ロボティクス 状態 2024
グローバルロボット学に関する最終的な 2024年年度報告書 基礎モデルが生産に投入され 人形プラットフォームが増殖し データコストが低下します シリコンバレーのロボット学センターから解放されます
年間報告 · 2024
基礎モデル思考がロボットに登場した時 ヒトラー型プラットフォームが増殖し データ収集コストが決定的な減少を開始しました
[レポートを読む]
発行年3月2024年 46ページ 無料
2024年 番号
6つのデータポイントが この年の世界のロボット産業の状況を決定しています
年間178億ドル
グローバルロボット市場2024年には年比25%上昇 加速は2023年に遅い後再開
5% VLA
ビジョン-言語-行動モデルが新しい導入の5%に達しました 研究好奇心から最初の生産試行まで
-43%
データの収集コストは 2024年までには520ドルから295ドルに減少し,コスト曲線を初めて曲げました
3 について
商業的なヒューマノイドプラットフォームは,現在購入または賃貸可能
ドル48億
ロボットへのグローバル投資は 戦略資本が主導され 大手技術と防衛から48億ドルに回復しました
増加する
ACT,拡散政策,OpenVLAによって導かれ 2023年には28%から38%の採用を達成しました.
内容表
[ 固定リンク ]
総計
総括
](
年間
ハードウェア: 武器レースとヒューマノイド・アウン
03 について
データインフラストラクチャの変化
関連
基礎モデルがロボットに 参入する
ロープ
移行 の 訓練 方法
図書
縦部部署
07 について
投資:戦略資本が引き継がれる
年間
2024 年 の 決定 的 な 時刻
09 年間
2025 年 に もたらす 出来事
第1章
総括
2024年は,変化の年です. 単一の製品が出荷されたり,単一の論文が出版されたりではなく,ロボット工学について業界が考えられる方法が不可逆的に変化したからです. 基礎モデル推論 広範囲なデータに基づいて訓練された単一の大きなモデルが特定のタスクに合わせて調整できるという考えです. 自然言語処理の世界から物理的な操作へと切り替わりました. 影響は莫大なものです 各ロボットと任務の 仕様別制御パイプラインを 設計する代わりに チームは 数百回の示例に合わせて 訓練されたビジョン - 言語 - 行動モデルが 役立つのか 疑問に思いました
2024年には"時には"という答えがあります. VLAモデルは4Qまでに新規商業展開の5%に達しました.これは年末初頭からほぼゼロでした. 2024年にVLAを導入する企業は趣味者ではない Amazon (Sparrow pick systems),Agility (Digit warehouse deployments) と,端から端まで学習されたコントロールを早期に賭ける資金が豊富なスタートアップ数です.
一方,ハードウェア層は2つの重要な方向で拡大した.一,1万ドル未満のロボットアーム市場は8社から14社に成長し,そのうち6社が中国人.二,3つの商業型ヒューマノイドプラットフォームが購入可能になった. アギリティのデジタルがアマゾン施設に展開された.Figure 01は675Mドルの上昇とOpenAIパートナーシップでシフトから登場した.UnitreeのH1は価格点で出荷され,業界がヒューマノイド経済に関する仮定を再考するよう強要した.
このレポートの中心論点: 2024年はロボットがハードウェア問題ではなくデータとモデル問題になった年です.この変化を早期に認識した企業は,次の5年間競争力のある地位を決定するインフラストラクチャを構築しています.
学習ロボット政策をスケールする上で最も重要なボトルネックであるデータ収集コストは2023年1季度1時間520ドルから2024年4季度までに約295ドルに減少しました この43%の減少は3つの要因によって引き起こされた:低コストのリーダーフォロワーテレオペレーションシステムの普及 (多くのものは中国で製造されています),オープンソースデータセットツール (DROID,初期のレロボットの作業) のリリース,エピソードフォーマットの標準化の増加.コスト曲線は曲がり,逆向を向かない.
