元メタ科学者らが設立したスタートアップ、工場向け視覚 AI モデル「Isaac 0.5」を公開
本文の状態
日本語全文を表示中
詳細モードで約5分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
TechCrunch AI
Meta の元研究者らが設立した Perceptron は、産業現場での物理的 AI を実現する新モデル「Isaac 0.5」を公開し、汎用性と柔軟性を兼ね備えた視覚知能の進化を示した。
AI深層分析を開く2026年8月27日 00:35
AI深層分析
キーポイント
新モデル Isaac 0.5 の発表
Perceptron は、機械が産業環境で「知覚・推論・行動」できる能力を提供する最新モデル「Isaac 0.5」を公開した。
汎用性と柔軟性の追求
同社は既存のモデルが特定のタスクに特化しているかクラウド依存であるという二項対立に対し、環境に応じて柔軟に適応する汎用型ツールを提供すると主張する。
オープンウェイトによる透明性
Isaac 0.5 はパラメータとトレーニング資料を誰でも検証できるオープンウェイトモデルとしてリリースされ、技術の透明性を高めている。
資金調達と創業者背景
Bessemer Venture Partners が主導するラウンドで 2100 万ドルを調達した同社は、Meta の FAIR で研究を行っていた二人の元研究者によって設立された。
多様な動画データによる学習
Perceptronのモデルは、一般動画に加え、GoProやウェアラブルカメラで撮影された「ego video」や、反復する人間の動作を記録した「UMI video」を活用して訓練されている。
重要な引用
"Physical AI today forces a false choice: generalist foundation models that need multiple dedicated cloud GPUs for every instance, or narrow models that handle perception or control, but never both."
"The startup... was co-founded by Armen Aghajanyan and Akshat Shrivastava, who previously worked for Meta's Fundamental AI Research (FAIR)..."
"Nothing like this really exists out there," said Aghajanyan. "We're really excited about it."
編集コメントを表示
編集コメント
Meta の FAIR で培われた技術を基盤とし、物理世界での AI 応用を目指す Perceptron の動きは、産業自動化の次の段階を暗示している。オープンウェイトモデルとしての公開は、業界全体の技術検証と普及を加速させる重要な一歩となるだろう。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
AI は私たちの周囲をすべて変革しつつありますが、これまでその影響は主にデジタル領域に留まっていました。しかし現在、スタートアップ企業たちは AI を現実世界へと広げようとしています。
Meta の元研究科学者 2 名が設立した「Perceptron」(https://www.perceptron.inc/) は、その典型例です。2024 年 11 月に創業された同社は、機械が物理環境とより熟練して相互作用できるよう支援する最先端のビジョンモデルを開発しています。
今週、同社は最新モデル「Isaac 0.5」を発表しました。創業者たちはこのモデルを、「産業現場において『知覚・推論・行動』を行う能力を機械に付与するため」に設計したと説明しています。具体的には、視覚誘導ロボットが倉庫や工場床といった複雑な環境をナビゲートするのを支援し、ロボットが撮影した動画から視覚的インテリジェンスを引き出す機能も備えています。
Isaac 0.5 はオープンウェイトモデルとしても公開されており、誰でもそのパラメータやトレーニング資料を検証できます。
最近、Bessemer Venture Partners が主導するラウンドで 2100 万ドルの資金調達を果たした同社は、Meta の AI 研究部門である Fundamental AI Research (FAIR) で勤務していた Armen Aghajanyan と Akshat Shrivastava によって共同設立されました。この二人は、自社のソフトウェアが産業用自動化展開の未来を担うと確信しています。
「現在の物理 AI は、誤った二者択一を迫っています。つまり、各インスタンスに複数の専用クラウド GPU が必要となる汎用基盤モデルか、知覚または制御のいずれか一方しか扱えず、両立しない狭義のモデルかのどちらかです」と同社は述べています。
アガジャニャン氏とシュリワースタヴァ氏は、自社のツールが既存モデルとは異なる点として、汎用性があることを挙げています。これは特定の反復作業に特化して作られたものではなく、置かれる環境や状況に応じて柔軟に対応できるよう設計されているのです。
インタビューでシュリワースタヴァ氏は、箱を整理するといった単純な物理プロセスに必要な要素について考えるよう求めました。「今まさに配達人のロボットが導入されたと想像してください。そのロボットにはどのような作業が必要でしょうか？」
一見すると比較的簡単なこのタスクにも、実は多くの工程が含まれています。ロボットはまずパッケージのラベルを読み取り、箱の位置を把握するための空間分析を行い、どの箱を選ぶかを決断する必要があります。複数の箱を扱う場合、どの箱を、どのような順序で拾うかを計画する必要があるのです。
Perceptron のソフトウェアは、ロボットがこれらの工程を一つずつ進めるのを支援するために設計されています。明確に言っておくと、業界にはすでに機械の大半の作業を補助できるソフトウェアは存在しますが、それを柔軟に行えるよう設計されたプログラムはほとんどありません。
このアルゴリズム的な錬金術に必要なデータはどこから来るのでしょうか？
Isaac 0.5 のようなモデルは、膨大な量の動画トレーニングデータを学習することで運用スキルを習得します。Perceptron が発表した新モデルは、一般的な動画約 100 万時間を学習データとして使用し、特定の環境や視覚情報、シナリオを識別するアルゴリズムの訓練を行いました。同社はまた、「エゴセントリック・ビデオ（ego video）」にも大きく依存しています。これは GoPro やウェアラブルカメラなどを用いて、物理的な作業を行う人物の視点から撮影された動画です。さらに「UMI ビデオ」も活用しており、これも同様に反復する人間の動作を記録することで AI システムに動き方を教えるために使用されています。
Perceptron は学習データの具体的な出所については明かしていませんが、Shrivastava 氏は同社が「画像、テキスト、動画、そしてロボットの軌跡に至るまで、あらゆるモダリティにわたるペタバイト規模のデータセットを内部で構築した」と述べています。
倉庫内でロボットを熟練して操作できるソフトウェアの有用性は明白であり、Perceptron はこの自動化の波をリードする立場にあると考えています。同スタートアップは現在、さまざまなベンダー向けにソフトウェアの販売準備を整えており、将来的にはその知能レイヤーが幅広い産業分野に統合される可能性があります。
対象となる産業には、製造業、物流・倉庫管理、セキュリティ、モビリティ、そしてメディアやエンターテインメントが含まれます。
「これに匹敵するものは、実際には存在しません」とアガジャニアンは語る。「私たちは非常に興奮しています。」
*当記事内のリンクを通じてご購入いただいた場合、当社は少額のコミッションを受け取る場合があります。これは編集の独立性には影響しません。
ルカスへの連絡先：lucas.ropek@techcrunch.com
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み