ロボティクス最大の課題に挑む：Fei-Fei Li率いるWorld LabsとScenixの統合が拓くAIの次なるフロンティア

現代AIの進化は目覚ましく、自然言語処理や画像認識といった分野で目覚ましい成果を上げています。しかし、現実世界で物理的に作用し、学習するロボティクスAIの分野では、まだ多くの困難な課題が横たわっています。そんな中、AI研究の世界的権威であるFei-Fei Li氏が率いるWorld Labsは、空間知能という次なるフロンティアを掲げ、その実現に向けた重要な一歩を踏み出しました。Columbia大学のYunu Jiao助教授（元MIT、スタンフォード大学ポスドク）が共同設立したロボティクス企業ScenixのWorld Labsへの統合です。

この戦略的統合は、ロボティクスが直面する最も根源的な問題である「データ不足」と「実世界での学習・評価の困難さ」に、生成AIとシミュレーションの力を結集して挑むものです。本記事では、World Labsが提唱する空間知能のビジョン、Scenixの革新的な技術、そして両社の統合がロボティクスとAIの未来にどのような影響を与えるのかを深く掘り下げていきます。

World Labsが描く「空間知能」のビジョン：AIの次なるフロンティア

World Labsは設立からわずか2年のスタートアップでありながら、「フロンティアモデルラボ」として、AIの次なるフロンティアである「空間知能（Spatial Intelligence）」の構築に尽力しています。空間知能とは、AIが物理的または仮想的な空間を「生成し、理解し、推論し、そして相互作用する」能力を指します。これは、単に空間を認識するだけでなく、その空間内で何が起こり得るかを予測し、行動計画を立て、実際に働きかけることを意味します。

この壮大なビジョンの実現に向けた重要な手段の一つが、「大規模世界モデル（Large World Models）」の構築です。大規模言語モデル（LLM）がテキストの世界を理解し生成するように、大規模世界モデルは3次元空間と時間、そして物理法則を含む複雑な現実世界をデジタル上で表現し、シミュレーションすることを可能にします。

World Labsの基盤モデル「Marble」は、このビジョンを具体化する最初のステップです。Marbleは、テキストや画像といったプロンプトを受け取り、それを幾何学的に一貫性のある3D世界に変換する能力を持ちます。これは、ガウススプラッティングやメッシュといった3D幾何学表現を用いて実現され、単なる視覚的なレンダリングを超えて、物理的な整合性を持つデジタル環境を生成することができます。例えば、数枚の写真やテキスト記述から、ロボットが実際に移動し、物体を操作できるような詳細な3D空間を瞬時に生成する能力は、これまでの3Dモデリングやシミュレーションの常識を覆すものです。

Scenixの革新：実世界とデジタル世界の架け橋「real-to-sim-to-real」パイプライン

Yunu Jiao氏が共同設立したScenixは、その名の通り「real-to-sim-to-real」パイプラインを開発することで、ロボティクスにおける長年の課題に挑戦してきました。Jiao氏のキャリアは、MITでのPhD研究から始まり、Fei-Fei Li氏のスタンフォード大学でのポスドクを経て、一貫して「ロボットが物理世界をより良く認識し、相互作用するのを助ける」というシンプルな目標を追求してきました。彼は自らを「非常に実用的な人間」と称し、「ロボットが実物理環境で動作すること」を北極星としています。

Scenixが着目したのは、汎用ロボット開発が直面する最大のボトルネック、すなわち「トレーニングと評価におけるデータ不足」です。言語モデルの学習データがインターネット上に豊富に存在するのに対し、ロボットが実世界でタスクを学習したり、そのパフォーマンスを評価したりするためのデータは、収集が非常に困難でコストがかかります。

「real-to-sim-to-real」パイプラインは、この問題を解決するための画期的なアプローチです。

Real-to-Sim: まず、実環境をデジタル世界に高精度にマッピングします。この際、「アライメント」が極めて重要になります。ここでいうアライメントとは、デジタル世界で起こることが実環境でも確実に起こるように、物理法則、幾何学的構造、オブジェクトの動的特性などを高い忠実度で再現することです。Scenixは、環境の見た目（appearance）、幾何学（geometry）、そして行動によって環境がどのように変化するかというダイナミクス（dynamics）を再構築することに注力しています。
Sim: このデジタル世界内で、ロボットはスケーラブルにデータを生成し、学習し、評価することができます。無限のシナリオを迅速にシミュレートし、実世界では不可能な速度や安全性で実験を繰り返すことが可能になります。
To-Real: シミュレーションで学習・評価されたロボットのポリシーやモデルは、再び実環境に転送され、実際のロボットに適用されます。

