人工知能が身体性知能の分野に向かって進化する中、ロボットは「断片化の解消」をテーマにした変革を迎えています。6月24日、ロボサイエンス マシンサイエンスは汎用の身体性大モデル「Visics」を正式に発表し、そのコア技術構造であるVLOA（ビジュアル・ランゲージ・オブジェクト・アクション）を明らかにしました。この進展により、ロボットは単一のタスクに特化した繰り返し学習にとどまらず、本体間、物体間、タスク間で汎用的な操作能力を持つようになりました。

過去には、身体性知能業界では「動作の複製」モードが一般的でした。つまり、ロボットに特定の関節運動軌跡を暗記させることで運用していたのです。この方法の最大の課題は、汎用性が極めて低く、ハードウェアや物体が変わるだけでモデルの能力が完全に「機能しなくなる」ことです。ロボサイエンス マシンサイエンスの創業者兼CEOである田野氏は、「ロボットが実際に現実世界に入っていくためには、汎化能力の悪さや長距離タスクの実行困難さを解決する必要がある」と指摘しています。

image.png

この問題に対応するために、Visicsモデルは「オブジェクトの3Dポイントクラウドトラジェクトリ」を統一された中間表現基準として導入しています。Visics内部では、双エンジンアーキテクチャが採用されています。身体性ワールドモデルは膨大な動画を用いた事前学習を通じて、物理的な世界における物体の運動法則と因果関係を理解します。一方、汎用操作モデルは予測されたトラジェクトリを具体的なハードウェア制御命令に変換します。このような階層的で分離された設計により、ロボットは人間のように、まず物体の運動論理を理解し、その後で異なる身体を使ってタスクを柔軟に遂行できるようになります。

身体性知能のデータ取得コストが高い、効率が悪いという業界の課題を解決するため、ロボサイエンスは「シミュレーション＋ビデオ」の二つのデータフライホイールを構築しました。自社開発の高精度シミュレーションエイジェント「ロボミラージュ」を基盤とし、自動化されたデータラベリングプロセスを組み合わせることで、単条データの取得コストは従来の手法の1％以下まで低下しました。現在、同社は毎週数十万時間のデータを増やす勢いで、2026年に1T規模の高品質データセットを構築する目標に向かって進んでいます。

image.png

ビジネスでの実装において、ロボサイエンスは「オブジェクトの次元」からアプローチしています。共同創設者の汪涛氏は、「当社は既存の自動化ソリューションと直接競争する工業分野ではなく、大量のSKUと多品種操作が必要な小売、物流、介護のシーンに焦点を当てている」と語っています。現在、同社の技術は小売や物流など多くの分野で試験運用されており、年内には標準化されたロボット本体製品の量産を目指しています。

かつては単一タスクの実行者だったロボットが、今や多様な場面で汎化可能な「知的主体」として進化しているロボサイエンスの取り組みは、身体性知能が研究室から産業の深水部へと進む傾向を示しています。このようなソフトウェアとハードウェアの一体化されたソリューションが成熟すれば、ロボットは複雑で動的な環境を扱う「自信」を持ち、より多くの生産・サービスの最前線で価値を発揮することが可能になるでしょう。