# 学習・推論の組み合わせ比較：π0.5＋Runpod＋Claude Code の他に、何が組めるか

- 調べた日：2026-10-28
- 前の調査：[research_physical_ai_learning_env_20260930.md](research_physical_ai_learning_env_20260930.md)（環境の全体像）／[research_beyond_imitation_learning_20261027.md](research_beyond_imitation_learning_20261027.md)（強化学習・合成データ・SO-101 の既製の道）
- 方針：数字は開いた記事・論文・公式の説明書にあるものだけを書く。価格は記事ごとに時点と条件が違うので幅で書く。円は 1ドル＝約157円（10月中旬の水準）で換算した目安
- きっかけ：Google の Genie 4 と Gemini Robotics、Physical Intelligence の Pi API を見て、今の組み合わせより良いものがあるかを確かめる

---

## ① 要点

1. **動かすモデルは π0.5 のままが一番筋が良い。** 公開された VLA（画像と言葉から動きを出すモデル）4種を同じお手本で比べた実機の試験（PhAIL、Franka）で、π0.5 と NVIDIA の GR00T N1.6 が同率首位、ACT が3位、SmolVLA が最下位だった。しかも π0.5 は、カメラと箱の置き方が変わっても成績が落ちにくかった。上の iPhone を毎回付け外しする mechArm には、ここが効く
2. **置き換えるより、横に物差しを置くのが得。** ACT（小さな模倣学習のモデル）は首位より遅いが、同じ試験で安全停止がゼロだった。学習も安い。同じお手本で ACT を学習させて π0.5 と並べれば、π0.5 の伸びを測る物差しになる
3. **計算機は Runpod を本線のまま、用途で借り分ける。** 推論は RTX 4090 級（1時間 約53〜108円）、GR00T のような 40GB 超が要る学習は L40S（約124円）、π0.5 の全体の学習だけ A100・H100 級。もっと安い Vast.ai、円で払える国内のさくら高火力もあるが、それぞれ癖がある（③-2）
4. **考える役・判定する役に Gemini Robotics ER 2 を足す余地がある。** 年末まで半額（入力 100万トークンあたり 約157円）。今の Claude の成否判定と同じ画像で比べられる
5. **お手本集めが一番の詰まりで、ここは組み合わせでは解けない。** SO-101 のリーダー・フォロワー（部品代で 約3.6万円）を足すか、Unity でお手本を増やすか。前者は既製の道が多く、後者は買い物がない
6. **注意：π0.5 の元の重みの使用条件。** LeRobot 版の π0.5 の元の重みには Gemma の利用規約が付き、学習した重みを配る・置くときに条件がかかる（PickNik の説明書）。公開して再現してもらう前提なら、配る前に条件を確かめる

---

## ② 組み合わせを5つの層に分ける

| 層 | 今 | 他の候補 |
|---|---|---|
| A 動かすモデル | π0.5（openpi） | GR00T N1.7／ACT／SmolVLA／Pi API（預けて学習）／Gemini Robotics 2（触れない） |
| B 計算機 | Runpod | Vast.ai／Modal／さくら高火力／Pi API に丸ごと預ける |
| C お手本の集め方 | 手で教えた要所の再生（LOG349） | SO-101 のリーダーアーム／Unity での合成・水増し／人の動画の変換 |
| D 考える役・判定する役 | Claude（PICK・PLACE の成否判定） | Gemini Robotics ER 2 |
| E 作業の相棒 | Claude Code | 同じ形の既製品：PickNik の学習用スキル（Claude Code から Runpod で π0.5・SmolVLA を学習） |

