概要
Rhoda AIはインターネット規模の動画でモデルを事前学習し、ロボット向けの直接動画アクション(DVA)モデルを開発している。同社は自動車、製造、物流、電子商取引分野の顧客と導入に取り組んでおり、2026年にシリーズAで4億5,000万ドルを調達した。
详细事实
動画による事前学習とDVAの仕組み
Rhoda AIは、動きや物理現象、物体との相互作用に関するモデルの基礎を作るため、インターネット規模の動画を使って事前学習している。CEOのJagdeep Singhは、同社モデルが数百年分に相当する動画で学習したと説明したが、これは企業側の説明である。事前学習後は、作業に合わせた追加学習を行うとしており、同氏が示した目安は10~20時間分。これも企業側の説明値である。
查看出处 ↗移動と操作を統合し、複数の提供形態に対応
同社はDVAを拡張した「mobile DVA」について、移動と物体操作を一つのポリシーに組み合わせると説明している。モデルは動画フレームや行動・言語トークンの履歴から次の場面を予測し、別の処理部がその予測をロボットの動作に変換する。ロボットが動いた後に再観測して予測を更新する仕組みだ。Rhoda AIはAI層を自社で担い、ロボット本体には自社製または第三者製を使えるほか、技能の訓練も自社と外部の双方で対応する方針を示している。
查看出处 ↗顧客分野と資金調達
Rhoda AIは自動車、製造、物流、電子商取引の顧客と、DVAモデルの導入に取り組んでいる。社内では製造と物流向けの技能開発に重点を置くとし、労働力不足を背景として挙げた。2026年、同社は18カ月間のステルス期間を経て事業を公表し、シリーズAで4億5,000万ドルを調達した。本文には、顧客現場での稼働実績や導入台数は記載されていない。
查看出处 ↗独自観点のコメント
### 動画の規模を学習基盤にする戦略 Rhoda AIの差別化の軸は、ロボット操作の実演データだけに依存せず、幅広い動画を事前学習に使う点にある。幅広いデータから得た基礎能力を、顧客ごとの作業に合わせた追加学習につなげる構成は、個別のロボットや作業ごとに学習を積み上げる方式とは異なる。
一方、本文で確認できるのは顧客との導入取り組みであり、実環境での稼働結果や性能比較ではない。したがって競争力を評価するには、追加学習の負担、異なるロボット本体への適応性、現場での安定性について、導入実績に基づく情報が必要になる。AI層を自社で保持しながら本体や技能訓練の選択肢を設ける提供方針は顧客の構成自由度を広げるが、その実効性も今後の運用事例で確かめる必要がある。
相关企业与产品
出处
- 媒体报道 The Robot Report — 阅读原文 ↗