このプロセスにより、実環境での膨大なデータ収集や危険なテストを最小限に抑えつつ、信頼性と効率性の高いロボットシステムを開発できるようになります。

興味深いことに、Scenixは最初、World Labsの生成モデル「Marble」の顧客として登場しました。World LabsがMarbleの最初のバージョンをリリースした際、Scenixはすぐにその技術の可能性を見出し、顧客として契約。この偶然の出会いが、両社の間に深い技術的シナジーがあることを明らかにし、最終的に統合へとつながったのです。

統合が生み出す相乗効果：なぜ今、ロボティクスなのか？

Fei-Fei Li氏は、「物理空間で行動する能力は、未来のAI世界において最も刺激的で、最も深く重要な能力の一つである」と強調します。World Labsはこれまでもバーチャル空間での「行動」を重視してきましたが、ロボティクスはこの「行動」を物理世界へと拡張する上で不可欠な要素です。したがって、ScenixをWorld Labsに迎えることは、World Labsの長期的なビジョンとミッションにとって必然的な流れでした。

両社の統合は、技術的な強みの相互補完性において非常に理にかなっています。

Scenixの強み: Yunu Jiao氏のロボティクスにおける深い知見と実践力（ハードウェアからフルスタックまで）、Changi Jan氏によるワールドクラスのシミュレーション技術（VFXのバックグラウンドを持つ）、Sunonni氏による優れたエンジニアリングリーダーシップ。Scenixは、World Labsがまだ持っていなかったロボティクス関連のタレントプールと技術スタックを提供します。
World Labsの強み: 生成モデル（特にMarble）、コンピュータビジョン、3D再構築に関する卓越した技術。Scenixが効率的な環境モデリングと再構築を行う上で必要とする、スパースなデータからの高効率な再構築や生成能力をWorld Labsが提供します。

この統合により、World Labsは「ロボティクス向けの基盤モデル」を構築する道筋を明確にしました。Fei-Fei Li氏が指摘するように、今日の最も刺激的な基盤モデルは、マルチモーダルな入力を受け取り、マルチモーダルな出力を生成する「オムニモデル」です。ロボティクス向けの基盤モデルは、間違いなく「行動（actions）」をその入力と出力に含みます。

行動を入力とする場合: これは「フォワードシミュレーター」として機能し、特定の行動が環境にどのような変化をもたらすかを予測します。
行動を出力とする場合: これは「ポリシーモデル」として機能し、特定の目標を達成するためにロボットがどのような行動をとるべきかを決定します。

このようなオムニモデルは、環境のモデリングと行動の決定を同時に行うことで、ロボティクスコミュニティに計り知れない価値を提供し、特定のロボットアプリケーションへのファインチューニングのバックボーンとなり、信頼性と効率性の向上に貢献します。

シミュレーションの力：ロボティクスにおけるデータ問題の解決策

Scenixのアプローチは、既存のビデオモデルをベースとしたロボティクスアプローチと一線を画します。Jiao氏は、ロボットが世界を学習するためには「一貫性のある世界」が必要であると強調します。単なるビデオ予測モデルでは、ロボットがオブジェクトを押した際に、そのオブジェクトが魔法のように消えてしまうような問題が発生し、ロボットの学習にとって十分な信号を提供できません。Marbleが生成するような、空間的・時間的・視点・相互作用において一貫性のある世界モデルこそが、ロボットが学習するために必要なインフラの構成要素となります。

World LabsとScenixは、「データフライホイール」という概念を通じて、シミュレーションと実世界データの収集が相互に補完し合うアプローチを提唱します。シミュレーション駆動型モデルで学習を開始し、実環境での実行を通じて新たなデータを収集し、そのデータをモデルにフィードバックして改善していくサイクルです。このサイクルでは、物理ベースのシミュレーションと機械学習ベースのモデリングが融合し、問題の本質的な構造を捉えつつ、データ量の増加とともに性能を向上させていくことができます。

シミュレーションは、ロボティクスに以下二つのレベルで決定的なメリットをもたらします。

信頼性（Reliability）: ロボットシステムが実環境で信頼性高く動作するためには、ロボットが遭遇し得るあらゆる状態空間とバリエーションを体系的に網羅したデータが必要です。シミュレーションでは、照明、摩擦、幾何学的形状、オブジェクトの種類、物理的パラメータなど、あらゆる要素を体系的にランダム化・制御し、必要なカバレッジを確保できます。これにより、ロバストなロボットを訓練することが可能になります。
効率性（Efficiency）: 現在、多くのロボティクス企業が行っているテレオペレーション（遠隔操作）によるデータ収集は、人間がタスクを行うよりも遅い速度で行われることがほとんどです。しかし、多くのクライアントは人間よりも速い速度でのロボット動作を求めています。シミュレーションでは、ロボットの行動を体系的に高速化して訓練することができ、重力などの物理法則の変化も考慮しながら、ダイナミクスの変化に対応できるロボットを開発できます。これにより、クライアントは大幅な効率向上を実現できます。