---

## ③ 層ごとの中身と数字

### ③-1 動かすモデル

**同じお手本で4つを比べた実機の試験（PhAIL）**

- 条件：Franka FR3、外のカメラと手首のカメラ、箱から箱へのピッキング（木のスプーン・タオル・はさみ・電池）。お手本 449本（約13時間）を4つに共通で使い、各モデルの標準の学習手順のまま。評価は、どのモデルが動いているかを操作する人に知らせない形
- 結果（人の操作の速さを100%としたときの割合。高いほど良い）

| モデル | 人と比べた速さ | 安全停止の割合 | カメラと箱の置き方を変えたときの完了率の差 |
|---|---|---|---|
| π0.5（openpi） | 13.8% | 4.5% | 6.1ポイント |
| GR00T N1.6 | 13.3% | 2.9% | 22.2ポイント |
| ACT | 10.5% | 0% | 4.0ポイント |
| SmolVLA | 6.4% | 12.2% | 2.6ポイント（もともと低い） |

- π0.5 と GR00T の差は統計的に見分けられなかった。一番良いモデルでも人の約7倍遅い
- GR00T は外のカメラに頼る度合いが強く、置き方の変化で大きく落ちた。π0.5 が上位で一番崩れにくかった
- 学習の手順：π0.5 は LoRA（重みの一部だけを足して学ぶ方法）で 20万ステップ、GR00T は視覚と言葉の部分を凍結して 15万ステップ

**SO-101（安いアーム）での比較（Project-IRA、Hugging Face で公開）**

- 4つの作業をまとめて学ばせると、π0.5 が SmolVLA を大きく上回った。π0.5 は 8,000〜10,000ステップで仕上がり、SmolVLA は 10万〜20万ステップかけても届かなかった。SmolVLA（約4.5億の重み）は、複数の作業を覚えるには小さすぎるらしい

**各モデルの必要な GPU と条件**

| モデル | 推論 | 学習 | 使用条件 | 備考 |
|---|---|---|---|---|
| π0.5（openpi） | 8GB 超（例 RTX 4090） | 全体を学ぶなら 70GB 超（A100・H100）。LoRA なら 22.5GB 超（前の調査） | コードは Apache 2.0。LeRobot 版の元の重みは Gemma の規約付き | Ubuntu 22.04 で確認。推論を別のサーバーに置ける |
| GR00T N1.7 | 16GB 以上 | 40GB 以上（24GB なら LoRA） | 資料により NVIDIA のモデル使用許諾／Apache 2.0 と書き方が分かれる（未確認） | LeRobot に正式に入っている。SO-101 の手順あり。元の重みは申請して取得 |
| ACT | 小さい | 家庭用の GPU で足りる | LeRobot（Apache 2.0） | 1つの作業向け。言葉の指示は使わない |
| SmolVLA | 2〜6GB | RTX 4090（24GB）で全体を学べる | LeRobot | 安いが、上の2つの比較では最下位 |
| Pi API | 預けた先 | 預けた先 | 未発表 | 待機リスト制。裏のモデルが更新される |

### ③-2 計算機（1時間あたり、1ドル＝約157円で換算）

| 借り先 | RTX 4090 | L40S（48GB） | A100 80GB | H100 | 特徴 |
|---|---|---|---|---|---|
| Runpod | 約53〜108円（共有〜専用） | 約124円 | 約218〜393円（記事により差） | 約312〜454円（PCIe） | 秒単位の課金。日本の拠点（福島、AP-JP-1）は H200 のみで、遅延 8〜50ミリ秒。米国・欧州の拠点だと 150〜200ミリ秒 |
| Vast.ai | 約31〜47円 | 約49円（L40） | 約105円 | 約141〜294円 | 個人が貸し出す市場なので最安だが、値段と品質がばらつく。日本の貸し手は少ない |
| Modal | — | — | — | 約620円相当 | 関数ごとに秒で課金し、使っていない間はゼロ。長い学習より、短い推論の呼び出し向け |
| さくら高火力 DOK | — | — | — | 1,008円（2024年の発表値） | 円で払える国内（石狩）。Docker の箱をそのまま秒単位で回す。今の値段は未確認 |
| さくら高火力 VRT | — | — | — | 990円（2025年の発表値） | 仮想マシン型 |

- 推論の遅延について（推論）：π0.5 は一度に 50ステップ分の動きをまとめて出すので、往復 150〜200ミリ秒でも、mechArm の遅い動きなら破綻はしにくいと考えられる。実測はしていない。日本の拠点を使うと遅延は下がるが、今は H200 しかなく推論には高すぎる

