ロボティクスのGPTモーメントが来た
Physical Intelligence共同創業者のQuan Vuongが、クロスエンボディメント学習がゼロショットのロボットスキルを解放した理由を解説し、垂直統合型ロボティクスStartupのカンブリア爆発に向けたプレイブックを示す。
- 10種類のロボットプラットフォームで学習した汎用モデルが、各ハードウェア専用のモデルを自分のタスクで50%上回った。
- PIは今、1年前なら数百時間のデータ収集を要したタスクでゼロショット性能を達成している。
- PIのロボット制御はすべてクラウドで動作 — ロボットはリモートAPIを呼び出し、デバイス側の計算はほぼ不要。レイテンシはアクションチャンクのパイプライン処理で吸収する。
- PIは、社内研究チームが使うものと完全に同じ事前学習済みウェイトでPI0とPI0.5をオープンソース化した。非公開部分はない。
- 大規模な事前学習ランを監視してエラーを自律的に修正するClaudeベースのプロトタイプにより、コンピュート利用率が約50%向上した。
- 垂直統合型ロボティクスStartupのプレイブック：既存ワークフローをマッピングし、安価なハードウェアを使い、データを収集し、混合自律運用で損益分岐点に達してからロボットをスケールする。
- ロボティクスのデータ収集はエンジニアリングの問題ではなく、オペレーションの問題 — ボトルネックはセンサーの物理特性ではなく、収集インフラにある。
- PIの試算では、汎用ロボティクスの実現は米国GDPの約10%（24兆ドルベースで2.4兆ドル）に相当する経済効果をもたらす可能性があり、データ収集への投資を正当化する。
2026-04-16 · YouTubeで見る
