発表の根拠はPhysiclの公式発表です。調達額は1,000万ドル。主導したのはInovia Capital、参加したのはUS Venture Partnersです。資金はパリとサンフランシスコ・ベイエリアのチームと、Studioの基盤となるプラットフォームに充てられます。評価額、売上、顧客数は公表されていません。
「フィジカルAIは技術における最も重要な新興機会の一つだと思いますが、業界はモデルの能力を現実の性能につなげるうえで根本的な課題にまだ直面しています。Physiclはそのパズルの重要な一片に取り組んでいます。現実の物理に根ざした、拡張可能で高品質な物理データです。」
We believe physical AI represents one of the most significant emerging opportunities in technology, but the industry still faces fundamental challenges in translating model capabilities into real-world performance. Physicl is tackling a critical piece of that puzzle: scalable, high-quality physical data grounded in real-world physics.
- 01 失敗場面の記述
モデルが間違える状況
研究者がモデルが苦手な場面をStudioに伝える
- 02 3Dシーンの生成
実ジオメトリ基盤
実在の物体や部屋の3D資産から、物理属性が既知のシーンを組み立てる
- 03 条件の変更
光・散乱・家具・カメラ・物体
一つずつ、または組み合わせで変え、同じ希少事例のバリエーションを多数作る
- 04 正解ラベルの付与
全フレーム自動生成
深度・法線・セグメンテーション・ボックス・カメラ姿勢をシーン構造から生成する
Physicl公式発表(2026-11-06)による。生成データが実機のタスク結果をどれだけ上げるかは公表されていません。
Studioの使い方は、モデルが間違える状況を記述し、その状況を数千通りに変えて生成し、学習に使う、という流れです。特長として挙げられているのが、ラベルの生成方法。深度、法線、セグメンテーション、バウンディングボックス、カメラ姿勢は、画像から後から推定するのではなく、シーンの構造そのものから出ます。暗い隅や荷物の陰でもラベルが正確に保たれると説明しています。光、散乱、家具、カメラ、物体のどれを変えるかを選べるため、同じ珍しい事例の別の姿を多数用意できます。
規模の説明もあります。環境10,000件と、それを下支えするアセット100,000件を、実ジオメトリと既知の材質から構築したと会社は説明しています。Studioのベータは研究チームに数回に分けて開放し、ベータ期間中は無料です。対象は視覚、世界モデル、ロボティクスのモデルを作るラボ、大学、企業です。一般公開の日付は決まっていません。
シード調達
- 項目
- 1,000万ドル
- 公表値
- Inovia Capital主導、US Venture Partners参加
- 内容
環境とアセット
- 項目
- 10,000環境・100,000アセット
- 公表値
- 実ジオメトリと既知の材質から構築
- 内容
SpAItialの再構成誤差
- 項目
- 2分の1以下
- 公表値
- 実部屋でPhysiclのデータを使って学習後。TUMのNiessnerチームが評価
- 内容
いずれもPhysicl公式発表(2026-11-06)の公表値。評価したNiessner氏はSpAItialのCEOで、独立機関の検証ではありません。
初期利用の例として挙がったのが、実写の部屋を探索できる3Dにする世界モデルのSpAItialです。Physiclのデータを使って学習した結果、実部屋での再構成誤差が2分の1以下になったと発表しています。評価はミュンヘン工科大学(TUM)のMatthias Niessner氏のチームによるもので、同氏はSpAItialのCEOでもあります。独立した第三者機関の検証ではありません。TechCrunchの取材によればSpAItialは初期顧客で、同社の最新モデルEcho-3は先週公開されたばかりです。
「Physiclは、研究者が想像できるほぼどんな物理学習データにも研究者が届くようにします。小さなチームがフィジカルAIで作れるものが変わります。私たちの結果でもすぐに見られました。」
Physicl gives any researcher access to virtually any physical training data they can imagine. That changes what a small team can build in physical AI, and we saw it in our results right away.
背景として、創業者でCEOのアレックス・ドゥ・ヴィガン氏は10年間、世界を3Dでデジタル化する事業に携わりました。小売り大手向けに、実在の物体と部屋のライブラリと、それを変えるソフトを作ってきたのが公式発表の説明です。TechCrunchは前事業として、EC向けの3D商品レンダリングを行うnfiniteを紹介しています。ロボットや世界モデルの学習では、現実に起こる希少な失敗は記録を集められず、捕まえられても再現やラベル付けに費用がかかることが課題として挙げられています。
今回の数字はすべて会社の公表値で、SpAItialの改善結果も特定の事例です。全ロボットへの当てはまりを示すものではありません。生成シーンの物理的な忠実度や、シミュレーションから実機への転移性能について、独立した検証は公表されていません。TechCrunchは、ロボット向けのデータとツールをめぐる競争がまだ若く混沌とした領域だと創業者の言葉で伝えています。Studioの一般公開、API、商用価格は今後の確認点です。
出典
- Physicl「Physical AI fails in the long tail. We're building every edge case.」2026-11-06調達額1,000万ドル、Inovia Capital主導・US Venture Partners参加、Studioベータの開放条件、10,000環境・100,000アセット、ラベル5種、SpAItialの再構成誤差2分の1以下とTUMチーム評価、ウッズ氏とニースナー氏の引用
- Physicl「Insights」発表一覧2026-11-06に確認。発表日と関連記事「Inside Studio」の公開状況
- TechCrunch「Physicl raises $10M to make the digital world real enough for robots」2026-11-06前事業nfinite、競合状況の指摘、SpAItialの初期顧客関係とEcho-3、ニースナー氏の発言
出典の確認日 2026.11.06