Physical AIに必要なのは、10億の個別マップではなく「1つの共有マップ」

フィジカルAI には 10 億のフィジカルAI ではなく、1 つの共有マップが必要である ダニエル・ジャッカー、ZaiNar CEO 兼共同創設者 2026 年 7 月 16 日 デバイスは、自分の隣にあるものしか認識しません。ネットワークはすべてを大規模に調整します。フィジカルAI が実際に必要とするものにとっては、一元化されたロケーションの方が優れたアーキテクチャであるため、ロケーションはネットワーク内に属します。私はほぼ毎日キャリアの会議に参加していますが、これが会話の変化です。長年にわたり、位置情報の問題は正確性に関するものでした。ここで問題となるのは、機械向けに構築されている世界においてどこで測位を計算すべきかということですが、その答えはネットワークです。この主張について正確に言うと、デバイスは依然として自身の位置を特定できる必要があります。車両はブレーキをかける前にネットワークを待機しません。また、すべてのマシンは、接続が失われた場合に自身の位置を計算する方法を必要とします。ネットワークに属するものは、もう 1 つのもの、つまりデバイスだけでは構築できないものであり、すべてが他のものと相対的なものになります。それが地図です。フリートには 50 の部分的なマップではなく、1 つの共有マップが必要です。独自の位置を計算するデバイスは単一デバイスの問題を解決していますが、フィジカルAI は単一デバイスの問題ではありません。 同じ空間を同時に移動するロボット、車両、機器であり、それらをリアルタイムで調整するには、すべてがどこにあるかについての一貫した全体像を共有する必要があります。デバイス側の位置決めにより、その画像がフラグメント化されます。サイトに 50 台のマシンを配置し、それぞれが独自の測位スタックを実行すると、さまざまなセンサー、さまざまなキャリブレーション、さまざまな更新レート、およびさまざまなエラー モデルを使用した 50 の独立した推定値が得られます。オペレーターは、それらを収集し、調整し、どれを信頼するかを決定する仕事を引き継ぎ、すべての新しいデバイス クラスは別の統合プロジェクトになります。ネットワーク側のポジショニングにより、そのレイヤー全体が削除されます。ネットワークは、接続されているすべてのデバイスを同じインフラストラクチャに対して測定し、1 つのサービスから位置、時間、一貫性を返します。つまり、デバイスの製造者、デバイスが実行しているオペレーティング システム、または最上位にあるアプリケーション スタックに関係なく、操作の 1 つの共有マップです。これは、地図が完成する方法でもあります。実際の操作には、独自の位置をまったく計算できない車両、IoT センサー、接続されたデバイスがたくさんあります。 何かがそれらを地図上に配置する必要があります。ネットワークは、新しいもの、タグ、カメラ、ハードウェアの追加を必要とせず、それらの資産がすでに備えている接続だけを必要とする唯一のオプションです。今日、港がその顕著な例です。十数のベンダーのクレーン、トラック、コンテナ、ツールが、ベンダーごとの統合を行わずに、すでに接続されているネットワークによって 1 つのマップ上に配置されています。工場のフロアや空港のランプでも同じことが当てはまります。そして、トラフィックが次に向かうのはそこです。コネクテッド車両は、周囲の状況を車載で認識し続けますが、交差点の調整では、すべての車両が 1 つの共通の地図上に継続的に表示されます。ネットワークは、各車両の負荷を軽減しながら、すべての車種にその地図を提供できる唯一の当事者です。値は、各マシンがそれがどこにあるかを知っているわけではありません。すべての操作がどこにあるのかを一元的に把握するのです。トレーニングは残りの半分であり、それがより大きなものになるかもしれません。フィジカルAI モデルは、物が実際にどのように動くか、実際に相互作用する場所、流れが実際に壊れる場所など、現実世界に基づいた相互作用から学習します。 その知識は、オペレーション全体にわたる集中化された時間調整された軌跡の中に存在します。これはまさに、ネットワーク側のロケーション レイヤーがデフォルトで生成するものです。そしてそれはトレーニングの経済性を変えます。実際の環境を通る車両や携帯電話の実際の流れに基づいて構築されたモデルとシミュレーションは、物理的に不可能または実質的に不合理な経路を探索するために計算を消費するのではなく、実際に発生する動きに計算を費やします。