設立120日で約157億円調達、中国PokeBotが挑むロボット「マニピュレーション」の壁

中国のロボットスタートアップ「PokeBot（破壳机器人）」が、設立からわずか120日で1億ドル（約157億円）超の資金調達を実施した。同社はロボット開発における最大の難関とされる「マニピュレーション（操作・把持）」技術に特化しており、独自のAIモデルと実機での強化学習を組み合わせたアプローチで注目を集めている。一方で、公開されたデモの性能は第三者による検証を経ておらず、中国の法的枠組みや米国の規制強化といった地政学的リスクも伴うため、導入を検討する企業は慎重な評価が求められる。

■導入

歩いたり走ったりする人型ロボットは中国のテクノロジー会議で定番となったが、コップ一杯の水を確実に持ち上げることはまだ難しい。動くロボットと働くロボットの違いこそが、PokeBot（破壳机器人）の設立理念である。同社は設立からわずか120日でプレAラウンドを完了し、1億ドル（約157億円、1ドル=157円換算）以上の資金を調達した。

北京を拠点とする同社は、ロボットが物理的に物体と相互作用し、掴み、変化させる「マニピュレーション（操作）」を主要な研究目標に据える数少ないエンボディドAI（身体性AI）スタートアップの一つである。移動に特化したプラットフォームが後から獲得する機能として扱うのではなく、最初から操作に焦点を当てている。

AI Tech Reviewの独占報道によると、この絞り込まれた焦点が投資家を遠ざけることはなかった。今回のラウンドはShunwei Capital（順為資本）とIDG Capitalが共同で主導し、Zhongding Capital、Jiukun Ventures、Junshan Capital、SEE Fund、Liepin Investment、Yuanno Capitalが追随した。Yunqi Capital、Xiaomi Strategic Investment、Honghui Fund、Inno Angel Fund、Dongfang Jiafuを含む既存株主もすべて追加出資を選択したという。

PokeBotは北京で設立されており、中国のすべての組織と市民に「国家情報活動を支持、支援、協力する」ことを義務付ける2017年の中国国家情報法第7条の対象となる。この義務は、データの保存場所やプライバシーポリシーの記載内容に関わらず適用される。2021年のデータセキュリティ法と2017年のサイバーセキュリティ法も、データアクセスと政府への協力義務を追加している。PokeBotの技術導入を評価する企業の担当者は、ベンダー評価においてこの法的枠組みを考慮する必要がある。

■なぜ移動ではなくマニピュレーションが主戦場なのか

過去10年間のロボット工学の進歩により、最も困難と思われていた問題は解決されてきた。ロボットが自己位置を特定し経路を計画するナビゲーションは、制約のある環境ではほぼ解決済みの問題である。歩行や階段の昇降、不整地でのバランス維持といった移動能力（ロコモーション）も徹底的に対処されており、Boston Dynamicsは二足歩行を観賞用のスポーツにし、Unitree Roboticsは四足歩行をコモディティ製品に変えた。

残された未解決の問題は、経路の終点にある。ロボットがキッチンのカウンターに到着したとき、何が起こるのかということだ。

ロボットのマニピュレーションには、移動とは質的に異なる能力が求められる。移動には正確な関節トルクとバランス制御が必要だが、マニピュレーションには、物体の物理的特性、周囲の環境との空間的関係、把持するための正しい接触点、力を加えたときに予想される物理的結果、そしてその行動が達成しようとする上位のタスク目標を同時に理解することが求められる。さらに困難なことに、移動でのエラーは転倒を引き起こすが回復可能であるのに対し、マニピュレーションでのエラー（豆腐の掴み損ねや包丁の角度の間違い）は、回復経路のないタスクの失敗を引き起こす。

