AIロボットの「成長」をシミュレーションで加速！現実世界への応用へ

この記事を読むのにかかる時間： 5 分

この記事のポイント

• 具身型AIやロボット開発を加速する「Fysics」が発表されました。
• 物理シミュレーションの精度向上により、「シミュレーションから現実への移行」問題を解決します。
• 「可微分物理エンジン」はAIの学習効率を大幅に向上させます。
• 上海の良好な研究開発環境が、国産GPUエコシステムの構築にも貢献しています。

AIロボットを仮想空間で「成長」させる

先日、上海で開催された2026グローバルデベロッパーズ・フェスティバルにおいて、微分可能な物理シミュレーションエンジン「Fysics」が正式に発表されました。このエンジンは、具身型AI、人型ロボット、自動運転などの産業が、より迅速に規模を拡大して実用化されるための強力なサポートを提供します。

プロジェクト責任者の張立華氏は、長年海外のテクノロジー企業に勤務した後、15年前に帰国して起業し、現在は復旦大学スマートロボット＆先端製造イノベーション学院の副院長を務めています。ゲームの世界における「スカートの揺れ」から、具身型AIに必要な「高精度な接触計算」まで、この「物理世界のシミュレーション」における自律技術のブレークスルーにおいて、張立華氏はチームを率いてさらなる進歩を実現しています。

デジタル世界に「物理法則」を付与する

2000年に清華大学を卒業した張立華氏は、海外に留学し、その後就職しました。国際的に有名なテクノロジー企業に勤務する間、彼は物理シミュレーションと異種計算技術の研究に専念しました。ディープラーニングや大規模言語モデルを含む人工知能技術が今日のレベルに達したのは、異種計算技術の発展なしには考えられません。しかし、当時、国内で異種計算技術を習得した専門人材は少なく、それが数年後に彼が帰国して起業する伏線となりました。

「一度、母校に戻って同級生と交流したことがありました。当時、会場で手を挙げた学生はわずか2、3名しかその分野に精通していると答えませんでした。その時、そこに潜む起業のポテンシャルは非常に大きいと実感したのです。」この技術的なギャップへの認識が、彼に帰国の考えを抱かせました。

2011年、張立華氏は海外での職を辞し、北京と長春で起業し、異種計算と人工知能技術の研究開発・転換に注力しました。2017年には、復旦大学の新工科建設に招かれ、スマートロボット研究所や卓越エンジニア学院など、複数の研究・人材育成プラットフォームの設立に携わりました。

今年3月下旬、彼が創業した飛捷科思智能科技（上海）有限公司は、微分可能な物理シミュレーションエンジン「Fysics」を正式に発表し、同時にシミュレーション訓練プラットフォーム、基礎モデル、評価基準などを網羅したフルスタック物理AI技術基盤体系をローンチしました。

「物理シミュレーションエンジンとは何でしょうか？」張立華氏は、次のような例えで説明しました。「例えば、ゲームでキャラクターがダンスするシーンでは、服の揺れ、スカートのひらめき、布のしわなどが非常にリアルで自然でなければなりません。映画の爆発シーンも、現実世界と同じように見える必要があります。これらは実写映像でもなければ、アニメーターがあらかじめデザインしたアニメーション効果でもなく、物理シミュレーションエンジンが仮想世界で現実世界の物理法則に従って計算されたものなのです。」

精度が不十分だと、どんなに訓練しても「失敗」する可能性

「物理エンジンが解決するのは、『物理的なリアルさ』の問題です。」と張立華氏は述べています。「一つは視覚的なリアルさ――GPUで画面をレンダリングし、光と影の効果をよりリアルに見せること。もう一つは物理的なリアルさ――物体の動きが力学などの現実の物理法則に適合することです。この二つが組み合わさって、デジタル世界は現実世界に近づくことができます。3Dゲーム、映画の特殊効果から、バーチャルリアリティ、デジタルツイン、自動運転の訓練まで、物理シミュレーション技術は常に重要な役割を果たしてきました。自動運転を例にとると、メーカーは仮想シミュレーショントレーニング場を構築し、スマート運転車を仮想環境で数千万、あるいは数億キロ走行させ、現実では再現が難しい長尾、危険なシナリオをテストすることで、アルゴリズムのロバストネス（頑健性）と安全性を効果的に向上させます。」

