概要
GoogleはGemini 4 Argonを使ったロボット制御やシミュレーションの実験結果を発表し、NEURAは複数の入力情報を扱うNeuron AIの構成を説明した。いずれも、顧客現場での導入費用や投資回収を独立して実証したものではない。
詳しいファクト
Googleのシミュレーション実験
Googleは10月13日、Gemini 4 Argonをロボット制御、シミュレーション構築、記録済みタスクの分析に用いる取り組みを発表した。Boston DynamicsのSpotがシミュレーションでペダル式ごみ箱の操作を練習し、その後、実機で缶を扱うデモを示した。Google発表値では、身体性推論ベンチマークERQAのスコアは87％だったが、顧客施設での成功率を示す数値ではない。
出典を確認 ↗実機実験とNEURAの計画
Googleは両腕型のFranka FR3を使った卓上実験について、シミュレーションを活用した訓練でタスク成功率が56％から75％に上がり、完了時間が35秒から24秒に短縮したと発表した。これらは提示された実験に関する企業発表値であり、一般的な導入成果を保証するものではない。NEURAは10月14日、視覚・触覚・音声・ロボット状態・言語・記憶を組み合わせるNeuron AIと、5種類のロボット形態への対応を説明し、顧客がNeuraverseを通じてスキルを適応させる構想を示した。
出典を確認 ↗洗濯物処理デモは発表時点で未実施
NEURAは、10月20～22日にベルリンで開かれるNVIDIA GTCで、ヒューマノイド4NE1による11分間の自律的な洗濯物処理デモを行う計画を示した。予定されている作業は洗濯物の仕分け、投入、取り出し、移送であり、洗濯から乾燥までを11分で行うという内容ではない。記事の公開時点ではデモはまだ実施されておらず、各社の発表は顧客現場での費用対効果を独立検証したものでもない。
出典を確認 ↗独自観点のコメント
導入コストを左右するのは、デモの速さだけではなく、業務の特定から安定稼働までに必要な工数と継続費用だ。Googleの発表はシミュレーションを用いた訓練の効果を実験値で示す一方、NEURAは複数の感覚情報やロボット形態を扱う基盤と、顧客によるスキル適応を打ち出している。両者は、前者が訓練・開発工程、後者が能力の統合と適応を主に訴求する点で異なる。
ただし、発表された数値や予定デモだけでは、現場で必要な人手介入、例外処理、データ準備、計算費用、保守を含む総コストは分からない。買い手にとって重要なのは、同じ作業条件で現行工程と比較し、連続稼働中の介入記録や再作業、支援費用まで測ることだ。こうした比較がなければ、プログラミング工数の削減が別の費用に置き換わる可能性も評価できず、商用導入の経済性は判断できない。
関連する企業・製品
出典
- 媒体記事 Robot Harbour — 元記事を読む ↗