独立系アナリストやロボット工学の研究者は、器用なマニピュレーションこそがこの分野に残された主要なボトルネックであると一貫して指摘している。PatSnap Eurekaの2026年の器用なマニピュレーションに関するレポートによると、ロボットのアクチュエーターは現在、速度、持久力、出力密度の点で人間の筋肉を上回っているが、「器用なマニピュレーションと触覚認識は依然として人間の能力を下回っている」という。2026年7月24日に発表されたSamsungの新設ロボティクス部門「RX」は、マニピュレーションを専門的な研究投資を受けるサブ課題として明確に挙げ、マニピュレーションが人型ロボットのコストの31%を占め、独立系研究者によって商業展開の最大の障壁として広く引用されていると指摘した。

PokeBotは、まさにこの障壁を打ち破るために設立された。

■創業者Xu Huazhe氏の背景

同社の創業者であるXu Huazhe（許華哲）氏は、学術出身の創業者が多いこの分野においても珍しい研究背景を持っている。彼は、チューリング賞受賞者のAndrew Yao氏が設立した清華大学の学際情報研究院（IIIS）でテニュアトラックの助教および博士課程指導教員を務めており、中国で初めてロボットのマニピュレーションに特化した研究室であるTEA Lab（Tsinghua Embodied AI Lab）を創設した。

Xu氏は、コンピュータビジョン分野で世界的に最も引用されている研究者の一人であるTrevor Darrell教授の下、カリフォルニア大学バークレー校のAI研究所で博士号を取得し、スタンフォード大学のビジョン＆ラーニングラボでJiajun Wu教授の下、ポスドク研究員を務めた。2021年に中国に帰国し、その後の4年間でScience Robotics、T-RO、IJRR、NeurIPS、ICLR、CoRL、ICRAなどの学会で100本以上の論文を発表している。彼の学術的プロフィールと出版記録は、その期間を通じてマニピュレーションを研究領域として一貫して重視してきたことを反映している。

マニピュレーションに特化した彼の評価は確固たるものである。バークレー校やスタンフォード校の共同研究者と執筆した論文「RoboCook: Long-Horizon Elasto-Plastic Object Manipulation with Diverse Tools」は、応用ロボット工学研究の最高峰であるCoRL 2023（Conference on Robot Learning）でBest System Paperを受賞した。この論文は、複数の物理的ツールを使用して、変形可能な材料（この研究ではパン生地）を長い連続タスクにわたって操作できるロボットシステムを実証したものであり、PokeBotが現在スタートアップレベルで構築しているマニピュレーション能力の先駆けとなるものである。

Xu氏が歩んでいる学界からスタートアップへの道には、清華大学IIISにおける具体的な前例がある。彼はGalaxea AI（星海図）の共同創業者でもあり、同社は数億ドルを調達し、投資家の中にIDG Capitalが名を連ねている。このIDG Capitalは現在、PokeBotのプレAラウンドを共同で主導している。この関係は、IDG CapitalがエンボディドAI分野において清華大学IIISの学術的創業者を支援するという明確な方針を形成しており、Xu Huazhe氏の2度目のベンチャーがその確立された関係の恩恵を受けたことを示唆している。

■麻婆豆腐のデモが実際に示していること

PokeBotの設立から3ヶ月後、同社はロボットが人間の介入なしに、生の食材から完成した盛り付けまで、麻婆豆腐の完全な一皿を自律的に調理する9分間のデモ動画を公開した。

単独で見れば、調理のデモは新しいものではない。食材を手に取る、ダイヤルを回す、物体を置くといった単一ステップのデモは、ロボット工学の研究で何年も前から出回っている。PokeBotの動画が際立っているのは、現在のロボットシステムの限界を個別に押し広げる5つのマニピュレーションの課題が同時に存在し、それらが組み合わさることで、汎用的な家庭内マニピュレーションの現実的なテストを構成している点である。

1つ目は、長期的な計画（ロングホライズン・プランニング）である。9分間の調理には数十の連続したステップが含まれ、各アクションの成功が次のステップの前提条件となる。ステップ3での小さな位置の誤差は、タスクチェーン全体に波及する。時間の経過とともに蓄積する誤差を管理するには、マニピュレーションのベンチマークを支配してきたピック・アンド・プレース（掴んで置く）タスクとは質的に異なる能力が必要となる。

