ロボット向けAI企業Nomagicが、視覚・言語・行動を統合したAIモデル（VLA）を倉庫で実運用し、ロボットが対応できない状況での人間介入を約半減させました。現地データに基づく訓練と既存の安全機構を組み合わせることで、99.9%の信頼性が必要とされる物流現場での実装に成功しており、汎用AIロボット脳を目指す競合と異なるアプローチが現実的に機能していることが注目されます。
こういう要約が、毎朝あなたのメールに届きます。
無料で登録 →何が起きたか
ロボット向けAI企業Nomagicが、視覚・言語・行動を統合したAIモデル（VLA）を顧客向けに実運用で展開しました。スイスのe-コマース大手Brack.Alltronの倉庫で使用され、ロボットが対応できず人間の介入が必要になる「edge case」の発生率をおよそ半減させたと報告しています。
なぜ重要か
従来、倉庫ロボットは数週間から数ヶ月の現地プログラミングが必要でしたが、Nomagicのアプローチは汎用モデルではなく特定タスクでの高精度を先に実現し、そこから汎用性を広げるもの。実務レベルで99.9%の信頼性が求められる物流現場でAIが機能することは、自動化導入の経済性を大きく左右する可能性があります。
注目点
Nomagicは既に配置した数百万のロボット配備によって毎月数百万件のピック実績データ（Zalondoだけで月200万件）を獲得しており、この実運用データでVLAを訓練しているという点が、シミュレーションやテレオペレーションに頼る競合と異なります。
Nomagicは欧州（ポーランドのワルシャワ）と米国（ジョージア州サンディスプリングス）に拠点を持つ企業で、今年初めにGoogle DeepMindのロボティクス研究者Markus Wulfmeierを最高科学責任者として迎え、AI研究ラボを設立しました。同社の戦略は、業界の主流である「最も汎用的なロボット脳を構築する競争」とは対照的です。Wulfmeierは、シミュレーションやテレオペレーションだけでは現実世界に必要な信頼性レベルに到達することは経済的に困難だと指摘しており、代わりに実運用で得られた豊富で多様なデータセット（月200万件のピック実績）を活用してVLAを訓練しています。物理世界では稀な状況（edge case）の長い尾部が存在し、これが自動運転車の展開が予想より遅れている理由と同じであることをWulfmeierは説明しています。現地でのシステム実装が研究室の実験やデモンストレーションと異なり、既存のロボティクスソフトウェアという「harness」で安全と信頼性を担保しながらAIを段階的に改善していく方針は、実ビジネスと研究ラボの境界を明確にするものとみられます。同社は2026年にIFOY Award（国際物流フォークリフト賞）を受賞し、靴箱の蓋落下問題という倉庫自動化の難題を解決した点も認識されています。
まだコメントがありません。最初のコメントを投稿しましょう！
ログインして議論に参加200以上のソースから厳選したAIニュースを毎日無料でお届けします。
無料で始める登録無料・30秒で完了・いつでも解除できます
毎朝1分、AIの要点だけ。
200媒体以上・Email/LINE/Slack 対応
