概要

• VLAのイノベーションと規模の経済により、手頃な価格で効率的かつ汎用的な人型ロボットの創造が促進されました。

• 倉庫が消費者向けロボットに拡大するにつれて、ロボット工学の安全性、資金調達、評価について検討する価値があります。

• 暗号資産（Cryptocurrency）は、ロボットの安全性の経済的保証を提供し、ドッキングインフラ、レイテンシー、データ収集パイプラインを最適化することにより、ロボット工学を改善します。

ChatGPTは、AIに対する人々の期待を書き換えました。LLMが外部ソフトウェアの世界と相互作用するというメタにより、多くの人々はAIエージェントが最終目標であると考えていました。しかし、スターウォーズ、ブレードランナー、ロボコップなどの象徴的なSF映画を見ると、人類がAIが物理的に世界と相互作用できる日を夢見ていることは明らかです。ロボット工学の形をとって。

Pantera Capitalでは、ロボット工学におけるChatGPTの瞬間が近づいていると考えています。まず、過去数年間でAIの手頃な価格と進歩がどのように変化したかを見ていきます。次に、バッテリー、レイテンシー、データ収集の最適化が今後数年間でどのように変化するか、そして暗号資産（Cryptocurrency）がそれにおいてどのような役割を果たすかについて説明します。最後に、ロボット工学の安全性、資金調達、評価、教育が注目すべき分野であると私たちが考える理由を説明して終わりたいと思います。

何が変わったのか？

AIのブレークスルー

マルチモーダルLLM分野の発展により、ロボットは複雑なタスクを実行するために必要な頭脳を得ています。ロボットは主に2つの感覚（視覚と聴覚）を通して環境を認識します。

従来、畳み込みニューラルネットワークなどの視覚モデルは、オブジェクトの検出または分類タスクに合わせて調整されていましたが、そのようなビジョンを有用なアクションに変換する理解が欠けていました。LLMはテキストベースの理解または生成に優れていますが、物理世界の認識において制限されています。

出典：https://arxiv.org/html/2505.04769v1

Vision-Language-Actionモデル（VLA）を使用すると、ロボットは視覚認識、言語理解、および物理的なアクションを単一の計算フレームワークに統合できます。2025年2月、Figure AIがHelixをリリースしました。これは、汎用的な人型ロボット制御のためのVLAモデルです。Helixは、ゼロショット汎化、システム1/システム2アーキテクチャを可能にすることにより、VLAおよびロボット工学分野で新しい標準を確立します。ゼロショット汎化により、ロボットが行う各タスクに対して広範な再トレーニングは必要ありません。Helixは、新しい状況、オブジェクト、および指示に即座に一般化できます。システム1/システム2アーキテクチャでは、高レベルで軽量な推論が分離されているため、人間のような推論とリアルタイムの精度を組み合わせた、商業的に実行可能な人型ロボットが可能になります。

手頃な価格のロボットが見える

世界を変えるテクノロジーはすべて、1つの共通点があります。それは、アクセスしやすいことです。スマートフォン、パソコン、3Dプリンティングはすべて、中間層が手頃な価格で購入できるようにすることでアクセスできるようになりました。Unitree G1などのロボットが、ホンダアコードよりも安いか、米国の最低賃金である34,000 USDよりも安い場合、物理的および日常的なタスクがほとんどロボットによって行われる世界を想像するのは難しくありません。

出典：https://www.unitree.com/g1/

倉庫から消費者へ拡大

ロボット工学は、倉庫ソリューションから消費者に拡大しています。世界は人間のために作られています。人間は特殊なロボットができることはすべてできます。特殊なロボットは人間ができることはすべてできません。工場向けの特殊なロボットを作る代わりに、ロボット工学企業はより汎用的な人型ロボットを作っています。したがって、ロボット工学のフロンティアは、倉庫だけでなく、私たちの日常生活でも観察できます。

手頃な価格は、拡大の主なボトルネックの1つです。私が最も注目している指標は、1時間あたりのコストです。コストは、トレーニングと充電に使用される時間の機会費用、タスクの実行コスト、およびロボットのコストをその稼働時間で割ったものとして定義します。セクターの平均賃金は、下回るべきベンチマークです。