Fei-Fei Li氏は、シミュレーションの役割についてさらに哲学的な洞察を加えます。「人間の知能も頭の中で多くのシミュレーションを行う。なぜか？シミュレーションには、実世界データが持ち得ない非常に重要な役割があるからだ。それは『反事実的推論（Counterfactual Reasoning）』である」。つまり、まだ起こっていない、あるいは起こり得ない事象を頭の中でシミュレーションし、そこから学習することで、私たちは未知の状況に対応する能力を培っています。ロボティクスにおいても同様に、現実世界では収集しきれないほどの膨大なデータが必要とされるため、シミュレーションによる反事実的推論が不可欠となります。自動運転車のWaymoが何十億時間ものシミュレーションを利用しているという事例は、このアプローチの有効性を実証しています。

シミュレーションと実世界データ収集は、決して相反するものではありません。World LabsとScenixのアプローチは、物理ベースの整合性と幾何学的な一貫性を基盤としつつ、データと計算能力の力を活用することで、両者のベストを引き出すことを目指しています。

具体的な応用事例とビジネスインパクト

World LabsとScenixが提供するデジタルワールドは、ロボティクスのライフサイクルにおいて特に「トレーニング」と「評価」という二つの重要なフェーズで革新をもたらします。

1. 評価（Evaluation）

ロボティクスにおいて評価はしばしば見過ごされがちですが、モデルの性能を理解し、改善を繰り返す上で不可欠な情報源です。従来のロボティクスにおける評価は、以下のような課題を抱えていました。

遅延: ロボットが実際にタスクを実行するのには物理的な時間がかかります。言語モデルのイテレーション速度とは比較にならないほど遅く、例えば90%の性能のチェックポイントと92%のチェックポイントを区別するのに膨大な時間がかかります。
危険性: 実環境での評価は、ロボットや周囲の環境に損害を与えるリスクが伴います。
高コスト: ロボットを運用し、実環境でテストデータを収集するには、人件費、設備費、材料費など、多大なコストがかかります。

World LabsとScenixのデジタル環境は、これらの課題を解決します。実世界との高いアライメントが証明されているため、「シミュレーションで良いパフォーマンスを示すモデルは、実世界でも同様に良いパフォーマンスを示す可能性が高い」という信頼性の高い評価が可能です。これにより、クライアントは：

スケーラブルで高速な評価: 複数のシミュレーション環境で同時にテストを実行し、従来の何倍もの速度で評価を行うことができます。
安全な評価: 危険なシナリオもデジタル空間で安全にテストできます。
効率的なイテレーション: 迅速な評価サイクルにより、開発者がより多くのモデル改善の試行を重ねることが可能になります。

2. トレーニング（Training）

ロボットがロバストな行動を学習するためには、あらゆるシナリオに対応できる情報豊かなデータが必要です。しかし、実環境でのトレーニングには以下の制約があります。

データの希少性: 実世界でのデータ収集は遅く、テレオペレーションでは人間の速度が限界です。
物理的な制約: 利用できるロボットの数やテレオペレーションデバイスの数には限りがあります。
環境の多様性の不足: 実環境で照明、摩擦、オブジェクトの種類といった物理パラメータの全てのバリエーションを系統的に再現することは事実上不可能です。

デジタルワールドでのトレーニングは、これらの制約を克服します。

完全な制御と系統的なカバレッジ: シミュレーション環境では、あらゆる状態、パラメータ、物理法則を完全に制御できます。これにより、ロボットが遭遇し得る多様なシナリオを体系的にカバーし、ロバストなロボットポリシーを生成するための情報豊かなデータを生成できます。
効率的なデータ生成: リアルタイムよりもはるかに速い速度でデータを生成し、ロボットの学習を加速させます。
信頼性のある学習: 特定の分布内であれば、ロボットが確実に動作するという自信を持って開発を進めることができます。

Scenixの統合以前から、World LabsはMarbleに対するロボティクス分野からの強い需要を認識していました。初期段階のロボティクス企業から、具体的なユースケースを持つ企業まで、多くの問い合わせがあったものの、World Labs単独ではこれらの顧客に対応しきれていませんでした。Scenixの参加により、World Labsはこれらの高まるニーズに、より効果的に応えることができるようになりました。

