AnthropicとHHMI Janelia Research Campusの共同研究として始まったModel Hardware Standard(MHS)は、AIエージェントが物理デバイスを安全に操作するための共有仕様です。リサーチプレビュー(research preview)は、最初のグループである科学研究ラボと先進的な製造企業に公開されています。

Model Hardware Standard(MHS)により、AIエージェントは顕微鏡、液体ハンドリング装置(liquid handler)、ロボットアームなど複数のラボ機器・製造機器を並行して操作できます。日常的な創薬実験から量子コンピュータのレーザー校正まで、複雑な作業を実行することが可能です。

ラボや製造施設がハードウェアを導入して統合するには通常数週間から数か月かかりますが、Model Hardware Standard(MHS)は、こうした統合作業を数時間または数分に減らします。初期版は、科学、ロボティクス、エレクトロニクス、製造分野のパートナーと共有されています。これは、標準をオープンソース化する前に、物理機器を操作するAIシステムの安全性評価を共同で構築し、ベストプラクティスを開発することを目的としています。

Model Hardware Standard(MHS)は、プログラム可能なインターフェースを持つあらゆるデバイスで動作します。また、モデルに依存せず、どのエージェントハーネスでもModel Context Protocolなどの標準プロトコルを使ってアクセスできます。

デバイス統合が難しい現状と課題

ラボや製造施設がハードウェアを設置して統合するには、通常数週間、場合によっては数か月かかります。ほとんどの機器は互いに通信しないため、専門家が個別の連携を構築する必要があります。研究室や工場のフロアにある複数のデバイスを互いに通信させることは、AIを組み込む難しさを脇に置いても難しいことがあります。各デバイスはそれぞれ独自のプログラミングインターフェースを持つ傾向があり、これまでそれらを統合する標準化された方法はありませんでした。また、デバイスがいったん接続されても、AIエージェントとデータを共有する共通の方法や、エージェントにデバイスを安全に操作させる共通の方法はありません。

MHSドライバーとリファレンスファイルの仕組み

MHSは、コンピュータのオペレーティングシステムとハードウェアデバイスの間を変換するソフトウェアである標準化されたドライバーを導入することで、課題に対処します。MHSドライバー(MHS driver)は、「read」(例: 「get temperature」)や「write」(例: 「set temperature」)といったコマンドからなる単純なプリミティブの集合を使い、どのハードウェアデバイスもこれを理解して実行できます。MHSドライバーは各デバイスを標準形式で発見可能にするため、デバイスとエージェントは、間に専用の「翻訳」プログラムを必要とせず、互いを見つけてネットワーク越しに通信できます。

MHSドライバーは、AIエージェントが初めて見るデバイスの使い方を理解するのを助けます。コードだけでは判別できないかもしれない機械の特性に関する情報（例: ロボットアームを安全に操作する方法を知るうえで重要なその重さ）も、エージェントに与えます。これまで、機械の特性に関する情報の多くは、紙のマニュアル、ユーザーのコンピュータ上、または暗黙知として保管されてきました。一方、MHSドライバーにはタグがあり、ユーザーは機械の特性に関する情報を自然言語で直接書くことができます。自分で書くことも、ハードウェア構成について聞き取りをするエージェントと対話することでも書けます。

タグの情報から、MHSドライバーは、測定できるもの、調整できるもの、適用される安全限界など、デバイスの一般的な特性に関する情報を載せたリファレンスファイル(reference file)を自動的に生成します。このファイルは、エージェントがデバイスを操作するために知る必要のあることをすべて与えます。デバイスが接続され、エージェントが各デバイスの使い方を知った後、エージェントにはハードウェアを制御する手段が必要になります。MHSにはそのための仕組みが3つあり、MCP、コマンドラインインターフェース(command line interface)、コードファイル(API)です。