実際の動きでグラウンディング トレーニングを行うと、トレーニング時間が短縮され、コンピューティング コストが削減されます。クロック、フォーマット、エラー モデルが一貫していない、断片化されたデバイスの推定値は、ネットワーク側レイヤーが回避するために構築された調整コストを支払わなければ、そのデータセットに組み立てられることはありません。共有マップにデバイスのコンピューティングを費やすのは間違っています もう 1 つの理由はコンピューティングです。ロボットのコンピューティングは非常に制限されており、マシンにさらに多くのことを要求するほど、競争が激しくなります。ロボットのプロセッサとバッテリーは、認識、計画、自律性を実現する必要があります。 マシンが接続されている時間の 99% 以上では、より広範な操作におけるマシンの位置を計算することがネットワークに渡すことができる作業であり、必要のない瞬間にフォールバックを維持することは、負荷全体を常に処理するよりもはるかにコストが低くなります。その作業をオフロードすると、デバイスはコンピューティングと電力のバジェットをより価値の高い機能に取り戻し、ポジショニングは共有インフラストラクチャ上の 1 つのサービスとして実行されます。つまり、ネットワーク上のすべてのものに対して、1 つの統合サーフェス、1 つのキャリブレーション、一貫した動作を持つ 1 セットの推定値が実行されます。そして、位置決めは、このパターンに従う最初のワークロードにすぎません。 1 台のマシンが単独で感知したものではなく、マシン間の関係に依存する推論は、同じ中心層に自然に積み重ねられます。接続されたマシンが数十億台に達すると、1 つのサービスが 10 億のスタックに勝ります。そして、コンピューティングの節約は氷山の一角です。 1 つの共有マップにより、操作全体の効率が向上します。これまでの経験では、約 40% 効率的です。これは、必要なロボットの数が 40% 減少し、作業の完了が 40% 速くなり、充電あたりの電力量が 40% 増加することになります。 ネットワーク上のすべてのものがどこにあるかを運営側が把握できれば、最も近いロボットを派遣し、渋滞が発生する前に回避し、必要のない移動にバッテリーを消費するのを防ぐことができます。サイト規模では、回復されたエネルギーと時間は測位計算自体をはるかに超える大きな利益となります。一元化された場所は、単に計算を移動するだけではありません。無駄を排除するために必要な共有状態をシステム全体に与えます。ネットワークの仕組み ZaiNar は、ネットワークがすでに受信している信号からネットワーク内の位置を計算します。アップリンク SRS を使用します。これは、サウンディング基準信号デバイスが接続維持の通常の一部としてすでに送信しているものです。計算はインフラストラクチャ上の標準準拠のソフトウェアで実行されます。デバイスにインストールするものは何もなく、デバイスで実行する測位セッションも、修正を生成するために消費されるデバイスのコンピューティングもありません。ネットワークは、屋内、地下、衛星測位ができない GPS が拒否された環境でも、ネットワークに接続されているデバイスを 1 つの共有座標系にセンチメートルレベルの精度で配置します。ネットワーク上のあらゆるものに 1 つのサービスから 1 つのマップを適用し、デバイスはそのマップ上に余分な費用を費やすことはありません。 6G や新しいハードウェアを待つものはありません。ソフトウェア無線は、事実上すべての最新の基地局にすでに搭載されています。ネットワークはもはや単なる伝送媒体ではありません。これはプログラム可能なセンシング プラットフォームであり、現在 ZaiNar はそのインフラ上で実行されています。ロケーション レイヤーはネットワークに属します。デバイス上のロケーションは、私がどこにいるかが問題だったアプリ時代にとって適切な設計でした。フィジカルAI は、すべてはどこにあるのかという別の質問をします。それに継続的に答えるアーキテクチャは、ネットワークによって生成される 1 つの共有マップです。その層を所有するということは、測位をネットワーク サービスとして運用することを意味します。通信事業者は測位エンジンを実行し、信頼できる地図を保持し、独自の商業条件に基づいて独自の API を介して位置を公開します。スタック内の他の誰もそれを提供できません。なぜなら、それが実行されるインフラストラクチャを運用している人が他にいないからです。これはフィジカルAI の基盤レイヤーであり、それを有効にする通信事業者に属します。