著者：Zen，PANews
7月15日以前、Walden Roboticsはずっと一般には知られていなかった。
しかしその当日、この会社は突然正式にお目見えした。トヨタの研究院から分拆されたロボット企業であり、今回いきなり3億ドルのシードラウンド資金調達と、評価額11億ドルをまとめて公表した。
この資金調達はトヨタとDeviation Capitalが共同でリードし、NVIDIA、ボーイング、Samsung Ventures、Prologis Ventures、CoreWeave Venturesなどの事業会社の資本も参加している。
会社設立からユニコーン入りまで、Waldenはわずか半年しかかかっていない。そして同社は、ロボットのスタートアップが誰もが羨む条件をすでに多く備えていた――成熟した研究チーム、潤沢な資本、トヨタのオープンな生産体制、さらに製造、航空、電子、物流といった産業投資家からの潜在的な協業ルートだ。
今回の資金調達ニュースが発表される前、Walden Roboticsはずっとシークレット（ステルス）状態にあった。
今年1月、Waldenはトヨタ研究所（Toyota Research Institute、以下「TRI」と略）から分拆して設立された。同社名の着想は、米国の作家ソローの著作『ウォールデン』（Walden）に由来する。同書では、意識を持ち、目的をもって生きることの重要性が説かれている。これは同社が探りたい問いにも対応している。すなわち、ロボットは人々が仕事と生活の中でより多くの意味を見いだすのに、どのように役立つのか――という点だ。
Waldenの共同創業者兼CEOであるRuss Tedrakeの見立てによれば、物理AIに駆動された汎用ロボットは間違いなく破壊的な技術であり、すでに重要な分岐点に差しかかっているという。ただし、商業的成功を収めるには、ロボット企業がユニットエコノミクスを検証し、顧客と深く協業する必要もある。
独立企業として立ち上がったことで、Waldenはトヨタ研究院のロボット技術の商用化をより集中して推進できるようになった。関連成果を研究室から生産環境へ持ち出すことが可能になったのだ。世界の大手製造・物流企業と連携することで、Waldenは実際の場面で製品の能力を継続的に検証し、製品が実際の生産プロセスに適合できることを確実にし、明確なコスト削減と効率向上につなげたいとしている。
Russ TedrakeはMIT（マサチューセッツ工科大学）の教授であり、これまでTRIでロボットと機械学習チームを約10年にわたり率いてきた。チームはDiffusion Policy、汎用操作インターフェース（UMI）、Large Behavior Models、大行動モデル（OpenVLA）、オープンソースシミュレータのDrakeなど、多くの基礎研究に貢献してきた。
Russ Tedrakeに加え、現時点でWaldenの創業チームには、CTOのBen Burchfiel、COOのKerri Fetzer-Borelli、チーフプロダクトオフィサーのDave Johnson、チーフストラテジーオフィサーのAdrien Gaidon、チーフアーキテクトのSiyuan Feng、AI責任者のRares Ambrusがいる。そのうち複数名はTRIの大行動モデル研究のプロジェクトリーダーでもあり、モデルのアーキテクチャ、トレーニング、シミュレーション、評価体系の構築に携わっている。
Walden Roboticsチーム、左から2人目がRuss Tedrake
わかるように、一般的なスタートアップ企業と比べると、Waldenの出発点と基盤は明らかにより高い。ひとつには、TRIがロボット分野で数十年にわたって積み上げてきた研究成果を受け継いでいるからだ。もうひとつには、トヨタが中核投資家であるだけでなく、最も重要な初期の産業パートナーでもあり、最初の実際の生産現場という“現場の場”を提供しているからである。
具現化（エンボディド）知能企業に共通する課題の1つは、技術開発と商用展開（ビジネスデプロイ）の間に断絶が生じがちな点だ。
