労働の完全自動化(人の楽園？ or 失業地獄？)２

[過去ﾛｸﾞ] 労働の完全自動化(人の楽園？ or 失業地獄？)２ (778ﾚｽ)
上下前次 1-新
通常表示 512ﾊﾞｲﾄ分割ﾚｽ栞

このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索歴削→次ｽﾚ栞削→次ｽﾚ過去ﾛｸﾞﾒﾆｭｰ

749: オーバーテクナナシー [sage] 2025/09/27(土) 09:40:25.10 ID:dKp0quWz

これまでのディスプレイを通じた体験から脱却し、バーチャルツインで再現されたリアルな世界により深く没入できる「Sense Computing」では、Appleの空間コンピューティングデバイス
「Apple Vision Pro」と連携した没入型体験が可能となる。

「これらの要素を全て組み合わせた3D UNIV+RSESが、これからの航空機の開発／設計／製造の在り方を根本から変革する。膨大なオペレーショナルデータから顧客の知識と
ノウハウを学習し、GenXpを提供できるようにすることを目指す。これは、われわれの役割が単なるソフトウェア提供者から、顧客の知的財産を保護する守護者へと変わることを意味する」（ジグラー氏）

講演では、3D UNIV+RSES（特にAIやバーチャルツイン）がもたらす航空機開発の変革について、設計、解析、製造、運用／保守といったプロセスごとに、具体的なイメージが示された。

まず設計段階では、航空機を単なる製品ではなく複雑なシステムとして捉え、システムアーキテクチャの設計をAIが支援する。電子、電気、ソフトウェアといった複数分野の設計が自動化され、
将来的には上位レベルの要求仕様から、ワイヤハーネスやプリント基板（PCB）、さらにはそれらを制御するソフトウェアに至るまで自動生成できるようになることを目指している。
また、設計の各段階は完全なトレーサビリティーを保ちながら進められ、関係者が一貫したデータに基づいて意思決定できるようになる。

航空機を構成する機械部品の設計では、ジェネレーティブデザインが活躍する。部品が配置される空間や境界条件、負荷条件、製造方法（鍛造、鋳造、フライス加工、3Dプリントなど）を
入力するだけで、AIが複数の設計案を自動的に生成する。設計者は膨大な設計案の中から最適な形状を選択すればよく、大幅な設計作業の効率化が図られるようになる。

認証とテストに向けては、解析技術がその支援となる。従来の物理試験をシミュレーションに置き換え、再現性の高い高度なシミュレーションを通じて、安全性や規制適合性の証明に
つなげる。また、「AIはサロゲートモデルの開発を加速し、大規模GPUを活用することで、膨大なシミュレーションを高速に実行できるようになる。これにより、実機を使ったテストの
回数を減らすことができ、コスト削減と開発期間短縮を実現可能にする」（ジグラー氏）という。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/749

754: オーバーテクナナシー [sage] 2025/09/27(土) 14:09:12.88 ID:dKp0quWz

NVIDIAが語るフィジカルAIで加速するヒューマノイド開発の最前線「NVIDIA AI Day Tokyo」レポート　ドメインランダム化とシム2リアル
2025年9月26日
NVIDIAは2025年9月24日と25日に、東京ミッドタウンでイベント「NVIDIA AI Day Tokyo」を開催し、25日には招待制のセミナーが実施された。

「NVIDIA AI Day Tokyo」は、すでに開催されたホーチミンに続き、東京、そして今後予定されているシドニーやソウルと並ぶ、グローバルイベントのひとつに位置づけられている。

25日のセッションでは、NVIDIAの担当者やパートナー企業が講師として登壇し、GPU、クラウドサービス、エッジAI、データセンターなどの分野で具体的かつ実践的な活用方法や
事例を紹介した。主要トピックは「エージェント型AI」「フィジカルAI」「AIファクトリー／AIインフラ」「ハイパフォーマンスコンピューティング（HPC）／量子コンピューティング」。