2つ目は、変形可能な物体の取り扱いである。豆腐は柔らかく壊れやすいため、接触力によって変形する。潰さずに切るには、現在のアクチュエーターの再現性の限界に近い許容範囲での力制御が必要となる。

3つ目は、動的な状態追跡である。ロボットは、生の豆腐が調理された角切りになり、液体が煮詰まってソースになるなど、環境の変化に応じて世界モデルを継続的に更新し、事前に計算された計画ではなく、実際に鍋の中にあるものに合わせて行動を適応させなければならない。

4つ目は、複数のツールの調整である。包丁、中華鍋、ヘラ、調味料のボトルにはそれぞれ異なるアフォーダンス（どのように使用できるかを決定する物理的特性）があり、ロボットはそれらの使用を自律的に順序付け、ステップが失敗した場合にはエラーを修正しなければならない。

5つ目は、ミリメートル単位の精度の配置である。包丁をラックに戻したり、鍋に蓋を正確に置いたりするには、市販のアクチュエーターシステムの機械的限界に近い位置決め公差が求められる。

PokeBotは同じ時期に、布を折りたたむ、結束バンドを通す、装飾用のポーチを結ぶといったデモも公開した。これらは、異なる物理的条件下での柔軟な素材の取り扱い、細かい空間的配置、長期的な器用さをストレステストするために設計されたタスクである。

■WAM×RL×DATA：アーキテクチャ上の賭け

これらの機能を提供するためにPokeBotが構築している技術アーキテクチャは、内部的にWAM（World Action Model）、RL（フルチェーン実機強化学習）、DATA（独自のデータ収集ハードウェア）の3つのコンポーネントからなるフライホイールとして説明されている。

WAMは、ロボットの行動が物理環境にどのような変化をもたらすかという物理的因果関係を学習した、PokeBotの基盤モデルである。大規模言語モデルがテキストの統計的構造を学習するのに対し、World Action Modelは物理的な因果関係の統計的構造、つまり接触力、物体の特性、結果の状態の関係を学習する。WAMは、マニピュレーションのタスクごとに個別のモデルをトレーニングするのではなく、異なるマニピュレーションのコンテキスト間で転移可能な一般的な物理的推論を学習するように設計されている。これにより、豆腐の操作を学習したロボットが、その理解をこれまで遭遇したことのない未知の物体に適用できるようになる。

RLコンポーネントは、欧米の主流なアプローチに対するPokeBotのアーキテクチャ上の賭けが最も明確に表れている部分である。Physical Intelligence（π0、π0.5）、NVIDIAのIsaac Lab、およびVision-Language-Actionモデルのパイプラインの大部分を含む、欧米のほとんどのロボット工学ラボやプラットフォームは、主にシミュレーションを多用したトレーニングに依存しており、実機への展開は最終的な検証とファインチューニングの段階として機能している。TechTimesのロボティクスVC中間分析およびMERICS Instituteの2026年4月の中国エンボディドAIに関するレポートによると、シミュレーションと現実のギャップ（sim-to-real gap）は、バッテリー寿命や器用なマニピュレーションのハードウェアと並んで、人型ロボットの商業化における短期的な3つの障壁の1つとして文書化されている。

シミュレーションでトレーニングされたポリシーが物理ハードウェアに展開されたときに発生するパフォーマンスの低下、すなわちシミュレーションと現実のギャップは、特にマニピュレーションタスクにおいて根強い制約となっている。シミュレーション環境では、包丁とまな板の間の摩擦、シリコンベラの柔軟性、特定の力のベクトル下で豆腐がどのように崩れるかといった、現実世界の接触ダイナミクスを完全に再現することはできない。これらの相互作用のシミュレーション版でトレーニングされたポリシーは、物理世界で予期せぬダイナミクスに直面する。