出典：https://www.bls.gov/news.release/empsit.t19.htm

倉庫セクターに完全に浸透するためには、1時間あたりのコストが31.39 USDを下回る必要があります。上記の最大の消費者セクターは、私立教育および医療サービスです。消費者向け分野に浸透するには、ロボットのコストが1時間あたり35.18 USD未満である必要があります。

ロボットは、より安価で、より効率的で、より汎用的になっています。

ロボット工学の次のステップは何ですか？

バッテリーの最適化

バッテリーは常に、ユーザーフレンドリーなロボットのボトルネックでした。BMW i3などの初期の電気自動車は、航続距離を制限し、コストを増加させ、実用性を低下させる弱いバッテリー技術のために、人気を得るのに苦労しました。ロボットは同じ課題に直面しています。Boston DynamicsのSpotロボットは、再充電が必要になるまで90分しか動作できません。Unitree G1のバッテリー寿命は約2時間です。誰も2時間ごとにロボットのバッテリーを手動で充電したくありません。したがって、自律的な再充電およびドッキングインフラストラクチャは、検討する価値のある分野です。現在、ロボットを再充電する方法は2つあります。バッテリーを交換するか、バッテリーを充電するかです。

バッテリートレイを交換すると、消耗したバッテリーを充電済みのバッテリーとすばやく交換できるため、ダウンタイムが最小限に抑えられ、ロボットは現場または工場のフロアで継続的に動作できます。このプロセスは、手動と自動の両方で行うことができます。

誘導充電はロボットをワイヤレスで充電します。ロボットを完全に再充電するには時間がかかりますが、プロセスは簡単に完全に自動化できます。

レイテンシーの最適化

低レイテンシー操作は、知覚と遠隔操作の2つのカテゴリに分類できます。知覚とは、ロボットが周囲をどのように認識するかです。遠隔操作とは、人間がロボットをリモートで制御している場合です。

Cintrini Researchによると、ロボットの知覚は安価なセンサーから始まりますが、堀は融合ソフトウェア、低電力コンピューティング、およびミリ秒単位のタイトな制御ループで形成されます。ロボットがここにある場所とそこにある場所を知ると、軽量のニューラルネットワークが障害物、パレット、または人間にタグを付けます。シーンラベルはプランナーに供給され、プランナーは足、車輪、または腕にモーターコマンドを出力します。50ms未満の知覚レイテンシーは人間の反射神経と同等です。それよりも遅いと、ロボットは非常に不器用になります。したがって、決定の90％は、単一のビジョン-言語-アクションネットワークの形式でオンボードに存在します。

完全に自律的なロボットの場合、高性能VLAのレイテンシーは50ms未満である必要があります。遠隔操作ロボットの場合、オペレーターとロボット間のレイテンシーは50ms未満である必要があります。視覚入力とテキスト入力が2つのモデルで個別に処理され、処理のために大きなLLMに供給される場合、レイテンシーは50msよりもはるかに高くなるため、ここでVLAの重要性を十分に理解できます。

データ収集の最適化

データを収集する方法は3つあります。現実世界のビデオデータ、合成データ、遠隔操作データ。現実世界のデータと合成データの主な制約は、ロボットが物理的な設定でどのように動作するかと、ビデオまたはシミュレーションでどのようにモデル化されるかの違いを埋めることです。現実世界のビデオデータには、力のフィードバック、関節の動きの不正確さ、または材料の変形などの物理的な詳細がありません。シミュレーションデータには、センサーの故障や摩擦などの予測不可能な変数がありません。

最も有望なデータ収集方法は遠隔操作であり、人間のオペレーターがロボットをリモートで制御してタスクを実行します。人件費は、遠隔操作データの主な制約です。

高品質のデータを提供するために、カスタムハードウェアも開発されています。Meckaは、AIロボット工学トレーニングのために、迅速な反復サイクルで高品質で大量の人間運動データを提供しています。主流の方法とカスタムハードウェアの両方でいくつかの形式の人間データをキャプチャし、その後処理および変換して、ロボット工学ニューラルネットワークのトレーニングで使用できるようにします。これらのパイプラインを組み合わせることで、データから展開可能なロボット工学への道が短縮されます。

