World LabsのSceniX買収が示す、物理AIにおける「世界を作る」競争

導入

Fei-Fei Li氏が率いるWorld Labsが、ロボットシミュレーション企業SceniXを買収した。この動きは、世界モデルの役割が変わり始めたことを示している。これまでは、視覚的に一貫した3D空間を生成できるかが注目されてきた。これからは、ロボットがその空間で行動し、その結果として世界がどう変化するかを予測できるかが問われる。

買収後、World LabsはReal-to-Sim-to-Real（R2S2R）に関する成果を公表した。実世界のロボットタスクをシミュレーションに移し、仮想空間で多数の条件へ拡張し、そこで方策を訓練・評価したうえで、再び実機に戻すという考え方だ。重要なのは、シミュレーションで動くことそのものではない。仮想環境での相対的な成績が実機での性能を予測できるか、失敗領域を事前に発見できるかである。

主要ポイント

• 世界モデルの問いが変わる：ロボットにとっては、見た目がリアルな箱やケーブルだけでは不十分だ。力が加わったときに曲がるのか、滑るのか、絡まるのかが重要になる。
• シミュレーションが接続層になる：SceniXは、実タスクの再構築、物理属性の復元、複雑な相互作用のシミュレーション、方策訓練と評価を補う存在だ。世界モデルはレンダラーからシミュレーターへ近づいている。
• R2S2Rは単一技術ではない：実データ、世界再構築、生成による拡張、物理シミュレーション、訓練、評価、実機フィードバックを一つのループに入れる必要がある。
• データ基盤の尺度も変化する：単に何時間のデータを集めたか、何個の3D資産を作ったかではなく、一つの実タスクからどれだけ有効な訓練世界を作れるかが重要になる。

意味と影響

ロボット産業にとって、データは静的な保管物ではなく、モデルを継続的に改善するための循環資源になりつつある。実世界のデータが基準点となり、生成モデルが物体・配置・異常ケースの分布を広げ、シミュレーターが物理的な変化を計算し、実機での失敗が次のデータ需要を定義する。

素材では、無問智科も「世界を採集する、世界を生成する、世界をシミュレートする」という枠組みで、物理AI向けデータ基盤を構築していると紹介されている。狙いは大きなデータ倉庫ではなく、収集、整理、再構築、生成、シミュレーション、訓練、評価をつなぐ継続的なシステムだ。

World Labsは3D世界生成から出発し、ロボットシミュレーションを補強している。一方、無問智科は実世界データを起点に閉ループ化を進めている。方向は異なっても、目指す先は近い。現実世界を、物理AIが何度も学習し試行錯誤できる計算資源へ変えることだ。

出典：量子位