ロボットは実環境に入って質の高いデータを得る必要がある。しかし初期製品には信頼性や採算性の問題があり、企業顧客を十分に納得させて実際の業務に投入することが難しい。さらに、展開（デプロイ）の場とデータが不足していると、モデルは現実世界の異常ケースをカバーしにくく、製品能力も継続的に改善しづらい。
設立当初からトヨタの生産体系の支援を受けられたWaldenは、ある程度この検証期間を短縮できた。トヨタは同社の技術を育てる孵化（インキュベーション）側であり、かつコア投資家でもあり、最初の実際の展開シーンの提供者でもある。Waldenは、ゼロから産業顧客を探す必要がなく、テスト用のシミュレーション工場を独自に一から構築する必要もない。既存の生産プロセスに直接入り、製造チームとともにタスクを定義し、設備を調整し、投資対効果を評価できる。
こうした産業背景の価値は、ロボットの「訓練」環境を提供することにとどまらない。産業用ロボットが経済価値を生み出せるかどうかは、タスクの頻度、設備稼働率、安全要件など複数の要因に左右される。多くの研究室で優れた性能を示すロボットタスクも、工場に導入すると必ずしも展開価値を持つとは限らない。
また、トヨタが長年にわたり蓄積してきた製造・自動化の経験は、Waldenが現時点の技術能力に適合し、同時に明確な商業的リターンが見込める工程を優先的に選び、製品開発と顧客ニーズのズレによるリスクを減らすのに役立つ。
さらに、Waldenの投資家陣は、外部の展開シーンを広げるための潜在的なルートも提供している。トヨタ以外にも、ボーイングは航空製造、Samsung Venturesは電子産業、Prologis Venturesは物流インフラにそれぞれ対応する。NVIDIAとCoreWeaveは、ロボットの計算およびAIトレーニングのリソースをつなぐ。
これらの企業は明らかに、相互協力のための潜在的なリソースであり、将来的にWaldenへ協業の入口を提供する可能性がある。ある程度は、トヨタがWaldenに商用化の最初期段階に必要な場とデータの問題を解決した後、Waldenの長期的な価値を本当に決めるのは、ひとつの鍵――この技術と運用の仕組みがトヨタから出て、より多くの製造企業向けの標準化製品へと転換できるかどうか――だろう。
これに関して、TRIの研究および技術成果を継承しているWaldenは自信が大きい。そのため、この会社の技術体系の中核である――大行動モデル（Large Behavior Models、LBMと略）――について触れずにはいられない。
文章生成を目的とする大規模言語モデルとは異なり、LBMは視覚映像、ロボット自身の状態、触覚またはその他のセンサー情報、そしてタスク指令を同時に扱い、それらをもとに連続した動作を生成する。各作業ごとに個別のプログラムを作ることが目的なのではなく、多タスクのデータで学習することで、同一のモデルが異なる操作スキルを“学習し、移行（転移）”できるようにする点にある。
この方針は、TRIが長年積み上げてきたロボット学習研究に基づいている。なかでもDiffusion Policyは代表的な技術的土台だ。
従来の産業用ロボットは、あらかじめ設定した運動軌道や作業ステーション条件に依存することが多い。部品の位置、設備のレイアウト、あるいは生産プロセスが変わると、エンジニアが再度プログラムを書き直し、デバッグし直す必要が生じがちだ。Diffusion Policyは、人間のデモンストレーションによって動作の分布を学習し、モデルが視覚・動作・ロボット状態データから規則性を抽出したうえで、自律的にそれを再現しようとする。
さらにこの上に、LBMは複数のタスクを統一された事前学習フレームワークに取り込む。TRIがこれまでに開示していた研究では、約1700時間分のロボットデータを用い、1800回の実環境テストと、4.7万回以上のシミュレーションテストを行っていた。研究結果は、多タスクの事前学習を経たモデルでは、新しい一部タスクを学習する際に必要なデータ量が、最初から訓練する単一タスクモデルよりも明確に少なくて済むことを示している。
シミュレーションおよび現実世界で、さまざまなタスクや環境条件に対してWaldenがLBMモデルを評価
