ドイツのAgile Robotsは、将来の産業利用に向けたスキルを開発する大学や企業の研究所を対象に、2027年に小型ヒューマノイドロボットを最大2,000台生産することを目指している。
ミュンヘンに拠点を置くロボット企業のAgile Robotsは、ベルリンで開催されたNvidiaのGTCイベントでAgile ONE SNを発表した。小型ヒューマノイドのハードウェアに、NvidiaのIsaac GR00Tロボット向けソフトウェアとJetson Thorコンピューティングプラットフォームを組み合わせたものだ。ONE SとONE SNの生産は2026年末までに始まる見通しで、同社は来年1,000～2,000台を目標にしていると、CEOのZhaopeng Chen氏はReutersに語った。
ロボットは、工場への即時の大量導入よりも、主に大学や企業の研究チーム向けに設計されている。Agileによると、Stanford UniversityとETH Zurichがこのプラットフォームに関心を示しているが、同社の発表では両機関からの受注については明らかにしていない。
この提携は、ハードウェア、センサー、シミュレーションツール、AIソフトウェアを連携させるという統合上の問題に対処するものだ。開発者が新しいスキルのテストを始める前に、その作業だけで数カ月を要することがある。セットアップ後も、 信頼性の高いタスク実行は依然として課題だ。
NvidiaのプロダクトディレクターであるSpencer Huang氏は述べた。標準化された構成により、研究者は統合作業にかかる2～3カ月を節約できるという。
ヒューマノイドがもたらすもの
Agile ONE SNは身長1.4メートルで、ヒューマノイドのボディに5本指の触覚ハンド、カメラ、3Dライダー、NvidiaのオンボードコンピューターJetson Thorを組み合わせている。Agileによると、ボディと両手で71の自由度を備えており、協調的な動作と、より器用な操作を可能にする。
あらかじめ構成されたソフトウェアには、GR00T 1.7、全身制御ツール、実演の記録、データ生成、モデルのトレーニング、シミュレーション環境でのスキル検証、物理ハードウェアへの展開を行うワークフローが含まれる。
このプラットフォームはNvidia Isaac SimとIsaac Labにも対応しており、研究者は実世界で試す前に、仮想環境でロボットの動作を開発・評価できる。チームは統合されたワークフローを使うことも、個々のコンポーネントを既存システムに組み込むことも可能だ。
Agileによると、小型のONE SNで開発したスキルやデータは、後にフルサイズのAgile ONE産業用ヒューマノイドへ移転できる可能性があり、研究室での実験から工場での応用へとつながる道筋を生み出す。同社はONE SNを2027年初頭に提供する計画だ。NvidiaとAgileは、NvidiaのHalos安全プラットフォームの統合についても協議しているが、現時点では検討段階にとどまっている。
Nvidiaがヒューマノイドロボティクスに参入する理由
この契約は、フィジカルAIを支えるコンピューティング、ソフトウェア、シミュレーションツールの主要サプライヤーになるというNvidiaの取り組みも前進させる。
GTC Berlinで、Nvidiaはアップデートを発表し、Isaac Lab 3.0、Isaac OSランタイム、ロボット学習向けの新しいワークフローなど、Isaacロボティクスプラットフォームを拡充した。これらのツールは、開発者がトレーニングデータを生成し、AIモデルを改良し、ロボットアプリケーションをシミュレーションから物理環境へ移行するのを支援することを目的としている。
このエコシステムは、Nvidiaのテクノロジーをロボットメーカーにとってより魅力的なものにし、同時にAgileには、自社で統合しなければならなかったソフトウェアとコンピューティングのスタックを利用できるようにする可能性がある。
eWeekの見解：開発の高速化は産業利用への準備完了を意味しない
この提携で最も重要なのは、研究者が有用なロボットスキルの構築を始めるまでにかかる時間を短縮できることかもしれない。
NvidiaのSpencer Huang氏が見積もったように、プラットフォームによって統合作業の2～3カ月を節約できれば、研究チームは物体操作、移動、タスク実行のテストにより多くの時間を充てられる。ハードウェアとソフトウェアの構成を共通化すれば、機関をまたいだ実験の再現や比較も容易になる可能性がある。
企業にとっては、大学の研究から産業オートメーションへとつながる潜在的なパイプラインが生まれる。メーカーは最終的に、研究プラットフォームで開発されたスキルの恩恵を受けられる可能性がある。特に、物体の取り扱い、資材の搬送、人向けに設計された設備との作業などが対象となる。
ただし、ロボットモデル間でスキルを移転しても、同一の性能が保証されるわけではない。ハードウェア、工場のレイアウト、動作条件が異なれば、追加のトレーニングや検証が必要になる可能性がある。AgileはHalosの統合を検討しているが、これは同プラットフォームが作業員の周囲での運用について検証済みであることを示す証拠とみなすべきではない。
商業面では、依然として重要な不確実性が残る。研究室環境で生まれたスキルによって、こうしたシステムの導入、保守、監督に伴うコストを賄えるほどの生産性向上を実現できるのかという点だ。2,000台のロボットを生産すれば開発用ハードウェアへのアクセスは広がるが、ヒューマノイドが専門的な産業システムに取って代わる準備が整っていることの証明にはならない。
Nvidiaにとっての機会は、ロボットのトレーニングと運用の中核に自社テクノロジーを据えることだ。Agileにとって次の試練は、生産と提供の目標を達成し、研究で得たスキルが有用な産業作業に移転できることを示すことになる。企業の購入担当者は、研究の進展を導入の理由とみなす前に、タスクの成功率、人による介入が必要となる頻度、安全性の検証、運用総コストを確認すべきだ。
関連記事：Nvidiaのヒューマノイド構想は、 Figure AIへのさらなる10億ドル投資をめぐる協議が報じられたことにも及び、投資家とテクノロジーサプライヤーの双方としての潜在的な役割を浮き彫りにしている。