# codex 敵対的検証 結果 1回目（世界記録と洗濯物）

- 日時: 2026-10-28 13:33（JST）
- 依頼文: codex_敵対的検証依頼_世界記録と洗濯物.md（md5 178594e1a06558f56c6adf233c774ba3・23,970 バイト）
- 題（依頼文の1行目）: # 敵対的検証依頼：YouTube台本「人型ロボットは人間より速く走ったのに、なぜ洗濯物はたためないのか（仮題）」
- codex: codex-cli 0.164.0-alpha.11.1
- モデル: gpt-6.1-sol
- 考える深さ: high
- ウェブ検索: あり（検索した回数 36）
- かかった時間: 7分56秒
- 使ったトークン: 172,698
- 指摘の数: 17（うち出典のリンクが付いたもの 13）
- 出典の URL: 18件（別々・文の中に張られた回数 21）

---
**判定は「直してから」です。** 謎解きの構成は残せます。ただし、2026年の進展の取りこぼしと、結論での因果関係の言い切りは修正が必要です。

2026年10月28日時点の公開資料を確認しました。企業発表は「その企業がそう発表した」ことの確認として扱い、長期の家庭運用が実証されたこととは区別しています。

**[❌ NG] S053：2026年9月のFigureの発表が抜けている**

問題：2025年8月の発表の説明としてはおおむね正しいですが、現在の到達点を示すには古すぎます。「成功率は公表されていません」も、2025年の当該発表に範囲を限定する必要があります。

根拠：Figureは2026年9月17日、未学習の30家庭で、タオルたたみ・部屋の片付け・ベッドメイクを評価したと発表しています。3作業の評価全体では成功率56％とし、タオルの成功条件、1枚につき3分の制限、人の安全介入が必要なら失敗とする基準も掲載しています。**56％はタオルだけの成功率ではありません。** [Figure「Helix 2.5」](https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization)

修正案：
「人型では、Figureがタオルを自律でたたむ実演を公開しています。さらに2026年9月には、初めて入る30の家で、タオルたたみなどを試した結果も発表しました。ただ、家で毎日任せ続けた運用実績とは、まだ別です。」

---

**[❌ NG] S038・S065・S081：優勝機の学習方法が、途中から確定事項になっている**

問題：S034で「学ばせ方は見当たらない」と断ったのに、答えでは「仮想の練習で走れるようになった」と断定しています。Cassieの成功は、その方法が使える証拠であって、HONORがその方法で優勝した証拠ではありません。

根拠：Scientific Americanも、Lightningの基盤については **“likely”** と推定しています。また、機体づくりと投資という説明はFernの見解であり、学習方法と機体改良の寄与を分離して測った結果ではありません。S037の「仮想の練習よりも」も、比較の確度を上げすぎています。 [研究者への直接取材記事](https://www.scientificamerican.com/article/a-humanoid-robot-beat-the-human-half-marathon-record-at-a-beijing-race-but-what-did-it-actually-prove/)

修正案：
「仮想の練習は、走りを覚えさせる有力な方法です。今回の優勝機の学ばせ方は未確認ですが、この1年の速さの伸びを、機体づくりや投資の積み重ねから説明する専門家もいます。」

S065・S081でも、この確度を維持してください。

---

**[❌ NG] S063・S066・S081：本物のお手本が必要だという説明が、強すぎる**

問題：「布は仮想で練習しにくい」から「本物のお手本を集める必要がある」への推論には飛躍があります。難しさは事実ですが、実物の人間のお手本だけが解決経路ではありません。

根拠：Cloth Funnelsでは、仮想で学んだ衣服の整形・位置合わせを実機に移し、その後の折りたたみに利用しています。2026年にも、合成データや仮想での動作予測を使い、実物の布で検証した研究があります。S044の「研究も進んではいます」だけでは、既存の実機成果を弱く見せています。 [Cloth Funnels論文](https://arxiv.org/html/2210.09347)、[2026年の布操作研究](https://arxiv.org/abs/2606.24552)