この分野で注目すべきこと

暗号資産（Cryptocurrency）とロボット工学の出会い

暗号資産（Cryptocurrency）は、ロボット工学のネットワーク効率を向上させるために、信頼できない当事者を奨励するために使用できます。上記の主要な分野を見ると、暗号資産（Cryptocurrency）は、ドッキングインフラストラクチャ、レイテンシーの最適化、およびデータ収集の効率を高めることができると考えています。

分散型物理インフラストラクチャネットワーク（DePIN）は、ドッキングインフラストラクチャの可能性があります。人型ロボットが車のように世界中を移動する場合、充電ステーションがガソリンスタンドと同じくらいアクセスしやすいことが重要です。集中型ネットワークは多額の先行投資を必要としますが、DePINはノードオペレーター間でコストを分散するため、充電インフラストラクチャを迅速に拡張し、より多くの場所に到達できます。

DePINはまた、遠隔操作のレイテンシーを最適化するために分散型インフラストラクチャを活用する立場にあります。DePINは、地理的に分散したエッジノードからコンピューティングリソースを集約し、遠隔操作を可能にします。これは、遠隔操作者からロボットへのコマンドをローカルで、または最寄りの利用可能なノードで処理できることを意味し、データが移動する必要がある距離を最小限に抑え、通信レイテンシーを潜在的に削減します。ただし、現在のDePINプロジェクトは主に、分散型ストレージ、コンテンツ配信、および帯域幅共有に焦点を当てています。一部のプロジェクトでは、ストリーミングやIoTなどのアプリケーションに対するエッジコンピューティングの利点が実証されていますが、ロボット工学や遠隔操作では実証されていません。

遠隔操作は、最も有望なデータ収集方法です。ただし、集中型エンティティが遠隔操作データを生成するために専門の人員を雇用するのは非常に高価です。DePINは、第三者に遠隔操作データを提供するインセンティブを与えることでこれを解決します。Rebornは、暗号資産（Cryptocurrency）トークンを使用して、遠隔操作者のグローバルネットワークに報酬を与え、調整します。彼らの貢献をトークン化されたデジタル資産に変え、誰もがAGIロボットを獲得、管理、およびトレーニングを支援できる、分散型の許可のないシステムを可能にします。

安全は常に懸念事項です

ロボット工学の最終目標が完全に自律的なロボット工学であることは周知の事実です。しかし、大ヒット映画ターミネーターで見られるように、人類が最後に望んでいるのは、彼らの自律性が彼らを攻撃的なロボットに変えることです。AIの安全性はLLMの懸念事項でした。しかし、LLMに手足がある場合、ロボット工学の安全は、ロボット工学が社会に採用されるために不可欠です。

経済的セキュリティは、繁栄するロボット経済の主要な柱の1つです。OpenMindは、この分野の企業であり、FABRICを構築しています。これは、マシンがIDを確立し、物理的な存在を検証し、暗号証明を通じて資本またはジョブにアクセスするための分散型調整レイヤーです。FABRICは、タスクマーケットプレイスを単純に管理する代わりに、ロボットが集中型仲介業者に依存せずに、自分が誰であるか、どこにいるか、何をしたかを証明できるようにします。

行動ガードレールとID証明はオンチェーンで適用され、誰もがコンプライアンスを監査できます。安全性、品質、および場所の基準を満たすロボットには報酬が与えられます。失敗したロボットは、スラッシュされるか失格となり、自律型マシンネットワークにおける説明責任と信頼の両方を保証します。

Symbioticなどのサードパーティの再ステーキングネットワークSymbioticも、同等のセキュリティ保証を提供できます。スラッシュパラメータにはまだ取り組むべき課題がありますが、テクノロジーはすでに本番環境にあります。業界全体の安全ガイドラインがすぐに開発され、スラッシュパラメータがガイドラインに従ってモデル化されると信じています。

これを実装する方法の例を次に示します。

1. ロボット工学企業がネットワークとしてSymbioticに参加します

2. 「2,500ニュートンを超える力で人間と物理的に接触する」などの検証可能なスラッシュパラメータが確立されます

3. ステーカーは、ロボットがスラッシュパラメータに違反しないことを保証するためにステークします

4. ロボットがスラッシュパラメータに違反した場合、ステークは被害者への補償として使用されます

このモデルでは、ロボット工学企業はロボット工学の安全性を最優先事項として設定するインセンティブが与えられ、ステーカーによってプールされた保険はロボット工学の消費者採用を促進します。

