アメリカのIT大手メタ（Meta）の元研究者らが設立したスタートアップ企業「パーセプトロン（Perceptron）」は、工場や倉庫などの産業現場でロボットを制御するための新たな視覚AIモデルを発表しました。
パーセプトロンは2024年11月に設立された企業で、機械が物理的な環境とより適切に相互作用できるようにするための最先端の視覚モデルを開発しています。
同社が今週発表した最新モデル「Isaac 0.5」は、産業現場において機械に「知覚、推論、行動」の能力を提供するよう設計されているということです。具体的には、視覚誘導型のロボットが倉庫や工場などの複雑な環境を移動するのを支援します。また、ロボットが記録した映像から視覚的な情報を抽出することも可能だとしています。
このモデルは、パラメーターなどが公開される「オープンウェイト」として提供され、誰でも内容を確認できるということです。
パーセプトロンは、メタのAI研究部門で勤務していたアーメン・アガジャニアン氏とアクシャット・シュリバスタヴァ氏によって共同設立されました。両氏は、このソフトウェアが産業用自動化の未来を担うと位置づけています。
同社は現在の物理的AIの課題について、「すべての処理に専用のクラウドGPUを必要とする汎用モデルか、知覚や制御のどちらか一方しか処理できない特化型モデルのいずれかを選択せざるを得ない状況にある」と指摘しています。
これに対し、今回発表されたツールは、特定の反復作業だけでなく、置かれた環境や状況に応じて柔軟に対応できる汎用性を備えているということです。
例えば、箱を整理するという単純な作業でも、ロボットはラベルを読み取り、箱の位置を空間的に分析し、どれを手に取るかを決定する必要があります。さらに、複数の箱を扱う場合は、順番を計画しなければなりません。パーセプトロンのソフトウェアは、こうした一連の工程すべてをロボットが柔軟に実行できるよう支援するよう設計されています。
このモデルは、膨大な量の動画データを学習することで操作スキルを獲得しています。同社によれば、特定の環境や状況を識別させるため、100万時間におよぶ一般的な動画を学習させたということです。さらに、人が物理的な作業を行う際の一人称視点の動画や、人間の反復動作を記録した動画も活用したとしています。
学習データの詳細な出所は明らかにされていませんが、同社は画像やテキスト、動画、ロボットの軌道など、多岐にわたる大規模なデータセットを独自に構築したとしています。
パーセプトロンは、このソフトウェアを製造業や物流、倉庫、セキュリティ、モビリティ、メディアなど、幅広い業界に提供していく方針です。
調査会社によると、同社は2024年にベンチャーキャピタルなどから1600万ドル（約24億8000万円）の資金調達を行っており、現在、さらなる追加調達を進めているということです。