特に「フィジカルAI」については人気が高く、満席になるセッションが多かった。

今回の記事ではフィジカルAIのトピックからセッション「フィジカルAIで加速するヒューマノイドロボティクス　NVIDIA Isaac GR00TとCosmosの紹介」の前半をベースに、
NVIDIAが提供しているロボティクス向け「フィジカルAI」の概要などを解説していきたい。

加瀬氏は、「フィジカルAI」について、大規模言語モデル（LLM）を使ってロボットを動かすイメージから紹介した。
例えば「トースターからトーストを取り出し、右側の白い皿に置いて」というテキストコマンドを入力すると、ロボットはカメラ画像などから得た認識情報を加味し、
アクショントークンを生成。関節を自動制御し、指示どおりに動作する。

従来の産業用ロボットは、詳細なプログラミングによる「モデル化手法」で高精度な動作を実現してきた。しかし、設計やティーチングには多大な手間と時間がかかり、想定外の状況への対応は難しい。
一方、近年注目を集めている「フィジカルAI」は経験を学習して動作する。いわゆる強化学習(多くの経験パターンから学ぶ)をもとにしていて、数学的に設計するのが
難しいタスクにも対応することができる、従来のコンピュータよりも、人に近い学習方法とタスク対応が特徴になる。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/754

756: オーバーテクナナシー [sage] 2025/09/27(土) 14:12:11.28 ID:dKp0quWz

シミュレーションでできる限り多くのパターンを学ぶ点では、同時に大量の数のロボットを仮想環境で動かすことによって、膨大なデータを収集し、学習していく手法もとられる。
下の画像は「Isaac Sim / Lab」で4000台のロボットがアクションデータを収集して学習のために利用する例だ。

「Isaac Lab」(ラボ)は、NVIDIAのロボティクスシミュレーションプラットフォーム「Isaac Sim」が提供するシミュレーション機能を活用し、多くのロボット（マニピュレーター、
四足歩行ロボット、ヒューマノイドなど）向けの学習環境とツールを提供している。

ファインチューニングとは、膨大なデータで事前学習した汎用的なAIモデルを、特定のタスクや環境に合わせて少量のデータを使って再学習して調整する技術。
これにより、ロボットの精度や効率、パフォーマンスを向上させることができる。
これらによって、現実世界のテレオペレーションで得たデータと組み合わせて、精度と汎化性を高める学習環境が整う。

LLMを中心とした生成AIを使ったことがある人は体感していると思うが、生成AIはテキストから画像を創ることができる。例えば、シミュレーションのデータとして活用するための
アイテムの生成には従来とても時間がかかる作業だったが、生成AIを活用すると瞬時に様々なパターンのアイテムや環境を生成することができる。この技術もシミュレーション環境の構築に活かされている。

汎化性を一層高める技術として「世界基盤モデル（World Foundation Model）」が導入されつつある。加瀬氏のセッションでは、その代表例として「Cosmos」が紹介された。詳細は今後さらに掘り下げたい。

世界一のAI企業、NVIDIAはヒューマノイド向けAIやロボットの開発基盤「NVIDIA Isaac GR00T」の提供を2025年から開始しました。
NVIDIAが提供するフィジカルAI開発のためのプラットフォーム「NVIDIA Omniverse」や、ロボティクス向けの「NVIDIA Isaac Sim」などによって、ヒューマノイドロボット開発の効率が
格段に向上したと言われています。世界的に知られるロボット開発企業も既に使い始めています。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/756

759: オーバーテクナナシー [sage] 2025/09/28(日) 10:08:07.40 ID:6tFNPRmt

米中先行の人型ロボ開発、家庭・工場・被災地の現場を１体で担う「汎用型」目標に…競争加速で見直し
9/28(日) 5:00配信
内閣府は、社会を変えるような挑戦的な研究を支援する「ムーンショット型研究開発制度」で、家庭や工場、被災地など様々な現場で活躍できる汎用（はんよう）の人型ロボットの開発を
新たな目標に定める方針を固めた。２０３０年までに試作機を作り、基盤技術の獲得を目指す。米中をはじめ海外で人型ロボットの開発競争が加速する中、日本の研究開発を促進したい考えだ。

