枢途科技は2024年に設立され、当初はエンボディドAI向けのデータ収集事業に携わり、現在はエンボディドAIのデータサービスを手がけるインフラ企業への転換を進めている。実際の現場で人が培った動作やノウハウを、ロボットが学習できるデータやスキルに変換し、実環境でのロボットの訓練や導入につなげることを目指している。

フィジカルAI、次の争奪戦は「実世界データ」　ロボットに“経験”を教えるRopediaが大型調達

慕巍CTOは、エンボディドAIの実用化をめぐる課題は、データ不足だけでなく、集めたデータをいかに効果的に活用するかにあると指摘する。現場に導入されている実機は限られているため、幅広いタスクをカバーし、データギャップを埋めるのに十分なデータを集めるのは難しい。一方、人が実際の現場で行う動作には、作業手順や操作のコツ、周囲とのやり取りなど専門的な知識や経験が含まれており、ロボットの学習に活用できる貴重なデータ源となる。

枢途科技は、単にデータ収集の規模を拡大するのではなく、人の行動データをさらに解析するというアプローチをとった。まず物理情報の分析や行動特性評価、動作のマッピングを通じて、実際の作業の映像から空間内の位置関係、体や手の動き、物の状態、周囲との接触、作業手順、行動の結果といった情報を抽出する。それをロボットが学習できる物理特性に変換し、実機データと組み合わせてトレーニングと検証を進めていく。「人の行動→学習可能な物理的経験→ロボットの行動」という流れだ。

現在、同社はさまざまなデータ形式をカバーする製品ラインアップを整えており、AIモデルやロボット本体、タスクに応じた学習用のデータ製品を提供している。これらの製品はすでに複数のエンボディドAI企業やIT企業、ロボットメーカーなどで検証が進んでおり、中国国内の評価額100億元（約2300億円）を超えるエンボディドAI企業のうち、60％以上と取引がある。

顧客のニーズが変化するのに伴い、エンボディドAI向けデータも当初の関節や空間情報といった基礎的なデータから、操作の意図、物体との関わり、行動の因果関係などより高度な情報へと広がりつつある。慕CTOは、データに含まれる有用な情報をロボットが学習できる形に加工する技術、さらにアルゴリズム企業のニーズに合った的確なデータを提供することが、この分野での競争力を左右すると指摘する。

一部のロボットメーカーやAI開発企業が自前でデータチームを組織していることについて、慕CTOはデータサービス企業の存在意義を脅かすものではないと考えている。枢途科技は独立したパートナーとして、複数の顧客を同時に支援できるため、スケールメリットによるサービスの効率化や改善が見込めるという。また、たいていのメーカーは自社ロボットに特化したデータの最適化を進めるが、エンボディドAI業界では汎用的な理解力や行動能力を実現することが急務となっている。だからこそ、汎用的なデータを提供できる枢途科技のような企業が必要なのだ、と同氏は力を込めた。

前年比5倍、2兆円　中国ヒューマノイド投資の熱と、まだ足りない顧客

＊1元＝約23円で計算しています。

（翻訳・畠中裕子）

The post 人の「経験」をロボットの学習データに　中国Synapath.Ai、相次ぎ資金調達 first appeared on 36Kr Japan | 最大級の中国テック・スタートアップ専門メディア.

若愚科技は2023年に設立され、今年3月にはエンジェルラウンドで5000万元（約11億円）を調達した。少し前には、ロボットの頭脳として機能するマルチモーダルのAIモデル「若愚・九天」を発表。この技術は、複数のロボットが協働して調理を担当する無人厨房でその性能が実証された。

言葉でロボットを操作して、注文から配膳までの全プロセスを完了させられる。「炒め物を作る」という複数のステップからなる作業手順を自律的に計画して実行することができる。若愚・九天は既存のエンボディドAIなどとは異なり、人間の意図を理解できるほか、ロボットとの対話や複雑なタスク実施計画などの機能を備えている。

言葉でロボットに要望を伝える

例えば、「レタス炒めをください」と注文すると、ロボットはその言葉の意図を理解し、「食材保管エリアから材料を持ってくる」「準備エリアで重さを量る」「調理エリアで炒める」「客席に配膳する」など複数のステップに分解して作業計画を立てる。

さらに若愚・九天には、学習済みの内容をベースに新たな内容を類推し、応用する能力が備わっている。ある料理にニンニクを加えるケースのみを学習させている場合でも、利用者が「唐辛子を入れてください」と指示すると、ロボットは唐辛子がニンニクと同じ香味野菜だと理解し、ニンニクを加える手順でニンニクの代わりに唐辛子を入れるという判断を下す。

このAIモデルが画期的と言えるのは、マルチモーダルモデルの働きにより「群知能」を持たせ、複数のロボットが集団の中でそれぞれが協調的な振る舞いをできるようにしたことだろう。ロボットアームやAGV（無人搬送車）を含むいくつものロボットを、AIモデルの若愚・九天が一括してコントロールする。1つの頭脳で複数の体を動かすことができるのだ。

複数のステップからなる作業計画を生成する

若愚科技の鄧煜平・最高製品責任者（CPO）は、複数のロボットが協働して高度なタスクを実行する際、それぞれのタスクでロボット同士が複雑に関わり合うと説明する。例えば、ロボット2台が炒め物を作り、別のロボットが食器を準備するという作業中に、調理の工程が変更されて炒め時間が延びた場合、食器を準備し終わったロボットは何もせず待機するのではなく、自律的に次に必要な食材を取りに行くという判断をする。こうして全体の作業効率を大きく高めることが可能になる。

ロボットが考えて決定する「大脳」の働きだけでなく、ロボットの動きを制御する「小脳」の機能も改良が進められた。「容器を傾けてニンニクを鍋に入れる」「ヘラを使って出来上がった料理を鍋から取り出す」などの複雑なタスクを実行できるよう、拡散モデルによる模倣学習を施し、複雑な動作も正確にこなせるようになった。

拡散モデルで複雑な動作もこなせるように

現在、エンボディドAIの頭脳として発表されているものには、Googleの視覚言語モデル「PaLM-E」、Google傘下のDeepMindによる視覚言語行動モデル「RT-1」「RT-2」「RT-X」などがある。

若愚科技の共同創業者で最高執行責任者（COO）の孫騰博士は、若愚・九天が工業分野の複雑な工程や物流現場、無人店舗などにも活用でき、将来的にはその分野がさらに拡大する見込みだと語った。

＊1元＝約22円で計算しています。

（翻訳・畠中裕子）

The post ロボの「頭脳」開発、言葉の意図も理解　中国・若愚科技 first appeared on 36Kr Japan | 最大級の中国テック・スタートアップ専門メディア.