World Labs + Scenixの「インフラストラクチャ」としての役割

重要なのは、World LabsとScenixが「ロボット自体」を製造するわけではないという点です。彼らが提供するのは、ロボットが学習し、評価を行うための「インフラストラクチャ」であり、その中心となるのは、ソフトウェアとデジタルワールドです。

このプラットフォームは、「モデルに依存しない（model agnostic）」であり、「エンボディメントに依存しない（embodiment agnostic）」という特性を持っています。これは、顧客がどのような種類のロボット（単一アームロボット、モバイルマニピュレーター、グリッパー、固定アームなど）や、どのような種類の学習モデル（ゼロからのトレーニング、既存のビジョン・言語・行動モデルや世界モデルのファインチューニングなど）を使用しているかに関わらず、そのロボットをデジタルワールドに統合し、トレーニング・評価できることを意味します。

顧客は、自分たちの開発するロボットの「脳」や「ハードウェア」を持ち込み、World Labs + Scenixが提供するデジタル環境を学習の場として利用します。これにより、個々のロボットが実環境で高い信頼性と効率性を持ってタスクを実行するための能力を獲得できるようになります。このアプローチは、ロボティクスエコシステム全体を加速させるための基盤技術となります。

現実的なロードマップ：構造化環境から非構造化環境へ

Yunu Jiao氏は、ロボティクスアプリケーションの発展が常に「完全に構造化された環境」から「半構造化された環境」、そして「非構造化された環境」へと移行するトレンドをたどると指摘します。

完全に構造化された環境: 工場や自動車製造ラインのように、環境内の全ての配置や設定を完全に制御できる場所。これらは何十年も前から自動化されています。
半構造化された環境: Amazonの倉庫、レストラン、ホテルなど、環境の一部は制御できるものの、他のオブジェクト（服や商品など）は予測不能な要素を持つ場所。
非構造化された環境: 家庭のように、予測不能なオブジェクトや環境の変化が常にある場所。これは「究極の課題」とされています。

ロボットのロバストネス（堅牢性）は、ロボットが遭遇し得るシナリオを十分にカバーすることから生まれます。そのため、現時点では、半構造化された環境に焦点を当てる方が、非構造化された環境にいきなり挑むよりもはるかに容易で現実的です。World LabsとScenixは、より持続可能で現実的なアプローチをとり、まずは半構造化環境での課題解決に注力し、そこでの成功を基盤として徐々に非構造化環境へと領域を広げていく計画です。

Fei-Fei Li氏は、ヒューマノイド（人間型）ロボットの現状について、人間が非構造化環境で生存するために最適化された身体を持っているため、その身体を模倣することは「最も困難な問題」であり、「必ずしも問題を解決する正しい方法ではない」と述べます。特定のタスクには、より専門化されたロボットボディの方が効率的である可能性があります。World LabsとScenixの課題は、ボディに依存しないインフラを構築し、多様な半構造化環境に対応することです。

長期的な展望と「測定された楽観主義」

人間レベルの効率性を持つロボットの実現は、どのくらい先のことなのでしょうか？ Jiao氏は、これは「非常に長い時間がかかる」という現実的な見方を示します。ロボットはハードウェア、ソフトウェア、脳、そして指先の摩擦係数といった細部に至るまで、全てが連携して機能する「システム」であり、その実現には膨大な反復と考慮が必要です。

しかし、同時にJiao氏は、ロボット学習の分野における技術の進化が予想以上に速いことにも言及しています。World Labsの目標は、現在の技術で達成可能な範囲で最大のインパクトを生み出しつつ、将来的な発展の可能性を切り拓くことです。

Fei-Fei Li氏が提唱する「測定された楽観主義（measured optimism）」という言葉は、このアプローチを的確に表しています。AI業界全体が急速に進化している一方で、言語モデルでさえ人間脳の効率性には遠く及びません（人間の脳は30ワットで動作します）。ロボティクスにおいては、さらに複雑な物理世界との相互作用があるため、人間レベルの効率性にはまだ時間がかかると考えられています。

しかし、World LabsとScenixの統合は、ロボティクス開発の軌跡を大きく変える可能性を秘めています。デジタル環境のモデリングとシミュレーションをより効率的かつスケーラブルに行うことで、これまでは不可能だった多くの可能性が解き放たれます。