### ③-3 お手本の集め方

| 方法 | 費用 | 根拠 | mechArm への当てはめ |
|---|---|---|---|
| 要所を手で教えて再生（今） | 人の時間だけ | LOG349 で3回とも成功 | ブロックの位置のばらつきが作りにくい |
| SO-101 のリーダー・フォロワー | 部品代 約3.6万円（リーダーとフォロワーの組、3Dプリンター別）。組み立て済み 約4.7万円（Seeed、税別） | LeRobot で最も公開データが多い機体（LeRobot の 2026年の論文） | mechArm の操縦には直接使えない。SO-101 を2台目の機体として使う形になる |
| シミュレーションで水増し | GPU の時間 | MimicGen：人のお手本10本から作った200本が、人の200本と同等。InternData-A1：条件をそろえれば、シミュレーション 1,600本未満で実機 200本に並んだ | Unity の双子で要所の位置を散らして作る。実機との差の確認が要る |
| 人の動画を変換 | 撮影の手間 | 前の調査（research_human_to_robot_conversion_20261027.md） | 前の調査のとおり |

### ③-4 考える役・判定する役

- Gemini Robotics ER 2：100万トークンあたり、入力 約157円・出力 約785円（2026年12月31日までの半額。来年からは倍）。重みは非公開で API だけ
- Claude は今の PICK・PLACE の判定で実績あり。ER 2 は作業がどこまで進んだかの判定を売りにしている（Labellerr の記事では、進み具合の分類の正答率 57.4%）

### ③-5 作業の相棒

- PickNik（MoveIt Pro）の説明書に、Claude Code からスキルを呼び、Runpod の GPU で π0.5 か SmolVLA を学習させ、仕上がりを Hugging Face に置く手順がある。L40S・A100 で 1時間 約1ドル（約157円）が目安とある
- 今のエイイチさんの組み合わせ（Claude Code＋Runpod＋π0.5）は、海外の既製品と同じ形。外れた選択ではない

---

## ④ 組み合わせ案

| 案 | 中身 | 費用の目安 | 良いところ | 気になるところ |
|---|---|---|---|---|
| 本線（今） | π0.5＋Runpod＋Claude Code＋Claude の判定 | 学習 A100 級で数時間、推論 4090 級 | 再現しやすい。π0.5 はカメラの置き方に強い | お手本の位置のばらつき |
| 物差しを足す | 本線＋同じお手本で ACT | 学習は家庭用 GPU 級で安い | 安全停止が少ない基準ができ、π0.5 の伸びを数字で言える | 1つの作業向け |
| 推論を安く | 推論だけ Vast.ai の 4090（約31〜47円） | 本線より安い | 費用が半分以下になりうる | 貸し手の品質がばらつく。記録に貸し手の条件も残す必要 |
| 判定を二重に | 本線＋Gemini Robotics ER 2 | トークン代のみ | 判定の正しさを2つで比べられる | API の裏のモデルが変わる |
| 2つ目のモデル | GR00T N1.7 を同じお手本で | L40S で 約124円／時 | 比べた結果がそのまま記事になる | カメラの置き方に弱い。使用条件の書き方が資料で揺れる |
| 預ける | Pi API | 未発表 | 最新のモデル | 待機リスト。再現性で不利 |

---

## ⑤ 次の一手（推論）

ここからは調べた数字からの推論で、mechArm で確かめた手順ではない。

1. **同じお手本で ACT を学習させ、π0.5 と並べる。** 安く、物差しになる。PhAIL と同じく、成功率だけでなく1回あたりの時間と安全停止の回数で比べる
2. **推論の GPU を下げて測る。** Runpod の 4090 と Vast.ai の 4090 で、遅延と費用を記録する（型番・時間・費用は MASTER のとおり組で残す）
3. **判定役を比べる。** 同じ PICK・PLACE の画像を Claude と Gemini Robotics ER 2 に判定させ、人の判定と合う割合を出す。年末までは半額
4. **Pi API の待機リストに申し込んでおく。** 無料。通ったら、同じお手本で比べる相手にする
5. **GR00T は後回し。** 上のカメラを付け外しする環境では弱点が出やすい。試すなら、カメラの位置を固定してから
6. **公開の前に π0.5 の元の重みの規約を読む。** 学習した重みを Hugging Face に置くかどうかで、再現可能な環境の数え方が変わる

