NEURA Robotics、フィジカルAI向け基盤モデル「Neuron AI」を発表

NEURA Roboticsは2026年10月14日、ドイツ・メッツィンゲンからの発表で、フィジカルAI向けのマルチモーダル基盤モデル「Neuron AI」を公開した。同社によると、このモデルの知覚・言語・行動（PLA）アーキテクチャは、ロボットの視覚、聴覚、触覚を、それまでに行った動作と結び付け、複数の感覚情報を物理的な動作へと変換する。

創業者兼CEOのDavid Reger氏は、知能を備えたロボットには、感覚を統合し、過去の出来事を記憶する脳が必要だと述べた。「Neuron AIによって、私たちは物理世界の脳を構築しています」と同氏は語り、このモデルを、ドイツで開発され、世界に向けて作られたフィジカルAIと表現した。

製品ページでは、モデルを3つの要素に分けて説明している。知覚層は、ロボットが見たり、触れたり、聞いたりして、自身の身体を認識し、ユーザーの指示を受け取る部分。言語モデルは、あらゆる入力を共通の言語空間に取り込み、指示について推論する。そして行動モデルは、判断を正確で安全なロボットの動作へと変換する。この処理の流れでは、各モダリティが共通の時間整合表現に符号化された後、ひとつの行動の流れへと条件付けられる。

マルチモーダル知覚と記憶

NEURAがこのモデルの必要性を訴える出発点にあるのは、カメラの限界だ。カメラで捉えられるのは形状、色、位置であり、接触や力、音に関する情報は得られない。発表によると、人間も視覚だけに頼って作業するわけではない。ねじが引っ掛かる感触を確かめ、コネクターが所定の位置にはまる音を聞く。Neuron AIは、同じ考え方をロボットに応用する。

同社によると、こうした追加の感覚が特に重要なのは、カメラだけでは解決できない作業だ。ロボットが鍵を開ける場合、実際に開いたことを確認できるのは音と触覚だけであり、触覚があれば視界に入らない物体もつかめる。また、これらの感覚は、視覚ですでに対応できる作業の精度も高める。溶接では、作業中の音から溶接部の品質を判断できる場合がある。

このモデルには記憶機能も備わっている。NEURAは、物理世界で行動するには、因果関係の理解と物体の永続性が必要だと主張する。物体の永続性とは、視界から消えた後も物体を記憶しておく能力であり、人間は生後2年のうちにこれを身に付ける。同社によると、純粋にデジタルなAIとは異なり、ロボットは途切れることのない物理世界で動作するため、物体と自らの動作がもたらす結果を時間の経過とともに追跡しなければならず、その間、対象が見えないことも多い。NEURAは、記憶機能を導入するためにアーキテクチャを特別に再設計し、その機能を活用するよう構成した専用データセットでモデルを訓練していると述べた。

製品ページでは、視覚主導の視覚・言語・行動（VLA）モデルとNeuron AIを対比している。同社によると、VLAモデルは動作に最適化され、主にカメラが捉えた現在のフレームを基に推論する。一方、Neuron AIはVLAと同じ範囲をカバーしながら、触覚、音、記憶を加えることで、カメラでは捉えられない情報にも対応するという。

3つのデータの柱と5種類のロボット形態

Neuron AIは、相互に補完する3つの物理的経験の情報源を用いて訓練される。異なる形態のロボットが、認知ロボットとフィジカルAIのための同社の訓練基盤であるNEURA Gymsや実環境で作業に取り組み、視覚、触覚、力、音声、動作のデータを同期して記録する。NEURAのData Amplifierとシミュレーション基盤は、作業や環境にシミュレーション上の変化を加えることでデータの幅を広げる。また、人間による実演データは、センサーを装着したデータスーツを着用した人々から取得される。記録された動作や作業の実演を通じて、実践的な知識が訓練に取り込まれる。

同社によると、この3つの柱が提供するのは、実際の物理的な相互作用、シミュレーションによる多様性、人間の知識であり、異なるグリッパーやハンドを備えたNEURAの5種類のロボット形態に共通する基盤モデルを訓練する。製品ページでは、その5種類として4NE-1 Gen 3、4NE-1 Gen 4、車輪型の4NE-1、さらに2種類の両腕型プラットフォームを挙げている。また、1つのモデルが訓練され、展開されるロボットファミリーとして、MAiRA、MiPA、MAV+、4NE1を列挙している。

ロボット上での展開とNeuraverseプラットフォーム

製品ページによると、Neuron AIはロボット本体上でローカルに動作する。判断はサーバーを介さず、ロボット上でリアルタイムに行われ、クラウドに接続できない場合も稼働を続ける。また、生産データは顧客の管理下に置かれる。同ページはこれを、欧州のメーカーにとって重要な点だとしている。

NEURA Gymsでは、展開前にデータ収集、スキル訓練、ベンチマーク評価を連携させており、そこで生み出されたデータとスキルは、その後のモデルリリースに活用される。次に、Neuraverseプラットフォームがこうした機能をロボット群全体に展開・更新し、顧客が自社の作業に合わせてモデルを微調整するためのツールを提供する。これにより、顧客の工程に関する専門知識がロボットのスキルになる。スキルは顧客の非公開情報として保持できる。顧客がスキルや展開データを共有した場合、その貢献はより広範なエコシステムと将来のモデル開発に役立つ可能性があるとNEURAは述べた。

同社は、新しい作業をロボットが習得し、安定して遂行できるようになるまでの速さを示す「Time-to-Skill」を、進捗を測る中心的な指標としている。NEURAによると、産業分野の顧客にとって、この時間を短縮することは、より多くの工程にフィジカルAIを広げ、要件の変化に応じて調整するうえで不可欠だ。

ドイツでの開発とGTC Berlinでのデモ

開発と訓練は、NEURAのメッツィンゲン拠点で社内で行われました。同社はここに、モデルの訓練を実際の動作性能に結び付けるために必要なロボット、ロボットハンド、センシング技術、データ基盤、AI開発の機能を集約しています。NEURAによると、複雑な製造工程、高度な専門知識、厳しい稼働環境を備えたドイツの産業基盤は、この取り組みにとって重要な環境となっています。また、SchaefflerやBoschを含む産業企業とのデータ提携により、NEURA Gymsで実施する訓練がさらに強化されています。

NVIDIA GTC Berlin 2026でNEURAは、最新バージョンのNeuron AIを搭載したヒューマノイドロボット4NE1（「For Anyone」）が、11分間にわたって洗濯物を扱う様子を実演します。この一連の動作では、4NE1が洗濯物を仕分け、洗濯機に入れ、扉を閉めて再び開け、洗濯物を取り出して乾燥機へ移します。これらの作業はすべて、人の介入なしに行われます。同社によると、難しさは個々の動作だけにあるのではありません。ロボットは一連の作業を通じて関連する文脈を保ち、各工程を完了してから次の工程に進む必要があります。実演は2026年10月20日から22日まで、Station-Berlinのホール3、ブース#3031で予定されています。