シミュレーションスタートアップ、物理AIの「カーソル」となることを目指す

フィジカルAIのビジョンは、エンジニアがデジタルエージェントと同じくらい容易に、物理的なエージェントをプログラミングできるようにすることです。

まだその段階には至っていません。ロボット工学は、物理世界からのデータが著しく不足しているという制約に依然として直面しています。企業は機械を訓練するためにテスト用の模擬倉庫を建設しなければならず、一方で、工場の生産ラインやギグワーカーを監視し、ロボット操作のための深層学習モデルを訓練するためのデータを収集する産業全体が台頭しています。

シミュレーションは別の道筋を提供します。実世界の環境を詳細に再現した仮想環境は、ロボット技術者が必要とするスケーラブルなデータとテストの場を提供できる可能性があります。

ロボット開発者向けのシミュレーションツールを開発するスタートアップ「Antioch」は、業界が抱える「シミュレーションと現実のギャップ」を埋めることを目指している。これは、仮想環境を極めてリアルに作り上げ、その中で訓練されたロボットが実世界で確実に動作できるようにするという課題である。

「自律システムの視点から見て、シミュレーションと現実の区別がつかないようにするには、どうすればそのギャップを最小限に抑えられるでしょうか？」と、AntiochのCEO兼共同創業者であるハリー・メルソップ氏は語った。

この目標を推進するため、同社は850万ドルのシード資金調達ラウンドを発表し、企業価値を6,000万ドルと評価した。このラウンドはベンチャーキャピタルのA*とCategory Venturesが主導し、MaC Venture Capital、Abstract、Box Group、Icehouse Venturesが参加した。

メルソップ氏は昨年5月、4人の共同創業者と共にニューヨークに同社を設立した。そのうちアレックス・ラングシャー氏とマイケル・カルヴェイ氏の2人は、以前にも彼と共にセキュリティ・インテリジェンス系スタートアップ「Transpose」を共同創業しており、同社は後にChainalysisに買収された。残りの2人の創業者、コリン・シュレイガー氏とコルトン・スウィングル氏は、それぞれGoogle DeepMindとMeta Reality Labsでの経歴を持つ。

高度なシミュレーションへの需要は、多くの主要な自律走行企業の業務において中心的な役割を果たしている。例えば自動運転分野では、WaymoがGoogle DeepMindの世界モデルを活用して、自社の運転アルゴリズムのテストと評価を行っている。このアプローチにより、理論上は、新たな地域で車両を展開するために必要な膨大なデータ収集を削減できる可能性がある。これは、技術のスケールアップにおける大きなコスト要因である。

ロボットテストのためのこうしたモデルの構築と活用には、自動運転車の開発とは異なるスキルセットが求められる。Antiochは、すべてを自社内で構築する資金力に欠ける新興企業のために、この問題を解決するプラットフォームの構築を目指している。こうした小規模な企業は、物理的なテスト施設を建設したり、センサーを搭載した車両で数百万マイルの走行データを蓄積したりする余裕もない。

「業界の大多数はシミュレーションを全く活用しておらず、進歩を加速させる必要性がますます明らかになってきています」とメルソップ氏は述べた。

アンティオクの幹部らは、自社の製品を、人気のあるAI搭載ソフトウェア開発ツール「Cursor」に例えている。同社のプラットフォームにより、ロボット開発者は、実世界のデータフィードを再現するシミュレートされたセンサーに接続された、ハードウェアの複数のデジタルインスタンスを起動できる。これらの環境により、開発者はエッジケースのテスト、強化学習の実施、新しいトレーニングデータの生成が可能になる。

ただし、これはシミュレーションが高い忠実度を達成していることが前提となる。中核となる課題は、仮想物理が現実と一致するようにし、実際の機械を制御するモデルが完璧に動作するようにすることだ。AntiochはNvidiaやWorld Labsなどのモデルを基盤とし、使いやすさを追求したドメイン特化型ライブラリを構築している。複数の顧客と協力することで、同社は単一の物理AI企業だけでは達成できない広範なコンテキストを得て、シミュレーションの改良に役立てている。

「ソフトウェアエンジニアリングやLLM（大規模言語モデル）で目にしたことが、今や物理AIの分野でも始まろうとしています」と、Category VenturesのパートナーであるÇağla Kaymaz氏はTechCrunchに語った。「私たちは開発者向けツールに重点を置いており、その分野を非常に重視していますが、課題は異なります。ソフトウェアの場合、不十分なコーディングツールがもたらすリスクは、主にデジタル領域に限定されます。しかし物理世界では、そのリスクははるかに大きいのです」

アンティオックが現在注力しているのは、主にセンサーおよび知覚システムであり、これらは自動運転車、農業・建設機械、および空撮ドローンにとって不可欠な要素だ。人間の作業を再現する汎用ロボットというより広範な目標は、依然として遠い先の話である。スタートアップをターゲットとしているものの、アンティオックの初期の顧客の一部には、ロボット工学にすでに多額の投資を行っている大手多国籍企業も含まれている。

エイドリアン・マクニール氏はこの分野で深い専門知識を持つ。自動運転スタートアップ「クルーズ（Cruise）」の幹部として同社のデータインフラを構築した後、2021年に物理AIスタートアップ向けに同様のデータパイプラインツールを提供する「フォックスグローブ（Foxglove）」を設立した。マクニール氏はアンティオクのエンジェル投資家でもある。

「シミュレーションは、安全性の検証や高精度なタスクの処理において不可欠です」と、彼はサンフランシスコで開催されたRide.AIカンファレンスで語った。「実走行で十分な走行距離を積むことは、単純に現実的ではありません。」

マクニール氏は、SaaS革命を牽引したGitHub、Stripe、Twilioといったプラットフォームと同様に、物理AIのための基盤となるツールが登場することを期待している。「ツールチェーン全体が、より多く既製品として利用可能になる必要があります」と彼は付け加えた。

「2～3年以内に、実世界の自律システムを構築する誰もが、主にソフトウェア上で開発を行うようになると私たちは確信しています」とメルソップ氏は語った。「自律エージェントが物理システム上で反復処理を行い、真の意味でフィードバックループを閉じることができるようになるのは、これが初めてです」

実験はすでに進行中だ。MITコンピュータ科学・人工知能研究所の研究者であるデビッド・メイヨー氏は、Antiochのプラットフォームを利用してLLMを評価している。あるテストでは、AIモデルがロボットを設計し、それがAntiochのシミュレーターで評価される。モデルは、ライバルロボットをプラットフォームから突き落とすといったシミュレーション上のコンテストで競い合うことさえできる。LLMに現実的なサンドボックスを提供することは、その能力をベンチマークするための新たなパラダイムを確立する可能性がある。

AIエンジニアが活躍する世界が到来する前に、デジタルモデルと現実の間のギャップを埋めるための多大な作業が残されている。これが成功すれば、開発者は強力なデータ・フライホイールを生み出すことができるだろう。マクニール氏は、このフライホイールこそがWaymoのようなリーダー企業の成功の鍵であると信じている。Waymoでは、エンジニアたちが、新しいモデルの反復ごとに前回のモデルを上回る性能を発揮すると確信を深めている。

その成功を再現しようとする他の企業にとって、選択肢は、こうしたツールを自社で開発するか、あるいは購入するかということになるだろう。