11月2日、UBTech（優必選）は具身知能シミュレーションプラットフォーム「Thinker-Sim」を公開した。狙いはロボット訓練で最も金と時間のかかる部分だ。実データの収集は高くつき、シミュレーション環境の構築は難しく、アルゴリズムの検証には長い時間がかかる。同社の方法は、現実世界を素早くシミュレーションに移し、まずコンピュータの中でロボットを十分に訓練してから実機で検証すること。訓練も評価も、毎回ゼロから環境を作る必要がなくなる。
プラットフォームはReal2Sim2Realフレームワークで構築され、現実シーンのデジタル化、大規模なシミュレーションデータ合成、ロボット能力評価の3つをワンストップでカバーする。シーン再構築にはUBTech自社開発の高忠実度アルゴリズムThinker-GSを使い、SimReady資産自動生成技術と組み合わせることで、現実シーンの収集から三次元再構築、シミュレーション資産の生成までを効率よくつなげる。実際の工場の生産ラインを例に取ると、工場の空間配置、環境構造、視覚的な細部を再現し、訓練、データ収集、アルゴリズム評価といった任務に応じて、ロボット、生産設備、人員などの前景資産を柔軟に読み込める。商業サービスなどの場面でも、視覚表現がリアルなデジタルツイン環境を素早く生成し、訓練と展開の検証に使える。
テンプレートとエージェントはハードルをどこまで下げるか
プラットフォームには、ロボットがよく使う訓練、データ合成、評価の場面をカバーする標準化されたシミュレーションタスクのテンプレートが豊富に内蔵されている。ユーザーはシミュレーション環境をゼロから作る必要がなく、テンプレートを選び、パラメータを設定するだけで素早くシミュレーションを開始できる。シミュレーション中はリアルタイムの映像配信、タスクの状態監視、実行結果のフィードバックが得られ、問題が起きてもタスクの失敗か、モデルの異常か、環境設定の不具合かを素早く切り分けられる。シーン、ロボット、タスク、アルゴリズム、評価の各モジュールは柔軟に設定でき、UBTechによれば目標とするシミュレーション場面の90%以上に対応できるという。
より重要なのは操作方法だ。プラットフォームは自社開発のUlab-Agentを基盤とし、自然言語を統一的な入り口とする。ユーザーの要望を理解したうえで、シーン作成、環境設定、ランダム化、タスク編成、スケジュール実行といった低レベルの基本スキルを自律的に呼び出し、シミュレーション任務の全工程を完結させる。シミュレーションのコードを書けない人でも、一言で任務を指示できる。
Thinker-Simが参入するのは空白の市場ではない。エヌビディアのIsaacシリーズのシミュレーションツールはすでに長年使われている。UBTechの違いは評価機能とワンストップの流れにあるが、プラットフォームが公開されるのか、料金体系はどうなのか、実際の顧客の導入データはどうかについて、既存の報道は何も伝えていない。シミュレーションがどんなにリアルでも、最終的に問われるのは実機での性能であり、次に公開される導入事例こそが試金石になる。
