エンボディッドAIの「GPTモーメント」の時代は近づいているのか？Axis Robotics、テスト終了を発表、Base Chainでのローンチを予定

記事の出典：軸

Axis Roboticsは、「シミュレーション・ファースト」戦略により、エンボディド・インテリジェンスにおけるデータの多様性とスケーラブルな生産アプローチを再構築しています。

2025年までに、ロボット産業における複数の技術的アプローチが急速に収束しつつある。具現化されたハードウェアのサプライチェーンの商用化に向けた高度化により、かつては高価だったプロトタイプが、初めて大規模な展開が可能になった。 ビジョン・言語・アクション（VLA）モデルは、意味論、推論、計画を理解する「脳」をロボットに提供している。また、映像データと合成シミュレーションから構成される多層データ・ピラミッドも、具現化された知能の継続的な進化に絶え間ない原動力を与えている。

しかし、この業界は依然として「データ」という根本的な課題に直面している。大規模言語モデルや自動運転と比較すると、エンボディド・インテリジェンスは、事前学習の段階において依然として大きなデータ不足に直面している。このギャップを埋めるべく、業界は複数の道筋に沿って前進している：UMIの大規模な運用データ、一人称視点（エゴセントリック）の動画による自然な相互作用データ、そして急速に発展している合成シミュレーションデータシステム。こうしたデータソースの進化を背景に、学界と産業界の間で、新たな技術的コンセンサスが徐々に形成されつつある：高品質で大規模なシミュレーションデータを用いた事前学習を行い、その後、少量の実際のデータで微調整を行うという手法は、現在、最も現実的なアプローチの一つである。

しかし、このコンセンサスは同時に、より高い要件も課すことになる。すなわち、シミュレーションデータは、高品質、低コスト、そして拡張性を同時に備えていなければならない。そうでなければ、実世界データのコストの高さとシミュレーション品質の低さという二重のジレンマにより、モデル学習の反復速度は引き続き低下し続けることになるだろう。

では、具現化された知能にとっての「GPTの転換点」は近づいているのだろうか？

Axisの答えは「はい」だ。ただし、ロボットデータのスケーラブルな生産アプローチを徹底的に再構築し、物理世界における導入のパラダイムを再定義する必要がある。

Axis Roboticsは、一般の人々が「エンボディッド・インテリジェンス」のデータ収集に参加できるようにします

従来のロボットによるデータ収集は、少人数の専門家チームや現地からの遠隔操作に依存しており、規模の拡大が困難である上、多様性にも欠けている。このボトルネックを解消するため、Axisは「シミュレーション・ファースト」戦略を採用し、エンドツーエンドのエンボディド・インテリジェンス・データ・インフラストラクチャを構築するとともに、分散型の人間による協働を通じてデータ生成能力を大幅に強化しています。ロボットは人類に奉仕するものであり、人類が広く関与する中で絶えず開発・進化を続けている。

Axisは創業当初から、単にデータを提供するだけでは不十分であることを認識していました。エンボディド・インテリジェンスが抱えるデータの課題に真摯に取り組むためには、中核となるプロセスを網羅した完全なエンドツーエンドの技術パイプラインを構築する必要がある。3つの主要なプロセスは、タスク生成、データ収集、およびデータの評価と処理である：

● タスク生成：無限に拡張可能な動的タスクエンジン。

データの限界が、ロボットの能力の限界を決定する。Axisは、ロボットに必要な基本スキルを構成要素に分解し、キーワードを通じて膨大な量の高品質なシミュレーションタスクを生成できる、次世代の3D動的タスク生成エンジンを開発しました。単一のシナリオから複雑な連鎖タスクに至るまで、ロボットは無限に豊かなタスク空間において絶えず進化し続けることができる。

● データ収集：誰もが利用できる、敷居の低い寄付プラットフォーム

Axisは、かつては専門の研究室でしか動作しなかった複雑なシミュレーション環境を、ブラウザやモバイル端末でも利用できるようにしました。ユーザーはウェブページを開くだけで、ロボットやロボットアームをリアルタイムで自在に操作でき、まるでゲームをプレイするかのように、価値の高いデータ軌跡を生成することができます。ハードウェアの負担も、技術的なハードルもなし――データ生成は今や、真に「いつでも、どこでも、誰もが利用可能」な時代を迎えました。