修正案：
「布でも、仮想の練習を本物の動きにつなげた研究はあります。ただ、形や素材、重なり方が変わっても、安定して扱うのは難しい。実物のデータと仮想の練習をどう組み合わせるかが、まだ課題なんです。」

---

**[⚠️ 要注意] S008・S012・S022・S081：競技の好記録と、毎日の実用を比べている**

問題：「走る」と「たたむ」の差だけでなく、求めている合格条件にも差があります。片方は大会での好記録、もう片方は家庭での継続的な信頼性なので、その非対称性を答えに含める必要があります。

根拠：1回の高性能な走行が示されても、日々の安全性や失敗からの復帰まで示されたことにはなりません。逆に、家庭で毎日使える証拠が不足していても、折りたたむ技能そのものが未獲得とは限りません。これは比較の論理上の問題です。

修正案：
「走るほうは、大会で出した記録です。洗濯物のほうは、家で毎日任せられるか、という話。この条件の違いもふまえて、なぜ差があるのかを見ていきます。」

これは答えの先出しではなく、問いの条件の明示です。タイトルも「なぜ洗濯物はたためない」より、**「なぜ家の洗濯物はまだ任せられない」**が適切です。

---

**[⚠️ 要注意] S007・S013・S054・S082：「確認できない」と「その段階にない」は別**

問題：S007の限定した探索結果は言えますが、S013・S082では業界全体の到達段階を断定しています。公開された長期運用実績が見つからないことから、非公開の実現まで否定することはできません。

根拠：1Xは2026年4月に量産開始を発表しましたが、その発表での出荷先は研究施設と社内家庭試験で、一般顧客への初出荷は2026年予定でした。現在の製品説明にも、未知の作業にはExpert Modeを利用する仕組みがあります。今回確認した一次資料では、一般家庭で無介入の洗濯物たたみを長期間継続した実績までは確認できませんでした。 [1Xの生産・出荷発表](https://www.globenewswire.com/news-release/2026/04/30/3285118/0/en/1x-opens-neo-factory.html)、[NEO製品説明](https://www.1x.tech/neo)

修正案：
「2026年10月28日までに確認した公開資料では、人型ロボットに、家で、人の助けなしに洗濯物をたたみ続けてもらえると確かめられた、長期の運用実績は見つかりませんでした。」

S013・S082も、「公開資料では、その段階を確認できていない」という意味にそろえると堅実です。

---

**[⚠️ 要注意] S018・S084：大会の「自律」は、家庭で求める「無介入」と同じではない**

問題：優勝機が自律航法区分だったことは確認できます。ただし、その区分を「人の手を一切借りなかった」と受け取らせると、洗濯物側との比較が不公平になります。

根拠：大会規則の説明では、自律航法区分でも、起動、補給所での電池交換補助、緊急の追い越し・障害物回避、故障時の緊急停止について人の介入を認めています。電池交換や機体交換は「許可された条件」と「優勝機が実際に利用したもの」を分ける必要があります。 [大会規則の説明](https://www.chinanews.com.cn/cj/2026/04-19/10606411.shtml)

修正案：
「優勝機は、大会の区分では自律航法でした。ただ、この区分でも、電池交換など、一部の人の補助は認められていました。人の手を一切借りない、という意味ではありません。」

転倒映像を使う場合も、同じ「閃電」という機種名だけで優勝機の映像と断定しないでください。

---

**[⚠️ 要注意] S060・S063：750回から、必要なお手本の数は導けない**

問題：750回という本人の記録を示すことには問題ありません。ただし、試行回数を学習に必要だったデータ量のように扱い、さらに布にはもっと必要だとつなぐことはできません。

根拠：台帳は、失敗や調整を含む通しの試行記録です。学習用のお手本の本数、独立した条件の数、学習曲線とは異なります。しかもS062で挙がる問題は遮蔽であり、回数を増やすだけで解決するとは限りません。

