Dream Labs、9,000万ドルのシード資金を調達 異なるロボット間でAIを活用

Dream Labsは、元NVIDIAロボティクス研究者が設立したスタートアップで、シード資金として9,000万ドルを調達し、異なるロボット間でスキルを引き継げるよう設計されたモデル「Dream-1」の公開APIを提供開始した。資金調達はB Capitalが主導し、Kindred Venturesのほか、A.Capital、Unusual Venturesなどの投資家が参加した。

同社が解決を目指すのは、ロボティクスにおけるコストのかかるボトルネックだ。ある機械がタスクを学習しても、その知識が別の機械に自動的に引き継がれるわけではない。Dream Labsは、開発者が共通モデルを出発点とし、特定のロボットや用途により専門的な学習が必要な場合に、そこから適応させられるようにしたいと考えている。

今回の提供開始には、API、ファインチューニングサービス、ブラウザー上で利用できる「Robot Playground」が含まれる。Robot Playgroundでは、同社のサンフランシスコオフィスにある実機のロボットに、ユーザーが指示を送ることができる。Dream Labsによると、調達資金は主にコンピューティング能力の確保に充て、モデルの機能と処理能力の拡張を支える。

Dream-1が動画を物理的な動作につなげる仕組み

Dream LabsはDream-1を「ワールド・アクション・モデル」と呼ぶ。今回の提供開始に関する技術的な説明によると、このシステムは動画と動作を同時に予測する。つまり、シーンがどのように変化するかを予測することと、次にロボットが何をすべきかを判断することが結び付いている。

ロボットの機体はそれぞれ異なるため、この違いは重要だ。あるアームで機能する関節への指令が、別のアームでも必ず機能するとは限らない。そこでDream-1は、エンドエフェクターの姿勢を予測できる。これは、各グリッパーの目標位置と向きに加え、開くか閉じるかを示すものだ。各ロボットの逆運動学ソルバーがその目標を、搭載された関節で実行できる動きに変換する。

これにより、ロボット同士が同一のハードウェアを共有していなくても、共通のインターフェースを利用できる。モデルは3つのカメラ視点を使う。シーンを映す視点が1つ、左右それぞれの手首に設置された視点が1つずつだ。動画による表現を通じて、見た目の異なるアームやグリッパーについても、同じ視覚情報を使って推論できる。

開発者向けには、この研究成果を比較的シンプルな処理の流れで利用できるよう製品化している。ロボットが画像、現在の状態、タスクの指示を送ると、モデルが動作を返す。モデルはDream Labsのホステッドサービス上で実行されるため、開発者がそれぞれロボティクス基盤モデルを構築・運用する必要はない。

ゼロショット転移の適用範囲

同社が現在提供するゼロショット機能の対象は、平行グリッパーを備えた両腕ロボットだ。つまり、2本のアームと、開閉するシンプルなグリッパーを搭載した機械を指す。ゼロショットとは、特定のロボットによるデモンストレーションで事前学習しなくても、モデルが未知のロボットでタスクを試行できることを意味する。

Dream Labsが公開した評価では、シミュレーション環境で、これまで学習対象に含まれていなかった27種類のロボット形態をテストし、それぞれの形態について300回の試行を行った。結果は、Dream-1の学習に使用されたロボット「YAM」と比較して報告された。ハードウェアによって性能には大きな差があった。そのため、ロボット間の転移という大きな主張は、詳細な結果と併せて読むことで、より有用な意味を持つ。

こうした相対スコアを、タスクの絶対的な成功率と混同してはならない。また、方策を別のロボットに転移できたからといって、あらゆるタスクを確実に完了できることが示されたわけではない。研究ページのタスク評価では、完全な完了と部分的な進捗を別々に扱っている。

この制御インターフェースには、トレードオフもある。グリッパーの目標位置を予測するだけでは、そこに到達するまでアームがたどる経路は完全には定まらない。障害物、関節の可動範囲、ロボットの逆運動学ソルバーの精度が、性能に影響する可能性がある。作業空間や動力学特性が大きく異なるロボットでは、モデルの予測とハードウェアが物理的に実行できる動作との間に、さらに隔たりが生じることもある。

ファインチューニングでベースラインを超える

Dream Labsの「ファインチューニング・アズ・ア・サービス」は、汎用モデルでは不十分な場合に、開発者が選べる別の手段となる。開発者は自分のロボットによるデモンストレーションをアップロードし、ゼロから学習プロジェクトを始める代わりに、調整済みのモデルを受け取ることができる。

同社は、ロボット固有のデータを5分間分使ってモデルを適応させた例に加え、見慣れないエンドエフェクターの場合には、かなり多くのデータを必要とする例も示している。これらのデモンストレーションは、必要となる適応の幅を示すものであり、あらゆるケースに共通する5分間の学習要件を示すものではない。

これは実用上、重要な違いだ。共通モデルを使えば、ロボットを動かし始めるまでの初期作業を減らせる一方、特定の用途で有用な動作を実現するには、タスク固有のデータが依然として必要な場合がある。Dream Labsは、調整済みモデルのほうがゼロショットでの動作よりも優れた性能を発揮すると認めている。

研究ページによると、推論の料金はDream-1が1時間あたり3ドル、軽量版のDream-1-flashが1時間あたり2ドルだ。モデルを1回呼び出すごとに、1.6秒分の動作が返される。導入コストを評価する際には、ハードウェア、統合作業、追加のサービス費用は別途考慮する必要がある。

研究デモから、再現可能な作業へ

このスタートアップのチームは以前、DreamZeroとNVIDIAのGR00Tロボティクス研究に携わっていた。Dream-1では、そうした研究成果を、開発者が自分のロボットで試せるサービスへと展開している。

アクセスのしやすさも、今回の発表で重要な要素だ。公開APIを利用すれば、ロボットメーカーや小規模なチームは、選び抜かれたデモだけに頼らず、失敗する場面も含めてモデルの挙動を直接評価できる。公開中のPlaygroundは、ロボットを所有していない人にも、より手軽に試せる場となっている。

Dream-1は引き続き研究段階のベータ版であり、Dream Labsは安全性が極めて重要な用途での検証は済んでいないとしている。現時点では、両腕と平行グリッパーを備えたシステムによる操作に重点を置いている。移動ロボットや器用な動作が可能なハードウェアへの対応拡大は、引き続き開発課題となっている。

商業面で問われるのは、機種をまたいで適用できるモデルが、自動化に対価を払う価値のある作業で、再現性の高い性能も発揮できるかどうかだ。9,000万ドルの資金調達により、Dream Labsはこの目標を追求するための資金を得た。最も重要な試金石となるのは、新しいロボットを接続した後も、開発者がどれだけ独自のデータやエンジニアリングを必要とするかだ。