２０年に始まった同制度は、国が挑戦的な目標を定めて研究を公募し、総額約４０００億円の基金から最長１０年間支援する。現在「台風や豪雨を制御」「１００歳まで健康不安なく人生を楽しむ」
など１０の目標があり、今回はこのうちの「人と共生するロボットを実現」の内容を見直す。人工知能（ＡＩ）の発展で、汎用の人型ロボットが現実味を帯びてきたことが背景にある。

これまでは人型に限定せず、介護や家事、災害対応などに使われるロボットの開発を個別に進めていた。

新たな目標として、これらの作業を１体で担える人型ロボットの開発を目指す。３０年までに、人間の支援の下で一定数の作業に対応できる試作機を製造する。民間投資の呼び水とするほか、ＡＩの研究を後押しする狙いもある。

５０年までに、学習しながら自律的に判断し、人間と同等以上の身体能力を備えたロボットを目指す。今年度中に新たな研究代表者などを公募する予定だ。

現在普及している産業用などのロボットは、特定の用途のみに使われ、活動できる現場も限定的だ。一方、一般社会の建物や道具などは人間向けに作られているため、あらゆる現場で使うには人型が適している。

汎用の人型ロボットの開発は加速している。米国では、電気自動車大手のテスラが、工場や家庭などでの利用を想定した「オプティマス」を開発し、来年にも量産を始める予定だ。
中国も人型ロボットを米国との先端分野の覇権を争う重要分野と位置付け、将来の労働力不足も見据えて急速に技術力を高めている。

内閣府の担当者は「当初の想定より技術の進展が速く、より野心的な目標に見直す。日本の強みであるロボット技術を発展させたい」と話している。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/759

760: オーバーテクナナシー [sage] 2025/09/28(日) 10:17:01.70 ID:6tFNPRmt

GMO熊谷氏「ヒューマノイドは自動車産業を超える」家庭にも普及する？ 熊谷氏がCEOのAIヒューマノイドと共同記者会見
2025年9月26日
GMOインターネットグループは2025年9月25日（木）に「GMO AI・ロボティクス大会議＆表彰式2025」を開催した。イベント終了後には、同グループ代表の熊谷正寿氏による
プレスカンファレンス（記者会見）が行われ、ヒューマノイドに対する思いや、今後ヒューマノイドが社会にどのように浸透していくかについて語られた。

プレスカンファレンスには、AI・CEO「ヒューマノイド 熊谷正寿」も同席した。
AI・CEO「ヒューマノイド 熊谷正寿」は、日本で初めてAI・CEOをヒューマノイドロボットとして具現化したもの。ボディは「Unitree G1」で、顔にはディスプレイを搭載、熊谷正寿CEOの顔や表情を写している。

チャットボットを通じて対話を行うことで、事業における意思決定のさらなる高速化が可能とされる。これまでに3,500セッション以上、6,800回を超える対話を実施してきたという。

GMOインターネットグループは、意思決定のさらなる高速化が必要だと考え、2024年7月から「GMO Brain AIプロジェクト」を推進。その第1弾として、同年12月に社内向け独自AIツール
「AI 熊谷正寿」をパートナー（従業員）向けに提供開始した。「AI 熊谷正寿」は、熊谷氏の思考やフィロソフィー、そしてGMOインターネットグループのカルチャーを集約・言語化した
「GMOイズム」を学習した“バーチャル知的ナビゲーター”として位置付けられている。
今回のヒューマノイドは、そのプロジェクトをさらに一歩進めた形となる。

