Question 1

なぜヒューマノイドやフィジカルAIのデータ収集は従来のAIよりも難しいのか？

Accepted Answer

従来の言語AIはインターネット上に蓄積された膨大なテキストや画像データを活用して急速に成長した ロボットに必要な「人間の目線の高さの一人称視点映像」や「力触覚データ」はネット上にほとんど存在しない ロボットは機体ごとに関節の構造や手足の長さが異なるため、汎用的な教科書データを作るのに時間がかかる

Question 2

ロボットの脳の仕組みである「VLA」と「ワールドモデル」の違いとは何か？

Accepted Answer

VLAは「体で覚える」アプローチで、見た情報を言語で理解し、自転車に乗るように考えずに即座に行動する仕組みである ワールドモデルは「頭で先読みする」アプローチで、物理法則に基づいて次の瞬間に何が起きるかを予測・想像してから行動する仕組みである 人間は無意識に両方を使い分けており、ロボット研究でも両面からのアプローチが進められている ワールドモデルによりAIが仮想空間で大量の未来予測映像を生成できるようになれば、データ収集の速度が飛躍的に向上する可能性がある

Question 3

ヒューマノイドのデータ収集における主流の3つの手法とは何か？

Accepted Answer

「遠隔操作（テレオペレーション）」は、人間がVRゴーグル等でロボットを操作し、関節の角度やモーターの回転データを取得する手法である 「一人称視点動画」は、人間の目線カメラで作業を撮影して学習させるが、どのくらいの力で掴んでいるかの力触覚情報が取れない課題がある 「仮想空間シミュレーション」は、重力や摩擦などの変数を変えて超高速で大量のデータを生成できるが、現実の質感との間にギャップが生じる課題がある

Question 4

ロボットの学習データにおいて、熟練者より「たまにミスする人」のデータが有効なのはなぜか？

Accepted Answer

熟練者のデータは迷いやブレがないため、不測の事態が発生した際の「リカバリー動作（復旧動作）」が含まれない 少し下手な人のデータにはミスとそこからの修正過程が含まれるため、ロボットの環境適応力が高まる 研究によると、ミスを含むデータで学習させた方が作業成功率が大幅に向上した（約52%から約68%へ） スキマバイトや在宅ワークなどを通じて、一般人の多様な試行錯誤や失敗動作そのものが価値あるデータとして売買される時代が来つつある

Question 5

国内外で進化するヒューマノイドの「データビジネス」や開発の最新構造とはどのようなものか？

Accepted Answer

日本ではAIロボット協会（AIRoA）を中心に、各社のロボットデータを囲い込まずに共有資産化するプラットフォームづくりが進んでいる 22種類の異なる機体データをミックスして学習させることで、単一機体の場合よりも作業成功率が42.8%から75.8%へと大幅に向上することが実証されている ノルウェー1X社の「NEO」のように、ユーザーがお金を払って自宅にロボットを置き、遠隔操作を依頼することで家庭内データを集めるという逆転のビジネスモデルが登場している

Podcast振り返り

#019 ヒューマノイドの「データビジネス」を徹底解説。失敗がお金になる時代？

Podcast振り返り

#019 ヒューマノイドの「データビジネス」を徹底解説。失敗がお金になる時代？