Physical AIはモデルが足りていないのではなく、経験が足りていない。 それが、@axisrobotics に注目すべき理由だ。問題はロボットを「より賢く」することではない。ロボットが現実のシナリオに十分遭遇していないことが課題なのだ。ラボはたくさんあるが、実際のロボットアームは依然として希少だ。データをラボ内だけで精錬し続ければ、Physical AIは少数のオペレーターによる産物にとどまり、広範な労働力にはならない。 Axisはこの常識を覆す。ロボットを教えるためにロボットは必要ない。ブラウザインターフェースだけで軌道を生成し、学習ループにシグナルをフィードできる。興味深いのは操作そのものではなく、その直後に起こることだ：軌道はフィルタリングされ、検証され、承認され、学習用のシグナルへと変換される。データを生成するのは簡単だ。問題は、そのデータを本物の経験に変えることだ。 真のループは単なるスローガン 「作成 → 検証 → 学習 → 改善」 ではない。真のループとは、人間が馴染みのあるインターフェースでアクションを開始し、マシンがその動きをキャプチャし、システムがノイズをフィルタリングし、生成元がチェーン上で記録され、ポリシー学習が行われ、人間が戻ってきてポリシーの誤りを修正するという一連の流れだ。この最終的なリンクがなければ、370万の軌道の集まりは単なる動きの倉庫に過ぎない。しかし、このリンクがあれば、40秒間の各実行がロボットの本当の知性に加わる。 Axisにとって、問題は今や「どれだけ多くの軌道を生成できるか」ではなく、「どれだけの経路が検証を通過できるか」「どれだけの修正が実際の失敗点に対応しているか」「どれだけの経験がロボットに世界を理解させるのか——単にブラウザからのシーンを記憶させるのではなく——」ということだ。