「GMO Brain AIプロジェクト」での「ヒューマノイド 熊谷正寿」の意義について問われた熊谷氏は、次のように語った。
定性的ですが、回答精度という点では、彼（ロボット）は今はまだ80％くらいです。しかし、私のことを毎日学習しています。人は1日8時間労働ですが、ロボットは24時間365日働くことができます。
私は1つの会議にしか出席できませんが、彼は10台のコピーを作れば10の会議に同時に出席できます。私が100の精度で答えられても、彼が80の精度でも10の会議に出席できるなら、
会社全体で見れば彼の方が生産性は高いとも言えます。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/760

763: オーバーテクナナシー [sage] 2025/09/28(日) 10:20:38.66 ID:6tFNPRmt

人の動作をリアルタイム転写するヒューマノイドロボットをEmplifAIが実装「人の即興性×ロボットの到達性」共同実証パートナー募集
2025年9月26日
株式会社EmplifAIは、操作者の身体動作や意図をリアルタイムにヒューマノイドロボットへ転写する遠隔・身体共有型テレプレゼンスの実装に成功したと発表した。

同技術は、ステージ演出・ライブ配信などの「人が乗り移った」ような体験や、高所・狭隘・被ばくリスク等を伴う現場での代替支援に発展し得ることを示している。あわせて、
PoC（概念実証）・実証実験の共同パートナー企業の募集を開始する。

自立させながらの身体制御は、既存の自律制御だけでは再現が難しく、現場適用のボトルネックだった。EmplifAIは、操作者視点の知覚と動作意図をロボットへ低遅延で写し取る
アプローチにより、「人の即興性×ロボットの到達性」を両立。初期検証では、腕・上体・歩行の協調などの基本動作で追従を確認している。

同技術の主な特徴は、低遅延・高追従性を実現し、操作者の上半身・手先の運動をロボットへリアルタイム反映することだ。汎用ロボット対応として、ヒューマノイド（例：Unitree G1等）を中心に、用途に応じて拡張可能となっている。

応用分野として、以下のケースが想定されている。

・エンターテインメント・ライブ演出：パフォーマーが「乗り移った」ロボットが舞台上で演技・所作を披露し、配信コンテンツの拡張が可能だ。
・教育・文化体験：熟練者の身体知を遠隔地へ「身体ごと」伝えるワークショップが実現できる。
・危険作業の代替支援：高所・狭隘・被ばく・有害物取扱い等の現場で、人の判断×ロボットの到達性を融合した作業が可能となる。
・イベント運営・接客：遠隔プレゼンスでの来場対応、案内、簡易作業などに活用できる。

同社は「この場面で使えるかも」「まずは軽く試したい」など、ラフな相談から歓迎するとして、共同実証パートナー企業の募集を開始した。
想定領域は、エンターテインメント・イベント、製造・物流、インフラ、研究、自治体などとしている。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/763

764: オーバーテクナナシー [sage] 2025/09/28(日) 10:23:00.42 ID:6tFNPRmt

Googleが「Geminiロボティクス」の最新動画4本を一挙公開　ヒューマノイドAIも驚異的に進化、VLAモデルの動画を徹底解説
2025年9月27日
Google DeepMindが「Gemini Robotics 1.5」の最新動画を2025年9月26日に一挙に4本公開し、驚異的な進化が話題になりはじめています(動画のYouTube設定で
音声トラックに「日本語」を指定することで、AIによる日本語翻訳で解説を聞くことができる)。
「Gemini Robotics」はヒューマノイドを含むロボット工学向けに設計されたGeminiを基盤としたAIモデルです。

「Gemini Robotics」の最大の特徴は、ロボットを直接制御することを目的に、視覚（Vision）・言語（Language）・行動（Action）を統合したVLA（Vision-Language-Action）モデルを追求し、
現実世界で汎用的に動作できる点です。VLAモデルは現在のAIロボティクス分野で最も注目されている最先端技術のひとつです。

「Gemini Robotics 1.5」は、高次元の思考･計画機能を持つ補助モデル「Gemini Robotics-ER 1.5」と連携して設計され、複雑なタスクやマルチステップの実行で、
単なる反応的な動作ではなく「先読み」「分割実行」「ツール利用」などが拡張されています。

