フレームで思考する：1X Technologiesが「視覚的想像力」で挑むロボット自律性の新境地

ロボット工学の分野は、あらかじめプログラムされた硬直的なスクリプトに従うだけの段階から、自らの「想像力」を駆使して物理世界を航行する未来へと大きく舵を切っています。ノルウェーとアメリカを拠点とするスタートアップ、1X Technologiesは、ヒューマノイドロボット「Neo（ネオ）」向けに「1X World Model（1XWM）」を導入し、このビジョンの実現に一歩近づきました。この「ワールドモデル」とは、本質的にはAI駆動の内部シミュレーターであり、人間がボールをキャッチする前にその動きを頭の中で描くように、ロボットが行動を実行する前にその物理的な結果を予測することを可能にします。この進展は、遠隔操作者（テレオペレーター）による手動のトレーニングへの依存を脱却し、膨大な視覚データから自律的に学習するシステムへの転換を象徴しています。

この革新の中核を成すのは、「テキスト条件付き拡散モデル（text-conditioned diffusion model）」です。これは、簡単な文章から複雑な映像を生成する最新のビデオ生成AIと同様のアーキテクチャを採用しています。1X Technologiesは、人間が物体をどのように操作するかをNeoに理解させるため、一人称視点で撮影された数百時間におよぶ「エゴセントリック（自己中心視点）」な動画を用いてモデルを訓練しました。さらに、Neo独自の視覚的外観や運動学（キネマティクス）に合わせた微調整を行うことで、ロボットは音声やテキストによる単純な指示を、一連の物理的な動作へと変換できるようになりました。AIはまず、タスクを完了する自分自身の短い映像を「想像」し、次に「逆動力学モデル（IDM）」と呼ばれる二次的なAIシステムを用いて、その想像した映像に一致させるために必要な正確なモーターの出力を算出します。

このアプローチは、ロボット開発における最大の障壁である「データ・ボトルネック」を解消するために設計されました。従来、単純なタスクの習得でさえ数千時間の手動トレーニングが必要でしたが、Neoは人間のような形状と、有機的な動きを可能にするソフトな設計を備えているため、人間が環境と関わる映像から得た知識をより効果的に応用できると1X Technologiesは主張しています。最近のデモンストレーションでは、食器の取り扱いや清掃、一般的な物体の操作といったタスクをこなすNeoの姿が公開されました。同社は、この技術が将来的に、特別な訓練なしに衣類のケアや繊細な家事支援といった、より実験的なタスクにも汎用化できる可能性を示唆しています。この「汎用化」、つまり学習した論理を全く新しい状況に適用する能力は、ロボットが経験を積むほど知能が自律的に成長する「フライホイール効果」を生み出すための重要なステップと見なされています。

この高度な知能を支えるハードウェアもまた、極めて洗練されています。Neoの身長は約167〜168センチメートル（5フィート6インチ）、重量は30キログラムで、その頭脳には「1X Neo Cortex」が搭載されています。このシステムは、リアルタイムのAI処理に必要な膨大な計算負荷を管理するために、高性能なチップセットを活用しています。バッテリー駆動により数時間の連続稼働が可能であり、体にフィットするテキスタイルスーツを着用した柔らかなデザインは、家庭や職場において威圧感を与えないよう配慮されています。また、カメラを搭載したロボットを家庭内に導入する際のプライバシーへの懸念に対し、同社はユーザーの機密性を保護するための厳格なプライバシープロトコルとセキュリティツールを実装し、社会への統合を図っています。

1X Technologiesは2026年に米国市場への初期導入を開始する予定であり、その焦点は大規模な産業利用および家庭用ユーティリティへと移りつつあります。投資会社EQTとの戦略的パートナーシップを通じて、同社は2030年までに物流、製造、ヘルスケアなどの分野で数千台のNeoを配備することを目指しています。現在のユニットは、非常に複雑な状況や予期せぬシナリオにおいて依然として遠隔監視を必要とする場合がありますが、2026年を通じて自律能力のレベルを段階的に引き上げることが明確な目標として掲げられています。人間の動きという世界的なアーカイブをAIの教室へと変えることで、1X Technologiesは、ロボット工学の未来が、機械がいかに学び、適応し、そして高い独立性を持って世界を歩めるかにあることを証明しようとしています。