● データの評価と処理：あらゆるデータポイントを「アクセス可能、学習可能、拡張可能」にする

すべてのデータトラジェクトリーは、Axisが独自に開発した自動評価システムを通過し、完成度から安定性、有効性から滑らかさに至るまで多角的なフィルタリングと処理を経て、最終的にモデルのトレーニングに直接活用できるデータ資産として生成されます。高品質はもはや手作業による選別によるものではなく、拡張可能な生産体制を体系的に構築することで実現される。

こうした包括的な製品ラインナップに加え、Axisは強力なインフラ基盤も構築しています。MetaSimは、エンボディド・インテリジェンス（身体化された知能）のために特別に設計された当社の統合基盤フレームワークであり、シミュレータの分離、データの検証、およびデータの拡張を担い、データパイプライン全体の安定した運用を支える中核エンジンとして機能します。MetaSimを活用することで、軽量なWebシミュレータで生成された人間の動作軌跡を、NVIDIA Isaac Simでシームレスに再現し、高精度な検証を行うことができます。一方、AxisはIsaac Simの強力な物理演算およびグラフィックスエンジンを幅広く活用し、生データに対して高精細なレンダリングと大規模なドメインランダム化を実行している。この重要な強化ステップを通じて、シミュレーションから実世界への転移および堅牢なモデル学習においてデータの価値が大幅に高まり、各データポイントが実世界においてより強力な汎化能力と実用性を発揮できるようになります。

（モデル学習用に加工されたWebベースの収集生データ。実機への導入に成功）

一方で、効果的なインセンティブと分配の仕組みを確立してこそ、この包括的なインフラと製品システムは真に定着し、より幅広い関係者に利益をもたらすことができる。これこそが、暗号資産の独自の価値です。Axisは、暗号資産を中核とした、真に実用的なインセンティブおよび流通ネットワークを構築し、世界中の一般ユーザーが分散型の手法で「具現化された知能」の構築に参加できるようにすることを目指しています。

このネットワークを通じて、データの提供、タスクの実行、インセンティブの還元は、全プロセスの透明性、検証可能性、および追跡可能性を実現します。さらに重要なことは、データタスクや軌跡データの資産化に向けた新たな可能性を切り拓き、あらゆる参加を「具現化された知能」エコシステムの価値の流れの一部へと変容させることです。

Axisは、完全なエンドツーエンドのデータパイプラインを通じて、モデル学習における軌道データの収集が有効であることを実証しました

「星の王子さまのバラ」イベントでは、チームはわずか3日間でコミュニティから1万件以上の高品質な軌跡データを収集しました。すべての軌跡が、リプレイ検証やデータの平滑化といった高度な処理を経た後、ポリシー学習に直接投入され、最終的にFrankaロボットアームに正常に展開され、植物への水やりという自律的なタスクを実現した。

この成果は、Axisのゼロショット・シミュレーションから実世界への転移能力を実証するものであり、以下の点を初めて証明しています：Webベースの大規模なクラウドソーシング型シミュレーション遠隔操作は、確かに、身体を持つ知能モデルの訓練に活用できる高価値なデータを生成することができる。

コミュニティは、「遊びやすさ＋やりがい」を兼ね備えたAxisの製品体験に、大きな熱意を示しています。計15日間にわたる2回のテストラウンドで、延べ2万人以上のユーザーが参加し、累計17万件以上のデータ軌跡が収集されました。これらのデータはすべて、製品のリアルタイムデータパネルで公開されています。

Axis Roboticsの使命は、具現化された知能の真の普及を推進することです

Axisは、将来ロボットが一般の人々の生活に役立つようになるのと同様に、一般の人々にも次世代ロボットの開発に参加する権利があるべきだと考えています。結局のところ、Axisが市場に提供する中核的価値は、主に2つの柱に基づいています：

1.事前学習用の「高品質」ロボットシミュレーションデータセット

Axisは、汎用ロボットベースモデルに向けて、真に有意義なデータを提供しています。「高品質」とは、規模の大きさだけでなく、多種多様なタスクの種類、豊富なシーン構成、そしてマルチモーダルなデータ構造も意味します。Axisの目標は、単に大量のデータを生成することではなく、業界の標準を再定義すること――つまり、どのようなデータが事前学習に直接活用でき、ロボット工学における学術的・産業的な進歩を促進できるかを明らかにすることです。

