Real WorldがK-Physical AI Allianceを主導し、DexBenchの発展を推進

韓国のフィジカルAI企業「Real World」は、スタートアップ企業のPhysicsSim Lab、Space AI、Endrightとソウルで覚書を締結し、「K-Physical AI Alliance」を結成したと発表した。同アライアンスは、NVIDIAと共同開発したベンチマーク「DexBench」を中核として、ロボットの器用性とシミュレーションに関する世界的な産業標準の確立を目指している。

同アライアンスは、18の原子タスクと80のケースを用いてヒューマノイドの手の精度を測定する「DexBench」の拡充を図る。 パートナー企業には、ロッテ、SKテレコム、CJロジスティクス、ヒョソン、HLマンド、フジ、ANA、三井化学などが名を連ねている。Real Worldは、同社のRLDX-1モデルが8つのベンチマークにおいて最先端の成果を上げていると報告した。

ソウルに拠点を置くReal Worldは、ヒューマノイドや産業用ロボット向けのフィジカルAIに注力しており、巧みな操作とシミュレーションから実環境へのトレーニングを中核的な強みとしている。同社の市場ニッチは、小売、物流、航空、自動車、化学分野における精密なハンドリングをターゲットとしている。 同社は、ベンチマークとシミュレーション・パイプラインを組み合わせた標準化の推進を主導することで、器用性のパフォーマンスを、顧客やインテグレーターが信頼できる共通の指標とすることを目指している。

韓国のフィジカルAIアライアンス、器用さを標準化へ

このアライアンスは、ロボティクス分野で深刻化しつつある課題の解決に乗り出している。企業はヒューマノイドや巧みな操作が可能なアームに実際の作業を遂行させたいと考えているが、各研究所では異なるタスクや評価指標が用いられている。DexBenchは、ロボットハンドが微細な動作を再現性を持って実行できるかどうかを測定するための共通の物差しを提供する。 このベンチマークは、複雑な動作を18の基本タスクと80のケースに分割している。これには、把持、回転、挿入、ねじ込み、剥離、折り畳み、キャップのねじ込み、再封といった、日常的な産業動作が含まれる。このアプローチは、工場における品質管理体制を反映しており、生産ライン全体が承認される前に、各工程が許容誤差に対して検査される仕組みだ。

パートナーの役割は明確に定義されています。PhysicsSim Labは、倉庫や小売店のデジタルツインを構築し、DexBenchのタスクを実際の規模に合致した施設でテストできるようにしています。

および商業環境における雑多な要素。Space AIは、果物やゴム部品といった柔らかく変形可能な物体に焦点を当てており、これは純粋な剛体物理学では対応できない領域です。Endrightは、TRINIXとして知られるシミュレーションアセットライブラリを拡張し、照明、テクスチャ、オブジェクトの形状、および固定具の多様性を表現し、産業規模でランダム化できるようにしています。 Real Worldはベンチマーク仕様の調整を行い、8つの外部テストスイート全体で基準を確立したとされるRLDX-1モデルを提供しています。

DexBench仕様は、業界を横断した再現可能なハンドワークを目標としています

ベンチマークは、実際の作業と一致して初めて意味を持ちます。DexBenchは、多くのロボットプロジェクトが停滞する原因となっている業務上のタスクを反映するように設計されています。 食料品店のシナリオでは、ロボットはトマトを傷つけずにピッキングし、破損したパッケージを識別し、さまざまなパッケージが混在する棚に商品を補充しなければなりません。航空機の地上作業では、ロボットがパネルを開け、ラッチを点検し、ネジをなめずに再固定する必要があるかもしれません。 自動車部品工場では、ロボットはワイヤーハーネスを狭い通路に通し、適切な力でクリップを閉じる必要があります。DexBenchは、これらの動作を「つまむ」「回転させる」「スライドさせる」「位置合わせ」「力制御」といった基本動作に分解し、時間と品質の閾値に基づいて合格・不合格の条件を定義します。

この規格では、ハンドそのものが一つのシステムであることも認識されています。 センサー、制御ループ、触覚フィードバック、グリッパーの材質のすべてが性能を左右します。このアライアンスは、ゲルチップを備えたソフトグリッパーから人型ハンドに至るまで、幅広いエンドエフェクタで実行可能であり、商用ミドルウェアや独自開発のコントローラを含む制御スタック全体で動作するタスクスイートの実現を目指しています。 この設計上の選択は、適切に実行されれば、ベンダーロックインを軽減し、認証を失うことなく異なるサプライヤーのコンポーネントを組み合わせるという自信を買い手に与えることになる。

