物理的 AI ロボット企業、GPT-2 時代からの脱却を迫られる

Physical AI は現在、ベンチャー投資において最もホットなセクターの一つです。大規模言語モデル（LLM）をもたらしたツールをロボットに応用するために、企業は数十億ドルの資金を調達しています。

この熱狂が支えたのが、中国を代表するロボットメーカーである Unitree の大型 IPO です。同社はナスダックに相当する中国の市場上場後、時価総額 660 億ドルと評価されました。しかし今週、その勢いは一転し、株価は急落して時価総額のほぼ半分を失いました。アナリストが指摘する明確な理由は一つです。ロボットの物理的な能力は向上しているものの、実際に価値を生む作業を行うためのノウハウがまだ不足しているのです。

先週の「Actuate」カンファレンスでは、ロボット向け AI ブレインを開発する開発者たちが集まり、その熱気を感じさせることができました。主催者の Foxglove（Physical AI モデルの構築者がデータを管理・可視化するためのツールを提供する企業）によると、このイベントは 2023 年の開始以来規模が 3 倍に拡大し、今回は 1500 人の参加者を集めました。

一方で、リスクも浮き彫りになっていました。Physical AI インフラのプレイヤーである Avala のブースに掲げられた看板には、「ロボット業界のデータ危機を解決する」という約束が記されていました。

AI モデルが直面している最大の課題は、高品質なトレーニングデータの不足です。あらゆるタスクをこなせる汎用ロボットの構築はまだ遠い未来の話であり、特定のタスクに特化したエンドツーエンド学習を用いたとしても、まだ信頼性が高く商用レベルで使える製品には至っていません。

開発者にとっての解決策は、最先端 AI ラボの進歩をよりよく模倣することです。多様なデータセットを見つけたり作成したりし、異なるトレーニング手法を試み、より効果的な強化学習のシナリオを模索する必要があります。

モデルビルダー向けのシミュレーションツールを開発するスタートアップ「Antioch」の創設者である Harry Mellsop 氏は、物理 AI はまだ「GPT-2 の時代」にあると指摘します。これは ChatGPT が登場する前に存在した OpenAI のモデルを指しています。この壁を乗り越えるには、より多くのデータと計算資源が必要です。特に、高忠実度のシミュレーションを作成するために使われる、レイトレーシングに最適化された GPU への投資が不可欠です。

現在、最も先行しているのは自動運転車です。その理由の一つは、人間が運転する車両から関連データを収集できる点にあります。もう一つの理由は、主なタスクが物理環境を操作することではなく、衝突を回避することに集中しているからです。モデル構築のためのツール群の多くも、この分野から生まれています。例えば、Foxglove は、GM のかつての自動運転プロジェクト「Cruise」で働いていた元社員たちによって設立されました。

そして今、自動車メーカーたちは機械学習ツールへの投資が、専用ヒューマノイドロボットメーカーとの競争に勝つ鍵になると確信を深めています。テスラはすでに「Optimus」ロボットの開発でこの戦略を実践しており、現在は自動運転技術に注力するウェイブ（Wayve）とライドシェア大手のウーバーも、それぞれ研究開発の一環としてヒューマノイド型ロボットに特化したラボを立ち上げました。

ウェイブのCEOであるアレックス・ケンドル氏はテッククリンチに対し、「まずは車両から始める必要があります。操作ロボティクスは、自動運転が5年前の状態と似ています」と語りました。「データインフラやシミュレーション、ML オプス基盤などは共通化される可能性が高いですが、シミュレータ用の世界モデルについては、微調整後の仕様が異なるでしょう。全体として共通点は多いものの、各ロボットの物理的構造（エンボディメント）に応じて一部の違いが必要になります」。

ケンドル氏は、特定のハードウェアプラットフォームに固執するのは早計だと主張しています。センサーやその他のコンポーネントの進歩が急速に進んでおり、真に汎用的なモデルは、ハードウェアに依存しない設計であるべきだからです。