では、各動画とポイントを見ていきましょう。
・Gemini Robotics 1.5: Enabling robots to plan, think and use tools to solve complex tasks
・Gemini Robotics 1.5: Using agentic capabilities
・Gemini Robotics 1.5: Learning across embodiments
・Gemini Robotics 1.5: Thinking while acting

冒頭の「Gemini Robotics 1.5: Enabling robots to plan, think and use tools to solve complex tasks」は以降の3つの動画を包括的にまとめたものになっています。
時間のない人はまずはこれを見るとよいでしよう。じっくり理解したい人のために、この記事ではあえてラストに解説します。

Gemini Robotics 1.5: Using agentic capabilities
Gemini Robotics 1.5 が単に反応的に動くロボットではなく、ある種の自律的判断能力を持つ「AIエージェント」として振る舞えることを示しています。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/764

765: オーバーテクナナシー [sage] 2025/09/28(日) 10:24:11.22 ID:6tFNPRmt

動画では、ロボットが「エージェンティックAI（AIエージェント）の能力、エージェンティック（agentic）能力」を持つことにフォーカスしています。今までは単純に「命令」を受けて
「動作」するだけの行動だったものが、エージェンティックAIの進化によって、自律的に判断･計画･行動ができるようになる、という能力です。
エージェンティックAIによって、環境を観察し、目標を分割したり、優先度をつけたり、その場で戦略を変えたりしながら動作を決定する、その一連の様子が見て取れると思います。

もうひとつ重要なポイントとして、エージェンティックAIは必要なツール（例えば Google検索など）を呼び出したり、外部の情報にアクセスすることで、必要な知識をAIロボットが
補完しながら行動できる能力も示唆しています。この機能はロボティクスに限らず、ビジネス分野でも、最新のエージェンティックAIが、目的を遂行するために必要なソフトウェアや
APIをAIが自律的に活用する機能として注目されています。

また、動作を実行する際の思考プロセス（行動をステップごとに言語で表現する思考）をAIが生成している可能性もあります。「思考してから動く (think before acting)」能力を垣間見ることができます。

Gemini Robotics 1.5: Learning across embodiments
ロボットが把持や物体操作、持ち替える動作などの具体的なタスクを、複数のロボット構成であっても同一のモデルがで実行できる様子に着目するとよいでしょう。
この動画の「embodiment（具現体・身体構成）」とは、ロボットの形や関節やセンサー構成などを指す用語として使われています。従来、ひとつのロボットで学習した動作を別の形状のロボットに
そのまま適用するのは困難でした。例えばアーム型、双腕型、ヒューマノイドでは、基本構造はもちろん、関節の自由度、動力の特性等が異なるためです。しかし、次世代のロボット基盤モデルでは、
その違いをソフトウェアが吸収することを目指して研究が進められています。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/765

766: オーバーテクナナシー [sage] 2025/09/28(日) 10:25:32.15 ID:6tFNPRmt

この動画では、「Gemini Robotics 1.5」は「ロボットの種類や身体構成が異なっていても、学習した動作やスキルを別のロボット(embodiment)に転移（transfer）できる」能力の成果が示されています。
動画の中で、Google DeepMindは、アーム型ロボットの「ALOHA2」で学習したスキルを、双腕ロボット「Franka」やヒューマノイド「Apollo」にそのまま応用(転移)したデモを披露しています。
こうした能力は、ロボット学習における汎化性能を大きく高めます。従来のようにロボットのメーカーや機種が異なる度にAIの膨大な再学習が必要なくなれば、時間やコストを大幅に削減できる可能性があります。

Gemini Robotics 1.5: Thinking while acting
「thinking while acting」とは「思考しながら動く」ことで、タスクを実行中にも判断と制御をリアルタイムで更新し、次に行うべき最適な動作を絶えず思考しながら実行できるスキルを指しています。

