ロボット

ロボット基盤モデルをめぐる競争に、新たなプレイヤーが登場した。北京大学、清華大学、Galaxy General、および智源研究院による共同チームが「LDA-1B」を発表し、パラメータ数を直接10億規模にまで拡大させた。 この数字の背景には、より大胆な発想がある。それは、熟練者のデモンストレーションデータだけに注目するのをやめるというものである。かつてはゴミ箱に捨てられていたような「ゴミデータ」こそが、実はロボットにとって真に必要な栄養分なのかもしれない。 ロボットの従来の学習プロセスは単純明快だ――熟練したオペレーターを見つけ、その動作を記録し、ロボットに模倣によって学習させる。この「行動クローン」アプローチは、OpenAIやGoogle DeepMindによって広く採用されてきた。しかし、問題点は[…]

これは冗談ではなく、実際に起きた出来事です。 映像技術で知られるある企業が、ロボット向けの汎用「脳」を開発した。従来の特化型ロボット脳とは異なり、MotuBrainは世界を予測・シミュレートする能力を持つだけでなく、動作指令を出力することもできる。まさに「知と行の一体化」という理念を実現している。このモデルの名称はMotuBrainだ。 4月中旬、このモデルはひっそりと2つの国際的なベンチマークで首位に立ったが、その出所については誰も知らなかった。身体を持つAI（エンボディッドAI）分野の関係者は3週間にわたり推測を巡らせていた。そして今、Shengshu Technologyがその開発元であることを明らかにした。そう、Viduを手掛けたあの会社だ。MotuBrainが2つのベンチマークで同時に首位を獲得　1つのベンチマーク

最近、業界全体で相次ぐ動きから、明確な傾向が浮かび上がってきました。それは、エンボディッド・インテリジェンスが純粋な「視覚シミュレーション」から脱却し、正式に「空間理解」という新たな段階へと踏み出しているということです。 つい先日、世界的なエンボディッド・ワールド・モデルのベンチマークであるWorldArenaが最新のランキングを発表した。Fifth Age社が開発した最新のエンボディッド・ワールド・モデル「FlowWAM」は、物理的および空間的理解における卓越した性能により、WorldArenaのリーダーボードで堂々の1位を獲得した。同モデルは、動的な相互作用の処理において、驚くべき精度とリアリズムを発揮している。 出典：https://huggingface.co/spaces/WorldArena/WorldArena この圧倒的な強さは、この分野における中国発のエンボディッド・ワールド・モデルの急速な台頭を改めて裏付けるものであり、業界が

社名を明かさないにもかかわらず、2つのグローバルベンチマークで首位を獲得ここ数日、ワールドモデル分野は異例の活気を呈している。 Fei-Fei Li氏が率いる空間知能分野のユニコーン企業World Labsが「Spark 2.0」を大々的に発表すると、アリババもすぐに世界モデル「Happy Oyster」を続々と公開した。 ほぼ同時期に、Physical Intelligenceも新モデル「π 0.7」をリリースし、未見のタスクに対する初期の構成的汎化能力と、ロボットプラットフォーム間の転移特性を強調した。 この一連の動き自体が、業界における競争の焦点が、「孤立した行動ができるか」から、「世界の予測」と「駆動」の統合にどれだけ近づいているかへとシフトしたことを示唆している。

中国のチームが「LingBot-Map」をオープンソース化し、ごく普通のカメラだけで1万フレームのストリーミング3D再構築を実現したことで、インターネット上で120万人の視聴者を集めた。わずか数十元という価格のカメラが、数万元もするLiDARシステムを凌駕したのだ。 予想外にも、この中国チームによるオープンソース化された「LingBot-Map」は、世界のロボット工学コミュニティに大きな衝撃を与えた。これはストリーミング3D再構築の基盤モデルである。LiDARも深度センサーも使わず、RGBカメラ1台だけで、20 FPSで完全な3Dマップをリアルタイムに構築する。 最も注目すべき点は、1万フレーム連続して動作させた後も、精度がほとんど低下しないことです。Agility RoboticsのAI研究者は、「私はこの日を待ち望んでいた」と語りました。