これにより、Waldenの製品ロジックの土台ができる。ロボットは、エンジニアがタスクごとに逐次プログラムを書かなくてもよくなり、少量のデモで新しい作業フローに適応できるようになるのだ。産業顧客にとって、この種の能力は、製品の種類が多く、生産タスクの調整が頻繁に行われる製造環境で主に活きる。固定動作を繰り返すだけの従来型自動化設備と比べて、学習能力を備えたロボットは、改造コストをより低く抑えて工程やタスクを切り替えられる可能性がある。
現在、Waldenは自律運転と遠隔の人による支援を組み合わせる方式を採っている。ロボットは、すでに習得している通常タスクを自分で完了できる。一方、異常物体や環境変化、あるいはモデルの能力範囲を超える状況に遭遇した場合にのみ、遠隔操作の担当者が介入する。
ロボットの本体設計では、Waldenは人型の上半身と両腕、そして車輪付きの移動ベースを組み合わせた形態を採用し、製品の重点を両腕での操作、タスク学習、環境適応能力に置いている。
車輪式の移動ロボットは、地面が平坦で、作業ステーションが明確な工業・倉庫のシーンでは珍しくない。その主な利点は安定性、負荷、そしてシステムの複雑さが比較的コントロールしやすい点にある。人型化した上半身の設計は、ロボットが人間向けに設計された道具や作業スペースを利用しやすくする。目指す「汎用性」は、主にモデルがさまざまなタスクを学習する能力、そして両腕システムが多種多様な物体や設備を操作できる能力によって実現される。
ただしWaldenは、恵まれた条件を持つだけでなく、ロボット分野でも一定の先行優位を得ている。Russ TedrakeがWaldenの正式披露の際に述べた通りで、「チームが十分に強く、進捗が十分に速いので、誇張する必要はない」。とはいえ、シークレット状態からようやく姿を現したばかりのこの会社にとっては、Russ Tedrakeが言う通り「私たちはこの旅のまだ最初の段階に立ったばかり」だ。
1.27M 人気度
699.97K 人気度
72.31K 人気度
219.16K 人気度
946.34K 人気度
トヨタがロボットのユニコーンを分社化：Waldenは「大規模行動モデル」をどうやって工場に持ち込んだのか？
著者：Zen，PANews
7月15日以前、Walden Roboticsはずっと一般には知られていなかった。
しかしその当日、この会社は突然正式にお目見えした。トヨタの研究院から分拆されたロボット企業であり、今回いきなり3億ドルのシードラウンド資金調達と、評価額11億ドルをまとめて公表した。
この資金調達はトヨタとDeviation Capitalが共同でリードし、NVIDIA、ボーイング、Samsung Ventures、Prologis Ventures、CoreWeave Venturesなどの事業会社の資本も参加している。
会社設立からユニコーン入りまで、Waldenはわずか半年しかかかっていない。そして同社は、ロボットのスタートアップが誰もが羨む条件をすでに多く備えていた――成熟した研究チーム、潤沢な資本、トヨタのオープンな生産体制、さらに製造、航空、電子、物流といった産業投資家からの潜在的な協業ルートだ。
トヨタ研究所から生まれた新たなユニコーン
今回の資金調達ニュースが発表される前、Walden Roboticsはずっとシークレット（ステルス）状態にあった。
今年1月、Waldenはトヨタ研究所（Toyota Research Institute、以下「TRI」と略）から分拆して設立された。同社名の着想は、米国の作家ソローの著作『ウォールデン』（Walden）に由来する。同書では、意識を持ち、目的をもって生きることの重要性が説かれている。これは同社が探りたい問いにも対応している。すなわち、ロボットは人々が仕事と生活の中でより多くの意味を見いだすのに、どのように役立つのか――という点だ。
Waldenの共同創業者兼CEOであるRuss Tedrakeの見立てによれば、物理AIに駆動された汎用ロボットは間違いなく破壊的な技術であり、すでに重要な分岐点に差しかかっているという。ただし、商業的成功を収めるには、ロボット企業がユニットエコノミクスを検証し、顧客と深く協業する必要もある。
