地味な重労働：AIラボがロボット向けデータ収集企業XDOFに対価を支払う

大規模言語モデル（LLM）の爆発的な成長は、インターネット上に蓄積された膨大なテキストと画像データに大きく依存している。しかし、物理世界——ロボット、自動運転、産業自動化といった「エンボディードAI（Embodied AI）」の領域——に目を向けると、状況は一変する。ロボットが物理法則を理解し、把持・歩行・操作などのタスクをこなすためには、大量かつ高精度で物理的インタラクションの特性を持つ訓練データが必要だ。こうしたデータはインターネットから収集できるものではなく、実世界での試行錯誤を通じてしか得られない——そしてこれこそが、業界で「汚くて報われない作業（dirty, unglamorous work）」と呼ばれるプロセスである。

データの難題：なぜロボットの訓練はLLMより「過酷」なのか

LLMの訓練データはテキスト・コード・画像など比較的「クリーン」であり、低コストで大規模に収集できる。しかしロボットデータは異なる。工場でロボットアームが部品を把持する場合、把持のたびに角度・力加減・成功率を記録するだけでなく、物体の材質・照明・摩擦係数などの物理パラメータもラベル付けする必要がある。さらに厄介なのは、ロボットの学習には大量の失敗事例——転倒、壁への衝突、物体の落下など——が必要である点だ。これらは従来のデータセットにほぼ存在しない。そのため、高品質なロボット訓練データの収集には、人間のオペレーターがロボットをリモート操作（テレオペレーション）するか、直接デモンストレーションを行う必要があり、そのプロセスは遅く単調だ。ある業界関係者はこう表現した。「GoPro を持って自分が皿を洗う様子を1000回撮影し、手の動きと皿の位置をフレームごとにアノテーションするようなものだ」と。

「ロボット訓練データの収集は汚くて報われない作業だ。一部のAIラボはすでにXDOFにその作業の対価を支払っている。」——TechCrunch報道

XDOFはまさにこのニーズに応えるべく生まれた専門データ収集企業である。TechCrunchの報道によれば、XDOFはテレオペレーション・シミュレーション環境・人間によるデモンストレーションを組み合わせたデータ収集プラットフォームを開発し、ロボット企業にクリーンな訓練データを提供している。そのビジネスモデルは、自動運転企業向けに道路状況データをアノテーションする事業に似ているが、難易度はより高い。ロボットは2D画像内の障害物を認識するだけでなく、3次元空間における物理的インタラクションを認識する必要があるためだ。現在、すでに複数の著名なAIラボがXDOFと契約を結び、ロボットデータ収集をアウトソーシングすることでアルゴリズムの最適化に集中できる体制を整えている。

編集後記：データ産業の新たなブルーオーシャン

AI発展の歴史を振り返ると、データインフラはアルゴリズムそのものよりも早く成熟することが多い。ImageNetが深層学習革命を生み出し、GPTシリーズは大量のテキストデータによって創発的能力を実現した。今日、ロボット領域は同様の岐路に立っている。ハードウェアコストは徐々に低下しているが（ヒューマノイドロボットや協働ロボットアームが安価になりつつある）、データのボトルネックはまだ解消されていない。XDOFのような企業の登場は、業界が「データ収集もコア技術である」という事実を直視し始めたことを示している。注目すべきは、米国ではトヨタリサーチインスティテュートやBoston Dynamicsなどの大手企業も社内にデータ収集チームを組織しており、中国では智元ロボットや傅利叶（Fourier）などの企業も「データファクトリー」モデルを模索しているという点だ。将来的には標準化されたロボットデータセット（いわば「ロボット版ImageNet」）が形成され、産業全体が手工業的な体制から工業化へと移行するかもしれない。

もちろん、データ収集のアウトソーシングには懸念もある。セキュリティと著作権のリスクだ。収集プロセスに営業秘密やプライバシー情報（例えば家庭環境でサービスを提供するロボット）が含まれる場合、どのように匿名化するのか。また、データアノテーションの基準が統一されておらず、各社が収集するデータのフォーマットが異なるため、重複投資が生じている。自動運転分野のnuScenesやWaymo Open Datasetのように、オープンソースのデータ標準と共有の仕組みを業界全体で早急に構築することが求められる。

「汚い作業」から「金脈」へ

TechCrunchの報道が浮き彫りにしたのは一つのトレンドだ。物理AIが爆発的な成長の前夜に差し掛かると、基盤となるデータインフラの整備が競争における決定的な要因となる。XDOFはその中の小さな存在に過ぎないかもしれないが、その背後にある産業の論理は深く考える価値がある。AIの世界では、最も地味で過酷な作業の中にこそ、最大のビジネス的価値が潜んでいることがある。かつて大手インターネット企業向けにコンテンツモデレーションやデータアノテーションを手がけた企業が、世界最大のデータサービス企業へと成長したように——ロボット訓練データの収集は、次の兆ドル規模の市場への入口になり得るのだろうか。少なくとも、すでに資本はその賭けに動き始めている。

本稿はTechCrunchより編訳