エージェントがデバイスを制御できるようになると、各デバイスから稼働データを受け取り、作業を高いレベルで監督・指揮できます。機器をまたいで手順を順序立て、結果を監視し、状況の変化に応じてパラメータをリアルタイムで調整することもできます。長時間かかるタスクを実行する場合や、オンラインの推論が許す速度より速くデバイスを操作する必要がある場合は、1つ以上のデバイスのドライバーコマンドをコードファイル内で連結できます。これによりデバイスは、エージェントが各ステップで推論しなくても、自ら操作を実行できます。

Claudeの動作例とパートナーの導入事例

Model Hardware Standard(MHS)のテストにおいて、Claudeは科学者のように、実験やハードウェアと探索的に関わることが分かっています。例えば、Claudeがレーザーに調整を加え、カメラで結果を観察して調整がレーザービームをどう動かしたかを評価し、これを繰り返して一連の事象を理解しようとする様子が観察されました。Claudeは学んだことをコードファイルにまとめ、各ステップで推論せずにレーザーを位置合わせできる決定論的なスクリプトを書いたため、全工程を1つのコマンドとして実行できました。

著者らは、プログラム可能なインターフェースを持つデバイスを使う任意の分野で、研究者・エンジニア・その他の実務者が発見や実験のプロセスを速めるのにこの標準が役立つことを期待しています。フロンティアモデル(frontier model)とModel Hardware Standard(MHS)で何ができるかは、まだ見え始めたばかりです。

MHSの開発中にバイオテック、ロボティクス、量子コンピューティングなどの分野の少数のラボやハードウェアメーカーにMHSを共有したところ、初期のプロジェクトにおいて、MHSはデバイス統合にかかる時間を短縮し、さまざまな実験環境でより速く反復できるようにし、機械のライブ運用とリアルタイムの故障検出を支援することが見られました。Carnegie Mellon Universityの研究者は、MHSを使って段階希釈の用量反応実験を従来の約3倍の速さで実施しました。AIエージェントが、根本的に互換性のないインターフェースを持つ3台のコンピューターに分散した、液体ハンドリング装置、プレートリーダー、ロボットアーム、監視カメラをオーケストレーションしました。

HHMI Janelia Research CampusのAhrens labの科学者Virginie Ruettenは、睡眠が体のストレスからの回復をどう助けるかを研究しています。彼女はMHSを使って、共通のインターフェースがなく7つの異なるベンダーのプログラムが関わっていた装置(rig)を統一し、オーケストレーションしました。HHMI Janelia Research Campusの研究者は、顕微鏡に関連するさまざまなプロジェクトを加速するためにMHSを使っています。QuEraでは、AIエージェントが、レーザーが原子と相互作用するために保持しなければならない超高精度の周波数であるロックを、人手の介入なしに99.3%の確率で回復するコントローラーを開発しました。

中性原子を使って量子コンピューターを作る企業であるQuEraは、MHSを使って自社の量子マシン内部のレーザーシステムの一部をAIエージェントに制御させました。そのエージェントが開発したコントローラーは、レーザーの「ロック」を、人手の介入なしに99.3%の確率で回復します。ここで言うロックとは、レーザーが原子と相互作用するために保持しなければならない超高精度の周波数です。

Genentechの研究者は、BCAタンパク質アッセイ(BCA protein assay)を自動化する概念実証(proof-of-concept)としてMHSを実装・テストしました。BCAタンパク質アッセイはサンプル中の総タンパク質濃度を測定する標準的な手順で、液体ハンドリング装置、ロボットアーム、プレートリーダーの間の連携が必要になります。qPCRは、加熱と冷却のサイクルを繰り返すことで標的DNA配列をコピーする手法です。University of Washington Baker and Pinglay labsの博士課程の学生Zihao Songは、MHSを使って、機器を遠隔で監視するダッシュボード、増幅曲線を見て適切な時点で手順を止めるAIエージェント監督型のqPCR、ロボットアームと液体ハンドリング装置の連携を構築しました。

Tetsuwan Scientificの研究者は、Model Hardware StandardであるMHSを自社の自動化バイオラボ・プラットフォームであるResearchOSに統合しました。MHSは、カリフォルニア州のSan Pedro Creekの汚染を特徴づけるシチズンサイエンスの取り組みに貢献するためのqPCRワークフローのオーケストレーションを助けました。