Symbioticチームがロボット工学について考えていることは次のとおりです。

Symbioticのユニバーサルステーキングフレームワークは、共有モデルまたは個別モデルを通じて、経済的セキュリティの恩恵を受ける可能性のあるあらゆる垂直またはプロトコルにステーキングの概念を拡張するように設計されました。アプリケーションは保険からロボット工学まで多岐にわたり、ケースバイケースで概念化する必要があります。たとえば、ロボットネットワークは、Symbioticのユニバーサルステーキングフレームワークのみで構築でき、利害関係者はネットワークの整合性に対する経済的支援を提供できます。

ロボット工学スタックの穴を埋める

OpenAIはAIを普及させましたが、ChatGPTの瞬間の基礎は数年前に完了しました。クラウドサービスにより、モデルをローカルコンピューティングに限定しないことが可能になり、Huggingfaceにより、モデルをオープンソース化することが可能になり、KaggleはAIエンジニアがこの分野で実験するためのスペースを提供しました。これらのすべての小さなステップにより、AIを普及させることができました。

AIとは異なり、限られた資本でロボット工学を始めるのは困難です。ロボット工学を普及させるには、ロボットの構築はAIアプリケーションの構築と同じくらい簡単である必要があります。

資金調達、評価、教育の3つのレイヤーに改善の余地があると考えています。

資金調達はロボット工学の問題です。コンピューターを構築するには、コンピューターとクラウドコンピューティングクレジットのみが必要です。完全に機能するロボットを構築するには、モーター、センサー、バッテリーなどのハードウェアを購入する必要があります。そのコストは簡単に100,000 USDを超える可能性があります。ロボット工学のハードウェアの性質により、ロボット工学の構築はAIでの構築よりも柔軟性が低く、コストがかかります。

現実世界のロボット工学評価のためのインフラストラクチャは初期段階にあります。AIでは、損失関数が明確に定義されており、テスト操作は仮想的に実行できます。ただし、優れた仮想ポリシーは、現実世界の優れたポリシーに直接変換されるわけではありません。ロボットが反復的に改善するためには、多様な現実世界の環境における自律ポリシーの評価のためのインフラストラクチャが必要です。

これらのレールが固まると、才能が殺到し、自律型人型ロボットはWeb 2を急上昇させたのと同じ採用曲線に従います。暗号資産（Cryptocurrency）ロボット工学企業であるOpenMindは、すでにその方向に進んでいます。同社のオープンソース「ロボット用Android」であるOM1は、生のハードウェアをアップグレード可能で経済的に認識できるエージェントに変えます。ビジョン、言語、およびモーションプランナーは電話アプリのようにクリックインし、すべての推論ステップはわかりやすい英語で表示されるため、オペレーターはファームウェアに触れることなく動作を監査またはリダイレクトできます。自然言語で推論できるこの能力により、次世代の才能がロボット工学にシームレスに移行できるようになり、オープンソースがAIを加速した方法でロボット工学ブームを引き起こす可能性のあるオープンプラットフォームへの素晴らしい第一歩となります。

出典：OpenMindのOM1を搭載した人型ロボット。これは、ロボット向けの世界初のオープンソースのAIネイティブオペレーティングシステムであり、NASDAQでのETF上場を祝うためにボタンを押しました。

才能の密度は、業界の軌跡を定義します。構造化されアクセス可能な教育は、才能がロボット工学に注ぎ込まれるために不可欠です。OpenMindのNasdaqへの登場は、インテリジェントマシンが金融イノベーションと現実世界の教育の両方で直接的な役割を果たす新しい時代の始まりを示しています。OpenMindとRobostoreは、米国のK-12公立学校全体でUnitree G1人型ロボット向けの最初に広く採用された教育カリキュラムの展開を発表しました。カリキュラムはプラットフォームに依存せず、さまざまなロボットのフォームファクターに適応できるように設計されており、学生にロボット工学の実践的な経験を提供します。これは心強い兆候であり、ロボット工学の教育資料の量が数年でAIの教育資料と同等になるという私たちの信念を強めます。

