すべてのフリートが、自らの経験から学べるように。

一晩で様子の変わった工事区間に近づく車両を想像してください。そのモデルは、新しい道路の配置をうまく読み取れません。この記録を、単なるログファイルや一度きりの調査で終わらせるべきではありません。適切な文脈があれば、チームが失敗を理解し、より良い学習データを用意し、次のモデルがその状況により確実に対応できるかを検証するために役立てられます。

経験が、役に立つ学びへと繰り返し変わる。それが、自律機械に向けて私たちが望む未来です。配送ロボット、収穫機、産業用ロボットアームが直面する問題はそれぞれ異なります。しかし、その開発者には共通する必要があります。実世界で起きることと、モデルの変化をつなぐことです。私たちは、そのつながりを信頼できるインフラにしたいと考えています。

Tesla Autopilotで、私はフリートのエッジケースをモデルの改善につなげるシステムに取り組みました。その仕事を通じて、モデルそのものの先に目を向けることを学びました。チームが有用な事例をどう見つけ、センサーのコンテキストをどう保ち、何が起きたかをどう判断し、その判断を次の学習用データセットにどう反映するか。このプロセスを繰り返せることは、一つひとつの画期的な進歩と同じくらい重要です。

ほかのPhysical AIチームが、その基盤のすべてを一から作る必要はない。そう考えて、私はAvalaを創業しました。自分たちの強みとなる機械とモデルに、最も優れた技術力を注げるべきです。最初の本番ワークフローから、やがて運用するフリートまで。Avalaは、実世界から学ぶための信頼できる仕組みを届ける存在であるべきです。

私たちの仕事は、本番データから始まります。マルチモーダルなセンサー記録、アノテーション、品質レビューです。MCAPやROSの記録、カメラ画像、LiDAR、ロボットの軌跡は、それらを有用にする文脈とつながった状態で保つ必要があります。私たちはソフトウェアと専門家による運用を組み合わせ、お客様の学習要件を満たすデータを用意します。

繰り返し起きる問題から始めましょう。ラベルの不整合、不足している事例、もう一度修正が必要な学習用データセット。まず、受け入れ可能とは何かを定義します。所要時間、品質、全体の作業量を測定し、次のリリースをより作りやすくします。こうして個別のデータ業務は、切り離された納品で終わらず、お客様が頼るシステムへと育っていきます。

2036年までに、自律機械を開発するチームにとって、Avalaが学習を支える標準的なインフラになることを目指しています。現場の経験を学習データのリリースに変え、そのリリースを評価につなぎ、うまくいった方法をフリート全体で繰り返すためのシステムです。互いにつながる四つの段階を通じて、その地位を築いていきます。

1. 01

   一つの本番ワークフローで成果を示す。

   お客様がいま解決する必要のある問題を解決します。明確な受け入れ基準を満たす成果を届け、従来のプロセスと比較して結果を測定します。最初の納品で印象を残すだけでなく、次のサイクルの信頼性を高めます。

2. 02

   モデルとチームを横断する基盤になる。

   データセットの同一性、レビュー履歴、品質方針を、より多くのワークフローへ引き継ぎます。展開のたびに、すでにあるインフラを再利用できるべきです。新たな個別開発プロジェクトを立ち上げずに、別のチームやモデルが恩恵を得られるか。それが判断基準です。

3. 03

   発見から改善までの作業を自動化する。

   学習目標を実行可能な計画へと変えるエージェントの実現を目指します。既存データを探し、不足する事例の用意を依頼し、専門家のレビューを調整し、リリースを準備し、評価結果を次の判断につなぎます。日常的な作業を自動化しながら、重大な影響を伴う操作には範囲を定め、レビュー可能にし、お客様の管理下に置きます。

4. 04

   学びを、エコシステム全体で持ち運べるようにする。

   オープンなインターフェースを通じて、ロボットの技術スタック、モデル、インフラをつなぎます。チームは履歴を手放さずに、より良いツールを採用できるべきです。所有者が共有を選び、再利用が許可されている場合には、共有データセットやモデルがその基盤を広げられます。相互運用性は、管理権を手放させることなく、利用の機会を広げるものであるべきです。

お客様は、独自の強みを保持できるべきです。フリートの経験から学ぶことが、そのデータを競合他社のデータと密かに混ぜることであってはなりません。私たちは、持ち運べるデータ、明確な権利、お客様が管理するデプロイを大切にします。Avalaが選ばれる理由は、離れにくさではなく、システムの価値であるべきです。

機械を教え、評価する人々も、この未来の一員です。その判断には、優れたツール、公正な報酬、より高度な仕事へ進む道がふさわしいと考えます。私たちは、自動化によって反復作業を減らしながら、専門性の価値を高めたいと考えています。より良い判断がプロセスに蓄積され、より良いソフトウェアが次の作業を支え、同じ誤りを繰り返すことが減る未来です。

私たちが目指すのは、より安全で生産的な現場の作業と、より多くの人が手の届く価格で使える有用なサービスです。本来なら大きな社内組織を必要とする能力を、小さなロボティクスチームも活用できるようにしたい。より優れた機械は、そのための手段です。より多くの人が、その機械を活用してものを作り、収入を得て、恩恵を受けられるようにすることが目標です。