著者：Zen、PANews

7月15日まで、Walden Roboticsは一般に知られていなかった。

そしてその日、トヨタ・リサーチ・インスティテュートからスピンオフしたこのロボティクス企業が突然正式に姿を現し、3億ドルのシードラウンドと11億ドルの評価額を一度に発表した。

この資金調達はトヨタとDeviation Capitalが共同リード投資家を務め、NVIDIA、ボーイング、Samsung Ventures、Prologis Ventures、CoreWeave Venturesなどの産業資本が参加している。

設立からユニコーンの仲間入りを果たすまで、Waldenはわずか半年しか要しなかった。そして同社は、多くのロボティクス・スタートアップが夢見る条件――成熟した研究チーム、潤沢な資本、トヨタの開かれた生産体制、そして製造、航空、エレクトロニクス、物流産業の投資家からの潜在的な協業チャネルをすでに手にしている。

トヨタ・リサーチ・インスティテュートから生まれた新たなユニコーン

今回の資金調達ニュースを発表するまで、Walden Roboticsはステルス状態を続けていた。

今年1月、Waldenはトヨタ・リサーチ・インスティテュート（Toyota Research Institute、以下「TRI」）からスピンオフして設立された。社名のインスピレーションは、米国の作家ソローの著作『ウォールデン森の生活』（Walden）に由来し、同書は意識的に目的を持って生きることの重要性を説いている。それはまた、ロボットがいかにして人々が仕事や生活の中でより多くの意味を見出す手助けができるのか、という同社が探求したい問いにも重なる。

Waldenの共同創業者兼CEOであるRuss Tedrakeの判断によれば、物理AIによって駆動される汎用ロボットは疑いなく破壊的技術であり、すでに重要な転換点を迎えているという。しかし、商業的成功を収めるには、ロボティクス企業がユニットエコノミクスを検証し、顧客と深く連携する必要がある。

独立した会社となったことで、WaldenはTRIのロボティクス技術の商業化により集中的に取り組み、関連成果を実験室から生産現場へと持ち込むことができる。グローバルな大手製造企業や物流企業と協力することで、Waldenは実際の現場で製品能力を継続的に検証し、実際の生産プロセスに適合させ、明確なコスト削減と効率向上をもたらすことを目指している。

Russ Tedrakeはマサチューセッツ工科大学の教授であり、TRIでロボティクスと機械学習のチームを10年近く率いてきた。そのチームは、Diffusion Policy、Universal Manipulation Interface（UMI）、Large Behavior Models（大規模行動モデル）、OpenVLA、そしてオープンソースシミュレータDrakeなど、数多くの基礎研究成果を残している。

Russ Tedrakeに加え、現在のWalden創業チームには、CTOのBen Burchfiel、COOのKerri Fetzer-Borelli、最高製品責任者のDave Johnson、最高戦略責任者のAdrien Gaidon、チーフアーキテクトのSiyuan Feng、AI責任者のRares Ambrusが名を連ねている。このうち複数のメンバーはTRIにおける大規模行動モデル研究のプロジェクトリーダーでもあり、モデルアーキテクチャ、訓練、シミュレーション、評価体系の構築に携わってきた。

Walden Roboticsのチーム、左から2番目がRuss Tedrake

このように、通常のスタートアップと比べて、Waldenの出発点とプラットフォームは明らかに高い水準にある。一方で、TRIがロボティクス分野で数十年にわたり積み上げてきた研究成果を引き継いでいる。他方で、トヨタは中核的な投資家であると同時に、最も重要な初期の産業パートナーでもあり、最初の実際の生産現場を提供しているのだ。

トヨタの生産体制を背に、Waldenは商業化の検証サイクルを短縮

具現化AI（Embodied AI）企業が共通して抱える難題は、技術研究開発と商業展開の間に断層が存在することだ。

ロボットは高品質なデータを得るために実環境に入る必要があるが、初期段階の製品に存在する信頼性や経済性の問題が、企業顧客を納得させ、実際の業務に投入させることを難しくしている。展開先とデータが不足すれば、モデルは現実世界の異常な状況をカバーできず、製品能力の持続的な改善も難しくなる。

しかし、設立当初からトヨタの生産体制の支援を得たWaldenは、この検証サイクルをある程度短縮している。トヨタは技術のインキュベーターであり中核投資家であると同時に、最初の実展開先の提供者でもある。Waldenは産業顧客をゼロから探す必要も、テスト用のシミュレーション工場を別途構築する必要もなく、既存の生産プロセスに直接入り込み、製造チームと共にタスクを定義し、設備を調整し、投資対効果を評価できる。

こうした産業的背景の価値は、単にロボットの「訓練」の場を提供することだけにとどまらない。産業用ロボットが経済的価値を生み出せるかどうかは、タスクの頻度、設備稼働率、安全要件など複数の要素に左右される。実験室で優れた性能を示すロボットタスクの多くは、工場に導入した後で必ずしも展開価値を持つとは限らない。