PokeBotのアプローチは、最初から主に現実世界でトレーニングを行うことである。同社のフルチェーン実機RLパイプラインは、物理的なロボットの相互作用、報酬モデル、長期的な行動評価、統合されたマルチタスクアーキテクチャを組み込んでおり、シミュレーションの代理ではなく実際のハードウェア上で実行される。現実世界のデータは収集にコストがかかるものの、シミュレーションでは一貫して誤って表現される接触ダイナミクスをエンコードしているという仮説に基づいている。PokeBotの賭けが正しければ、この方法でトレーニングされたポリシーは、シミュレーションでトレーニングされた代替手段よりも家庭環境によく一般化される。もし間違っていれば、同社は競合他社よりもデータ収集に多くの費用を費やしたにもかかわらず、実際には埋まっていないギャップを埋めようとしたことになる。

DATAコンポーネントは、この賭けを経済的に実行可能にするインフラストラクチャである。PokeBotは、家庭環境における高次元のマニピュレーションデータをキャプチャするために設計された独自のデータ収集ハードウェアを社内で構築した。この独自のツール（大規模言語モデルのトレーニングを可能にするデータ収集装置のロボット版）は、WAMのトレーニングとRLパイプラインにフィードバックされ、フライホイールを完成させる。現実世界での相互作用が増えればトレーニングデータが増え、トレーニングデータが良くなればWAMの物理的推論が向上し、推論が向上すればRLがより効果的になり、RLが効果的になればより豊富で複雑なデータ収集が可能になる。この枠組みにおいて、同社の戦略的防御力は単一のコンポーネントにあるのではなく、3つすべての複合的な相互作用にある。

■投資家が実際に賭けているもの

Shunwei Capitalの関与は、純粋な財務的リターンを超えた特定の戦略的重みを持っている。同社は2011年にXiaomiの創業者兼CEOであるLei Jun氏によって共同設立され、その名前は中国の成語「順勢而為（トレンドを活用して偉業を成し遂げる）」に由来する。既存株主であるXiaomi Strategic Investmentも追加出資を行っており、XiaomiのエコシステムはPokeBotに対して二面的な賭けを行っている。Xiaomiは消費者向け人型ロボットの構築を公約しており、ロボット工学プログラムを長期的な製品ロードマップの中心に据えている。Shunwei（Xiaomi創業者のVC部門）とXiaomi Strategic Investment（直接のコーポレートベンチャー部門）の両方から支援を受けるマニピュレーション専門のスタートアップは、Xiaomiの人型ロボットプログラムが成熟するにつれて、技術およびサプライチェーンのパートナーシップの自然な候補となる。

IDG Capitalの参加は一つのパターンを継続している。同社は、中国の学術研究室を起源とするGalaxea AIとFourier Intelligenceに投資してきた。製品を出荷する前のPokeBotのプレAラウンドを共同で主導したことは、学術研究の血統（具体的には清華大学IIISのマニピュレーションラボ）が単なる資格ではなく、それ自体が持続的な技術的資産であるという見解を反映している。

PokeBotの資金調達は、2026年に過去のすべての資金調達記録を塗り替えたセクターで行われた。中国のエンボディドAIセクターは、2026年上半期だけで約155億ドル（約2兆4335億円）相当を調達し、前年同期比で約5倍に増加した。7月中旬までに少なくとも22社の中国のエンボディドAI企業がユニコーン評価額を超え、年初の3社から急増した。この状況下では、10億元（現在の為替レートで約1億4800万ドル、約232億円）のラウンドは十分に一般的になり、業界ウォッチャーはこれをニューノーマルと表現している。報じられているところによれば、2026年6月だけでも、中国のエンボディドAIセクターにおける単一のラウンドは50億元（約1161億円）に達したという。