投資パターンは補完的な物語を語ります.ロボットにおけるグローバル・VC展開は4.8億ドルに達し,2023年の4.1億ドルを下回りの低水準からわずかな回復となりました. しかし,その資本の構成は劇的に変化しました.戦略投資家はNVIDIA,Microsoft,Amazon,および防衛プライムが現在,伝統的なベンチャーファンドよりも総資本の大きなシェアを占めています. 機械に賭けることは 賢いお金ではなく ロボットが役に立つデータとモデルインフラに賭けることです
第2章
ハードウェア: 武器レースとヒューマノイド・アウン
2024年のハードウェア・ランドスケープは,ロボット兵器の急速な商品化と,最初の真正に商業的なヒューマノイドプラットフォームの出現によって定義されています.両傾向は,ロボット自身ではなく,それに関する収集されたデータとそれのために訓練された政策が区別される世界に向かって同じ方向に指しています.
10千ドル未満の武器市場が拡大
2024年初頭には約8社の製造商が6DFまたは7DFロボット兵器を1万ドル以下に販売した.年末までにその数は14に達した. 最も重要な新規参入者は中国人である.Unitree (四肢から武器へと支部する),AgileX,Elephant Robotics,LEBAI,Flexivなどの企業は,深50%以下で武器を生産した.中国のOEMからのリードタイムは標準設定では1216週間から4~6週間まで圧縮された.
この製造上の利点はコストだけでなく,中国製者はデータ収集に明示的に設計された腕を構築しています リーダーフォロワー遠隔操作のためのバックドライバー結合,低遅延カメラ統合のための USB-C搭載,シミュレーションのための標準 URDFフォーマットとの互換性. ソフトウェアは,誰かがそれを遠隔操作し,デモを集め,政策を訓練したいという前提で設計されています. これは伝統的な産業市場とは根本的に異なるデザイン哲学です.
**キーイン사이트:**14社の10K未満の腕メーカーのうち6社は現在中国です.これは品質問題ではありません. 供給チェーン近距離に根ざした構造上の利点です.米国と欧州の製造業者は価格競争よりもソフトウェア統合とサポート密度で対応しています.
人類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類 類
2024年に3つの商業人形プラットフォームが構造化された購入または賃貸に利用可能になった.これは小さい数字だが,本物の市場形成イベントを表している.2022年には1つのプラットフォーム (ボストンダイナミックスのアトラス,限られた研究構成) が利用可能だった.2023年には2つの.2024年の追加は,異なる戦略を代表するため重要である.
- Agility Digit: 目的地向けに構築された.Amazonの完成センターでトート移動作業のために展開されている.一般目的の人類型ではなく,定義されたワークフローに最適化された専門双脚型です.これは実用的なアプローチです.環境が人間のために設計されたためではなく,人間形が本質的に優れているため,人間形を作ります.
- 図1: "基礎モデルヒューマノイド"論文の旗艦.図の675Mドルの引き上げとOpenAIパートナーシップは,タスク理解のための大きな言語モデルと操作のためのVLAによって動力された汎用ヒューマノイドが3~5年以内に商業的に実行可能になるとの賭けを示しています.ハードウェアは印象的です.ビジネスケースはまだ構築されています.
- Unitree H1: 産業観測者による完全な双脚型ヒューマノイドの予想の3分の1に相当する約90,000ドルで激進的に価格化された.Unitreeの戦略は,その四重なプレイブックを反映している.船のハードウェアは規模で,低差で,生態系が上層に価値を構築することを許します.H1と小さな兄弟G1は,ヒューマノイドハードウェアコストが予想のほとんどよりも早く落ちると示唆しています.
