🤖 AI

ロボットの練習場を本物に近づけるPhysicl、1000万ドルを調達

約2分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
シミュレーション(しみゅれーしょん)

コンピューターの中で、現実に似た場面を作ること。

合成データ(ごうせいデータ)

コンピューターで作った、AIの学習用の情報。

ワールドモデル(ワールドモデル)

現実の空間や物の動きを表すAIモデル。

何が起きたか

Physicl(ロボット向けの3D練習環境を作る会社)が、Inovia Capital主導のシード資金として1000万ドルを調達した。創業者兼CEOはAlex de Vigan氏だ。以前は、通販サイトの商品を3Dで見せる会社nfiniteを立ち上げていた。Physiclは、その時に作った仕組みを、ロボットの学習に使おうとしている。

背景:ロボットの学習には本物らしさが要る

ロボット向けAIは、動画を見るだけでは、物の形や置かれ方を十分に学びにくい。遠隔操作で人が集める練習データは、お金も時間もかかる。そこで、コンピューターの中に街や部屋を作り、そこでロボットを練習させる方法が注目されている。ただし、画面の中の物が本物の物理法則と違えば、練習の成果は現実で使いにくい。デジタルの練習と現実の動きの差を小さくすることが、重要な課題になる。

Physiclは何を作るのか

Physiclは、現実の情報から、形、材料、物の動きまで含む高精度な3D表現を作る仕組みを使う。新製品のStudioには、1万の3D環境と10万の物体データがある。利用者は、物が散らかった台所や、コップに影がかかる場面など、ロボットが苦手そうな条件を組み合わせ、合成データを作れる。珍しい場面を意図的に増やせる点が狙いだ。

なぜ重要か

ロボットが工場や家で働くには、きれいに置かれた物だけでなく、重なった物や暗い場所にも対応しなければならない。現実で毎回その場面を用意するより、デジタルの中で条件を変える方が、学習用の例を作りやすい可能性がある。Physiclは、単にデータを提供する会社ではなく、AIの学習状態を見ながら、足りない例を作る道具を目指している。

確認できたこと

初期顧客として、ワールドモデルを作るSpAItialとの協業が報じられている。SpAItialは2D画像から3Dシミュレーションを作る製品を開発し、高精度な合成データを使って製品の再現度を高めようとした。Physiclの資金調達、Studioの内容、過去のEC向け3D技術の転用は確認できる。

まだ分からないこと

報道だけでは、ロボットがStudioを使う前後でどれだけ上達したかは分からない。実際の顧客数や売上、他社との性能比較も示されていない。この分野には、データを集める会社やAI向けの道具を作る会社が多く、Physiclの優位性もまだ決まっていない。

次に見る点

注目点は、Studioの合成データが現実のロボットに移るかだ。物の形だけでなく、光、影、散らかり方が違う場所でも役立つ必要がある。さらに、学習中のAIが苦手な場面を見つけ、その例をすぐ作れるかも重要になる。実際の利用例が増えれば、Physiclの強みが本物に近い表現なのか、難しい場面を作る速さなのかが見えてくる。

🤖 AI

Physicl(ロボットの練習世界を作る会社)が1000万ドルを集める

📰 しっかり版: ロボットの練習場を本物に近づけるPhysicl、1000万ドルを調達

ロボットが学ぶための、現実に近い3D世界を作る会社です。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
シミュレーション(しみゅれーしょん)

コンピューターの中に作った、練習用の世界。

3D環境(スリーディーかんきょう)

物の形や場所を立体的に表したデジタル空間。

Studio(スタジオ)

Physiclが提供する、練習場面を作る道具。

💡 ようするに

  • Physiclが1000万ドルを集めました。
  • ロボット用の3D練習世界を作ります。
  • 苦手な場面の練習データも作れます。

ロボットは、物をつかむ仕事をします。 でも、毎回うまくできるとは限りません。 物が重なったり、影で見えにくかったりするからです。

本物の場所で何度も練習するには、お金と時間がかかります。 そこで、コンピューターの中に練習用の世界を作ります。 これをシミュレーションと呼びます。 ただし、画面の世界が本物と違うと問題です。 そこで練習しても、本物の場所で失敗するかもしれません。

Physiclは、通販の商品を3Dで見せていた会社の技術を使います。 形だけでなく、材料や動きも本物に近づけます。 新しい道具のStudioには、1万の3D環境があります。 10万の物体データもあります。 利用者は、物が散らかった台や、暗くて影のある場面を作れます。 ロボットが苦手な条件を、わざと増やせるのです。

お金を出したのはInovia Capital(新しい会社に投資する会社)です。 Physiclは、SpAItialという会社とも協力しました。 SpAItialは、写真から3Dの練習世界を作ります。 Physiclのデータで、世界をもっと本物に近づけようとしました。

まだ、ロボットが現実の仕事でどれだけ上手になったかは不明です。 これから、Studioのデータが本物のロボットに役立つかが大切です。 他の会社より早く、難しい練習を作れるかも注目点です。

🤖 AI

ロボットのれんしゅうばをつくるPhysicl

📰 しっかり版: ロボットの練習場を本物に近づけるPhysicl、1000万ドルを調達

Physiclは、ロボットがれんしゅうする場所をつくる会社です。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ロボットのれんしゅうば

Physicl(ロボットのれんしゅうばをつくる会社)が、おかねをあつめました。 あつめたおかねは、1000万ドルです。 Inovia Capital(あたらしい会社をおうえんするところ)が力をかしました。

ロボットは、ものをつかむことがあります。 でも、ものが重なると、見つけにくくなります。 かげがあると、もっと見つけにくくなります。

本物のへやで、何度もれんしゅうするのはたいへんです。 だから、コンピューターの中にへやをつくります。 そのへやで、ロボットをれんしゅうさせます。

Physiclは、へややものを本物に近く見せます。 コップを台の上に置けます。 コップにかげをつけることもできます。 場所を変えて、何度も試せます。

これは、ロボットのれんしゅうカードを増やすようなものです。 ただし、本物のロボットが上手になったかは、まだわかりません。 これから、本物の場所で役立つかを見ます。

出典・参考