一方、今年1億500万ドルのシードラウンドを調達した垂直統合型ヒューマノイドロボット企業「ジェネシス AI」のCEO、テオフィル・ジェルベ氏は異論を唱えました。同氏はテッククリンチに対し、「この波の初期段階では脳（AI）戦略だけでは不十分です。ハードウェアとAI を連携して設計する機会が山ほどあると考えています」と述べています。

ジェルベ氏は、この業界のもう一つのホットトピックにも言及しました。それは、物理的 AI ビジネスにどのように特化して取り組むかという点です。

特定のタスクに焦点を当てるロボット企業は、すでに現場での稼働を開始しています。Gritt は太陽光発電所の建設を手掛け、Agility は産業施設でロボットを展開し、Bedrock は自律型ショベルカーの運用を進めています。一方、汎用型のヒューマノイドはまだ実験室から出ていません。

「80% の成功率で動作する汎用ロボットに顧客は関心を持たない」とジェルベ氏はこのジレンマを指摘しました。「多くの企業が汎用化を目指していますが、垂直分野への焦点がないため価値が提供されていません。しかし、GPT-2 上に狭い垂直分野向けに構築する場合、GPT-4 を基盤とした企業に圧倒されることになるでしょう。」

特定の垂直分野への投資の誘惑は強いものです。なぜなら、そこには収益だけでなく、実世界での展開データも得られるからです。タスク特化型のデータだけでは汎用モデルを前進させるほどの多様性がないかもしれませんが、価値あるロボットを作るためには重要な要素です。

Bedrock の CTO、ケビン・ピーターソン氏は、同社が「野外におけるマニピュレーション」の課題を理解するために掘削作業から始めたことを明かしました。しかし将来的には、一連の建設機械にわたるインテリジェンス層の開発を計画しています。

膨大なデータを管理するのは、特に視覚データと LiDAR データの密度が高いことから大きな課題です。Foxglove は今週、Nvidia の Cosmos オープンウェイト・ワールドモデルを基盤とした新製品を発表しました。このツールを使えば、エンジニアは高度な自然言語クエリでデータを検索し、評価やシミュレーションを構築できます。目的は、より迅速なトリアージとデバッグを実現し、モデル開発者が素早くイテレーションできるようにすることです。

では、サム・アルトマン氏が数年内に訪れると語る「物理 AI 版の ChatGPT モード」とは何でしょうか？ケンドル氏は、現在世界最大のロボット導入事例は依然として消費者向けの掃除ロボットだと指摘します。彼にとって真の転換点とは、すでに熱狂している投資家ではなく、一般消費者を興奮させるような出来事です。

「その一例が、1000 ドル未満のハードウェアで実現する『視線を外した自動運転（eyes-off autonomy）』です」とケンドル氏は語ります。偶然にも、彼の会社はまさにそれを実現するために自動車メーカーにモデルをライセンス提供しています。彼はこのビジネスを数十億ドル規模の機会と捉えており、これによって真に汎用的なエンボディド AI モデルの構築が可能になると考えています。

Gervet 氏にとって、物理 AI が現実のものとなる瞬間とは、「箱から出してすぐに動作する操作」のことです。自然言語でロボットに話しかければ、押す・引く・ラップトップを閉じる・テーブルを片付けるなど、あらゆる基本的な作業を任せることができます。ある程度の信頼性（例えば 80% 以上）で動作すれば、それが箱から出してそのまま使える状態であり、まさに ChatGPT のような体験と言えるでしょう。

一方、Foxglove の CEO である Adrian Macneil 氏はこの問いに対して少し異なる視点を持っています。「ロボットに ChatGPT のような瞬間は訪れない」と彼は TechCrunch に語りました。「ChatGPT が歴史的な転換点となったのは、その普及速度にあります。わずか数週間でアクティブユーザーがゼロから約 100 万人に達したのです。しかし、現実世界での普及はそれよりも遥かに困難です。私がロボット業界で本当に待ち望んでいるのは、Apple II の登場や IBM PC の登場のような瞬間です。家庭用ロボットを購入し、実際に役立つことや楽しいことを始められるようになるのはいつになるのでしょうか？」

*当記事内のリンクを通じて購入された場合、私たちは少額のコミッションを受け取る可能性があります。これは私たちの編集の独立性には影響しません。*