グローバルロボット市場規模 ($B)
ソース:RCSV研究,IFR 2024,ピッチブック
商業用ヒューマノイドプラットフォーム
ソース:RCSV研究
第3章
データインフラストラクチャの変化
機械技術における最も重要な傾向は製品発売や資金調達ではなく,データ収集コスト曲線の曲線です. 高品質の遠隔操作データ,訓練操作政策の原材料は2023年初頭の520ドル/時間から24年4半期までに295ドル/時間に減少しました. この8分の3に比べて43%の減少はハードウェア,ソフトウェア,プロセス標準化における改善の結果です
費用 の 減少 を 促す 原因
3つの力が集結した.まず,リーダーフォロワー遠隔操作ハードウェアが商品化された.2022年に8000ドル12,000ドルになったシステムは,同等の品質と大幅に短縮されたリードタイムで,中国製メーカーから2,000ドル4,000ドルで利用可能になった. 現代の政策が要求する数百時間スケールでデータを収集するための前提条件である 複数の遠隔操作ステーションを同時に展開することが経済的に実行可能になりました
第二に,オープンソースデータセットツールが成熟した.DROIDプロジェクト (スタンフォード/バークレー) は,標準化されたエピソードフォーマットで大規模な多ロボットデータセットをリリースした.ハグジングフェイスはロボットのデモデータを収集,キュレーション,共有するためのフレームワークであるLeRobotで初期の作業を開始した. これらのツールによって データ収集の技術的な努力は 消えませんでしたが 新しい収集パイプラインを建設するチームにとって 数週間から数日まで削減されました
第三に,エピソードフォーマット標準化が開始された.RLDS (Googleが開発した) と HDF5のスケーマの収束により,別のプラットフォームで収集されたデータを利用可能にするために必要な技術上の一般的な費用を"統合税"に削減した. フォーマット標準化がないと 新しいハードウェアプラットフォームは 定量データパイプラインを必要とし プラットフォーム間トレーニングは 不実になります
スケール 限界 変更: 520 ドル/時間 で,単一の 作業 の ため に 500 時間 の 示範 データ を 収集 する こと は 26万 ドル 費用 を 掛ける. 295 ドル/時間 で,同じ データ セット が 147,500 ドル を 掛ける.これは まだ 高額 で ある が,現在,資金 が 十分に 資金 を 供給 し て いる 企業 試行 プログラム の 範囲 に 及んでいる. コスト曲線は低水準に達していないが,ツールやハードウェアが改善し続けると 2025年にはさらに低下すると予想されています.
DROID データセットとオープンデータ
DROID データセットのリリースは2024年にロボット学習コミュニティにとって重要な出来事でした.複数のロボットプラットフォームで収集された数十万もの操作デモを構成した DROIDは,現実世界のロボットデータの最大の公開コレクションを代表しました. 生産部署に有用であったが十分ではなかったデータについて 概念の証明についてより影響は少なくなりました. 大規模で多サイトで多ロボットデータ収集が可能であり,結果となるデータセットは標準化されたフォーマットで共有できます.
ハグジング・フェイスチームの初期の作業は,DROIDを補完して収集とキュレーションワークフローのためのツールを提供した.LeRobotは2024年にまだ初期段階にあったが,重要な方向性を示した.ロボットデータ収集のインフラストラクチャは,言語モデルトレーニングデータのためのインフラストラクチャを建設した同じ機関によって構築されている. 機械学習のボトルネックがアルゴリズムからデータへと移行していることに気づきました
データ収集時間費用 (USD)
ソース:RCSV Research,事業者の市場データ
第4章
基礎モデルがロボットに 参入する
基礎モデル思考の言語と視覚から物理的な操作への移行は,ロボット学の2024年の決定的な知的発展です. これは単一のモデルや単一の論文ではありません. モデルが大きなデータに先駆け訓練され 作業特有の示範に精密に調整され 拡大する操作作業の範囲で 調整された制御パイプラインを 超えることが認識される モデルです
RT-2 の 影響
GoogleのRT-2論文 (2023年中旬に発表された) は,Vision-Language-Actionモデルを 基本的にはアクションデコーダーで拡張された大きな言語モデルに 機械行動に自然言語の指示を基にできることを示した. 影響はRT-2の特異な機能 (印象的であったが,Googleのハードウェアに限られていた) に比べて,その確立した概念先例についてではなかった.言語モデルはテキストだけでなく,物理空間,オブジェクトの性質,操作戦略について論理的に考えることができる.
2024年の調査コミュニティの反応は迅速かつ広範でした.
- OpenVLA (スタンフォード/バークレー): Llama 骨髄の上に構築されたオープンボート VLA モデル,カスタム デモンストレーション データセットで細かく調整できます.OpenVLA の重要性はそのアクセシビリティにあります. 訓練は2024年半ばに真剣に開始され,初期結果は200~500回のタスク特有のデモで競争力のあるパフォーマンスを示した.