言語モデルとロボティクスの間には、信頼性に関する決定的な違いがあります。言語モデルの出力は、たとえ完璧でなくても人間が修正したり、確認したりすることができます。しかし、ロボットのモデルは「箱から出してすぐに信頼性高く実環境で動作する」ことが求められます。この高い信頼性を達成するために、スケーラブルなデジタルワールドでの学習と評価は、実環境での高コストで危険なデータ収集を代替し、ロボットの普及を加速させる上で不可欠な要素となります。

統合の進め方と地理的拡大

World Labsは、Scenixとの統合を「思慮深く（thoughtfully）」進める方針です。コードベースやチームの全面的な統合を急ぐのではなく、Scenixがこれまでに築き上げてきた技術スタック、顧客基盤、製品ラインを尊重しつつ、段階的にシナジーを追求します。当面は、ScenixがWorld LabsのMarbleを内部顧客として利用する形で技術連携を進め、シミュレーションや基盤モデルのアクション条件付きモデルといった領域で協業を深めていきます。

地理的な面でも、World Labsは統合を通じて「バイコースタル（両海岸拠点）企業」へと進化します。サンフランシスコに本社を置くWorld Labsは、ニューヨークにもオフィスを構えることで、東海岸の優れた人材を引きつけ、採用活動を強化します。また、両オフィスにロボットテスト環境を整備し、リモートでのロボット操作やテスト能力を成熟させることで、顧客へのサービス提供体制を強化していきます。

2年後の成功イメージと顧客エンゲージメント

Fei-Fei Li氏が描く2年後の成功イメージは明確です。World LabsとScenixのシステムおよびインフラストラクチャが、特定の少数の重要な垂直統合ユースケースにおいて、顧客の自動化ニーズに真に貢献し、その有効性が検証されることです。これらの顧客は「灯台となる事例（lighthouse examples）」として機能し、事業のスケーラビリティを証明する役割を果たすでしょう。

ロボティクス企業がWorld Labsとエンゲージするタイミングに、早すぎる・遅すぎるということはありません。World Labsのプラットフォームは柔軟に設計されており、クライアントのニーズに応じて、実環境のデジタル化と評価のみ（real-to-sim）を求める場合でも、あるいはエンドツーエンドのパイプライン全体を必要とする場合でも対応可能です。

現在、World LabsとScenixが協力しているクライアントは、製品展開（deployment）に非常に近い段階にあり、実用的なタスクに取り組んでいます。これらのタスクは、ロボットによる自動化によってすぐに大きな価値を生み出すことができ、数百もの同様のシナリオでの自動化が検討されています。World Labsは、これらのシナリオに対する信頼性の高いソリューションを開発し、実世界展開が直面する主要な要件と制約を解決することを目指しています。

ロボティクス分野に関わる全ての企業に対し、World Labsは門戸を開いています。どのようなステージのプロジェクトであっても、World Labsはそれぞれのユースケースについて学び、協力の可能性を探ることを歓迎しています。

結論：AIとロボティクス、現実世界の課題に挑む

World LabsとScenixの統合は、AIとロボティクスの分野におけるゲームチェンジャーとなる可能性を秘めています。Fei-Fei Li氏が提唱する「空間知能」のビジョンと、Yunu Jiao氏が開発した実世界とデジタル世界を繋ぐ「real-to-sim-to-real」パイプラインの融合は、ロボットが直面するデータ不足と実世界での学習・評価の困難という根源的な課題に対する強力な解決策を提供します。

シミュレーションの力、特に「反事実的推論」と「一貫性のある世界モデル」の構築は、ロボットの信頼性と効率性を劇的に向上させ、トレーニングと評価のプロセスを革新します。これは、ロボットが工場や倉庫といった半構造化環境から、最終的には家庭のような非構造化環境へとその活躍の場を広げていくための、強固な基盤となるでしょう。

人間レベルの汎用性と効率性を持つロボットの実現はまだ遠い道のりかもしれませんが、World LabsとScenixは「測定された楽観主義」をもって、その道のりを着実に前進させています。彼らが構築するインフラストラクチャは、特定のロボットハードウェアや学習モデルに限定されることなく、ロボティクスエコシステム全体のイノベーションを加速させることを目指しています。

この統合は、単なる企業の合併以上の意味を持ちます。それは、AI研究の最先端が、現実世界に存在する最も困難な課題の一つであるロボティクスに、生成AIとシミュレーションという強力なツールで真剣に取り組もうとしている証です。World LabsとScenixの挑戦が、いかにしてAIの次なるフロンティアを切り開き、私たちの生活と産業に革命をもたらすのか、その未来に大いなる期待が寄せられています。