従来は「ある計画を立てたらその通りに実行する」というのがプログラムにとってはセオリーでしたが、人はタスクの途中に障害物が現れたり、物の位置が変わったり、他の人が介入するなど、
予期しない環境変化を認識したとき、臨機応変に対応しようとします。身体性を持ったAIロボットにも同様に「thinking while acting」が重要です。

具体的には、タスク遂行中にも「思考ステップ:中間推論（intermediate reasoning）」を生成・更新しながら、次の動きを決定する様子を動画で確認することができます。

Google DeepMindのブログによれば、「思考 (thinking) を経てから動く (think before acting)」というスキルをさらに発展させた形として「思考しながら動き続ける」能力が重要視されています。

この動画では、途中で目標物が動いたり、障害物が現れたり、環境変化が起こっても、ロボットが思考を止めることなく、連続的に最適なタスクを再演算･更新しながら動作を修正しています。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/766

767: オーバーテクナナシー [sage] 2025/09/28(日) 10:27:11.20 ID:6tFNPRmt

Gemini Robotics 1.5: Enabling robots to plan, think and use tools to solve complex tasks
「複雑なタスク」を解くために、ロボットが「計画 (planning)」「思考 (thinking)」「ツール使用 (tool use)」まで組み合わせて行動するなど、総合的な作業を達成できる様子を紹介したものです。
以降の3つ動画が詳細に解説していることを包括的にまとめたものでもあります。

他の3つ動画で示されているように、ロボットが単純な命令に応えるだけではなく、タスクのゴールまでのプロセスを分解して段階的なステップを生成し、そのステップにもとづいて行動し、
必要に応じて外部ツール（検索、データベース参照、情報取得など）を活用して補助を行う能力を達成する可能性が示されています。

例えば、「洗濯物を色別に仕分けする」「ある地域（サンフランシスコなど）のゴミ分別ルールを調べて適切に分類する」など、作業のタスクが複数の段階にわたっていても、
AIロボットが自律的に考えて実行していく可能性を示唆しています。

また、AIロボットが「リーズニング」を生成し、それをもとに行動を段階的に実行していく手法として「思考してから動く (thinking before acting)」ことも示されています。
例えば「AIロボットが実世界で何をすればいいか判断するために、ウェブ検索をかけてその地域のゴミの分別ルールを参照」することで、より詳細な情報を取得して行動の精度を上げたり、
改善するため活用するといったタスクに発展できる可能性があります。

ビジネス分野でも「AIエージェント」は単にユーザーの質問に回答するツールとしてだけでなく、「思考」「計画」「実行プロセス立案」「選択」「ツール呼び出し」「実行」「成果と評価」といった
一連の流れを自律的に行うことが期待されています。身体を持ったロボットにも自身が自律的に構成して制御できるスキルが求められていることを示した内容になっています。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/767

768: オーバーテクナナシー [sage] 2025/09/29(月) 21:03:58.53 ID:XxZ5OA4I

ヒューマノイド開発を支援する「NVIDIA Cosmos世界基盤モデル」とは･･ 世界モデルと世界基盤モデルの違いを解説
2025年9月29日
2025年9月25日に開催された「NVIDIA AI Day Tokyo」のセッションの中から、前回は人気の高いフィジカルAIをトピックとした講演「フィジカルAIで加速する
ヒューマノイドロボティクス　NVIDIA Isaac GR00TとCosmosの紹介」の前半を紹介した。

今回はその講演の中盤で紹介された「NVIDIA Cosmos 世界基盤モデル」と、「世界モデル」について解説したい。

ヒューマノイドやロボットのAI学習にも膨大な学習データが必要になること、学習データを収集するにはテレオペレーション(ロボットの遠隔操作によるリアル環境でのデータ収集)が有効なこと、
しかし、その収集方法には現実的に時間やコスト面で限界があること、それを更に拡張するためにはシミュレーション環境によってデータ収集する「ドメインランダム化」「シミュレーションtoリアル」
が有効なことを解説した。しかし、そこにもまた限界がある。