- ACT++と拡散政策: VLAではなく,これらの模倣学習アーキテクチャは2024年に操縦政策訓練の標準研究基盤となった.トニー・シャオのACT論文 (当初は2023年に発表された) は,アクションチャンキングが単一の行動ではなく行動の連続を予測する政策の強度を劇的に改善したことを示した. 拡散政策 (Chi et al.) は,行動生成に拡散モデル技術を適用し,より平滑かつ信頼性の高い操作軌道を生み出しました.両者は事実上のベースラインとなり,新しい方法が測定される.
- Physical Intelligence (π₀ (パイゼロ)): 2024年に7000万ドルの種子ラウンド (ロボット史最大の) で設立された"Physical Intelligence"は,ロボット制御のための汎用基盤モデルを構築することを目指しました. π₀ (パイゼロ)の初期作業は,単一の重量セットから複数のロボット形状因子を制御できるモデルを訓練することに焦点を当てました. 生産品質で達成された場合,ロボットの展開の経済を根本的に変える能力です.
VLAの経済的議論: 作業特有の政策をゼロから訓練するには1,000以上のデモと数週間のエンジニアリングが必要です.同じ作業で先程訓練されたVLAを精細調整するには200500回のデモとエンジニアリング日が必要です. 2024年のデータ収集コストでは,新しい操作能力を導入する総コストを35倍削減します. VLAアプローチは安全性的に重要な作業にまだ十分に信頼性がないが,ピックアンドプレス,ソートリング,シンプルな組み立てについては経済学者はすでにそれを好む.
VLAの採用 (新規展開の%)
ソース:RCSV Research,企業部署追跡器
第5章
移行 の 訓練 方法
訓練方法の景観は2024年に移行市場である.強化学習 (RL) は依然として商業操作部署の65%で使用されている支配的なアプローチであり,しかし模倣学習 (IL) は部署の38%に達し,2023年には28%に増加している. 混合型アプローチ
なぜRL が まだ 支配 し て いる か
強化学習の支配力は,技術的優位性と同様に,制度的勢力を反映している.2023年以前雇用された רובティクスエンジニアリングチームはRL方法に訓練された.ツールリングは成熟している (Stable Baselines3,RLlib,Isaac Gym).展開パイプラインはよく理解されている. 既存のRLインフラストラクチャを持つチームにとって,ILへの移行は,改善保証なしに統合リスクをもたらす.RLは,報酬機能が定義されやすい (例えば,目標位置に到達する) でも,示範データを収集することは難しい (例えば,精密な力制御を必要とするタスク) の作業においても明確な利点があります.
急速な上昇
模倣学習の成長は,たった1年で28%から38%に増加した. まず,ACT論文 (ザオ・エト・アール) は,RLが要求する報酬エンジニアリングとハイパーパラメータ調整なしに,タスクの変異を一般化するポリシーをシンプルで設計されたILアーキテクチャが生成できると実証した. ACTのアクション・チャッキングアプローチは,単行行動ではなく,20~100の将来のアクションの連続を予測することで,より平滑な軌道を形成し,双手作業における成功率を劇的に向上させた.
第二に,第3章に記載されているデータ収集インフラストラクチャは,初めて ILを経済的に実行可能にした.ILは示範データを必要とし,RLはシミュレーターまたは報酬機能を必要とします.示範データが安くなると,RLのコスト上の利点が縮まっています. 2024年に新しい操作プロジェクトを始めるチームにとって,計算はますます増加しています. RLのためのシミュレーターと報酬機能を構築するために数週間を費やするのではなく, 300
**2024年にRLとILを何時使うか:**RLは,十分に定義された報酬機能,新しい戦略の探求を必要とする作業,そしてシミュレーションが既に利用可能である作業において,より良い選択であり続けています. ILは,報酬よりも示範が収集しやすい,自然で滑らかな動きを必要とする,メトリックを最適化するのではなく人間の行動を複製する目的があるタスクのためのより良い選択です. 混合型アプローチ
訓練方法採用 (%)
ソース:RCSV年次開発者調査,n=840
第6章
縦部部署
2024年に商業ロボット部署は3つの垂直部門に集中する.物流,自動車製造,電子組み立ては82%を占める.残りの18%は食品サービス,医療,農業,新興垂直部門に分布する. 集中力は驚くことではありません. これらは労働コストが最も高い産業であり,構造的な環境が最も高い産業であり,自動化投資の歴史が最も長いです.