その文脈において、PokeBotの資金調達は規模よりもそのスピードで際立っている。TARS Roboticsは商用ユニットを出荷する前に19億ドル（約2983億円）の評価額で約5億1300万ドル（約805億円）を調達した。これはより大規模なラウンドだが、より長い期間をかけて開発された確立されたチームプロフィールに基づいて構築されている。PokeBotの120日での9桁（億ドル単位）のプレAラウンドは、例外的な資本形成によって定義される年であっても、いかなる合理的な基準から見ても例外的である。

■性能のギャップとベンチマークの注意点

PokeBotは、公表された能力の主張と、独立して検証された生産性能との間に文書化されたギャップが大きく、かつ持続しているセクターで事業を展開している。

中国のエンボディドAIセクター全体において、独立系アナリストは特にマニピュレーション性能における一貫した限界を文書化している。MERICS Instituteは2026年4月の中国エンボディドAIに関するレポートで、中国の人型ロボットは「精度と器用さに欠けており、主に限定的なタスクや特定の場所での試験に導入されている」と確認した。同レポートは、企業が「物理世界でリアルタイムに認識し対応できる完全な自律型マシンにはまだ程遠い」としている。TechTimesのセクター報道によると、OmdiaのチーフアナリストであるLian Jye Su氏は、多様なユースケースにわたる適応性は「現段階ではまだ不可能である」と述べている。

麻婆豆腐のデモや、同社が将来発表する可能性のある性能指標を含むPokeBot自身のデモの数値は、この文脈で理解されなければならない。9分間の調理デモは、準備された環境で会社が管理し、キュレーションしたパフォーマンスである。同社の開発の現段階では、PokeBotの特定の性能に関する主張に対する独立した検証は存在しない。デモは技術的能力の有意義な証拠であるが、独立した監査ではない。

また、PokeBotのアーキテクチャが最終的に対処しなければならない、実機RLパイプラインにおける構造的な制約もある。業界全体の公開された研究によると、制御された実験室環境で達成可能なステップごとのタスク成功率が95%であっても、10ステップのマニピュレーションシーケンスが実際に成功するのは約60%に過ぎないことが文書化されている。家庭のタスクは10ステップのシーケンスではなく、多くは50ステップ以上である。この複合的な信頼性の制約こそが、非構造化環境におけるマニピュレーションが、最もリソースに恵まれた欧米のチームにとっても依然として困難な問題である理由である。

■すべてのバイトデータに付きまとう法的枠組み

PokeBotは北京で設立された中国の法人である。このステータスは同社の事業環境の固定された条件であり、製品のリリース、資金調達の条件、またはプライバシーポリシーの文言によって変化する偶発的なリスクではない。

中国の国家情報法（2017年）は第7条で、すべての組織と市民は「国家情報活動を支持、支援、協力」しなければならないと定めている。第14条は、情報機関にそのような支援を要求する権限を与えている。中国のデータセキュリティ法（2021年）は別途、国家安全保障の目的で要請された場合、データ処理者に政府へデータを提供することを義務付けている。サイバーセキュリティ法（2017年）には、データのローカライゼーションと政府のアクセスに関する規定が含まれている。

法学者の間では、第7条の正確な運用範囲について意見が分かれている。イェール大学ロースクールのポール・ツァイ中国センターのシニアフェローであるJeremy Daum氏は、第7条には積極的なデータ共有のための執行メカニズムがなく、テキスト内で「情報」が定義されていないため、この規定は他のセキュリティ法がすでに義務付けている以上の積極的な協力を要求することを意図していなかった可能性があると主張している。情報活動は機密扱いであるため、これらの義務が特定の企業に対していつ、あるいは発動されたかどうかについての公的な記録は存在しない。