独立企業として立ち上がったことで、Waldenはトヨタ研究院のロボット技術の商用化をより集中して推進できるようになった。関連成果を研究室から生産環境へ持ち出すことが可能になったのだ。世界の大手製造・物流企業と連携することで、Waldenは実際の場面で製品の能力を継続的に検証し、製品が実際の生産プロセスに適合できることを確実にし、明確なコスト削減と効率向上につなげたいとしている。
Russ TedrakeはMIT（マサチューセッツ工科大学）の教授であり、これまでTRIでロボットと機械学習チームを約10年にわたり率いてきた。チームはDiffusion Policy、汎用操作インターフェース（UMI）、Large Behavior Models、大行動モデル（OpenVLA）、オープンソースシミュレータのDrakeなど、多くの基礎研究に貢献してきた。
Russ Tedrakeに加え、現時点でWaldenの創業チームには、CTOのBen Burchfiel、COOのKerri Fetzer-Borelli、チーフプロダクトオフィサーのDave Johnson、チーフストラテジーオフィサーのAdrien Gaidon、チーフアーキテクトのSiyuan Feng、AI責任者のRares Ambrusがいる。そのうち複数名はTRIの大行動モデル研究のプロジェクトリーダーでもあり、モデルのアーキテクチャ、トレーニング、シミュレーション、評価体系の構築に携わっている。
Walden Roboticsチーム、左から2人目がRuss Tedrake
わかるように、一般的なスタートアップ企業と比べると、Waldenの出発点と基盤は明らかにより高い。ひとつには、TRIがロボット分野で数十年にわたって積み上げてきた研究成果を受け継いでいるからだ。もうひとつには、トヨタが中核投資家であるだけでなく、最も重要な初期の産業パートナーでもあり、最初の実際の生産現場という“現場の場”を提供しているからである。
トヨタの製造体系を後ろ盾に、Waldenは商用化の検証期間を短縮
具現化（エンボディド）知能企業に共通する課題の1つは、技術開発と商用展開（ビジネスデプロイ）の間に断絶が生じがちな点だ。
ロボットは実環境に入って質の高いデータを得る必要がある。しかし初期製品には信頼性や採算性の問題があり、企業顧客を十分に納得させて実際の業務に投入することが難しい。さらに、展開（デプロイ）の場とデータが不足していると、モデルは現実世界の異常ケースをカバーしにくく、製品能力も継続的に改善しづらい。
設立当初からトヨタの生産体系の支援を受けられたWaldenは、ある程度この検証期間を短縮できた。トヨタは同社の技術を育てる孵化（インキュベーション）側であり、かつコア投資家でもあり、最初の実際の展開シーンの提供者でもある。Waldenは、ゼロから産業顧客を探す必要がなく、テスト用のシミュレーション工場を独自に一から構築する必要もない。既存の生産プロセスに直接入り、製造チームとともにタスクを定義し、設備を調整し、投資対効果を評価できる。
こうした産業背景の価値は、ロボットの「訓練」環境を提供することにとどまらない。産業用ロボットが経済価値を生み出せるかどうかは、タスクの頻度、設備稼働率、安全要件など複数の要因に左右される。多くの研究室で優れた性能を示すロボットタスクも、工場に導入すると必ずしも展開価値を持つとは限らない。
また、トヨタが長年にわたり蓄積してきた製造・自動化の経験は、Waldenが現時点の技術能力に適合し、同時に明確な商業的リターンが見込める工程を優先的に選び、製品開発と顧客ニーズのズレによるリスクを減らすのに役立つ。
さらに、Waldenの投資家陣は、外部の展開シーンを広げるための潜在的なルートも提供している。トヨタ以外にも、ボーイングは航空製造、Samsung Venturesは電子産業、Prologis Venturesは物流インフラにそれぞれ対応する。NVIDIAとCoreWeaveは、ロボットの計算およびAIトレーニングのリソースをつなぐ。
