今回評価されたのは、単にカメラで物体を認識する能力ではありません。

例えば、ロボットが取りたい物体の前に別の物体が重なっている場合に、 「どの物体が邪魔をしているのか」「何を先に取り除く必要があるのか」まで理解し、ロボットが行動する前に判断する能力が評価されています。

これは、ロボットが決められた環境・決められた動作だけを繰り返す段階から、より複雑な実環境を理解しながら行動するPhysical AI（フィジカルAI）／Embodied AIへ進むうえで重要な技術です。

Dobot WAMは、DOBOTが開発を進める具身AIモデルです。

Embodied AIとは、AIがカメラやセンサーから実世界の情報を取得し、その環境や物体の関係を理解したうえで、ロボットの身体を使って実際の行動につなげる技術です。

UNOBench Challengeは、FBK（Fondazione Bruno Kessler）のTechnologies of Visionチームが主催する、ロボットの複雑な物体把持における認識・推論能力を評価するチャレンジです。

ECCV 2026の公式Challengeとして実施され、MetaGraspNetV2をベースに構築されたUNOBenchデータセットを使用します。

評価対象となるのは、物体が重なり合った「複雑な遮蔽環境」です。

評価される2つの部門

2026年8月6日時点の公開ランキングにおいて、Dobot WAMはSet of MarksとNatural Languageの両部門で1位となりました。

今回の結果を理解するうえで重要なのは、画像認識の精度だけを競っているわけではないという点です。

従来のロボットシステムでは、カメラで対象物を認識した後、あらかじめプログラムされた条件や動作に従ってロボットを動かす方法が一般的です。

例えば、取りたい部品が他の物体の下にある場合

つまり、ロボットが「見えたものを取る」だけではなく、「目的を理解し、その目的を達成するために何をすべきか考える」方向へ進んでいることを示す評価です。

今回のUNOBench Challengeはベンチマーク上での評価であり、直ちにすべての製造現場で利用できることを意味するものではありません。

一方で、こうした「認識＋推論＋行動計画」の技術は、将来的に次のような作業への応用が期待されます。

こうした具身AI技術の進化は、今後ヒューマノイドロボットが、より複雑な実環境で作業するためにも重要な技術になると考えられます。

DOBOTは協働ロボットだけでなく、ヒューマノイドロボット「DOBOT ATOM」の開発も進めています。