しかし、産業界が具身型AIや人型ロボットにより多くの注目を寄せるようになると、「仮想と現実の移行」問題をいかにうまく解決するかが、課題の一つとなっています。ロボットの研究には、シミュレーションプラットフォームが不可欠です。

「皆が共通して直面している課題があります。それは、仮想空間で訓練されたロボットのアルゴリズムを現実のロボットに移したときに、うまく機能しないことです。学術界ではこれを『シミュレーションから現実への移行』問題と呼んでいます。」と張立華氏は語ります。

この問題の原因は数多くありますが、その一つが物理エンジン自体のシミュレーション精度の不足です。張立華氏は次のように説明しています。「もし物理エンジンがシミュレートする物理法則と現実世界にずれがあるならば、訓練されたロボットが現実環境に適応できないのは当然です。」

例えば、接触モデリングの精度が不十分だと、高精度な器用な操作を訓練することは困難であり、これは業界発展のボトルネックの一つとなっています。工場の作業であれ、家庭でのサービスであれ、ロボットの実用化には、器用な手と物体、そして人体との接触操作が不可欠であり、これは従来の物理エンジンが接触モデリングにおいて要求されるシミュレーション精度に極めて高い要求を突きつけます。

まさにこの痛点を狙い、張立華氏のチームが開発した微分可能な物理シミュレーションエンジン「Fysics」は、「高精度なシミュレーション」を主要なブレークスルーポイントの一つとしています。

具身型AIの実用化に、より良いサポートを提供

張立華氏によると、大規模言語モデルが使用するテキストデータや音声・映像データは「観察者の視点」のデータですが、具身型AIには「インタラクターの視点」のデータが必要です。訓練要件を満たす掴み動作データは、視覚情報だけでなく、リアルタイムの力覚フィードバック、触覚知覚、そしてモーターのトルクの連続的な変化も含む必要があります。「現在、インターネット上には、ロボットの知覚・制御リンクに直接マッピングできる『マルチモーダル指令—動作』データセットはほとんどなく、これが現段階で私たちが直面している主な課題です。」と彼は述べています。

技術的な観点から、張立華氏とチームは、「Fysics」エンジンがより高精度な接触計算を実現し、具身型AIの実用化に、より良いサポートを提供することを望んでいます。

「このように理解できます。従来の物理エンジンは純粋な物理計算システムのようなもので、入力が与えられれば、次の瞬間の状態を計算します。しかし、微分可能な物理エンジンはAIに、『あなたの直前の入力は、目標から遠ざかりましたか、それとも近づきましたか』と伝えることができます。」張立華氏は、勾配逆伝播を通じて、学習システムがどこが間違っていて、どう修正すべきかを知ることができ、モデルの訓練効率を大幅に向上させることができると説明しています。

現実世界には、軟体、流体など多様な材質が存在しますが、既存のエンジンは異なる材質間の相互作用を実現する際に、しばしば異なる材質を個別にモデリング、求解してから結合伝達を行うため、不正確で不安定になりがちです。このような背景のもと、張立華氏のチームは、統一的な求解フレームワークを採用して多様な物理材質を処理し、システムの安定性と計算の信頼性を向上させています。

上海で長年発展してきた張立華氏は、この地の研究開発環境に深い感銘を受けています。「上海の新興産業政策は、先進性と継続性を兼ね備え、研究開発と産業の融合に質の高い土壌を提供しています。私たちが取り組んでいるのは、次世代の微分可能な物理エンジンだけではありません。国産GPUのために、より自律的で制御可能なエコシステムを構築したいと考えています。」と張立華氏は述べています。

出典：人民日報海外版 本紙記者 孫亜慧

出典: 元記事を読む