ロボット工学におけるGPTの時代が到来

数年前まで、ロボット工学のスタートアップ企業を設立したい場合、機械の腕を動かすだけのために何年もかかる作業を計算に入れ、カスタムハードウェアに莫大な金額を費やし、NASA出身のような専門家チームを抱える必要がありました。今ではそうではありません。今日では、本物の洗濯室で洗濯物をたたむロボットを手に入れることができます。このロボットは、他のロボットからも収集されたデータから学習し、それを制御するインテリジェンスモデルは、ロボットのバックパックに隠されたスーパーコンピューターではなく、クラウド上で稼働しています。要するに、私たちはロボット工学の「GPT」時代にいるのです。言語モデルが AI を一般向けに普及させたように、今やロボット工学は、エリートの専門分野から、誰でも利用可能で、拡張性があり、驚くほど迅速に市場投入できるものへと変化しつつあります。もはや機械工学の天才である必要はありません。今必要なのは、創造性、データ収集能力、そして低コストのハードウェアも統合したいという意欲です。なぜなら、知能を提供するのはモデルであり、金属ではないからです。この革命の背後には、テレビドラマのようなチームがいます。Physical Intelligenceの共同創業者であるQuan Vangと、Brian、Chelsea、Sergey、Locky、Adnanの5人です。彼らは、高度なロボット工学プロジェクトに取り組んでいたGoogle Xを離れ、ほぼ狂気的ともいえる使命を掲げたスタートアップ企業を設立しました。その使命とは、物理的に可能なあらゆる作業のために、あらゆる環境であらゆるロボットを制御できるモデルを構築することです。Quan氏は、長年にわたり、洗濯物のたたみがロボット工学の「チューリングテスト」であったと語ります。どのような古典的なアルゴリズムも、布地の多様性や変形性、現実世界の不確実性に対処することができなかったのです。その後、元Apple社員が立ち上げたスタートアップ企業Weaveとの2週間の協力により、実際の顧客の洗濯物を折りたたむロボットの稼働に成功しました。別の事例として、物流分野のスタートアップ企業であるUltraは、現在、実際の倉庫でAmazonの注文商品を梱包するロボットを使用しており、数時間にわたってほぼ完全な自律性を持って作業を行っています。以前は各ロボットが象牙の塔であり、自分自身のためだけに最適化されていたのに対し、今やモデルは数十の異なるプラットフォームからのデータを使って訓練されています。具体的なデータとしては、異種ロボット群からデータを集約するプラットフォームであるOpenXが、同じタスクにおいて「ジェネラリスト」モデルが「スペシャリスト」モデルを50%上回ることを示しました。これらのアルゴリズムを実行するには、最高水準のハードウェアが必要だという話を聞いたことがあるかもしれませんが、それは忘れてください。Physical Intelligenceのデモの大半は、クラウド上の脳で実行され、現場のロボットはスマートウェブカメラに過ぎません。真のイノベーションはここにあります。問題はもはや「どのようにしてひとつひとつの動作をプログラムするか」ではなく、「どのようにして適切なデータを収集し、さまざまな環境で動作することをすでに習得したモデルを統合するか」です。誰もあなたに話してくれないもう一つの転機があります。同じロボットでも、時間の経過とともに小さなハードウェアやソフトウェアの変更が行われ、収集されたデータが古くなってしまうのです。したがって、さまざまなロボットでモデルを訓練する方が良いのです。そうすれば、モデルは多様性に対処することを学び、より堅牢になります。そして、この多様性はすでに「ゼロショット」タスク、つまりそのタスクのために収集された特定のデータを必要とせずにタスクを実行できる能力につながっています。昨年は何百時間ものトレーニングが必要でしたが、今ではロボットは一般化することができます。しかし、ほとんどの人が考慮していない側面が1つあります。ロボット工学のスタートアップ企業にとっての真の障壁はもはや技術ではなく、実際のワークフローへの統合です。Quan氏は、ロボットが本当に違いを生むのはどこかを理解する必要があると繰り返します。多くの場合、退屈で単調な作業で、いくつかのミスは許容され、人間の監督のもとで始めて、次第に自動化していくことができる場所です。初期コストは低下しています。ハードウェアが安価になり、オープンソースモデル（Physical Intelligenceは、社内で使用しているモデルと同じ重みを持つPI0とPI05をリリースしました）が登場し、実際の環境でテストして改善することが可能になりました。私たちは、垂直型スタートアップの真の「カンブリア爆発」の始まりに立たされています。1980年代にパーソナルコンピューターがテック企業を急増させたように、今や物流から清掃、飲食から介護まで、あらゆる業界が、ゼロからすべてを作り直す必要のない、小規模で機敏なチームによって構築された独自のロボティクススタートアップを持つことができるのです。しかし、注意が必要です。課題は技術面だけでなく、製品面やビジネス面にもあります。顧客の真のニーズを理解し、既存のワークフローに適応し、迅速な「損益分岐点」達成、つまり拡大する前に少数のロボットで経済的持続可能性を達成することを目指す必要があります。では、逆張り的な見方は？誰もが革命は家庭用ロボットから始まると期待していますが、真のブームは、注文品の梱包やマイクロロジスティクスの管理など、許容誤差があり、需要が非常に大きい目に見えない産業用の作業から始まる可能性があります。準備しておきましょう。明日の重要な問いは「どのロボットを購入できるか」ではなく、「すべてから学習するインテリジェントモデルを統合することで、どのワークフローを改善できるか」です。覚えておくべき言葉：ロボット工学はもはや高度なハードウェアの問題ではなく、データ、モデル、創造的な統合の問題です。このストーリーを読んだ後、ロボットスタートアップに対する考え方が変わったと感じた方は、Lara Notesで「I'm In」を押してお知らせください。これは「いいね！」ではなく、新しい視点を取り入れ、それに共感する人々の行動です。そして、明日、洗濯物のたたみがロボット工学の真の「チューリングテスト」であった理由や、Ultraがどのように物流に革命をもたらしているかを誰かに話すときは、Lara NotesのShared Offlineを使って、その場にいた人々にタグ付けすれば、その会話は本当に意味のあるものになります。このNotaはY Combinatorからのもので、1時間半以上の視聴時間を節約できました。