Project Fetchでロボット犬を操るチームにClaudeは何をもたらしたか

Anthropicは2025年11月12日、フロンティアレッドチームの実験報告「Project Fetch」を公開しました。四足ロボット「robodog」にビーチボールを取ってこさせる課題を、Claudeを使えるチームと使えないチームの2班に分けて競わせた人間とAIのアップリフト(uplift、底上げ効果)実験です。結果は明快でした。両チームが完了できたタスクに限ると、Claudeを使ったチームはおよそ半分の時間で片づけています。

Project Fetchとは何を測る実験だったか

Project Fetchは、AnthropicがProject Vend(解説記事)に続いて行った、AIが物理世界にどこまで影響を及ぼせるかを測る一連の実験の一つです。Project Vendでは店番という業務をClaudeに丸ごと任せましたが、Project Fetchでは逆に、ロボットを操作する主体は人間のまま、Claudeを助手として使えるかどうかで差が出るかを見ています。

ロボティクス未経験のAnthropic社員8名を無作為に2チームへ分け、四足ロボット(通称robodog)を使ってビーチボールをフェッチ(取ってくる)させる課題に挑ませました。片方の4名は作業中Claudeへアクセスでき(Team Claude)、もう片方の4名はアクセスできません(Team Claude-less)。アップリフト研究と呼ばれるこの手法は、AIありとAIなしで同じ課題をやらせ、その差分を「AIがもたらした底上げ」として測るものです。Anthropicは生物学的リスクの評価でもこの手法を使っており、Project Fetchはそれをロボティクス領域に応用した形になります。

課題は3フェーズに分かれていました。

• フェーズ1: メーカー純正のコントローラーでロボットを操作し、ハードウェアの感触をつかむ(ここでの差は想定していない)
• フェーズ2: コントローラーを置き、自前のPCをロボットへ接続してカメラ・LiDARのセンサーデータを読み、独自の操作プログラムを書いてボールを回収する
• フェーズ3: 人間が誘導せず、ロボットが自律的にボールを検知して回収するプログラムを開発する

Claudeが効いた場面と効かなかった場面

両チームが完了したタスクだけで比較すると、Team Claudeの所要時間はTeam Claude-lessのおよそ半分でした。完了タスク数もTeam Claudeが8件中7件、Team Claude-lessが8件中6件とわずかに上回っています。

Claudeの効果が最も際立ったのは、ロボットとの接続でした。この特定のロボットへの接続方法はネット上に複数の情報があり、精度もまちまちです。Team Claudeはこれらの情報を効率よく取捨選択し、誤った接続手順に惑わされませんでした。一方Team Claude-lessは誤情報に引きずられて、最も簡単な接続方法を早々に捨ててしまい、見かねた運営がヒントを出す場面もありました。LiDAR(周囲を測る距離センサー)からのデータ取得でも同様の差が出ています。

逆にTeam Claude-lessの方が速かった作業もあります。映像フィードへの接続が済んだあとの制御プログラム作成と、ロボットの自己位置推定(ローカリゼーション)です。ただしこの「速さ」だけでは実態を測りきれません。Team Claudeが書いた制御プログラムはロボット視点のストリーミング映像を操作者に見せる仕様で、時間はかかったものの使い勝手は明確に上でした。Team Claude-lessは断続的な静止画に頼らざるを得ず、扱いにくいものでした。

コード量にも大きな差が出ています。Team Claudeが書いたコードはTeam Claude-lessのおよそ9倍でした。並行して複数のアプローチを試せる分、脱線も起きやすくなります。ローカリゼーションの実装では、Team Claudeの一員が座標の向きを取り違えるバグに気づいた際、そのまま直さず別メンバーの全く違うアプローチへ一度乗り換え、うまくいかずに元の実装へ戻ってバグを直すという遠回りをしています。競争環境でなければ、この寄り道が新しい発想につながることもあるでしょう。

チームの空気にも差が出た

Anthropicは各チームの会話を録音し、Claude自身に心理学の定番手法(Pennebaker & Francisの辞書ベーステキスト分析)を模したプログラムを書かせて感情表現を定量化しました。結果、Team Claude-lessの発言はネガティブな感情表現が有意に多く(統計的に意味のある差)、混乱を示す発言もTeam Claudeの2倍の頻度で出ています。Team Claudeが失敗した際の落胆とTeam Claude-lessが成功した際の高揚があったため、ポジティブとネガティブの純差自体には有意差が出ませんでした。