修正案：
「固いブロック1つでも、エイイチはこれだけ試行錯誤しています。750回は、学習に必要だと分かった回数ではなく、この机の上で重ねた試行の記録です。」

S063は次のように：
「実物のお手本を集めるには、こうした撮り方や、見え方の工夫も要ります。数だけ増やせばいい、という話でもありません。」

---

**[⚠️ 要注意] S056・S063・S086：2026年のデータ収集方法を狭く描いている**

問題：「ネットにはほとんど落ちていない」は、ロボットの操作記録についてなら理解できます。しかし、人の作業動画を学習に利用する進展まで、ないように聞こえます。

根拠：Figureは2026年8月、家庭や職場で人が作業する動画を収集するIndexを発表し、9月にはその事前学習による性能改善を報告しています。企業自身の評価ですが、「ロボットを実際に動かしたお手本を集める」以外の経路として紹介すべき進展です。 [Figure「Index」](https://www.figure.ai/news/introducing-index)

修正案：
「ロボットをどう動かすかまで分かるデータは、文章ほど手軽には集まりません。人の作業動画や、仮想のデータも使って、この壁を越える方法が試されています。」

S086：
「3つ目、初めての物や置かれ方にも対応できるのか。どんなデータで学び、どんな条件で試したのかを見てください。」

---

**[⚠️ 要注意] S055〜S056：「10万年分」が、必要量の基準に聞こえる**

問題：発言の紹介としては出典に沿っています。しかし、文章を読む時間とロボットの動作時間は共通の情報量尺度ではなく、「ロボットも10万年分集めれば実用化できる」という基準にはなりません。

根拠：本人は、文章を人が読み切る時間に換算した数字として説明しています。同じインタビューでは、データを増やす方法と、工学的に作り込む方法の議論にも触れています。 [UC Berkeleyによる本人へのインタビュー](https://vcresearch.berkeley.edu/news/are-we-truly-verge-humanoid-robot-revolution)

修正案：
「ゴールドバーグさんは、言葉のAIが使う文章の規模を、人が読む時間に直して、約10万年分と説明しています。これはデータの規模の話で、ロボットにも同じ年数のお手本が必要だと分かったわけではありません。」

---

**[⚠️ 要注意] S007・S075：家庭で働く専用ロボットという強い反論が抜けている**

問題：人型に限定した問いなので直接の反証ではありませんが、家事を減らしたい視聴者には、すでにある別の形の製品も重要です。これを省くと、人型に限定して「まだできない」を作っているように見えます。

根拠：WeaveのIsaac 0は、据え置きの洗濯物たたみロボットとして、カリフォルニアへの出荷開始と家庭での稼働を会社が発表しています。ただし、自律と遠隔支援を組み合わせる製品です。したがって本稿の「無介入」の反証ではありませんが、実用化の現状として無視しにくい例です。 [Isaac 0公式説明](https://www.weaverobotics.com/isaac-0)

修正案：
「人型以外では、洗濯物をたたむ専用ロボットの出荷も始まった、と会社は発表しています。ただ、こちらも遠くから人が助ける仕組みを使っています。」

乾燥機や、たたまない収納については、一言「家事を減らす方法は、人型ロボットだけではありません」と添えれば十分です。

---

**[⚠️ 要注意] S052・S075：固定式の実験から「足は要りません」まで広げている**

問題：取り上げる固定式実験の説明は正しいですが、π0論文には移動式で洗濯物を扱う実験もあります。「たたむ動作」と「家の中で洗濯物を集めて運ぶ仕事」を分ける必要があります。

根拠：論文のVI-Dには、固定式の洗濯物たたみに加え、移動式の洗濯物たたみと乾燥機からの取り出しが載っています。固定式でできることは、家庭の仕事全体に移動能力が不要という証明ではありません。 [π0論文・VI-D](https://arxiv.org/html/2410.24164v3)

修正案：
S052：
「ここで取り上げる実験は、人型ではなく、動かない台に腕が2本ついたロボットです。」

S075：
「決まった台の上でたたむだけなら、足のない形でもできます。家の中で集めて運ぶところまで任せるかは、別に考える必要があります。」

---

**[⚠️ 要注意] S077：資金集めという見立ては、実用能力の評価の根拠にはならない**

問題：S073・S076で、本人の見立てであることは伝わっています。問題はS077の「その目で見ると」で、企業の動機についての推測が、技術評価の根拠であるかのようにつながることです。

