フィジカルAI・AIロボット向け教師データ収集・作成
フィジカルAI・AIロボット向け教師データ収集・作成
Datatang株式会社(Nexdata)
実機ロボット×シミュレーションで、
フィジカルAI・ロボットの学習データを開発
データ収集・品質検証・拡張から、VLAの学習・評価・RLHFまで一気通貫でご支援
APTO が提供する「Physical AI データ開発」は、ロボット・フィジカル AI 開発に必要なデータを、実機収集からシミュレーション拡張、VLA の学習・評価まで一気通貫で支援します。
自社ラボでの実機ロボットによる模倣学習データ収集
自社の実機データ収集ラボで、ロボットオペレーターがピッキングや搬送などの動作を収集。3D カメラ・力覚センサ・関節角度を同期記録し、マルチモーダルな学習データとして整備します。
品質検証とデータ拡張で"学習に効く"データに
収集データをスコアリング・キュレーションし、高品質データのみを選定。Isaac Sim・Cosmos で合成データも生成し、実機とシミュレーションを組み合わせ効率的にデータ量を確保します。
国内大手企業から海外研究機関まで提供実績あり
NVIDIA Inception Program に採択され、AI ロボット協会(AIRoA)に育成会員として参画。基礎研究で得た最新の知見を、お客様の開発に還元します。
高品質なロボット動作データをスケールで集められない
テレオペには時間と専門スキルが必要で、量を稼ぐと品質が落ちる。さらに少数のノイズデータが学習を歪めるため、「量」と「質」の両立が必要。
VLAモデルの安全性評価基準が未整備
現実世界で何が「安全」かを測る合意がなく、デプロイ可否の判断が属人化している。
収集→学習→評価→デプロイのパイプラインが断片的
ツールがバラバラで、ループを速く回せない。改善サイクルが数週間単位になってしまう。
ロボットや自律機械の
学習データが
不足している
模倣学習・強化学習のどちらが自社開発に適しているか判断できない
シミュレーション環境でのデータ拡張を効率化したい
実機を使った現場でのデータ収集リソースが足りない
収集したデータの品質検証(失敗データの除去)に工数がかかる
VLA/VLMなどロボット基盤モデルの開発を進めたい

APTOが特に強みとするのは、データ収集・品質検証・データ拡張といった「上流のデータ層」です。あわせて、学習・推論・評価・RLHFを含むパイプライン全体にも対応しており、必要な工程だけを切り出してのご依頼も、収集から活用までの一気通貫でのご依頼も可能です。

ロボット動作データ、環境データ、センサーデータの大規模収集。テレオペからフィールド計測まで対応。

自動品質スコアリング、良質データの定義研究、異常検知。量ではなく「効く」データだけを学習に。

GR00 T・Pi0・A C Tなど主要VLAモデルのFine – tun ing に対応。

シミュレーション環境での強化学習と、Sim-to-Real転移学習をワンストップで。

モデル安全性評価、タスク成功率ベンチマーク、データ影響度分析。「出荷可否」を定量的に。

データ収集→アノテーション→学習→評価までを一気通貫で管理する、Physical AI向けData Factory。
現場ごとに異なる作業に特化したロボットAIの開発を、データ面からご支援します。
実環境で動くVLAの失敗モードを体系化し、再現性・エッジケース耐性を測る評価ベンチマークを構築します。
ロボット学習に効くデータの特徴量を定義し、スコアリング関数として実装。キュレーションを科学にします。
どのエピソードが最終ポリシーを形作っているのかを可視化。失敗の原因をデータに遡って特定します。
収集→品質管理→学習→評価までを閉じたループにし、改善サイクルを日単位で回す仕組みを設計中です。

Physical AI、Computer Vision、LLM安全性、ドメイン特化のFT用LLMのデータセットを、Hugging Faceで11件公開中(openarm-pick-place-30hz-newarm/llm-safety-japanese-multiturn-datasetほか)。研究開発の成果をオープンにすることで、APTOの技術基盤と実装力を継続的に可視化しています。

データ収集・品質検証・拡張から、VLAの学習・評価・RLHFまで一気通貫でご支援APTO が提供する「Physical AI データ開発」は、ロボット・フィジカル AI 開発に必要なデータを、実機収集からシミュレーション拡張、VLA の学習・評価まで一気通貫で支援します。
AI製品・ソリューションの掲載を
希望される企業様はこちら