RLWRLDが目指すロボットの未来、NVIDIAと協力し新基準を公開
RLWRLDのリュ・ジュンヒ代表は、ロボットの核心的価値を「器用さ(Dexterity)」と定義し、ハードウェアに依存しない汎用的なAIモデルの開発に注力する方針を示した。同社はNVIDIAと協力し、実際の産業現場の複雑性を反映した新たな評価基準「DexBench」を公開している。
RLWRLDのリュ・ジュンヒ代表は、NVIDIAと協力して開発したロボットの器用さを評価する新ベンチマーク「DexBench」を公開した。同社のロボット基盤モデル「RLDX-1」は、すでに8種のベンチマークにおいてオープンソースモデルを上回る性能を示している。
「ロボットがなぜ走り回る必要があるのでしょうか。私たちには自動車があります。残りの体は、単に手を届けるための道具に過ぎません」
ロボットの動きが華やかになるほど、産業現場の視線は冷ややかになる。最近、中国製のロボットがバク転をしたりマラソンをしたりといったダイナミックな動きを見せて注目を集めているが、人間による労働を代替するという実質的な目的からは遠いという指摘がある。RLWRLDのリュ・ジュンヒ代表は、ロボットの核心的価値を「器用さ(Dexterity)」と定義し、ロボットが人間の労働を100%代替するためには、高度な知能と精巧な手の動きが結合された「ヒューマンレベル」の技術が不可欠であると強調した。
NVIDIAと協力して開発した「DexBench」、産業用ロボット評価の新たな基準
RLWRLDは最近、NVIDIAと協力してロボットの器用さを評価する新しいベンチマーク「DexBench」を公開した。従来のロボットベンチマークが主に研究所や大学の実験室環境で、箱を運ぶといった単純な動作のテストに留まっていたのに対し、DexBenchは実際の産業現場における複雑さを反映することに焦点を当てている。
リュ代表は、既存のベンチマークの限界を明確に指摘した。「家事が上手だからといって、工場や物流センター、ホテルで仕事ができるわけではない」というものだ。既存の研究者や学者が作成したベンチマークは、実際の労働の文脈を十分に捉えきれていなかったという分析だ。これを受け、RLWRLDは実際の作業現場で起こる労働を分析し、共通要素を抽出する「タクソノミー(Taxonomy)」を構築した。これを基に、コンビニ、物流センター、工場などの具体的なシナリオをシミュレーション環境に実装した。
特にDexBenchは、NVIDIAの物理シミュレーションエンジンである「Newton」とシミュレーター「Isaac Sim」の技術を活用し、物体の重さ、滑りやすさ、透明度といった物理的特性まで精巧に反映しているのが特徴だ。物体の物理特性を完璧に再現しなければ、ベンチマークとしての価値はないという判断による結果である。このようなDexBenchは、世界中のロボット企業が自社モデルの性能を客観的に証明するための標準的なツールとして活用される見通しだ。RLWRLDはすでに8種のベンチマークにおいて、自社のロボット基盤モデルである「RLDX-1」がオープンソースモデルを上回る性能を示したと明らかにした。
ハードウェアを選ばない「汎用AI」、ロボット市場のB2B戦略
RLWRLDの戦略は、ハードウェアを直接製造するのではなく、どのようなロボットにも搭載可能な「ロボティクス基盤モデル」を作ることに集中している。これは、テスラの「Optimus」やFigure AIのように、ロボットの本体とAIの両方を直接開発する方式とは異なる点だ。RLWRLDは、ハードウェアを選ばない「ハードウェア・アグノスティック(Hardware Agnostic)」なモデルを目指している。
リュ代表がソフトウェアに集中する理由は、ロボット市場の特殊性にある。ロボット市場は個人消費者ではなく、企業を対象とする100%のB2B市場だ。企業の作業環境はそれぞれ異なり、精巧なロボットを必要とする場所もあれば、重い荷物を持ち上げる力強いロボットを必要とする場所もある。一つのロボット本体ですべての環境を満たすことはできないため、多様なハードウェアをサポートできる汎用AIモデルの方が市場で大きな競争力を持つという計算だ。同氏は「ロボット市場は基本的に100% B2Bである」とし、企業ごとに異なる要求を満たすために、多様なハードウェアをサポートできる基盤モデルが不可欠であると説明した。
同氏は、LLM(大規模言語モデル)が多様な言語を学習して翻訳なしでも文脈を理解するように、ロボットAIも十分なデータが蓄積されれば、異なるハードウェア間での動作を転移できると説明した。特定のロボットで学習された動作が、異なる形態のロボットでも実現できる「エンボディメント(Embodiment)」の閾値を超えることが、基盤モデルの核心である。これは、人間の知識が英語のデータベースにあっても、韓国語の質問に答えられるのと同じ原理であるという。
ミリ秒(ms)単位の戦い、リアルタイム制御が成否を分ける
ロボットAIがLLMと決定的に異なる点は「リアルタイム性」だ。ChatGPTのような言語モデルは、回答に数秒、長くは数分かかってもユーザーは受け入れられるが、ロボットは物体を掴む一瞬の間に発生する物理的な変化に即座に対応しなければならない。リュ代表は「ロボットが物体を掴む際に滑らないよう姿勢を補正する時間は、数十から数百ミリ秒(ms)以内に行われなければならない」とし、「この時間内にフィードバックループが作動しなければ、ロボットはバランスを崩して転倒する可能性がある」と警告した。
これは、上位知能が経路を計画する「プランニング(Planning)」領域と、指先の感覚を通じて即座に反応する「ローカル制御」領域が精巧に結合されなければならないことを意味する。リュ代表はKAISTのコン・ギョンチョル教授の見解を引用し、脳が判断する認知領域と指先で行われる感覚領域を分けて考える「システム1、システム2」の概念に共感を示した。物体の滑りやすさや重さに対応するためには、ラージモデルの確率的なアプローチだけでなく、リアルタイムのフィードバックループを通じたハイブリッド構造が不可欠だという。
結局、RLWRLDは巨大な基盤モデルの知能と、リアルタイム制御を可能にするソフトウェアスタックを結合したハイブリッド構造を通じて、産業現場に即座に投入可能なレベルのロボット知能を完成させるという目標を掲げている。最近では、AstraやArgonのようなエージェンティックAI(Agentic AI)を活用してロボティクスの問題を解決しようとする試みも続いている。リュ代表は、ヒューマノイドがあらゆるロボットの祖先になると展望し、2028年頃には産業現場への本格的なロボット投入が行われると見込んでいる。
0コメント
現在コメントの投稿は無効になっています。