「100個中30個しか生存できない」…LGエレクトロニクス、ロボット学習のための「LGデータファクトリー」を稼働

ロボットが人間のように動くためには、膨大な量の学習データが不可欠である。しかし、ロボットが現場で直面するデータは精製されていない原石のようなものであり、これを実際の学習に使用できる「正解」にする過程には、莫大な費用と時間がかかる。LGエレクトロニクスは、この問題を解決するために、データを生成し、精製し、学習させた後、検証まで行う一種のロボット訓練所である「LGデータファクトリー」を構築した。

「100個中30個しか使えない」…ロボットデータの高いハードル

LGエレクトロニクスが運営するデータファクトリーは、ロボットのための「塾」のようなものだ。LGエレクトロニクスのパク・ギボム担当は、データファクトリーを「データを生成・精製・学習・検証するロボット訓練所であり、学習プリントを作る場所」と定義した。現在、ここには約100台のロボットが配置されており、年末までに200台規模に拡充される予定だ。パク担当は「下半期に開始したが、200台がすぐに揃うほど速度が速い」とし、「実際の量産規模はこれよりもはるかに多い」と明らかにした。

ロボット学習の最大の難題はデータの質である。パク担当によると、人が直接ロボットを操作してデータを収集する「テレオペレーション（Teleoperation）」方式は、最も良質なデータを得ることができるが、熟練した作業者の労働力が投入されなければならないため、時間と費用が非常に高い。実際にテレオペレーションを通じて100個のデータを収集しても、操作者によって差はあるものの、実際の学習に活用できる有効データは約30%水準に過ぎない。

LGエレクトロニクスはこの限界を克服するために、3つの経路でデータを確保する。第一は直接ロボットを操作して得るデータ、第二は人間の動きをロボットの動きに変換する「リターゲティング（Retargeting）」技術を活用したデータ、第三は仮想環境でデータを増幅させる「合成データ（Synthetic Data）」方式だ。リターゲティングは、人間のヒューマンビデオとロボットのアクチュエータ（Actuator）の値をマッピングする作業である。特に最近では、ビジョンAIと模倣学習を結合してロボットが自ら動きながら正解を作り出す「オートオプス（Auto-ops）」技術を通じて、人の介入を減らし、データ生成速度を高めることに集中している。ただし、パク担当は「オートオプスは速度が速く、人なしでデータを蓄積できるが、データの多様性が不足しているという欠点がある」と付け加えた。

データフライホイールと「オートオプス」…現場の格差を埋める技術力

ロボットが学習した内容を実際の現場に適用する際に発生する「ドメインギャップ（Domain Gap）」を解決することも、データファクトリーの核心的な課題だ。工場の照明が異なったり、棚の高さや数が微細に異なったりするなど、予想外の変数が発生すると、ロボットは誤作動する可能性がある。このためにLGエレクトロニクスは、データを生成し、学習させ、現場に送り出した後、再びデータを収集して再学習する「データフライホイール（Data Flywheel）」構造を運営している。

パク担当はこの過程を大学入試に例えた。「トレーニングとミッドトレーニングの過程が数回の模擬試験なら、現場実証（PoC）は大学入試のようなものだ」とし、「模擬試験を通じて多様な変数を学習し、最終段階で実際の現場に合わせたポストトレーニングを経て完成度を高める」と説明した。学習に必要なデータ量は作業の種類によって差が大きいが、例えばコップを運ぶなどのタスクは、ポストトレーニング基準で約100時間程度のデータでも効果を発揮することもある。

LGエレクトロニクスは、外部からデータを購入する代わりに、自社機体を活用したデータ構築戦略を堅持している。外部データは価格が安価である場合もあるが、LGエレクトロニクスが直接作ったロボット機体の特性（Form Factor）と一致しなければ正確度が下がるという理由からだ。ロボット学習は「どのような業務を行うか」と「その時、自分の体（機体）はどのような状態であるべきか」という2つのセットが核心であり、自社機体で作ったデータの方がはるかに正確度が高いからだ。パク担当は「我々の機体に特化したモデルを作れば、顧客が現場で特定の業務を遂行する際、はるかに少ないデータ量と時間だけで精巧な学習が可能になる」と強調した。

「One LG」シナジーでフィジカルAIの主導権を確保

データファクトリーは、LGグループの能力が集結された空間だ。AI研究員の独占モデル開発およびミッドトレーニング専門家の役割、LGイノテックの高精度カメラ技術（ビデオシグナル処理）、LG CNSの顧客向けカスタマイズシステム構築およびデリバリー能力が一つに集まった。このような「One LG」体制は、ハードウェアとソフトウェアを統合して完成型のロボットを迅速に供給できる基盤となる。

最近、NVIDIAの関係者たちはデータファクトリーを訪問し、「インクレディブル（Incredible）」という表現を使うほど、LGの準備速度に驚きを表した。パク担当は「アメリカの企業がロボットテストのためにAirbnbを借りて空間を確保するのと異なり、LGは大規模なデータを扱えるインフラと、量産段階の問題を解決できる環境を同時に構築した」と説明した。彼はまた、LGをNVIDIAに対してはE2E（End-to-End）でアセンブルして提供できるパートナーとして、MSに対してはロボット運営のためのクラウドインフラを提供できる協力モデルとして捉えている。

結局、フィジカルAI（Physical AI）時代の勝負所は「誰がより良質なデータを効率的に確保するか」にかかっている。LGエレクトロニクスは、データファクトリーを通じて構築した技術力を武器としてに、家事労働を代行する「Zero Labor Home」ビジョンを実現していく計画だ。

出典：元の動画（YouTube）