RobotAIGeek

NEURA Robotics、オーストリアのNXAIと提携し、ヒューマノイドの記憶機能を構築

NEURA Roboticsとオーストリアのディープテック企業NXAIは、NXAIのxLSTMアーキテクチャを用いて、NEURAの「Neuron」AI基盤モデル向けに作業記憶およびエピソード記憶のレイヤーを構築している。これは、ヒューマノイドのデモと実際の導入との間に存在する信頼性のギャップを解消することを目的としている。

martti
読了目安2分Posted: 2026年10月21日
NEURA Robotics、オーストリアのNXAIと提携し、ヒューマノイドの記憶機能を構築

視覚、触覚、発話機能を備えたロボットのほとんどは、依然として記憶することができません。月曜日にコネクタを正しく差し込んだヒューマノイドロボットであっても、火曜日には、その操作方法をすでに習得していたことを思い出す術がありません。 この知覚と記憶の間のギャップを埋めるべく、NEURA RoboticsとNXAIは、2026年10月20日にドイツのメッツィンゲンで、物理AI向けの共有メモリアーキテクチャを構築するための提携を発表した。この提携では、NEURAのロボティクス・スタックと、NXAIのリカレントニューラルネットワーク設計である xLSTMを組み合わせた「物理AI向け共有メモリアーキテクチャ」の構築に向けた提携を発表した。

この提携により、NEURAの基盤モデル「Neuron AI」には2種類の新しい記憶機能が追加される。1つは、部品が挿入されたか、ドアが開いているか、ボタンがすでに押されたかといったタスクの直近の状態を追跡する「作業記憶」、もう1つは、ロボットが以前に同様の状況をどのように処理したかを参照できるようにする「エピソード記憶」である。 これらはいずれも「Neuron AI」内で動作する。Neuron AIとは、NEURAがすでに採用しているマルチモーダルモデルであり、3Dビジョン、触覚および力・トルクセンシング、音声、ロボットの状態、言語を単一のアクションストリームに融合し、クラウドではなくロボット上でローカルに処理するものである。

NXAIは、この2つの組み合わせの中で比較的新しい名称です。同社はオーストリアのリンツに拠点を置くディープテック研究企業であり、創業者である セップ・ホッハリター氏が1990年代に共同発明し、現在大規模言語モデルを支配するトランスフォーマーアーキテクチャに対抗するため、2024年に復活させた「xLSTM」を中核としています。 リンツのヨハネス・ケプラー大学で機械学習研究所およびELLISユニットの所長も務めるホッハリター氏は、NXAIのビジネスモデルを次のような具体的な主張に基づいて構築した。 xLSTMは、トランスフォーマーよりも低コストで長いシーケンスにわたって状態を保持・更新できるという点だ。これは、単一のフォワードパスではなく、数分あるいは数時間にわたって文脈を追跡する必要があるあらゆる処理において重要となる。同社のもう一つの製品である「TiRex」と呼ばれる時系列予測モデルも、同じアーキテクチャに基づいて構築されている。

物理AIにおける「記憶喪失」問題

視覚・言語・行動

ロボットに新しいタスクを教える際の主流の手法であるモデルは、一般的に、外界の「その瞬間の状態」を動作に結びつけるように構築されており、シフト全体を通じて状態を引き継ぐようには設計されていない。 この設計上の選択は、単一の動作からなるピッキング作業やその場でのデモンストレーションにおいては妥当ですが、タスクに順序や履歴が生じるやいなや機能しなくなります。例えば、多段階の組立作業、わずかな変化を伴いながら繰り返される施設見学、あるいはロボットが1時間前に何を点検したかを把握する必要がある巡回点検などが挙げられます。 記憶機能がないと、こうした状況のすべてが「新規」として扱われ、モデルは目立たない形で失敗するか、あるいは人間が文脈を再構築する必要が生じます。

これこそが、NEURAの創業者兼最高経営責任者であるデビッド・リーガー氏が、提携を発表した際に提示した商業的な論点である。「日常生活や産業において真に役立つロボットは、記憶できなければならない」と彼は述べ、記憶を単なる研究上の好奇心の対象ではなく、単なる「芸」を披露するロボットと、実際に「仕事」をこなすロボットとの間の欠けていたピースとして位置づけた。 ホッホライター氏の論旨も、アーキテクチャの観点から同じ結論に至っている。彼は、記憶と蓄積された経験こそが、システムに多段階のタスクを確実に解決させるものであり、xLSTMが長いシーケンスにわたって状態を維持する効率性こそが、データセンターのクラスターではなくロボット上でそれを実用的に動作させることを可能にするのだと主張してきた。

ロボットが「スコア」を記録すると何が変わるのか

作業記憶とエピソード記憶の区別は単なる表面的なものではなく、2つの異なる商業的課題を分けるものです。作業記憶は、単一のタスクを正しく遂行することに焦点を当てています。例えば、締結部品がすでに所定のトルクで締められていることを知っているロボットは、再度締め付けを行わず、ドアがすでに開いていることを知っているロボットは、ドアを押そうとはしません。 エピソード記憶は、類似したタスクを繰り返し行う中で、より迅速かつ確実に処理できるようになることを意味します。これは、毎回一から推論するのではなく、ロボットが以前に同様の状況をどのように処理したかという保存された記録を活用するものです。これら二つを組み合わせることで、実稼働中のロボットは、まるでシフト勤務のような能力に近づくのです。