対応を進めるベンダーと企業

Model Hardware Standard(MHS)の開発は、AnthropicとHHMI Janelia Research Campusの共同研究として始まりました。ハードウェアベンダーとそれを支援するソフトウェア企業は、AIエージェントが機器をより容易に発見・操作できるよう、自社機器にMHS対応を組み込みつつあります。Amazon Web Servicesは、AIエージェントを物理デバイスにつなぐライブラリであるStrands Robotsを通じて、MHSをサポートします。

AWSは、MHSのリサーチプレビューの期間中、参加者にStrands Robotsパッケージの非公開のプレリリース版を提供します。

Automataは、自律ラボにおける機器のインテリジェントなエラー処理を行うため、ラボ自動化プラットフォームLINQにMHS対応を追加しています。DanaherとAnthropicは、MHSがサポートする機能によって、Danaherのスマート機器と自律型ラボがどのようにバイオ医学の研究開発をスケールさせうるかを、積極的に探っています。

Doosan Roboticsは、自動品質保証の実施や複数ロボット間のタスク調整などのために、自社のロボットアームでMHSをテストしています。MBF Bioscienceは、世界中の数百の神経科学ラボでレーザー走査型顕微鏡を動かすソフトウェアScanImage向けのMHSドライバーを構築しており、目的はリアルタイムのデータ解析や実験にAIエージェントを統合することです。

QIAGENは、核酸精製プラットフォームQIAsymphony Connect上で動作する概念実証によりMHSを試しています。この概念実証は、AIエージェントが、生体サンプルへのリスクを減らしながら、機器トラブルのより速い解決、復旧時のオペレーター案内、機器の稼働率向上をどのように助けうるかを示すものです。Tecanは、AIエージェントが直接発見・操作できるよう、液体ハンドリング装置であるFluentプラットフォームにMHS対応を追加しています。

現時点の限界と今後の取り組み

ただし、大規模言語モデルであるClaudeは、テキストと画像を通じて物理世界を学ぶため、空間的・物理的な推論には限界があり、専門家の監督がなお必要です。例えばタンパク質サンプルを扱う際、Genentechの研究者は、サンプルの泡立ちによるエラーがソフトウェアのバグではなく物理的な不具合であり、適切な物理的修正でしか軽減できないと認識するようClaudeを導く必要がありました。

MHSは現時点では、プログラミングインターフェースを持たないハードウェアには対応していません。Anthropicは、そうした機器のメーカーと協力してMHSドライバーを組み込もうとしています。

Universal RobotsはMHSの早期アクセスを得ており、自社のロボティクスプラットフォームにMHS対応を追加する予定です。多くの開発者はすでにClaude Codeを使って個々の物理機器を扱っていますが、MHSの次の段階では、開発者が基盤とするより多くのデバイスをカバーするよう標準を拡大したいと考えています。初期採用者には、ロボティクスライブラリLeRobotにMHS対応を追加しているHugging Faceと、Camera MHS Driverを使ったテストの成功を受けて複数の製品でMHS連携を可能にしているRaspberry Piが含まれます。

AIエージェントが物理デバイスを安全に操作するための共有仕様であるModel Hardware Standard(MHS)について、パートナーからの初期結果は心強いものとなっていますが、MHSをオープンソース化する前に、標準にはまだ取り組むべき作業が残っています。Anthropicは、リサーチプレビューを通じて、ローンチパートナーとともに追加の安全性評価を構築し、物理世界でのAI利用に対する保護を強化する予定です。また、悪用リスクに対するセーフガードのポリシーと執行の範囲をさらに強化するため、物理的安全性のロードマップを策定しています。

Anthropicは、MHSをオープンソース化する際に、標準を安全に導入するためのガイダンスの一部として、リサーチプレビューで得られた知見を公開します。また、あらゆる業界の関係者に対し、MHSのリサーチプレビューのウェイトリストへの参加を呼びかけています。