2.拡張可能なインフラストラクチャ・スタック

データそのものに加え、Axisは参入障壁が低く、柔軟性があり、長期的に拡張可能な技術インフラを構築しており、エコシステムという視点に立ち、オープンなアプローチを再定義しています。私たちのビジョンは、この施設をAxisだけのものにするのではなく、オープンなポートを通じてより多くの参加者を惹きつけ、皆で協力して「エンボディッド・インテリジェンス」のエコシステム全体を構築していくことです。

将来的には、タスク構築、データ収集、データ処理、モデル学習といった中核的なインターフェースを順次公開し、開発者、研究機関、企業、コミュニティが、プラグアンドプレイ方式で自由に組み合わせながら参加できるようにしていきます。技術的な厳密性を損なうことなく、このオープンなエコシステムは、大規模かつ包括的な参加と、モデルレベルでの高品質な成果の両方を支えることで、具現化された知能の構築を、閉鎖的なプロセスから真のオープンなコラボレーションへと変革する。

Axisは、Lianhua Motors、Booster Robotics、Quantum Core Technology、MindPoint AIをはじめとする製造業者、ロボットOEM、モデル企業などと広範なエコシステムパートナーシップを構築し、データ生成、モデルトレーニング、実環境での展開といった多角的な分野における導入を推進しています。

例えば、拡張可能なオントロジー遠隔操作データを緊急に必要としている実体ロボット企業に対し、Axisはそのオントロジーを高精細なデジタルツインに変換し、動的なタスク生成パイプラインを通じて、シミュレーション対応のシーンレイアウトやタスクアセットを構築します。その後、Axisの分散型タスク配分システムを通じて、世界中のユーザーがブラウザ上でこのデジタルツインロボットを直接操作し、多様かつ高品質な軌道データの提供を行うことが可能となり、これにより、標準化されたコスト効率の高い方法でデータ生成とビジネス連携を実現します。

ロボット用ハードウェアのサプライチェーンが成熟し、製造コストが大幅に低下するにつれ、具現化された知能（エンボディッド・インテリジェンス）業界の価値の焦点は、ハードウェアの筐体から、その基盤となるAIモデルやデータインフラへと移行しつつある。将来、1兆ドル規模に達すると見込まれるエンボディッド・インテリジェンス市場において、データおよびAIアルゴリズムの分野は、業界全体のコア価値の約10％を占めると予想されています。この新興のデータ経済システムにおいて、物理エンジンの精度が向上し、ドメインランダム化技術が広く適用されるにつれ、シミュレーションデータは単なる補助ツールから真の生産の中核要素へと移行しつつあり、1,000億ドル規模に達する可能性を秘めた基盤インフラとして成長しつつある。

こうした差し迫った市場の需要に直面し、Axis Roboticsは、軽量なウェブアクセスと分散型タスク配分メカニズムを通じて、従来の「高コストで集中型、かつ重厚な資産」を特徴とするシミュレーション遠隔操作モードを、指数関数的に拡張可能なグローバルデータネットワークへと刷新しました。

Axisは、データ生成の限界コストを大幅に削減し、高同時接続環境における軌跡収集機能を強化することで、業界パートナーに効率的で拡張性の高いデータソリューションを提供するだけでなく、急速に拡大するエンボディッドAIデータ市場において、高い成長可能性、幅広い収益機会、そして再現性を備えたビジネスモデルを確立しています。

今後の見通し：「GPTモーメント」に向けた身体化された知能

「GPTモーメント」と呼ばれる具現化された知能を実現するには、人間の知能を捉え、それを安定的かつ検証可能な機械の実行能力へと変換できる中核エンジンが必要です。Base Chainでの正式なローンチに伴い、Axisは、将来を見据えた分散型インフラストラクチャ――つまり、耐障害性を備え、世界規模のコラボレーションを支えることができるオープンネットワーク――を展開しています。

3月25日、Axisの主力製品が正式にリリースされ、一般公開されました。一般ユーザー、研究者、開発者、そして世界中のAI研究所が、このエコシステムに参加し、史上最大かつ最も多様なロボット学習データセットを共同で構築できるようになります。

身体化された知性は、一部の者によって独占されることはなく、すべての人によって共創されることになるでしょう。

この記事は寄稿記事であり、BlockBeatsの見解を代表するものではありません。