物流:アマゾン 影響
ロッジスティクスと倉庫は,アマゾンによる圧倒的な力による2024年のロボット展開の32%を占めています.スパローのピックアンドプレイスシステム展開とより広範なセクオヤの完成再設計は,史上最大の単社ロボット展開プログラムです. アマゾンのアプローチは教養的です.一般用途のロボットを展開する代わりに,特定の完成センターのタスクに最適化された高度な専門的な操作システムを構築しました. 単離,ピックアンド・プレス,パッケージ分類.各システムは,アマゾンの施設で収集されたタスク特定データに基づいて訓練されています.
アマゾン以外にも,DHL,FedEx,およびいくつかのアジア電子商取引事業者が2024年に小型ロボットピックリングシステムを導入した.共通点は明らかである.倉庫労働の経済 (多くの施設で年間売上高が100%を超え,米国では1時間あたり18~25ドル) は,現在のロボット能力とコストでも自動化を魅力的にします.
自動車: 安定した 変化する
自動車製造は導入の28%を占めています.これは成熟した自動化市場ですが,2024年には有意義な変化が見られました.新しい展開は固定溶接と塗装自動化よりも柔軟な操作 (モデル年ごとに変化する組み立て作業) をますます伴う. 運転手は電気自動車の製造で,従来のICE車両工場よりも生産ラインが頻繁に再構成される.
電子: 尺度 の 精度
電子機器製造は東アジア (中国,韓国,日本,台湾) に集中している部署の22%を占めています.PCBの組み立て,部品配置,検査の課題は高度な精度と重複性を要求しています.新興傾向は視覚検査と異常検出のための学習されたポリシーを使用しており,物理操作のための伝統的な固定自動化を補完しています.
食品サービス: 初期 移住 者
食品サービスが2024年の展開のうちわずか7%を占めるが,割合で最も急速に成長している垂直企業である.米国と日本の約80の急速サービスレストランは2024年にキッチン作業のためのロボットシステムを展開した.2023年には20未満である.高労働コストの市場では経済は説得力がある.フライ配送またはバーガー組み立てロボットが2年3年で米国の労働率で代償済.
| Vertical | Share of 2024 Deployments | YoY Growth | Leading Use Case |
|---|---|---|---|
| Logistics / Warehousing | 32% | +34% | Pick-and-place, sorting |
| Automotive | 28% | +12% | Flexible assembly, EV lines |
| Electronics | 22% | +18% | PCB assembly, inspection |
| Food Service | 7% | +300% | Kitchen automation, QSR |
| Healthcare | 3% | +45% | Pharmacy, sample transport |
| Agriculture | 3% | +28% | Harvesting, pruning |
| Other | 5% | +22% | Construction, inspection, retail |
2024 縦部部署
ソース:RCSV研究,IFR 2024
第7章
投資:戦略資本が引き継がれる
ロボット業界へのベンチャーキャピタル投資は 2024年に世界規模で48億ドルに達し,2023年の4.1億ドルの低値から17%回復した.しかしこの頭文字数字はチェックを書いている人に対する構造的な変化を隠しています.戦略投資家は,ビッグテック企業,国防請負業者や自動車OEMの企業ベンチャー企業が過去10年間でどの時点よりも大きな総資本シェアを占めている. 伝統的なベンチャーファンドはロボットから撤退していないが,独立してリードするよりも戦略的パートナーと共同投資を 増やしている.
ビッグテクノロジー・論文
マイクロソフト,アマゾン,NVIDIAがロボット投資に参入することは慈善事业ではない.各社は既存のプラットフォーム戦略のレンズを通してロボット工学を見ている. マイクロソフトはAIプラットフォームの拡張としてFigure AIに投資した. Amazonの Sparrow と Sequoia プログラムは,労働コスト削減と生産性向上によって正当化される,達成効率への投資です.NVIDIAのアイザックラボとコスモス発表では,ロボットシミュレーションとトレーニングのインフラストラクチャプロバイダーとして位置づけられています. AIトレーニングコンピューティングにおいて支配的な"ピックスとショベル"戦略です.
