禾賽、LiDARからPhysical AIの基盤企業へ――現実世界を15分で学習データ化、ロボット成功率99％の導入事例

［メンバーシップ限定］中国のLiDAR大手、禾賽科技（Hesai、NASDAQ：HSAI、香港証券取引所：2525）が、自動車やロボットにセンサーを供給する企業から、Physical AIの基盤技術を提供する企業へと事業領域を広げようとしている。

10月14日、禾賽は三次元世界データエンジン「Kosmo」を正式発表した。8K対応のAI空間カメラ「Kosmo One」と、AIを利用したクラウドプラットフォーム「Kosmo World」を組み合わせ、現実世界の空間をロボットや世界モデルの学習に利用できる三次元データへ変換する。

一般的な100平方メートルの室内空間であれば、約15分でスキャンを完了できるという。

さらに、実際のアイスクリーム店舗におけるSharpaロボットの導入事例では、従来約300時間を要した店舗の手作業による三次元モデリングを大幅に効率化し、ロボットのタスク成功率が99％に達したと説明した。

重要なのは、禾賽が単に高性能な三次元スキャナーを発売したわけではないことである。

現実世界を測定し、その空間をAIが理解できるデータへ変換し、ロボットのシミュレーション学習や世界モデルの開発に供給する。さらに、ロボットを実際に動かす動力モジュールの事業も拡大している。

禾賽が掲げるのは、現実世界を理解するためのデータ基盤と、現実世界で行動するための運動基盤という、Physical AIの二つの中核領域への進出である。

Physical AIのボトルネックは「現実世界のデータ」

今回の発表で、禾賽の共同創業者兼CTO、向少卿氏は、Physical AIが直面している最大の課題を、現実世界の高品質なデータの不足だと説明した。

生成AIは、インターネット上の膨大な文章、画像、動画を学習することで急速に進化してきた。

しかし、ロボットが現実世界で物体をつかみ、移動し、作業するためには、それだけでは足りない。

二次元の画像や動画には、物体までの正確な距離、カメラの位置と姿勢、物体同士の三次元的な関係などが十分に含まれていない。

一方、コンピューター上で作ったシミュレーション環境では、現実世界の材質、摩擦、変形などの複雑な物理現象を完全に再現することが難しい。

実際のロボットを人間が遠隔操作してデータを収集する方法もあるが、時間と費用がかかり、大量のデータを継続的に集めることは容易ではない。

つまり、Physical AIの学習データには、高品質、大規模、低コストという三つの条件を同時に満たすことが求められている。

禾賽は、この三つを両立させるための基盤としてKosmoを位置付けた。

LiDARと8Kカメラで、100平方メートルを約15分で記録

Kosmoの入口となるのが、AI空間カメラ「Kosmo One」である。

一台の装置に、高い空間分解能を持つLiDAR、8K対応の高精細映像システム、1インチCMOSセンサー、高精度IMU（慣性計測装置）を統合した。

LiDARは空間の形状や距離を測定し、カメラは色彩や質感を記録する。IMUは装置の動きや姿勢を把握する。

これらをマイクロ秒単位で同期させ、現実世界の形状、色彩、テクスチャー、撮影位置を対応付けて取得する。

三次元再構築には、3D Gaussian Splatting（3DGS）と呼ばれる技術を利用する。

3DGSは、三次元空間を多数のガウス分布によって表現し、さまざまな視点から見た画像を高い写実性で再現する技術である。

禾賽によれば、Kosmo Oneはミリメートル級の幾何精度を実現し、材質、色彩、質感、光や影を高い忠実度で再現できるという。

操作面では、電源投入後すぐにスキャンを開始できる機能、撮影範囲を案内する機能、中断したスキャンを再開する機能などを備える。

一般的な室内空間では、100平方メートルのスキャンに約15分を要する。

ただし、この15分は所定の条件下での空間スキャン時間であり、すべての場面で学習用データの生成まで15分で完了することを意味しない。

また、8Kはカメラが対応する最大撮影解像度であり、ユーザーが最終的に出力できるファイルの最大解像度は6Kである。

一度の再構築で3DGS、メッシュ、深度データを同時生成

Kosmoの本質は、空間を撮影するハードウェアだけではない。

取得したデータをロボットの学習に利用できる形へ変換するクラウドプラットフォーム「Kosmo World」にある。

その中核となるのが、禾賽独自の三次元空間再構築・理解システム「Kosmo Spatial Core（KSC）」である。

KSCは、一度の空間再構築から、3DGS、メッシュ、深度データという三種類のデータを生成する。

3DGSは、現実世界の見た目を写実的に再現するために使う。

メッシュは、物体の形状を多角形の集合として表現するもので、物体の分離、形状編集、シミュレーション上での相互作用の設定に適している。

深度データは、空間内の距離や位置関係を表す。

重要なのは、これら三種類のデータが同一の現実空間から生成され、互いに位置合わせされていることである。

ロボットがカメラで見る世界、物体に接触する際に参照する形状、距離を測定する際に利用する空間情報が、同じ座標関係を持つ。

従来、異なる手法で生成したデータを組み合わせる場合には、それぞれの位置関係を調整する作業が必要になる。

Kosmoは、現実空間を一度取得することで、複数の用途に利用できる三次元データを一体的に生成することを目指している。