Tesla、汎用性の遅れの中でOptimusを週数百台に増産

TeslaのOptimus生産台数が週数百台に増加

新しい報道によると、Teslaは現在Fremont施設で毎週数百台のOptimusヒューマノイドロボットを組み立てている。これは同社が第2四半期に達成した量の約10倍のペースである。この数字はプログラムの軌道における意味のある変化を表しており、Optimusを手作りに近いエンジニアリング作業から本格的な生産ラインへと移行させつつある。

このロボットの公の歴史の大半において、議論の中心はプロトタイプ、ステージでのデモンストレーション、そして長期的な約束にあった。週に数百台を生産することは、少なくともパズルの一部が解決されたことを示唆している。つまり、数十のアクチュエータ、センサー、電源システムから構成される複雑な二足歩行マシンを繰り返し組み立てる能力であり、それを四半期ごとではなく週単位で測定されるペースで行うことである。

この見出しの数字は、Teslaが生産量を週数千台の車両で測定する自動車製造と比較すると、依然として控えめである。しかし、ヒューマノイドロボットは車ではない。各ユニットには高密度の電子機器、関節機構、ソフトウェア主体の制御システムが詰め込まれており、これまでにこのようなペースを実証した企業は存在しない。

ロボットは依然として汎用化できない

同じ報道は、生産台数では解決できない制約を指摘している。ラインから出てくるOptimusユニットは、依然として一般的なタスクを処理できないと報じられている。つまり、慣れない作業、慣れない物体、慣れない環境に確実に適応することができない。

この区別がこの記事の重みの大半を占めている。制御されたセル内で練習済みの動作を繰り返すロボットは自動化装置であり、何十年もの間工場のフロアに存在してきた固定機械と機能的に類似している。新しい課題を渡されてその完了方法を自ら考え出すことができるロボットはまったく別物であり、これら2つのカテゴリーの間の距離こそが、ヒューマノイドロボティクスに期待される価値の多くが存在する場所である。

歩行と思考は別の問題

Teslaの移動に関する目に見える進歩は本物である。バランス、歩容、協調運動は、成功基準がかなり明確なエンジニアリング課題である。つまり、マシンが直立を保ち指示された場所へ移動するか、そうでないかである。汎用化は別のクラスの問題である。その問いに決着をつける単一のベンチマークは存在せず、改善はしばしば段階的な変化ではなく能力の緩やかな蓄積として現れる。

ある種類のビンからある種類の部品を選ぶように訓練されたロボットは、その動作を数千回完璧に実行するかもしれない。異なる形状の物体を異なる照明環境に置けば、同じシステムは人間の観察者には些細に見える形で失敗しうる。そのギャップが、報道がフリートの現状として描写しているものである。

なぜ汎用化がそれほど難しいのか

人間の環境は変動性によって定義されている。照明は変化し、表面は変わり、物体は予期しない角度で置かれ、指示は曖昧な言葉で届く。1つの設定に厳密に調整されたシステムは、あらゆる逸脱を情報ではなくノイズとして扱う傾向がある。そのギャップを埋めるには、通常、広範な訓練データ、堅牢な知覚、そして各タスクごとに最初からやり直すのではなく、あるタスクから次のタスクへ知識を転移するモデルが必要である。

これらの要件はいずれも、製造量だけでは解決されない。それらはソフトウェアとデータの問題であり、独自のスケジュールで進む傾向がある。

知能のリードなき製造のリード

この報道の中心的な緊張は、2つの時計の不一致にある。ハードウェアの反復は、ツール、サプライヤー、フロアスペース、追加シフトによって加速できる。汎用化するソフトウェアは、データの多様性、モデルアーキテクチャ、コンピュートを通じて改善し、より多くの資本やより多くの労働時間に必ずしも応答しない。Teslaは一方の時計を速めたが、もう一方は独自の時間を刻み続けているようである。

さらに微妙な問題もある。週に数百台のロボットを製造しても、能力のギャップを埋めるのに必要なデータが自動的に生成されるわけではない。そのフリートが同じ施設で同じ狭いタスク群を実行しているなら、高度に反復的な情報を大量に生み出す一方で、汎用化にとって重要となる変動性は比較的ほとんど生み出さない。

それでも増産が重要な理由

汎用化の問題を、生産のマイルストーンを軽視する理由として扱うのは容易である。その読み方は、増産が実際にもたらすものを見落としている。

• 量によるハードウェアのフィードバック。 プロトタイプで一度だけ現れる故障が、数百台のユニットにわたるパターンとして現れ、設計上の欠陥を特定して修正しやすくする。
• コスト学習曲線。 量が増えれば、サプライヤー、ツール、組立プロセスがコスト曲線を下り、これは最終的な商業化の根拠にとって重要である。
• テストフリート。 毎週数百台の新しいマシンが、一握りではなく多数のユニットにわたってソフトウェア更新を検証するのに十分な規模の母集団を生み出す。
• 展開の経験。 ロボットを実験室から実際の作業環境へ移すことで、シミュレーションでは完全に捉えられない運用上の問題——保守、充電、安全性、稼働時間——が表面化する。

このペースが維持されれば、これらの利点はそれぞれ複合的に積み上がる。年換算すると、週数百台のペースは数万台のマシンの生産を意味し、これまでどのヒューマノイドプログラムも近づいたことのない規模である。

ユニットはどこへ行くのか

この報道は、蓄積されつつあるフリートが最終的にどこに展開されるかを確定していない。この問いは重要である。なぜなら、Optimusユニットの価値は、それが何をすることを信頼できるかに大きく依存するからである。狭く事前にマッピングされたタスクに限定されたロボットは、構造化された環境では依然として有用でありうるが、その経済性は、ヒューマノイドへの関心を駆り立ててきた汎用労働よりも、従来の自動化にはるかに近く見える。

汎用化が手の届かないところにとどまるなら、短期的な道はますます構造化された環境——定義されたステーション、既知の部品、制御された照明、近くでの人間の監督——を通る可能性が高い。それは正当なビジネスではあるが、このセクターを活気づけてきたビジョンよりは小さい。

次に注目すべきこと

今後注目に値する2つの指標があり、それらは異なる方向に引っ張り合う。第一はペースである。週数百台が下限となるのか、一時的な急増にすぎないのか。第二はタスクのレパートリーであり、これは外部から測定するのがはるかに難しい。

追跡する価値のあるシグナルには、TeslaがOptimusの展開をデモンストレーションではなく特定の作業の観点で説明し始めるかどうか、ロボットが同社が完全には制御していない環境に現れるかどうか、そしてソフトウェア更新が、新しい課題ごとに再訓練することなく単一ユニットができることを意味のある形で拡大するかどうかが含まれる。

Teslaは今やヒューマノイドロボットを大量に製造できることを示した。より難しい問い——それらのロボットが、特に対応する準備をされたわけではない作業を処理することを学べるかどうか——は依然として未解決であり、どの生産ラインもそれに答えを出せない。

この記事はElectrekの報道に基づいています。元の記事を読む。