根拠：資金調達を狙った実演でも、技術的価値はあり得ます。逆に、資金調達目的でなくても、競走の結果だけで現場の仕事を評価することはできません。S037〜S038の「投資が性能向上を支えた」という話も、企業の実演の目的を証明しません。

修正案：
「マラソンで確かめられたのは、その条件で走る力です。現場で仕事ができるかは、仕事ごとの検証が要ります。」

**S076の見立て自体を弱める必要はありません。接続を直せばよいです。**

---

**[⚠️ 要注意] S004・S019：「3倍」は優勝タイムの比較であって、同一機体の改善率ではない**

問題：計算は正しいです。ただし、「ロボットの性能が1年で3倍」という一般化には使えません。

根拠：2時間40分42秒は9,642秒、50分26秒は3,026秒で、同距離での平均速度の比は約3.19倍です。一方、前年は天工、今年はHONORの閃電であり、機体が違います。 [新華社の結果報道](https://www.news.cn/sports/20260419/c91172da5ef84342b7b07fb3c2ef8f12/c.html)

修正案：
「前年と今年の優勝タイムを比べると、平均の速さは3倍あまりです。機体や大会条件は違いますが、大きく記録が縮まったのは確かです。」

---

**[⚠️ 要注意] S003：「最高記録」と「世界記録候補」を区別したい**

問題：56分51秒と、その差が6分25秒であることは確認できます。ただし「人間の男子の最高記録」だと、公認条件を満たさなかった速いタイムまで含むように読めます。

根拠：World Athleticsは同じ記事で、2025年の56分42秒は競技条件が規則を完全には満たさず、公認できなかったと説明しています。また、出典表の「大会の時点の公認は57分20秒」は誤りで、その記録の公認発表は2026年9月3日です。 [56分51秒の公式記事](https://worldathletics.org/news/report/world-half-marathon-record-buenos-aires-2026-yomif-kejelcha)、[57分20秒の公認発表](https://worldathletics.org/news/press-releases/ratified-world-records-kiplimo-tharp-wanyonyi)

修正案：
「人間の男子では、この8月に56分51秒という世界記録候補が出ました。まだ公認の手続き中ですが、そのタイムよりも、6分あまり速かったんです。」

---

**[⚠️ 要注意] S015〜S016：4種類の札に、本人の記録と著書が収まらない**

問題：S059の台帳は「見立て」ではなく本人の記録、S068は「論文」ではなく著書です。また、研究者のインタビューでの見解を、実験で確かめられた結果と同じ表示にすると誤解を招きます。

根拠：出どころの種類と、主張の確度は別です。企業が発表した自律実演、論文の実験結果、研究者の予測は、それぞれ画面上でも区別する必要があります。

修正案：
「今日の出どころは4種類。大会や会社の発表、ニュースの報道、論文や著書などの研究の資料、そしてエイイチの記録と見立てです。札には、誰の、いつの話かも添えます。」

運用上は、S059を「エイイチの記録」、S076を「エイイチの見立て」と副表示すれば、4分類を維持できます。S037・S072は「ニュースの報道／研究者の見解」、S070は「大学のインタビュー／研究者の見解」が適切です。

---

**[⚠️ 要注意] S036・S040〜S045：地面を「毎回同じ問題」にしすぎている**

問題：「足で踏んでも布のようには変形しない」という比較は有効です。ただし、地面の条件まで毎回同じという説明は、走行制御を過小評価しています。「同じ置かれ方は二度とありません」も不要な絶対表現です。

根拠：紹介しているANYmal研究自体が、斜面、段差、障害物、摩擦の違いなどを扱っています。布の研究が示すのも、状態の多様さと予測の難しさであって、似た状態が二度と生じないことではありません。 [ANYmal論文](https://arxiv.org/html/2109.11978v3)、[RGBench論文](https://arxiv.org/html/2511.06434)