その状況を俯瞰して見ると、次のようなデータピラミッドが形成されるというが、更に拡張するフェーズが「世界モデル」(世界を理解するモデル)の活用だ。世界モデルとは、物理法則や
空間特性などの現実世界の力学を理解する生成AIモデルのことで、テキストや画像、ビデオ、アクションなどの入力データを使用して動画を生成することができる。

感覚データから運動や力加減、空間的な関係などの力学を表現し、予測する方法を学ぶことで、現実世界の環境の物理的特性を理解するとされている。

大規模言語モデルがWEBにある膨大なデータから学習したように、それと同様にロボットの学習データとしてWEBにある膨大なデータを活用できないだろうか、というアプローチだ。

「世界モデルは世界の観測情報から世界の構造を学習し、入力に基づいて未来の状態を予測するモデル」、言い換えると「データドリブンで世界の原則を理解するようなモデル」だ。
実際に細かい物理法則は理解していないものの、野球のボールを投げたらどのような放物線を描くということを予測できるモデル」(加瀬氏)となっている。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/768

769: オーバーテクナナシー [sage] 2025/09/29(月) 21:05:25.19 ID:XxZ5OA4I

「世界モデル」を使って、シミュレーション上のアイテムやマテリアル、環境などのデータを拡張する取り組みが行われている。

この取り組みは自動運転の学習にも有効で、自転車や子どもが飛び出す、火災が発生するなど、実際のデータでは実現させることが困難なケースを世界モデルなら
生成することができ、データのスケールアップが可能だと考えられる。

ロボットが環境を理解・予測するために内部に構築するのが「世界モデル」で、環境のダイナミクス（状態がどう遷移するか）や観測の生成過程を学習したもの。そしてこの「世界モデル」を
取り込み、多くの環境・センサー・行動データを大規模に学習した汎用モデルを「世界基盤モデル」と呼ぶ。
知識・推論・感覚データを統合し、原則としてどんなロボットにも転移可能な「共通の世界理解」を目指している。

世界モデル
ロボットが環境を予測するための内部モデル

世界基盤モデル
大規模なマルチモーダルデータで学習し、「多くのロボットが共通で利用できる」汎用モデル

NVIDIAが世界基盤モデルとして提供しているのが「Cosmos」だ。
世界モデルを学習させるために、2000万時間分のデータを取得。1万基の「NVIDIA H100 GPU」で2000時間以上のトレーニングを積んで学習させた。

世界基盤モデル「Cosmos」はユーザーが実際に利用しやすいように、3つのモデルで分けて、オープンソースとして提供されている。3つのモデルとは、
マルチモーダル入力から未来の仮想世界の状態を予測する「Cosmos Predict」、現実世界と3D入力によって条件付けられた仮想世界を生成する「Cosmos Transfer」、
物理AIの世界状態理解のための思考連鎖推論「Cosmos Reason」だ。

Cosmos-Predict
マルチモーダル入力から最大30秒の連続ビデオを生成する世界状態予測モデル。

Cosmos-Transfer
シミュレーションと実世界の間での知覚的ギャップを橋渡しするための条件付き世界生成モデル。

Cosmos-Reason
ビデオフレームに対する推論を行い、物理的常識を理解するモデル。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/769

771: オーバーテクナナシー [sage] 2025/09/29(月) 21:08:01.38 ID:XxZ5OA4I

菱熱工業がAI活用の施設管理システム「天才施設管理者」の提供開始
2025年9月29日

菱熱工業株式会社は、AIプラットフォーム「天才施設管理者」を開発し、2025年9月10日（水）より本格的なサービス提供を開始したと発表した。

「天才施設管理者」は、製造や店舗などの現場施設データを集約・可視化し、経営層がタイムリーに現場状況を把握できるよう支援するAIプラットフォームだ。食品工場、外食店舗、
シネマコンプレックスなどでの空調設備管理を中心に活用可能で、今後は幅広い業種への展開を計画している。