トヨタが長期にわたり蓄積してきた製造と自動化の経験は、Waldenが現在の技術力に適し、かつ明確な商業的利益が見込まれる工程を優先的に選択するのを助け、製品開発と顧客ニーズのミスマッチのリスクを減らすことができる。

さらに、Waldenの投資家構成は、外部の現場へと展開するための潜在的なチャネルを提供している。トヨタ以外にも、ボーイング、Samsung Ventures、Prologis Venturesはそれぞれ航空製造、エレクトロニクス産業、物流インフラに対応し、NVIDIAとCoreWeaveはロボティクスコンピューティングとAI訓練リソースにつながる。

これらの企業はいずれも明らかに潜在的な連携先であり、将来的にWaldenに協業の入り口を提供することが期待される。ある意味、トヨタが商業化のごく初期段階における現場とデータの問題を解決した後、Waldenの長期的価値を真に左右するのは、おそらくこの技術と運用体制をトヨタの外へと広げ、より多くの製造企業向けの標準化製品へと転換できるかどうかだろう。

これに対し、TRIの研究と技術成果を継承したWaldenは大きな自信を持っているが、それを理解する上で欠かせないのが同社の技術体系の中核――大規模行動モデル（Large Behavior Models、略称LBM）である。

中核技術LBM（大規模行動モデル）、汎用的な操作能力を工場へ

テキスト生成に特化した大規模言語モデルとは異なり、LBMは視覚映像、ロボット自身の状態、触覚その他のセンサー情報、タスク命令を同時に処理し、それに基づいて連続的な動作を生成する必要がある。その目標は作業ごとに個別のプログラムを書くことではなく、マルチタスクデータによる訓練を通じて、同一のモデルが異なる操作スキルを学習し、移転できるようにすることだ。

このアプローチは、TRIにおける長年のロボット学習研究の上に成り立っている。なかでも、Diffusion Policyは比較的代表的な技術基盤である。

従来の産業用ロボットは、通常、事前に設定された動作軌道と工程条件に依存しており、部品の位置や設備レイアウト、生産フローが変わると、エンジニアが再プログラミングと調整を行う必要がある。Diffusion Policyは人間のデモンストレーションを通じて動作分布を学習し、モデルが視覚、動作、ロボットの状態データから法則を抽出し、自律的に再現を試みる。

この基盤の上に、LBMはさらに多様なタスクを統一された事前学習フレームワークに統合する。TRIが以前に公開した研究では、1700時間近くのロボットデータを用い、実環境テスト1800回、シミュレーションテスト4.7万回以上を実施した。研究結果によれば、マルチタスクで事前学習されたモデルは、一部の新規タスクを学習する際、ゼロから訓練した単一タスクモデルよりも必要とするデータ量が明確に少なくなることが示されている。

シミュレーションおよび現実世界において、様々なタスクや環境条件に対し、WaldenがLBMモデルを評価している

これがWaldenの製品ロジックの基盤を提供している。すなわち、ロボットはエンジニアリングチームがタスクごとにプログラミングすることに頼る必要がなく、わずかなデモンストレーションで新しい操作フローに適応できる。産業顧客にとって、この種の能力は主に製品種類が多く、生産タスクが頻繁に変更される製造環境に適している。決まった動作を繰り返すことしかできない従来の自動化設備と比べて、学習能力を備えたロボットは、より低い改造コストで工程やタスクを切り替えられる可能性がある。

現在、Waldenは自律運転と遠隔での人的支援を組み合わせた方式を採用している。ロボットはすでに習得した定常タスクを単独で完了でき、異常な物体や環境の変化、モデルの能力範囲を超える状況に遭遇した場合には、遠隔オペレーターが介入する。

ロボットの本体設計では、Waldenは人型に近い双腕の上半身と車輪式移動台車を組み合わせた形態を採用し、製品の重点を双腕操作、タスク学習、環境適応能力に置いている。

車輪式移動ロボットは、床面が平坦で作業位置が明確な産業および倉庫の現場では珍しくなく、その主な利点は安定性、可搬重量、システムの複雑さが比較的制御しやすい点にある。人間に近い上半身の設計は、ロボットが人間向けに設計されたツールや作業空間を使いやすくし、同社が追求する「汎用性」は、モデルが異なるタスクを学習する能力と、双腕システムが多様な物体や設備を操作する能力により多くを負っている。

もっとも、Waldenはこれだけ恵まれた条件を備え、ロボティクス業界においても一定のリードを保っている。Russ TedrakeがWaldenの正式発表に際して述べたように、「チームは十分に強く、進歩も十分に速い。だから誇張する必要はない」。しかし、ステルス状態から抜け出したばかりの同社にとっては、同じくRuss Tedrakeが言うとおり、「私たちはまだこの旅の始まりに立ったばかりだ」のである。

データ：クジラがAaveから5万ETH以上を借りて売却

人気記事