修正案：
S040：
「地面にも、坂や段差、すべりやすさの違いはあります。ただ、固い路面なら、踏むたびに布のように形が変わるわけではありません。」

S041後半：
「同じ服でも、置かれ方や重なり方が、毎回変わります。」

S045：
「地面の先生も難しい問題は出します。でも洗濯物の先生は、さわる途中で、問題の形まで変えてくるんです。」

---

**[⚠️ 要注意] S033：「転んでは起き上がる」は、学習した能力を取り違えさせる**

問題：軽い一言としては機能していますが、この実験で4096台が自力で起き上がる技能まで学んだように聞こえます。

根拠：論文では、転倒時に環境をリセットします。自己起立の実演とは異なります。 [論文・Episode Termination](https://arxiv.org/html/2109.11978v3)

修正案：
「4096台が、転んだらやり直し。また歩いて、またやり直し。体育館としては、かなりにぎやかです。」

---

確認できた点も明記します。

- **A1の中心数字は一致しています。** 50分26秒、自律航法区分、前年2時間40分42秒、遠隔操作区分の1.2倍換算は確認できました。電池・機体交換の但し書きも、規則の説明の範囲です。ただし「道順が事前に決まっている」だけでは、人間のロードレースとの差にはなりません。強調すべきは専用区画、事前の地図、補助条件です。
- **A2の研究紹介は基本的に正確です。** ETHとNVIDIA、4096台、平地4分未満、不整地20分未満、GPU1枚、実機ANYmalへの移行は本文と一致します。4分・20分は準備済みの設定での学習計算時間であり、研究開発全体の所要時間ではありません。 [研究本文](https://arxiv.org/html/2109.11978v3)
- **S035のつなぎは成立します。** Cassieが2021年に走ったことと、仮想での強化学習を実機の歩行・走行につなげたことは、開発大学の資料でも確認できます。ただし、これをHONORの学習方法の確定に使うことはできません。 [Oregon State University](https://engineering.oregonstate.edu/all-stories/great-strides)
- **S041〜S044の布の難しさ、S050〜S051のπ0の数値は、おおむね出典内です。** π0の1万時間超は複数作業の合計で、5〜20分は複雑な作業の実行時間です。必要な収集時間の下限ではありません。 [π0論文](https://arxiv.org/html/2410.24164v3)
- **S068〜S069の趣旨は確認できました。** 原書の公開OCRの該当箇所は、知能テストと1歳児の知覚・移動能力を対比しています。ただしS067は「実は、この難しさの逆転は」とすると、現在の学習方法まで1988年に説明されていたという誤読を避けられます。 [原書本文の公開OCR・p.15](https://www.scribd.com/document/678843543/8-Moravec-H-1990-Mind-Children)
- **S070のゴールドバーグの発言、S072の「思い込み」の紹介は、発言として出典に沿っています。** 現在も例外なく成立する技術的法則として扱わないことが条件です。
- **謎の答えを後半まで待たせる構成自体は問題ありません。** 冒頭で比較条件と「まだ」の意味を明示すれば、不親切にはなりません。S025・S046・S087にも、会社や国を笑い物にする問題は見当たりません。S078の5年という話も、本人の感覚として明示されています。

最後の判定です。

1. **このまま公開してよいか：直してから。** 大きく作り直す必要はありませんが、S053の更新と、S065〜S066・S081の答えの書き換えは必要です。
2. **公開前に必ず直すべき文番号：S007・S008・S012・S013・S018・S037〜S038・S053・S060・S063・S065〜S066・S081〜S082。** あわせて、S015〜S016の札の分類と、出典表の「大会時点で57分20秒が公認済み」という記述を直してください。
3. **結論そのもの：条件つきで成立。** 「走行の好記録から、家庭での器用な作業能力は推定できない」は成立します。一方、「走る＝仮想で学べる、たたむ＝実物のお手本が足りない」という二分法では説明不足です。3つの手がかりを**差を生む要因**として示し、最後に「家庭では、初めての条件や失敗にも対応し、毎日安定して完了することまで必要」と結べば、反論に強くなります。