同社は3年間で100社の導入を目指すとしている。2025年8月にテスト運用を開始し、約1か月の試用期間を経て本格サービスの提供に至った。

「天才施設管理者」の主な機能は以下の3つに分かれる。

1.現場状況の可視化とトラブル対応機能
現場データを一元管理し、機器仕様や部品情報を検索可能にする。エラー原因の推定なども行い、経営層から瞬時に現場状況を把握できる仕組みを提供する。

2.経営判断・投資計画の支援機能
更新工事の履歴や予定を可視化し、固定資産台帳などと連携することで、データに基づく合理的な投資判断をサポートする。

3.技術継承と知識の標準化機能
ベテラン社員のノウハウをAIに蓄積し、若手社員への技術継承を促進する。これにより属人化を防ぎ、知識を標準化することが可能になる。

開発の背景には、同社が長年直面してきた「情報の断絶」という課題がある。経済産業省「2024年版ものづくり白書」によれば、部門間で「連携できている」と答えた企業はわずか34.6%にとどまっている。

こうした状況を踏まえ、同社は現場と経営をつなぐAIプラットフォームの必要性を感じ、「天才施設管理者」の開発に至った。

同サービスは、設備管理に関する知見とRAG（検索拡張生成）技術を組み合わせ、固定資産台帳や点検報告書、HACCP関連文書などの重要データを活用可能にしている。
システムベンダーとは異なる”設備の現場に根差したAI支援”を実現するとしている。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/771

774: オーバーテクナナシー [sage] 2025/09/29(月) 21:11:21.46 ID:XxZ5OA4I

理研においては、2025年2月にイオントラップ型「黎明/REIMEI」と、6月には超伝導型「ibm_kobe」という異なる方式の商用量子コンピュータの導入が完了し、
量子コンピュータとスーパーコンピュータの連携を実現するソフトウエア環境の整備を進めている。

量子コンピュータとスーパーコンピュータを低遅延の高速ネットワークで密に結合し、連携利用を可能にするプラットフォームを構築するとともに、量子・HPC
連携アプリケーションを開発し、その有効性について検証する。

今後ソフトバンクでは、本プロジェクトで採択するテストユーザーの活用ニーズに対応するため、SLA（品質保証制度）やセキュリティ、運用標準などの整備を進め、
事業化を見据えた検証を行っていくとしている。

GMOの「AI･ロボティクス」イベントで石破総理とNVIDIA CEOがビデオメッセージを寄せる
2025年9月29日

GMOインターネットグループは2025年9月25日、都内で「GMO AI・ロボティクス大会議&表彰式 2025」を開催した。AIやロボティクスに関する、産官学のキーマン達が
集結して多数の講演が行われた。総合司会はフリーアナウンサーの加藤綾子氏がつとめた。

今年は石破首相やNVIDIAの創業者/CEO ジェンスン・フアン氏がビデオメッセージを寄せた。

石破首相は「GMO AIロボティクス大会議＆表彰式2025」の開催を祝し、AIとロボティクスが産業、物流、医療、介護、災害対応など幅広い分野で社会を大きく変革する力を持ち、
特に少子高齢化の日本にとって重要であると強調した。
政府はAI法に基づき「人工知戦略本部」を設立し、イノベーション促進とリスク対応を両立しつつ、世界で最もAIを活用しやすい国を目指す方針。
本年度中には社会実装と競争力強化に向けた戦略を策定予定で、日本のロボティクス技術と文化的背景を活かし、未来を切り開く可能性に言及した。

NVIDIA 創業者/CEOのジェンスン・フアン氏は、次世代のAI･ロボティクス向けて重要なのはデータセンター「AIファクトリー」であり、GMOはそのサービス提供に既に着手していることを紹介した。

http://rio2016.5ch.net/test/read.cgi/future/1592947307/774

上下前次 1-新書関写板覧索設栞歴

ｽﾚ情報赤ﾚｽ抽出画像ﾚｽ抽出歴の未読ｽﾚ

ぬこの手ぬこTOP 0.010s