地理資本分布
米国本部を拠点とする企業は2024年に世界のロボットベンチャーキャピタルの54%を獲得した.中国は26%を獲得し,2022年には22%から継続的に増加した.ヨーロッパは13%を獲得し,活動がドイツ (製造業自動化),フランス (サービスロボット技術) と英国 (検査と物流) に集中した.残りの7%は日本,韓国,イスラエル,および新興市場に配布された.
米国と中国の分割は,基本的に異なる投資論点を反映している.米国資本はソフトウェアとモデルインフラに集中している. 硬件の上に置かれたAI層を構築する企業. 中国資本は硬件製造と大規模展開に集中している. 機械を自分で構築し,中国工場に展開する企業. 両方とも価値ある戦略であり,それだけでは十分ではない.
戦略資本論文: 戦略投資家は,財務収益を最適化するだけでなく,生態系の位置を最適化しています
ロボットへの投資 (Bドル)
ソース:RCSV研究,ピッチブック,クランチベース
2024 地理別投資 (%)
ソース:RCSV研究,ピッチブック
第8章
2024 年 の 決定 的 な 時刻
製品発表や資金調達,研究成果が,振り返ると,真の転換点となる.この時代の歴史が書き上げられる時に最も重要になると考えられる2024年の6つの出来事です.
1.図01 + OpenAIパートナーシップ
図AIの675MドルのBシリーズとOpenAIとの同時提携は,これまでの大規模言語モデルと物理ロボット学の最も高い融合を表しています.このパートナーシップの宣言された目標は,自然言語を操作するためのGPTクラスの言語理解を図体のヒューマノイドハードウェアと統合する. しかし,市場へ送られた信号は即時でした. 世界で最も価値あるAI企業は,物理ロボティクスを研究的な好奇心ではなく,核心戦略的優先事項とみなしています. この発表から数週間後,業界全体で資本の配置は目に見える変化をもたらしました.
2.物理知能の創立 (70Mドル)
機械史最大の種子である70Mドルの種子ラウンドで物理知能を設立したことで",ロボットのための基礎モデル"の論文が最高レベルに検証された.Google Brain,Berkeley,Stanfordから集まったチームは,単一の重量セットから複数の形因子を制御できる汎用ロボット基盤モデルであるπ₀ (パイゼロ)を建設しようとした. π₀ (パイゼロ)がこの目標を達成することは 2024年に70Mドルの制度資本が実現可能であるという前提で投入されたという事実よりも重要ではない.
3 ユニットリーH1とG1 輸送
ユニトリの決定は,約9万ドルでH1全サイズヒューマノイドと約1万6000ドルでG1コンパクトヒューマノイドを輸送するということで,ヒューマノイド価格設定に関する業界の仮定をリセットした.ユニトリ以前,生産ヒューマノイドの合意推定額は15万ドルで300,000ドルだった. Unitreeは,四肢を生産する中国製の製造基地を活用して,攻撃的なハードウェアコスト最適化が40~60%を縮小できると実証した.特にG1は,新しいカテゴリを開いた.研究ラボや教育のためにアクセス可能な価格での人形型のロボット.
4. NVIDIA イザックラボとコスモス
NVIDIAのアイザックラボ (ロボット学習のための統一シミュレーションプラットフォーム) とコスモス (物理的に合理的な合成データを生成する世界モデル) の発表により,新興ロボットAIスタックのためのインフラストラクチャプロバイダーとして位置づけられました. イザック・ラボは,NVIDIAの既存のシミュレーション能力を現代ロボット学習ツール (gymnasium互換性,RL/ILトレーニングループ) と統合した.コスモスはさらに進み,ビデオデータに基づいて訓練された生成型号がロボットのための物理的に合理的な合成トレーニングデータを生成できると実証した.長い間約束されていたシミュレーション革命は,本気で始まった.
