NextGen Chore

https://www.youtube.com/watch?v=NIOx5p-Cz9c

Transcript

1. NEXTGEN CHORE Fumitoshi Ogata PRESENTED BY : お手伝いで未来のロボットを育てる ブロックチェーン × JPYC × ロボット学習 家庭から始まる、新しいデータ エコノミー お手伝いで未来のロボットを育てる ブロックチェーン × JPYC × ロボット学習 家庭から始まる、新しいデータ エコノミー
2. NEXTGEN CHORE NEXTGEN CHORE お手伝いで未来のロボットを育てる ブロックチェーン × JPYC × ロボット学習 家庭から始まる、新しいデータエコノミー お手伝いで未来のロボットを育てる ブロックチェーン × JPYC × ロボット学習 家庭から始まる、新しいデータエコノミー
3. 【課題1 】ロボティクス産業の深刻なデータ不足 家庭用ロボット開発の高いハードル： 💰 開発コスト：1 プロジェクト3,000 万円以上 ⏱️ データ収集：1 タスクあたり500 時間以上の人手 🏢 環境の限界：研究室データでは実用環境の多様性が不足 → 家庭用ロボットの実用化が10 年以上遅延 【課題2 】子供の最先端技術体験の不足 GIGA スクール構想でPC は配布されたが... 📱 デジタル環境：タブレット・PC の基本操作まで 🤖 AI ・ロボット体験：学校ではほぼゼロ 💡 創造的活用： 「使う」だけで「創る」体験が少ない → 技術を「使う側」の教育に偏り、 「創る側」の人材が育たない → 将来のAI ・ロボティクス産業の担い手不足が加速 2 つ の 社 会 課 題
4. 2 つ の 課 題 を 接 続 さ せ る JPYC で報酬還元 掃除や洗濯など 子供のお手伝い データマッチング / 活用 企業など NEXTGEN CHORE 子供がロボットアームで家事（片 付け、整理整頓など）を実演 実演データが自動的にロボット 学習用データセット（LeRobot 形式）として記録 AI がデータ品質を2 層評価（初期品 質 + 実利用価値）してスコア化 スマートコントラクトがスコ アを記録し、企業が投資する 報酬プールから自動分配 データ収集 子供のウォレットにJPYC が振り込まれる
5. STEP 2 ：子供がロボットアームでアームを使っ て実際に作業 楽しみながらロボットに教える STEP 4 ：データ自動記録・アップロード 模 倣学習データとして自動記録 STEP 4 ：模倣学習データの利用者数やレビューに よって報酬プールから報酬が支払われる。データは 個人や企業によって活用される。 STEP 5 ：次のタスクにチャレンジ！ A I 漫 画 で 分 か る サ ー ビ ス フ ロ ー STEP 1 ：母親がタスク依頼 「今週のチャレン ジ：本棚の整理 報酬プール：5 万JPYC 」 STEP 3 ：自身が作成したタスクによって 部屋はピッカピカ 本 棚 片 付 け チ ャ レ ン ジ し て み た ら ？ 今 月 、 お 小 遣 い ピ ン チ だ か ら や っ て み よ う か な こ う や っ て 本 を 掴 む ん だ よ 理 解 し ま し た 。 一 度 、 覚 え さ せ た ら あ と は 自 動 で OK 本 棚 を 綺 麗 に 整 頓 し ま す デ ー タ を 上 げ て お こ う 。 整 理 整 頓 の デ ー タ が 世 界 に ！ 綺 麗 に 整 頓 で き た ！ お う ち が ピ カ ピ カ ！ も っ と デ ー タ を よ く し よ う 。 追 加 で 覚 え さ せ よ う 次 は 、 お 皿 を 洗 う の を 手 伝 っ て も ら う か な よ く で き ま し た 家 の 掃 除 の デ ー タ が み ん な の 役 に 立 て る っ て 素 敵 だ ね
6. 3 つ の 価 値 提 供 レ イ ヤ ー 【子供の教育】最先端AI ・ロボット 技術に「触れ」 「創る」体験 【ロボット産業】実環境データ収集の革 新的手法の確立 【社会全体】データ駆動型の新しい経済 圏の創造 Level 1 ：ロボットアームの操作 → 物理的なロボット制御を体感 Level 2 ：AI の学習プロセス理解 → 自分の動きがデータになり、AI が学習する過程を可視化 Level 3 ：ブロックチェーン経済圏参加 → データ価値、暗号資産、評価経済の実践的理解 GIGA スクールで配られたタブレットを「見る」だけでなく 実際のロボットを「動かし」 、AI を「育て」 、価値を「創る」 これが、次世代のAI ・ロボティクス人材を育てる Level 1 ：データ収集コストの劇的削減 → 3,000 万円 → 300 万円（90% 削減） → 500 時間 → 自動収集（人手ほぼ不要） Level 2 ：実環境多様性の獲得 → 様々な家庭環境（狭い部屋、広いリビング、ペット有無） → 多様な障害物・配置パターンを網羅的に学習 → 研究室では再現不可能なリアルデータ Level 3 ：継続的データ更新エコシステム → 新しい家電、家具、生活様式の変化に自動追従 → コミュニティ駆動型のデータセット成長 → オープンイノベーション型の開発手法確立 従来：閉じた研究室で限定的なデータを高コストで収集 新手法：オープンな家庭から多様なデータを低コストで継続 取得 これが、家庭用ロボット実用化を10 年早める Level 1 ：家庭労働の価値可視化 → これまで「無償」だった家事スキル伝承が経済価値を持つ → 子供の貢献が定量的に評価され、報酬として還元 → 家庭内労働の再評価と社会的認知の向上 Level 2 ：分散型データエコノミーの実現 → データは一部企業の独占ではなく、提供者に還元 → ブロックチェーンで透明性・公平性を担保 → 個人が自分のデータから継続的収益を得る仕組み Level 3 ：世代間技術移転の新モデル → 親世代の生活知 → 子供が実演 → AI が学習 → 次世代ロボット へ → 暗黙知のデジタル化・資産化・継承 → 「教える」行為そのものが社会貢献として記録される 従来：データは企業が収集・独占、個人は無償提供 新モデル：データは個人が創造・共有、価値は公平に分配 これが、Web3 時代の新しい社会基盤となる
7. lerobot-record \ --robot.type=so101_follower \ --robot.port=/dev/tty.usbmodem5AB90669021 \ --robot.id=so101_follower \ --teleop.type=so101_leader \ --teleop.port=/dev/tty.usbmodem5AB90676501 \ --teleop.id=so101_leader \ --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 1920, height: 1080, fps: 30}}" \ --display_data=true \ --dataset.repo_id=oggata/record-gab-cookie-demo \ --dataset.root=./record-gab-cookie-demo \ --dataset.single_task="Pickup the rice crackers and put them in the basket." \ --dataset.num_episodes=30 \ --dataset.episode_time_s=30 \ --dataset.reset_time_s=5 \ --resume=true \ --wallet_address=0x742d35Cc6634C0532925a3b844Bc9e7595f0bEb \ --enable_quality_bonus=true \ --min_quality_threshold=0.7
8. バ ッ ク グ ラ ウ ン ド の シ ス テ ム 構 成 スマートコントラクト： 1. スコア記録・検証 2. 貢献度計算 3. JPYC 報酬自動分配 → 透明性・改ざん不可能性確保 ロボットアーム + LeRobot 学習システム AI スコア計算エンジン 品質スコア = f( 成功率, 効率性, 多様性) ブロックチェーン層 アプリケー ション層 Layer 1: データ品質ス コア（初期評価） Layer 2: 実利用スコ ア（継続的更新） 子供が家事スキルを学びながら ロボットに実演 実演データが自動的にロボッ ト学習用データセットに ↓ AI がデータ品質を評価 AI がデータ品質を評 価・スコア化（スマー トコントラクトに記録） 自動報酬計算 週次/ 月次で コントラクトが全参加者の スコアを集計 貢献度比率 に応じてJPYC 自動分配 子供：家事スキル + デジタル報酬 企業：実環境の高品質学習データ スマートコントラクト：Solidity 実装 （2 週間） スコア記録・検証機能 利用ログ・レビュー記録機能 報酬自動分配ロジック JPYC 連携：ERC-20 標準で実装済み （既存実績あり） チェーン選定：Avalanche 等のL1/L2 を 検討中（高速・低コスト要件） AI スコア計算エンジン（デモ開発中） Python でスコア計算ロジックを実装（2 週間） 成功率・効率性・多様性の3 軸評価アル ゴリズム Physical AI Attention Map による可視 化機能 どの動作が高評価か、子供向けにゲーム 感覚でフィードバック 1. ロボットアーム・学習システム （既存技術の転用） ✅ SO-101 ロボットアーム（既に 所有・検証済み）を使用 ✅ LeRobot （HuggingFace の OSS ）のACT 学習手法を活用 ✅ 実績：既にLeRobot 形式でのデ モンストレーション録画システム を構築済み データ形式：LeRobot 標準の HDF5 形式（observation/action ） で記録 LeRobot 公式の visualize_dataset_html.py を活用 Physical AI Attention Map 実装によ り、データ品質を視覚的に評価可能 子供向け・企業向け・親向けの3 つの ダッシュボード
9. 家庭から始まる、 新しい データエコノミー Thank you for your attention! NEXTGEN CHORE