Isaac 0.5は、Perceptron AIが2026年8月26日に公開した36B規模のスパースマルチモーダルモデルです。画像・動画・自然言語による指示に加え、ロボットの現在の状態や過去の行動履歴も入力として受け取り、環境を理解して次の行動を生成します。一般的な視覚モデルが画面に何が映っているかを記述するにとどまるのに対し、Isaac 0.5は、シーン内の対象物の位置を特定する空間的グラウンディング、タスクがどの段階まで進んでいるかを推定する進行状況推定、そして実際の制御コマンドを生成する行動生成を、単一のモデル内で統合しています。GPTが異なる形式のテキストを共通の言語として処理するように、Isaac 0.5はカメラ映像、ロボットの状態、行動記録を一つの連続した作業コンテキストとして解釈するモデルに近いと言えます。 従来のロボット自動化パイプラインでは、オブジェクト検出器、動画追跡器、タスク状態マシン、パスプランナ、制御ポリシーなどを別々のモジュールとして構成することが多く見られます。この方式には各モジュールを独立して検証できるという利点がありますが、カメラ条件やタスク順序が変更された場合、モジュール間のインターフェースと例外処理を再設計する必要があります。Isaac 0.5の差別化要因は、動画理解、エンボディード推論（体現的推論）、空間的な対象接続、行動生成を単一の公開モデルに統合し、連続制御と離散制御の両方のインターフェースをサポートしている点です。観察と行動を繰り返すリアルタイムクローズドループ制御（実時間閉ループ制御）を目指しているため、事前に固定された動作を再生するだけの自動化よりも、環境変化に対応できる汎用ロボットエージェントの研究に適しています。 生命科学研究では、顕微鏡周辺のサンプル輸送、培養プレート取り扱い、ピペットチップとチューブの整列など、映像と物理的行動が密接に連携するタスクへの適用可能性を検討できます。例えば、RGBカメラ映像、ロボットの関節状態、「96ウェルプレートをイメージング位置へ移動せよ」といった自然言語指示を同時に入力し、Isaac 0.5が生成した連続制御出力をロボット安全コントローラと組み合わせることで、タスク成功率と衝突率を反復測定することが可能です。また、長時間の細胞培養作業では、映像と過去の行動記録を用いて培地交換段階の進行度を推定し、異常が検出された場合に次の行動を停止するように構成することもできます。ただし、提供されているDiscovery情報には生命科学ベンチマーク、対応ロボットプラットフォーム、入力解像度、制御周期、定量性能が含まれていないため、実際のラボでの適用前に公式モデルカードとリポジトリドキュメントを通じての互換性・安全性検証が必要です。

Isaac 0.5は、Perceptron AIが2026年8月26日に公開した36B規模のスパースマルチモーダルモデルであり、画像・動画・自然言語の指示だけでなく、ロボットの現在の状態と過去の行動履歴も合わせて入力として受け取り、環境を理解して次の行動を生成する。一般的な視覚モデルが画面に何があるかを記述することに留まるのに対し、Isaac 0.5は、シーン内の対象物の位置を把握する空間グラウンディング、タスクがどの段階まで進んでいるかを推定する進行状況推定、そして実際の制御命令を生成するアクションジェネレーションを行う。

🔬顕微鏡試料搬送の自動化: RGB画像とロボットの関節状態に「試料をイメージング位置へ移動」する命令を組み合わせて96ウェルプレートの作業を100回反復評価する。連続制御出力は別個の安全コントローラーを経由して実行し、成功率・衝突率・作業時間を定量化する。