ChinaTalkは2026年10月22日(現地時間)、中国がヒューマノイドロボット向けの「自己中心的データ収集 (egocentric data collection)」を国家戦略として加速させていると報じた。同国では第15次五カ年計画で「身体化された知能 (embodied intelligence)」が国家の優先事項とされ、2025年末までにヒューマノイドロボティクス企業150社超と国有データ収集センター40カ所の稼働を計画。同年9月までに身体化された知能スタートアップが500億人民元を調達するなど、この分野が米中間の技術競争の新たな焦点として注目を集めている。
ヒューマノイドロボットの訓練において、人間の手の精緻な動きの再現は大きな課題となっている。この難題を克服するため、研究者らは人々がヘッドセットを装着し、作業中の自身を撮影することで、ロボットの手の動作を訓練する「自己中心的データ収集」という手法を導入している。
中国企業もこの技術トレンドに積極的に参入しており、その代表格の一つが京東 (Jingdong) である。中国企業は、自社利用または国内外の顧客への販売目的で、大規模なデータ収集を進めている。
北京を拠点とする昆仑巢人机器人开放实验室 (Kunlun Nest Robot Open Laboratory) の研究者であるJackson Guo博士は、ロボットデータ収集の歴史をテレオペ (teleoperated)、アイソモルフィック (isomorphic)、そして自己中心的の3つの期間に分類する。
第一世代のテレオペデータ収集は2017年頃に登場した。スタンフォード大学のFei-Fei Li教授が主導したプログラムでは、ユーザーがリモコンやVRヘッドセットを用いてロボットアームを操作した。この手法は、作業者の疲労や高コストが課題となり、Helix、OpenXE、PI (Physical Intelligence) といった企業が数万時間ものデータを収集したものの、複雑な操作には不向きだった。
第二世代のアイソモルフィックデータ収集は2024年、スタンフォード大学のCheng Chi氏、Zhenjia Xu氏、Shuran Song教授が発表したUniversal Manipulation Interface (UMI) により広く認知された。これは、人間がロボットの外骨格に直接手を接続し、より迅速かつ正確にロボットに情報を供給する手法である。米国のGeneralist AI社は、この手法を活用し、1,000人の作業員が6ヶ月で25万時間以上のデータを収集した。
2026年初頭には、「自己中心的データ収集」が第三世代の手法として確立され始めた。NVIDIAは2026年2月18日にEgoScale Projectを通じてこの概念を導入し、データ収集の中心をアイソモルフィックな外骨格からカメラ映像へと移行させた。NVIDIAのチームは1,000人以上の人々に額と手首にカメラを装着してもらい、20,854時間の一人称視点映像を撮影。自己中心的データを用いてロボットを訓練することで、シャツを畳む成功率が88%向上したと発表した。
米国の企業では、EgoVerseがMetaのProject Aria glassesやiPhone 15+向けMeckaアプリを用いて自己中心的データを記録している。Build AIは、2028年までに10億時間以上の自己中心的映像を収集することを目標に、3,000万ドル以上を調達した。
参考: ChinaTalk (Jordan Schneider) — 2026年10月22日 19:02 (JST)
原文ハイライト"one-thousand workers to collect over 250,000 hours of data"