給がモデル能力を改善し得る理由を説明している。
バリュエーション手法EV/EBITDA評価
対象となる自動化企業に対するフォワードEV/EBITDA評価
対象銘柄について、Bernsteinは目標EV/EBITDAマルチプルを1年先のEBITDA予想に適用している。マルチプルは過去のサイクルを参照しつつ、長期的または競争上のトレンドに合わせて調整される。
バリュエーション手法DCF（割引キャッシュフロー法）
長期的な本源的価値の参照としてのDCF
BernsteinはDCFを長期的な評価の参照として用い、サイクルに基づく目標株価はDCFが示唆する価値と異なり得ると述べている。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

Keyence (6861.JP)
対象の自動化企業で、Outperform評価。
比較
目標株価JPY95,000、終値JPY76,580に対して。JPY913.2bnの1年先EBITDAに対して22x EV/EBITDA。
リスク
製造能力稼働率の予想以上の低下、世界的な自動化需要の弱さ、JPY高。
Cognex (CGNX)
対象の自動化企業で、Outperform評価。
比較
目標株価USD85.00、終値USD61.99に対して。USD372.6 millionの1年先EBITDAに対して36.5x EV/EBITDA。
リスク
世界的な自動化需要の弱さ、新興顧客プログラムの進展鈍化、またはMoritex統合と計画したシナジー実現の遅れ。
FANUC (6954.JP)
対象の自動化企業で、Outperform評価。
比較
目標株価JPY7,200、終値JPY5,852に対して。JPY255bnの1年先EBITDAに対して23.0x EV/EBITDA。
リスク
世界的な自動化需要の弱さ、市場シェアの喪失、JPY高。
Harmonic Drive Systems (6324.JP)
対象の自動化企業で、Outperform評価。
強み
歪み波減速機で世界シェア50%超。
弱み
市場シェアを踏まえると、競争環境の変化は特に重要である。
比較
目標株価JPY7,800、終値JPY6,200に対して。JPY16,194 millionの1年先EBITDAに対して45.5x EV/EBITDA。
リスク
ロボット需要の弱さ、市場シェアの喪失、JPY高。
Shenzhen Inovance Technology-A (300124.CH)
対象の自動化企業で、Outperform評価。
比較
目標株価CNY82.00、終値CNY54.05に対して。CNY8,971.6 millionの1年先EBITDAに対して24.0x EV/EBITDA。
リスク
中国の自動化需要の弱さ、サーボモーターとVFD以外の分野でのシェア上昇の鈍化、EV需要の弱さ。
Estun Automation Co Ltd (2715.HK; 002747.CH)
対象の自動化企業で、Market-Perform評価。
強み
予想を上回る利益率拡大と市場シェア上昇の可能性。
弱み
Cloosの統合と計画したシナジーの実現は投資判断の重要な要素である。
比較
H株の目標株価HKD17.12、HKD14.80に対して。A株の目標株価CNY31.60、CNY29.68に対して。両目標株価はCNY681.4 millionの1年先EBITDAに対する45.5x EV/EBITDAに基づく。
リスク
中国の自動化需要の弱さ、利益率改善または市場シェア上昇の鈍化、Cloos統合とシナジー実現の遅れ。

主要データ

Helix 2.5の全体成功率56%未経験の30の住宅で3つの家庭内タスクを実行。
Index事前学習によるゼロショット成功率9% to 56%他の変数を一定とした場合の改善。
Indexデータセット規模23 million videos2026年8月時点。毎秒およそ35分の人間経験を追加。
Indexの1,000時間当たりのデータ多様性373 tasks, 1,146 manipulated objects, 116 environments収集データについて報告された構成。
Keyenceの目標株価JPY95,0002026年9月18日時点のJPY76,580の終値に対して。
Cognexの目標株価USD85.002026年9月18日時点のUSD61.99の終値に対して。
FANUCの目標株価JPY7,2002026年9月18日時点のJPY5,852の終値に対して。
Harmonic Driveの目標株価JPY7,8002026年9月18日時点のJPY6,200の終値に対して。
Inovanceの目標株価CNY82.002026年9月18日時点のCNY54.05の終値に対して。
Estunの目標株価CNY31.60 for A-shares; HKD17.12 for H-shares2026年9月18日時点のCNY29.68およびHKD14.80に対して。

影響と示唆

レポートは、専有データの収集、事前学習の規模、専有モデルの訓練が、人型ロボットにおける競争差別化の重要な源泉になりつつあると論じる。対象となる自動化サプライヤーには建設的な見方を支持する一方、現在の人型ロボット能力は幅広い商業展開の閾値にまだ達していないと注意している。

リスク

汎用タスク能力と広範な展開は未検証であり、Bernsteinは現在の56%の成功率では商業展開には不十分とみている。
レポートは、およそ50–60%の事前学習成功率から99%の信頼性へ効率的に到達することを課題としている。
対象の自動化企業は、世界または中国の自動化需要の弱さ、設備投資サイクル、競争、貿易摩擦、為替変動という明示的なリスクに直面している。

注目点

将来のリリースが、追加訓練なしに関連タスク間で移転可能なスキルを示すか。
ロボット性能を自動的に改善する、後訓練と展開におけるデータフライホイールの証拠。
現在の事前学習成功率から99%の信頼性に向けた進展。
より大きな人間動画データセットが、未経験タスクでのロボット性能を改善する証拠。