みんなは誰が一番派手なヒューマノイドデモを送るかに注目しています。ジム・ファンが実際の種族を教えてくれました。つまり、10万年の差を埋めるだけの合成物理データを生成できる人たちです。 その数字は誇張ではありません。バークレーのケン・ゴールドバーグは、LLMの学習に使われたテキストデータは人間が読むのに10万年かかると計算しました。ロボットは物理的な操作に関しては、その同等の手段をほとんど持てません。すべての掴み方、つまずき、体重移動はすべてゼロから学ぶか、シミュレーションする必要があります。 このため、ファンの研究室は9か月間で3つのモデルバージョン(N1は3月、N1.5は6月、N1.6は12月)を出荷していますが、多くのロボティクス企業は実物デモを収集している段階です。NVIDIAはハードウェアだけで競争しているわけではありません。彼らはOmniverseを通じて無限の合成トレーニングデータを生成できる能力をめぐって競っています。 GR00Tスタックは戦略を明らかにします。GR00T Dreamsは合成映像データを生成します。GR00T-Genはシミュレーション環境を作成します。GR00T-ミミックは軌道を生成します。すべてのコンポーネントは、インターネット上に存在しない物理データを製造するために存在しています。 ファンの「物理チューリングテスト」のフレーミングは精密です。タンパク質について推論し、定理を証明できるシステムを構築し、その後に洗濯物を確実にたたむシステムを作るでしょう。フィジカル・インテリジェンスは先週、ベンジー・ホルソンの「ロボットオリンピック」チャレンジ課題に挑戦し、これを実演しました。彼らのモデルは5つのカテゴリーのうち3つで金メダルを獲得しました。しかし、彼らが解決できなかったことに注目してください。それは、特定の物理的特性を持つ道具を使う作業です。フロンティアは理性ではありません。それは接触のダイナミクスです。 OpenAIやAnthropicはインターネットをスクレイピングすることでスケールアップします。物理的なAIはインターネットを使えません。勝つのは、シミュレーション内で1億時間の物理経験を作り出し、それを現実世界に移す方法を見つけたチームです。 NVIDIAは、グラフィックス、DNA、シミュレーションインフラ、そして30人規模のチームによる体系的にオープンソース化する基盤モデルを活用し、まさにその役割を果たすのに誰よりも適しているかもしれません。