わかりやすい例を挙げよう。DexBenchをロボットハンドの運転免許試験だと考えてほしい。ただピカピカの車を持って現れるだけではダメだ。必ず

監視の下で、縦列駐車、車線合流、そして3点ターンを実行します。これらの課題に合格すれば、他者に対してその能力を証明する免許を取得できます。DexBenchは、産業分野における器用さを証明する「免許」となることを目指しています。

シミュレーションアセットとデジタルツインがトレーニングのパイプラインを拡充

器用さは、データの幅広さと練習時間に依存します。シミュレーションは、実際の施設では毎日カバーしきれない部分を補います。Endright社は、包装、コンテナ、什器、店舗レイアウトのバリエーションを反映した数千もの高忠実度3Dアセットを用いて、TRINIXを拡張する計画です。 PhysicsSim Labは、これらのアセットを、在庫の変動、人の往来、季節ごとの陳列などを備えた、倉庫やコンビニエンスストアの動的なデジタルツインにマッピングします。Space AIは、非線形挙動や接触の不確実性によりシミュレーションが極めて困難とされる変形可能な素材のための物理モデルとデータセットを提供します。

この取り組みの狙いは、合成された多様性によって、より汎化能力の高いポリシーを学習させることにある。NVIDIAはここでの中心的なパートナーであり、DexBenchの手順をIsaac Sim、RTXによる高速レンダリング、そして大規模な制御戦略の生成と検証が可能な強化学習ツールチェーンと連携させる。 もしこの提携により、DexBenchのタスクが再現可能なシミュレーション・スタックに組み込まれれば、アジア、ヨーロッパ、北米の各研究所は共通の目標に向けてトレーニングを行い、直接比較可能な結果を公表できるようになるだろう。

注目すべき懐疑的な見方もある。 シミュレーション環境が「クリーン」すぎると、シミュレーションによる習熟度が誤った判断を招く恐れがある。湿度、ほこり、グリッパーパッドの摩耗、わずかに歪んだ部品などは、実験室の動画では解決済みに見えるタスクを頓挫させる可能性がある。このアライアンスは、シミュレーションにおけるDexBenchのスコアが、実現場での稼働率やスループットに直結することを証明する必要がある。 仮想環境への過学習を助長するようなベンチマークは、信頼性を損なうことになる。だからこそ、CJロジスティクスやANAといったオペレーターの参画が重要なのである。彼らの施設からは、不規則なデータやエッジケース、そして「ヒューマン・イン・ザ・ループ」の制約といった要素が提供され、それらがベンチマークを研ぎ澄ますことになる。

標準。

提携企業は、実際の業務と規模をこの取り組みにもたらす

このアライアンスに参加する大企業は、単なる飾りではない。ロッテは小売とEコマースを網羅しており、その業務では在庫補充、返品処理、バックルームでの作業が労働時間の大部分を占めている。SKテレコムは、低遅延制御や車両群のモニタリングに対応可能なエッジ接続と5Gサービスを提供する。CJロジスティクスは、絶え間ないピッキング・梱包作業が行われる物流センターやラストマイル・ハブを所有している。 ヒョソンと三井化学は、グリッパー用ポリマーから摩擦や検知性に影響を与える包装フィルムに至るまで、材料科学の知見をアライアンスにもたらす。HLマンドは、工場での精密組立を検証できるティア1の自動車部品サプライヤーだ。富士は生産ノウハウと工作機械を有している。ANAは、厳格な安全基準の下で地上ハンドリングや整備のワークフローをテストできる。

DexBenchがこれらのパートナーとのパイロットプロジェクトに組み込まれれば、この基準は実効性を帯びる。サプライヤーは、業務の入札に参加するために合格基準を満たしていることを実証する必要が生じる。インテグレーターは、自社のシステムスタックを既知の基準に合わせることができる。保険会社や規制当局は、安全性や信頼性を評価する際に、独立した指標を参照できるようになる。こうして、ベンチマークは市場参入の切符となるのだ。