---

## ⑥ 確かめられなかったこと

- Physical Intelligence の Pi API の公式ページは開けなかった（記事2本のみ）
- さくら高火力の今の値段。上は発表時の値段
- GR00T N1.7 の使用条件は、資料によって NVIDIA のモデル使用許諾と Apache 2.0 で書き方が違う
- Runpod の A100 の値段は記事によって約2倍の差がある。実際に借りる画面の値段が正
- 往復の遅延が mechArm の動きにどれだけ効くかは、測っていない
- PhAIL は Franka での結果。mechArm のような安いアームで同じ順位になるかは分からない

---

## Sources

- [PhAIL：公開 VLA 4種の実機比較（arXiv 2605.29710）](https://arxiv.org/pdf/2605.29710)
- [Project-IRA：SO-101 で π0.5 と SmolVLA を比較](https://huggingface.co/Project-IRA)
- [Physical Intelligence の Pi API ベータ（Unite.AI）](https://www.unite.ai/physical-intelligence-opens-pi-api-beta-for-robot-foundation-models/)
- [Pi API のモデルと実例（AI Weekly）](https://aiweekly.co/alerts/physical-intelligence-opens-pi-api-beta-for-0-05-fine-tuning)
- [PickNik：Claude Code と Runpod で π0.5 を学習する手順](https://docs.picknik.ai/how_to/vla/train_a_vla_policy/)
- [GR00T N1.7 を SO-101 で使うときの GPU の条件](https://openelab.io/blogs/learn/nvidia-groot-1-7-so-101-lerobot-requirements)
- [NVIDIA：GR00T 1.7 の学習の説明書](https://docs.nvidia.com/learning/physical-ai/gr00t-e2e-workflow/latest/real-robot-workflow/real-fine-tuning-and-leapp.html)
- [Runpod 日本の拠点 AP-JP-1](https://blog.runpod.io/runpod-expands-in-asia-pacific-with-launch-of-ap-jp-1-in-fukushima)
- [Runpod・Lambda・Vast.ai の比較（2026）](https://tech-insider.org/runpod-vs-lambda-vs-vast-ai-2026/)
- [Vast.ai と Runpod の値段](https://vantaige.io/ai-tool/vast-ai)
- [GPU クラウドの値段の比較](https://deploybase.ai/articles/cheapest-gpu-cloud-in-2026-provider-pricing-ranked)
- [Modal の値段](https://agentpedia.codes/blog/best-gpu-cloud-ai-2026)
- [さくら高火力 DOK の H100 プラン](https://businessnetwork.jp/article/22398)
- [さくら高火力 VRT](https://it.impress.co.jp/articles/-/27526)
- [Gemini Robotics ER 2 の値下げ（年末まで）](https://www.usagepricing.com/blueprint/activity/google-gemini-2026-09-16-robotics-er2-price-cut)
- [SO-101 の部品代（AI Wiki）](https://aiwiki.ai/wiki/so_101/raw)
- [Seeed SO-ARM101 Pro 組み立て済み](https://files.seeedstudio.com/Bazaar/product_pdf/100046482.pdf)
- [MimicGen（arXiv 2310.17596）](https://arxiv.org/pdf/2310.17596)
- [InternData-A1（arXiv 2511.16651）](https://arxiv.org/pdf/2511.16651v1)
- [openpi の説明（AI Wiki）](https://aiwiki.ai/wiki/openpi)
- [Gemini Robotics 2 の解説（Labellerr）](https://www.labellerr.com/blog/gemini-robotics-2-google-deepmind/)