記憶:プロセスの中で現在どの段階にあり、何がすでに機能したかという認識。

両社とも統合システムのベンチマーク数値を公表しておらず、NEURAまたはNXAIが公表するまでは、いかなる数値も想定すべきではない。確認されているのはアーキテクチャと意図であり、タスクの成功率における測定された改善ではない。この注意点こそが重要である。なぜなら、業界には、実力のあるデモを実用可能な機能として扱ってしまうという、よく知られた傾向があるからだ。 デモと実運用可能なシステムとの違いは、まさに「メモリ」が埋めるべきギャップそのものであり、この種の主張を評価する購入者は、基盤となるモデルについて尋ねる前に、タスクレベルの信頼性データを要求すべきである。

データが固定されたオープンプラットフォーム

統合の要となるのが、NEURAのロボット製品ライン全体にAI機能を展開するためのエコシステム「Neuraverse」だ。この提携により、NXAIのxLSTMベースのモデルは、Neuron AI自体と並んで同プラットフォーム上の第2の選択肢となり、これを利用したい企業はNeuraverseのツールチェーンを通じて微調整を行い、 NEURAの物理的なトレーニング環境(社内では「NEURA Gyms」と呼ばれる)でテストし、第3世代および第4世代のヒューマノイド「4NE-1」、車輪付きモデル、2つの両手操作プラットフォームを含む、NEURAの5つのロボット機種のうち、その業務に適した機種に展開することが可能となる。 NEURAは、このメモリシステムを採用する企業が自社のプロセス知識を管理し続け、生成されたデータやスキルをデフォルトでプラットフォームに委ねるのではなく、共有するかどうかを選択できるようにこの仕組みを構築している。

このデータ管理条項は、技術的な側面だけでなく、ビジネス上のシグナルでもあります。 NEURAは過去1年間、単一製品戦略ではなくフルスタック戦略の構築に注力し、自社のハードウェアや基盤モデルを外部の専門家と組み合わせている。具体的には、デバイス内演算のためのクアルコムとのチップ提携、ダッソー・システムズとのバーチャルツイン・パイプライン、そして今回のNXAIによるメモリ層の導入などである。顧客データを顧客の

「管理」とは、産業分野のバイヤー、とりわけ自動車業界や精密製造業界のバイヤーが、そもそも第三者に自社の生産データに少しでも近づかせることを容認する条件のことである。

なぜドイツとオーストリアなのか、そしてなぜ今なのか

この発表の中で引用に値する主張は、同時に最も検証しやすいものでもある。すなわち、実際の工場や家庭におけるロボットの有用性は、単にロボットが「知覚」する情報だけでなく、ロボットが「記憶」している情報の量に比例するという点だ。 NEURAはすでに、シェフラーやボッシュとのデータ提携に基づいて「Neuron AI」トレーニングパイプラインを構築しており、これによりシミュレーションだけでなく実際の産業導入データへのアクセス経路を確保している。そのパイプラインの上に記憶アーキテクチャを重ねることは、ヒューマノイド導入における現在のボトルネックは、追加のセンサーや自由度ではなく、信頼性にあるという賭けである。

NXAIにとって、この提携は、研究論文の枠を超えて、実際の処理能力とレイテンシの制約を持つハードウェア上で、xLSTMの効率性に関する主張を実証する機会となる。 NEURAにとっては、欧州の政策立案者や企業バイヤーが、「欧州の物理AIのリーダー企業が、米国や中国から基礎モデルを輸入するのではなく、欧州製のコンポーネントだけで競争力のあるフルスタックを構築できるのか」とますます問うている状況下で、スタックのすべての層を単独で構築することへのリスクヘッジとなる。 この枠組みが実運用データに照らしても成り立つかどうかは、新しいメモリシステムを搭載したロボットが、デモの舞台ではなく実際の現場で、すでに知っていることを改めて指示されることなく、フルシフトを通じて稼働した際に、NEURAの産業顧客がどのような報告をするかにかかっている。

調達チームが実際に問うべきこと

この種の発表を評価する自動化システムの購入担当者にとって、有用な質問はプレスリリースで述べられている内容よりもより具体的なものである。第一に、スケジュールだ。NEURAとNXAIはアーキテクチャとプラットフォームの枠組みについて説明しているが、特定のロボット世代における統合システムの出荷日については言及していない。したがって、調達チームは、メモリ対応バージョンの

Neuron AIは、すでに実用化可能であると仮定するのではなく、パイロット運用可能な段階に達しています。2つ目は範囲です。作業記憶とエピソード記憶は、タスク内およびタスク間の文脈の喪失に対処するものであり、依然としてヒューマノイドの導入を阻む主な要因となっている、操作の器用さ、バッテリー寿命、安全認証といった個別の問題に対処するものではありません。 この発表を、出荷台数の拡大を目指す中国のプラットフォームメーカーや、巧みな操作に注力する米国の競合他社など、ライバルのヒューマノイドロードマップと比較検討する購入者は、これをベンダーを切り替える単独の理由としてではなく、既存のスタックに重ねられた信頼性機能として評価すべきである。

3つ目の疑問はデータガバナンスに関するものであり、NEURAの声明が事前に最も懸命に回答しようとしている点である。 オーストリアのAI研究所が開発した外部モデルを、工場の物理的なAIスタック内で稼働させることは、10年前にクラウドベースのマシンビジョンが引き起こしたのと同じ懸念を招く。すなわち、「誰がデータを見るのか」「モデルの再学習後にデータはどうなるのか」という点である。 NEURAの回答、すなわち「顧客が自社のプロセス知識に対する管理権を保持し、データやスキルの共有の可否を選択できる」という点は、技術的な事実であると同時にセールストークでもあり、プラットフォームのデフォルト設定とマーケティング上の表現が必ずしも一致するとは限らないため、慎重な購入者はパイロット開始前に契約文言の中でこの条項の検証を最も強く求めるべきである。

本分析は、今回の発表に関連する企業の声明および公開されている技術文書を総合したものです。本記事は一般的な情報提供のみを目的としており、投資、法律、または専門的な助言を構成するものではありません。