NVIDIAとの連携は、世界的な影響力への推進力を示唆している

フィジカルAIは、メカトロニクス事業であると同時にGPUビジネスでもあります。DexBenchの開発をNVIDIAと連携させることで、この提携は地域的な普及を超えた野心を示しています。 Isaacツールはすでに多くの研究機関でトレーニングや検証を推進している。もしDexBenchがこれらのツールにおいて主要な位置を占めるようになれば、このベンチマークは、世界中で利用されているシミュレーション環境、強化学習のカリキュラム、データセット生成ツールへと広まっていくことになる。

この連携はハードウェアの面でも重要です。多くのヒューマノイドや移動型マニピュレーターのプロジェクトでは、エッジ側でNVIDIA Jetsonが稼働しています。プロファイリングとハードウェア・イン・ザ・ループ（HIL）テストを統合したベンチマークがあれば、特定のスタックが異なる演算リソース配分下でどのように動作するかを顧客に示すことができます。それにより、

調達選択肢を絞り込み、研究室から生産現場への移行を加速させる。

ベンチマークのインフレ率と実環境との乖離に対する慎重な見方

ロボティクス分野には、ベンチマークのインフレという歴史がある。 各研究所ごとに新しいテストスイートが次々と登場し、現場では互換性のない評価指標が乱立している。ガバナンスがなければ、標準規格は単なるマーケティングツールと化してしまう恐れがある。DexBenchは、直ちに2つの試練に直面することになる。1つ目は、タスク定義と結果監査の透明性である。2つ目は、ごく一部のケースのみを通過する「都合の良いデモ」に対する抵抗力である。

このアライアンスの構成は助けとなる。オペレーターは、サービスレベル契約（SLA）やダウンタイム罰則に直結するタスクを推進するだろう。ANAや富士などの日本のパートナーは、継続的改善と統計的工程管理の文化をもたらす。 HL MandoやCJ Logisticsといった韓国のパートナーは、100万個あたりの欠陥率やスループットの保証を重視している。こうしたプレッシャーにより、DexBenchは実運用への関連性に焦点を当て続けることになるだろう。そうした推進力があるとはいえ、グループは誇大宣伝を抑えるために、第三者による審査と公開されたリーダーボードを必要とするだろう。

ヒューマノイド向けのサプライチェーンは、標準化によって変化する可能性がある

器用さが測定・比較可能になれば、サプライチェーンは適応していくでしょう。エンドエフェクタメーカーは、DexBenchのタスクに合わせて調整された指先、スキン、触覚センサーを設計するようになるでしょう。 材料サプライヤーは、ベンチマークの許容誤差に合致する、所定の摩擦係数と摩耗率を持つグリッパーパッドを提供するようになるだろう。ハーモニックドライブからベルトアクチュエータに至るまでのモーションコンポーネントベンダーは、バックドライバビリティ、剛性、制御帯域幅を検証するために、DexBenchのシナリオに基づく性能データを公表する可能性がある。

韓国と日本は、これらのコンポーネントにおいて強固な基盤を持っている。HLマンドの駆動システムとサーボ制御のノウハウは、すでに自動車分野で活用されている。 ハーモニック・ドライブ・システムズやナブテスコといった日本の企業が、精密減速機市場を支配している。三井化学やヒョソンは、グリッパーやコンプライアントジョイント向けのエラストマーやエンジニアリングプラスチックを供給できる。ベンチマークにより

実際に、これらのサプライヤーはインテグレーターと共同設計を行い、目標スコアを達成することができます。こうした連携により、反復サイクルが短縮され、パイロット版の初回歩留まりが向上します。

サプライチェーンにはもう一つの影響がある。標準化された操作性により、顧客はブランドではなく機能そのものを購入できるようになる。システムインテグレーターは、組み立てられたシステムがDexBenchの合格率とサイクルタイムを満たす限り、あるベンダーからハンドを、別のベンダーから触覚アレイを、さらに別のベンダーからコントローラーを仕入れることができる。 このモジュール性により、購入者のリスクは低減され、クローズドなエコシステムに依存していたベンダーは圧迫されます。派手な動画でアピールする企業ではなく、単位あたりの経済性と信頼性が最も優れた企業が勝ち残ることになります。

免責事項：本分析は情報提供のみを目的としており、投資、法律、または調達に関する助言を構成するものではありません。RobotAIGeekは、特定のベンダーを推奨したり、初期段階の技術の性能を保証したりするものではありません。