これらの企業は明らかに、相互協力のための潜在的なリソースであり、将来的にWaldenへ協業の入口を提供する可能性がある。ある程度は、トヨタがWaldenに商用化の最初期段階に必要な場とデータの問題を解決した後、Waldenの長期的な価値を本当に決めるのは、ひとつの鍵――この技術と運用の仕組みがトヨタから出て、より多くの製造企業向けの標準化製品へと転換できるかどうか――だろう。
これに関して、TRIの研究および技術成果を継承しているWaldenは自信が大きい。そのため、この会社の技術体系の中核である――大行動モデル（Large Behavior Models、LBMと略）――について触れずにはいられない。
中核技術LBM（大行動モデル）。汎用操作能力を工場へ持ち込む
文章生成を目的とする大規模言語モデルとは異なり、LBMは視覚映像、ロボット自身の状態、触覚またはその他のセンサー情報、そしてタスク指令を同時に扱い、それらをもとに連続した動作を生成する。各作業ごとに個別のプログラムを作ることが目的なのではなく、多タスクのデータで学習することで、同一のモデルが異なる操作スキルを“学習し、移行（転移）”できるようにする点にある。
この方針は、TRIが長年積み上げてきたロボット学習研究に基づいている。なかでもDiffusion Policyは代表的な技術的土台だ。
従来の産業用ロボットは、あらかじめ設定した運動軌道や作業ステーション条件に依存することが多い。部品の位置、設備のレイアウト、あるいは生産プロセスが変わると、エンジニアが再度プログラムを書き直し、デバッグし直す必要が生じがちだ。Diffusion Policyは、人間のデモンストレーションによって動作の分布を学習し、モデルが視覚・動作・ロボット状態データから規則性を抽出したうえで、自律的にそれを再現しようとする。
さらにこの上に、LBMは複数のタスクを統一された事前学習フレームワークに取り込む。TRIがこれまでに開示していた研究では、約1700時間分のロボットデータを用い、1800回の実環境テストと、4.7万回以上のシミュレーションテストを行っていた。研究結果は、多タスクの事前学習を経たモデルでは、新しい一部タスクを学習する際に必要なデータ量が、最初から訓練する単一タスクモデルよりも明確に少なくて済むことを示している。
シミュレーションおよび現実世界で、さまざまなタスクや環境条件に対してWaldenがLBMモデルを評価
これにより、Waldenの製品ロジックの土台ができる。ロボットは、エンジニアがタスクごとに逐次プログラムを書かなくてもよくなり、少量のデモで新しい作業フローに適応できるようになるのだ。産業顧客にとって、この種の能力は、製品の種類が多く、生産タスクの調整が頻繁に行われる製造環境で主に活きる。固定動作を繰り返すだけの従来型自動化設備と比べて、学習能力を備えたロボットは、改造コストをより低く抑えて工程やタスクを切り替えられる可能性がある。
現在、Waldenは自律運転と遠隔の人による支援を組み合わせる方式を採っている。ロボットは、すでに習得している通常タスクを自分で完了できる。一方、異常物体や環境変化、あるいはモデルの能力範囲を超える状況に遭遇した場合にのみ、遠隔操作の担当者が介入する。
ロボットの本体設計では、Waldenは人型の上半身と両腕、そして車輪付きの移動ベースを組み合わせた形態を採用し、製品の重点を両腕での操作、タスク学習、環境適応能力に置いている。
車輪式の移動ロボットは、地面が平坦で、作業ステーションが明確な工業・倉庫のシーンでは珍しくない。その主な利点は安定性、負荷、そしてシステムの複雑さが比較的コントロールしやすい点にある。人型化した上半身の設計は、ロボットが人間向けに設計された道具や作業スペースを利用しやすくする。目指す「汎用性」は、主にモデルがさまざまなタスクを学習する能力、そして両腕システムが多種多様な物体や設備を操作できる能力によって実現される。
ただしWaldenは、恵まれた条件を持つだけでなく、ロボット分野でも一定の先行優位を得ている。Russ TedrakeがWaldenの正式披露の際に述べた通りで、「チームが十分に強く、進捗が十分に速いので、誇張する必要はない」。とはいえ、シークレット状態からようやく姿を現したばかりのこの会社にとっては、Russ Tedrakeが言う通り「私たちはこの旅のまだ最初の段階に立ったばかり」だ。