Team Claude-lessのメンバーは全員が普段からClaudeを日常的に使っており、それを一時的に取り上げられたことに強い戸惑いを口にしています。作業スタイルにも違いがありました。Team Claudeの各メンバーは自分専用のAIとペアを組んで並行作業を進める傾向があった一方、Team Claude-lessはより深く議論し合い、互いに質問する頻度もTeam Claudeより44%多くなっています。実質的にはTeam Claude(4名)がそれぞれAIを1体ずつ使う「8エージェント体制」だったにもかかわらず、AI同士が連携して役割分担や合意形成を助けるところまでは至っていません。Anthropicはこれを「Claudeは今のところ1対1のパートナーシップ向けの設計であり、チーム全体のオーケストレーションを担う設計ではない」と位置づけています。

副産物として見えた自然言語操作と落とし穴

余談的なエピソードにも実用的な示唆があります。Team Claudeの一人はキーボード操作の標準コントローラーとは別に、自然言語でロボットへ指示を出せるコントローラーを独自に開発しました。「前へ進んで」「後ろへ下がって」と話しかけるだけで、腕立て伏せのような芸まで指示できたといいます。

一方で、AIが物理世界を扱うときのつまずきも記録に残っています。Team Claudeは自分たちのロボットとビーチボールに割り当てられた色(緑)をそのまま使い、緑色のボールを検出するアルゴリズムを訓練しました。テスト環境ではうまく動いたものの、本番でボールが緑色の人工芝の上に置かれると、検出モデルは背景とボールを見分けられずに立ち往生しています。これは人間側が目的をどの粒度で指定するかを誤った例ですが、AIが自律的に物理世界へ介入する際に同じ種類のつまずきが起きうることを示しています。

この結果はAI R&Dの自動化リスクとどうつながるか

Project Fetchの結果は、Anthropicが継続的にモニタリングしている別の観点、AIによるAI研究開発の自動化リスクとも接続しています。責任あるスケーリングポリシー(Responsible Scaling Policy)は、AI自身が次世代AIの開発を完全自律で加速できる能力を、評価と対策が追いつかなくなる可能性がある閾値の一つとして扱っています。現行モデルはこの閾値には達していません。ただしProject Fetchが示したのは、未知のハードウェアを人間の助けなしに扱う能力が、いったん伸び始めると急に伸びる可能性があるということです。ロボティクスという物理世界の領域でも、この種の「急な立ち上がり」を継続的に見張る必要がある、というのがAnthropicの受け止め方です。

この実験には限界もはっきりしています。サンプルは2チーム・1日限りで、参加者はAnthropic社員という便宜的な標本です。AIに不慣れな参加者であれば、Claudeあり・なしの差はもっと小さくなったはずだとAnthropicは推測しています。また、これはClaudeがロボティクス作業をエンドツーエンドで完遂できるかのテストではなく、あくまで人間とAIが組んだときの底上げを見る初期段階の一歩だとAnthropicは位置づけています。

Anthropicは同じFrontier Red Teamで、その後Embodyという評価スイートを公開しています(詳細はEmbodyの評価結果を読み解く記事を参照)。Project Fetchが「人間+Claudeでどこまでできるか」を測ったのに対し、Embodyは「Claude単体でどこまで物理制御を任せられるか」を測る内容で、役割が分かれています。ドローンを使った「Project Pilot」(Drone-Bench解説)や、エージェントの安全設計を扱う「Trustworthy Agents in Practice」(解説記事)と合わせて読むと、Anthropicがモデル単体の能力だけでなく、モデル+ツール+アクセス権全体で物理世界への影響力を評価しようとしている流れが見えてきます。

まとめ

Project Fetchは、ロボット犬を使った1日限りの小さな実験でありながら、AIのアップリフト効果を定量的に示した点で意味があります。Claudeを使えたチームは、特にハードウェアへの接続という「未知のシステムを素早く理解する」局面で強みを発揮し、完了タスクにかかった時間はおよそ半分でした。一方で、チームとしての連携や役割分担をAIが助ける段階にはまだ達していません。ロボティクスやAI活用の動向を追う開発者・研究者にとっては、Claudeの物理世界への影響力がどの局面で先に伸びるかを見極める材料になる実験です。