■米国の立法リスクとPokeBotの現在のプロフィール

米国における中国製ロボットに対する立法環境は、積極的に厳格化している。2026年6月3日にMoolenaar氏、Obernolte氏、McClellan氏によって提出された超党派のGUARD法案（Guarding the US Against Adversarial Robotics Dominance Act）は、中国製ロボットを国家安全保障の審査対象とし、国家安全保障上の脅威とみなされるユニットの輸入を禁止する可能性がある。GUARD法案の主要な規定は、2026年7月に下院を通過した国防権限法（NDAA）に組み込まれており、国防総省に対し、中国製ロボットを全国的に禁止すべきかどうかの評価を開始するよう求めている。これとは別に、2026年3月26日にCotton上院議員とSchumer上院議員によって提出されたAmerican Security Robotics Actは、連邦機関が中国の無人ロボットシステムを購入または運用することを全面的に禁止するものである。

PokeBotは、米国で物理的なロボットを販売するハードウェアメーカーではなく、商用化前のソフトウェアおよび研究企業であるため、現在の形のハードウェア輸入制限の主要なターゲットではない。しかし、同社の「ソフトウェアとハードウェアの共同開発」および「エコシステム構築」というロードマップは、この規制環境を直接乗り越える必要がある将来の商業的プロフィールを示唆している。

中国のエンボディドAIソフトウェアを扱う組織にとっての実用的なリスク軽減策（ネットワークのセグメンテーション、ロボットのWi-Fiを本番システムからエアギャップで切り離すこと、不要なネットワーク接続の無効化など）は、リアルタイムの送信リスクを軽減するが、根本的な法的枠組みを変えるものではない。いかなる技術的緩和策も、ソフトウェアを開発した企業に適用される法的義務を変えることはない。

■ロボット工学の投資家と企業バイヤーのための判断基準

PokeBotのプレAラウンドの完了は、投資が集中し、問題が現実であるサブ分野において、並外れた実績を持つ創業者に裏打ちされた、純粋な技術的テーゼを提示している。

マニピュレーション第一主義のテーゼには独立した支持がある。複数の独立系アナリスト、RSS 2026 Dexterous Manipulation Workshop、Samsung自身の研究投資決定、そして移動能力とマニピュレーション能力の間に文書化されたギャップはすべて、PokeBotが目指しているのと同じ方向を指し示している。Xu Huazhe氏の研究実績（具体的にはRoboCookのCoRL '23ベストシステムペーパーと、マニピュレーションスタック全体に対するTEA Labの焦点）は、スタートアップが存在する何年も前から、創業チームが研究の最前線でこの問題に取り組んできたという純粋な証拠を提供している。

注意点も同様に現実的である。シミュレーションよりも実機RLを優先するという賭けは、まさに賭けであり、証明されたアーキテクチャ上の優位性ではない。PokeBotが自社の能力について公表しているすべての数値は、独立した検証なしに同社自身から提供されたものである。同社は設立から4ヶ月である。中国の国家情報法は、同社が処理するすべてのバイトデータに適用される。欧米市場における中国のロボット工学に対する立法環境は厳しくなっており、PokeBotが米国や欧州で商業展開への道を歩むには、積極的に制限が強化されている規制環境を直接通過する必要がある。

1億ドルという数字と麻婆豆腐のデモだけを念頭に置いてこの記事を読み終えた読者は、アーキテクチャ、法的枠組み、そして制約を見落としている。法的枠組みと性能のギャップだけで読み終えた読者は、純粋な技術的新規性を見落としている。120日で9桁の資金を調達したマニピュレーション第一主義のテーゼは、全体像を理解する価値のある賭けである。

■注目ポイントQ&A

●ロボットのマニピュレーションとは具体的に何ですか？なぜまだ解決されていないのですか？

ロボットのマニピュレーションとは、壊れやすいものを拾う、道具を使う、食べ物を切る、布を折りたたむなど、ロボットが現実世界の物体と物理的に相互作用し、掴み、変化させる能力のことです。制約のある環境ではほぼ解決されているロボットの移動（歩行、バランス）とは異なり、マニピュレーションでは、ロボットが物体の物理的特性、周囲との空間的関係、正しい接触力、タスクの目標を同時に理解する必要があります。この課題は接触ダイナミクスによってさらに複雑になります。ロボットが物体に触れるたびに、その接触の物理学（摩擦、変形、力の分布）を正確にモデル化するには計算コストがかかります。トレーニングに使用されるシミュレーターは現実世界の接触を一貫して誤って表現するため、シミュレーションでトレーニングされたポリシーは実際には失敗することがよくあります。PokeBotは、最初から実際のハードウェアでトレーニングすることで、シミュレーションを多用する代替手段よりもこの問題にうまく対処できると賭けています。

