Physical AI Lab // 第 0.2 話 // 1枚まとめ

なぜいまなのか？

データ、モデル、計算力。三本の曲線がそろって上向く

三つのポイント

  1. データ：研究室ごとに集めていた時代から、機関をまたいだ一つのデータセットへ（2023年、22種類のロボット、R）、さらに人の作業を見て学ぶ時代へ（2026年、20,854時間の一人称視点映像、R）。
  2. モデル：膨大な画像と文章を見た大規模モデルが動作を出力できるように（RT-2、2023年、R）。2026年には公開・商用利用可能な人型ロボットモデルも（GR00T N1.7、30億パラメータ、O）。
  3. 計算力：最先端AIの学習計算量は毎年4〜5倍（Epoch AI、R）。Jetson AGX Thor は AGX Orin に比べ、特定の数値精度でピーク計算性能が7.5倍とメーカーが報告しています（O）。ピーク性能をそのまま作業速度には換算できず、曲線が上向いても問題が解けたわけではありません。

出典：O 公式・一次 · R 学術文献 · M メディア・二次

R22種類のロボットのデータを一つのデータセットに（21機関、527スキル）
R20,854時間動作ラベル付きの一人称視点の人の映像で、ロボットを事前学習。論文によれば従来の20倍以上。休まず約2.4年分に相当（本動画での換算）
R6,000回の実機評価。学習データにない物体への汎化が明らかに向上（RT-2、視覚・言語・行動モデル）
O30億パラメータの公開人型ロボットモデル GR00T N1.7。商用利用可。EgoScale の20,854時間の人の映像で事前学習
R4〜5倍最先端AIモデルの学習計算量の年間の伸び（2010年〜2024年5月）
O7.5倍Jetson AGX Thor の、前世代 AGX Orin と比べたAI性能。メーカー公称ピークは 2,070 FP4 TFLOPS

さらに読む