今後の展望

VLAのイノベーションと規模の経済により、手頃な価格で効率的かつ汎用的な人型ロボットの創造が促進されました。倉庫が消費者向けロボットに拡大するにつれて、ロボット工学の安全性、資金調達、評価について検討する価値があります。また、暗号資産（Cryptocurrency）は、ロボットの安全性の経済的保証を提供し、ドッキングインフラストラクチャ、レイテンシー、データ収集パイプラインを最適化することにより、ロボット工学を改善するという強い確信も持っています。

- Paul Veradittakit

ビジネス

CentrifugeがConvergeにローンチパートナーとして参加

Convergeは、Centrifugeを最初のローンチパートナーとして指名し、機関グレードのRWA製品と開発者ツールを新しいトークン化されたマーケットプレイスに追加します。

米国の企業が暗号資産（Cryptocurrency）の財務に8億4400万ドルを投入

米国の企業は8億4400万ドルをBitcoinとHyperliquid（HYPE）に移動し、両方のトークンの未決済残高の急増と強気なセンチメントを促進しました。

規制

Fannie Mae、Freddie Macは、住宅ローンを購入する際に暗号資産（Cryptocurrency）を資産として検討するように命じられました

FHFAディレクターのWilliam Pulteは、Fannie Mae(（FNMA）とFreddie Mac(（FMCC）に、単一家族の住宅ローンリスク評価のために暗号資産（Cryptocurrency）を資産として検討するように命じました。

CoinbaseがMiCAライセンスを取得：ヨーロッパの暗号資産（Cryptocurrency）進化におけるマイルストーン

ルクセンブルクでの登録を確保することで、Coinbaseは新しいMiCA体制下で、27のEU加盟国すべてに暗号資産（Cryptocurrency）サービスのフルスイートをパスポートできます。

GENIUS法ステーブルコイン法案が上院を通過

米国上院は、超党派の支持を得てGENIUS法を承認しました。この法案は、大規模なステーブルコイン発行者に対して、完全な準備金と定期的な監査済みの開示、明確な償還権、および運用基準を義務付けています。

新製品とホットディール

ZamaがZama Confidential Blockchain Protocolを発表し、5700万ドルのシリーズBを発表

Zamaは、これまでの最も野心的な製品であるZama Confidential Blockchain Protocolを発表し、10億ドルを超える評価額で5700万ドルのシリーズBを発表します。このラウンドは、Pantera CapitalとBlockchangeが主導しました。

StripeがPrivyを買収：すべての人に暗号資産（Cryptocurrency）を

最近のBridgeの11億ドルの買収後、StripeはPrivyを買収し、7500万の自己管理ウォレットをStripeの決済スタックに統合すると同時に、Privy製品を独立させています。

NexusがTestNet IIIを展開

検証可能なコンピューティングブロックチェーンは、米国、ベトナム、ナイジェリア、ロシア、インド、インドネシア、英国、香港SAR、中国本土全体でTestNetを立ち上げます。

今週のPantera

PanteraがBlockworks Researchとトークン透明性フレームワークで提携

Cosmo JiangとEric Wallachが、トークンベースのプロトコルの整合性のある開示基準について説明します。

BloombergのDan Morehead - 暗号資産（Cryptocurrency）をハードアセットのように取引する

PanteraのDan Moreheadは、Bloombergの「Open Interest」で、機関投資家が現在Bitcoinを金のように扱い、デリバティブと堅牢なカストディを使用して地政学的なショックをヘッジしていると語っています。有利な規制により、新たな資金調達が可能になります。

World：ミッションクリティカルなIDソリューション

Panteraは、Worldの人間証明ソリューションが、人間とAIが共存する未来において重要なインフラストラクチャになると考えています。

私について

こんにちは、私はPaul Veradittakitです。Pantera Capitalのマネージングパートナーであり、ブロックチェーン企業と暗号資産（Cryptocurrency）への投資に焦点を当てた最も古く、最大の機関投資家の1つです。私は2014年からこの業界に携わっており、同社は株式、初期段階のトークンプロジェクト、および取引所の流動的な暗号資産（Cryptocurrency）に投資しています。私は初期段階の投資に焦点を当てており、この週刊ニュースレターで業界で何が起こっているかについての私の考えを共有しています。

資金調達が必要なプロジェクトがある場合は、お気軽にtwitterでDMしてください。