5 抱きしめく顔 レロボット
ハグジングフェイスのLeRobotの発売は,NLPコミュニティのオープンソース倫理をロボット学習に結びつけました.Hugging FaceのDatasetsライブラリがNLPトレーニングデータに対して行ったことと同様のロボットデモデータを収集,キュレーション,共有するための標準化されたフレームワークを提供しました. 初期の採用は学術研究室に集中しましたが この枠組みの意義は研究を超えて広がります ロボットデータのための共有された語彙とツールチェーンを確立し,次の世代のロボット企業へのアクセス障壁を軽減します.
6 テクノロジーの増加
1X Technologies (以前はHalodi Robotics) は,サムスンとNVIDIAの参加により,EQT Venturesが主導するシリーズBで1億ドルを調達した. このラウンドでは,約500Mドルで企業を評価し,NEOの人形ロボットプログラムの拡大を資金提供した. 1Xのアプローチは,Figureの強調と異なる.FigureはAI統合でリードし,1Xは構造化されていない環境で安全な人間とロボット相互作用でリードし,工場の床ではなく家庭や商業建築アプリケーションをターゲットとしています.
6つの瞬間におけるパターンは資本はハードウェアイノベーションだけに流出するのではなく,ハードウェア,データ,基盤モデルの交差点にも流出しています. 2024年に最も注目と資本を惹きつけた企業は,この交差点に位置づけている企業です.
第9章
2025 年 は 何 を もたらす
予測は謙虚であり,適切な不確実性をもって次の見解を提示します.これらは2024年に確立された軌道を踏まえて2025年,RCSV研究チームが定義すると信じているテーマです.
1.VLAモデル 1015%の展開シェアに達
2024年の 0% から 5% の 経路は,細かな調節ツールが成熟し,推論コストが低下するにつれて,VLA 採用が加速することを示唆しています. 2025 年 4 半期までに,Logistics と Food Service に集中して,言語による操作に適したタスク配分を行うことにより,新しい商業部署の 10~15% にVLA が存在すると予想されます.
2.データ収集コストは時給200ドル以下に下がる
継続的なハードウェア商品化 (中国のリーダーフォロワーシステム 1500ドル以下) とツール成熟 (レロボット,DROID v2) は,テレオペレーションデータの完全読み込みコストを時給200ドル以下に押し上げます.この限界は500時間のデータセットを100,000ドル以下で達成できるため重要です.
3 ヒトのプラットフォームは 5 7
少なくとも2つの追加の人形プラットフォーム (Agility,Figure,Unitreeを超えて) は2025年に商業利用可能になる.候補者はApptronikのApollo,テスラのOptimus (限定展開),および1XのNEOである.人間形市場は分断を開始する:物流最適化双脚,汎用研究プラットフォーム,教育および軽量商業用のためのコンパクトシステム.
4 初の"ロボットデータ市場"が開始
データの収集の経済学とエピソードフォーマットの標準化により,ロボットデモデータに関する最初の商業市場が実現できる.自分のデータを収集できないまたはしたくないチームは,特定のタスクカテゴリーのためのキュレーティングデータセットを購入することができます. 品質とタスクの複雑さに依存して,デモデータの価格は50~200ドル/時間からなる.
5. シミュレーションからリアルへの転送は ILにとって実用化
光現実的なレンダリング (NVIDIA Cosmos) とドメインランダム化改良の組み合わせにより,シムからリアルへの転送が初めて模倣学習に実用化されます.チームは,200個のリアルデモを2000種類のシミュレーション変数で補完し,サポートされたタスクカテゴリーでリアル・ワールドデータ収集の必要性を50~70%削減します.
6 戦略的な合併・買収加速
戦略投資者への資本集中 (第7章に記載されている) は買収に変換される.我々は,ロボット学習能力を内在化しようとする自動車OEM,物流事業者,防衛プライムによって駆動される2025年に少なくとも3~5億ドルのロボット買収を期待する. 生産環境で収集されたデータ資産
**2025年の我々の概要:**2025年に勝利する企業は最高のハードウェアや最大のモデルを持つ企業ではなく,最も効率的なデータ収集パイプライン,最も厳格な政策評価システム,そして部署垂直の最も深い理解を持つ企業です. インフラストラクチャ層
この報告を引用する
機械産業に関する年次報告. _T11
複製引用
ロボット に 進歩 し て ください
ロボット部署,データ収集,物理的なAIに関する最新情報を メールボックスに届けます