有能なヒューマノイドロボット開発競争は、もはやハードウェアの戦いではなく、根本的な哲学的な問い――「機械に教える最善の方法とは何か？」――へと急速にシフトしている。片や、Sundayのような企業は、人間教師の大軍にすべてを賭けている。その一方で、TeslaやNvidiaといった巨人は、ロボットがYouTubeを見るだけで学習できると夢見ている。この戦略的な分裂が業界全体を二分し、誰もが「これが正解だ！」と胸を張れる答えを見つけられずにいる。
Sundayは模倣学習に「全振り」だ。500人もの「メモリー開発者」に特殊な手袋を装着させ、考えうるあらゆる雑事について、まるで職人のようにきめ細かく高品質なデータを記録させている。同社は、この手法によって1〜2週間ごとに新しいタスクを訓練・評価でき、「世界最速の学習ロボット」を生み出していると豪語する。これは、まさに手作業による「匠の技」とも呼べるデータ収集アプローチであり、量より質に徹底的にこだわっているのだ。
この人間中心モデルも、一枚岩ではない。ノルウェーの1X Technologiesも人間の指導を利用するが、手袋と厳選されたセッションではなく、 1X Neo：AI執事が登場、ただし価格あり ロボットを直接実世界に投入し、テレオペレーションを通じて「現場で学ぶ」スタイルだ。これは、教室でのお勉強というより、まさに「習うより慣れろ」の徒弟制度に近い。一方、Figureは物理的な「ニューラジム」を構築中だ。これは、ロボットが特定のタスクを訓練できる構造化された環境であり、BMWのような企業とのタッグを組むこともある。
そして、もう一方には「動画を見て学ぶだけ」という大胆な陣営がある。Teslaは、Optimusが人間が行う動画を観察するだけでタスクを習得するという目標を、声高に主張している。Nvidiaもまた、 Translation not available (ja) プラットフォームを駆使し、シミュレーションと膨大なインターネット規模の動画データを活用して、ロボット工学の基盤モデルを鍛え上げている。この手法は途方もないスケーラビリティを約束する――何しろ、オンラインにはどんなメモリー開発者チームも到底生み出せないほどの「ハウツー」動画が溢れているのだから。しかし、コンテキスト、身体性、そして非構造化データが持つ「純粋なノイズ」との戦いに苦戦しているのが現状だ。
なぜ、これが大問題なのか？
トレーニング手法におけるこの「亀裂」こそが、真に汎用的なロボットを創出するための、喉から手が出るほど欲しい最大のブレイクスルーを阻む、たった一つの、しかし最も巨大な障害となっている。この議論の核心は、古典的な「質か量か」という問題だ。それが、物理的な相互作用という複雑さによって、さらに増幅されているのである。
人間による実演から得られた、 Sunday AI、ロボットパペットをスキップ、手作業で家事を教える が構築しているような、きめ細かくキュレーションされた高品質なデータセットこそが、信頼性の高いタスク実行の「黄金の鍵」なのだろうか？それとも、TeslaやNvidiaが信じるように、インターネット上の純粋でカオスなデータ量が、最終的に知能へのより堅牢でスケーラブルな道筋を示すのだろうか？この「スケーラブル学習のパズル」を解き明かす企業は、単に優れたロボットを開発するだけにとどまらない。彼らは、間違いなくAIと自動化の次の10年を「定義」することになるだろう。