●World Action Modelとは何ですか？標準的な言語モデルやビジョンモデルとどう違うのですか？

PokeBotが使用するWorld Action Model（WAM）は、物理的な因果関係、具体的にはロボットの行動が物理環境にどのような変化をもたらすかを学習した表現です。大規模言語モデルがテキストシーケンスの次のトークンを予測するのに対し、WAMはロボットの行動と観測された世界の状態が与えられたときに、次の物理的状態を予測します。視覚的観測と言語の指示を直接モーターコマンドにマッピングする標準的なVision-Language-Action（VLA）モデルとの主な違いは、物理ドメインにおける因果関係を明示的にモデリングしている点です。PokeBotは、WAMに基づくポリシーは、タスク固有のアクションシーケンスを暗記するのではなく、基礎となる物理学を内面化しているため、異なるマニピュレーションタスク間で学習を転移できると主張しています。このアーキテクチャ上の主張は、まだ大規模に独立して検証されていません。

●中国の国家情報法は、実際にPokeBotに中国政府とのデータ共有を義務付けているのですか？

法的義務は存在しますが、その正確な運用範囲については議論があります。2017年の中国国家情報法第7条は、すべての組織と市民が「国家情報活動を支持、支援、協力」しなければならないと定めています。2021年のデータセキュリティ法は別途、国家安全保障の目的で要請された場合、データ処理者に政府へデータを提供することを義務付けています。イェール大学ロースクールのJeremy Daum氏などの法学者は、第7条には積極的なデータ共有のための直接的な執行メカニズムがなく、「情報」がテキスト内で定義されていないため、他のセキュリティ法がすでに義務付けている以上の積極的な協力を要求することを意図していなかった可能性があると主張しています。すべてのアナリストが同意しているのは、情報活動は機密扱いであるため、これらの義務が特定の企業に対していつ、あるいは発動されたかどうかについての公的な記録はないということです。ネットワークのセグメンテーションとデータの最小化によってリスクへの露出を減らすことはできますが、法的枠組みが変わるわけではありません。企業のバイヤーは、機密性の高い環境にPokeBotの技術を導入する前に、輸出管理の専門家に相談し、独立したセキュリティ評価を実施する必要があります。

●PokeBotのアプローチは、Physical IntelligenceやNVIDIAのIsaac Labとどう違うのですか？

Physical Intelligence（π0、π0.5）とNVIDIAのIsaac Labはどちらも、大規模なシミュレーショントレーニングに大きく依存しており、実機への展開は検証とファインチューニングとして機能しています。ポリシーがシミュレーションから物理ハードウェアに移行する際のパフォーマンスの低下（シミュレーションと現実のギャップ）は、特にマニピュレーションタスクにおいて、どちらのアプローチでも文書化された制約となっています。PokeBotのフルチェーン実機RLパイプラインは、最初から主に物理ハードウェアでトレーニングを行います。同社は、これにより実際の家庭環境でよりよく一般化されるポリシーが生成されると主張しています。このアプローチのコストは、データ収集が遅くなることです。現実世界のロボットが現実世界のマニピュレーションデータを収集する場合、シミュレーション環境よりもデータポイントあたりのコストが高くなります。そのコストがより良い一般化と有利にトレードオフされるかどうかが、PokeBotの資金調達が答えを出そうとしているアーキテクチャ上の疑問です。同社は設立から4ヶ月であり、独立した比較データはまだ存在しません。

元記事: PokeBot Lands $100M in Four Months to Attack Robotics’ Last Hard Problem: Robot Manipulation