何が起きたか

ロボット専門メディアのleaderobot.comが2026年8月13日に報じたところによると、具身基盤モデル企業Latent Verse（北京潜界科技有限公司）は数億元の種子調達を完了した。

本紙の見方

今回の報道で注目すべきは、Latent Verseが掲げる「Embodied-native（具身原生）」の理念と、VLMと世界モデルを同一アーキテクチャに統合するという技術路線だ。同社は2026年5月20日設立で、創業者は00後（2000年代生まれ）の清華大学交叉信息研究院博士課程在籍者・胡鈺承氏。彼は国内で初期にビデオ生成モデルを具身領域へ応用した研究者で、代表成果「VPP」はICML 2025 Spotlightに採択され、国内のWAM（World Action Model）路線の基盤とされる。また、創業前に字節SeedでBagelVLAシリーズの開発を主導していた。 技術面では、同社は現在主流のVLA（Vision-Language-Action）と純世界モデルの限界を指摘し、第三の融合路線を提案する。VLAは大量のロボット実操作データで動作を学習するが、物理世界の時間的変化の予測が不足し、純世界モデルはビデオフレーム予測に特化するため、精密なロボット制御信号の出力が難しい。Latent VerseはVLMと世界モデルを統合し、さらに触覚を中核に据える点が特徴だ。開発中のUTAM（Unified Tactile Action Model）は、視覚言語専門家、世界モデル専門家、動作専門家、触覚専門家の4モジュールで構成され、視覚による粗い計画と触覚による末端の精密な閉ループ修正を組み合わせる。 この動きは、本紙が過去に報じたロボットAI分野の動向と接続する。例えば、MetaによるAssured Robot Intelligence買収（2026年8月30日）や、NVIDIAのCOMPASSワークフロー（2026年8月26日）など、ロボット向けAI基盤の開発競争が加速している。特に、NVIDIAは世界モデル「Cosmos」をエッジで展開し、ロボットのオンデバイス学習を推進しており、世界モデルとロボット制御の融合は業界の主要トレンドになりつつある。Latent Verseの試みは、この流れの中で触覚という新たな軸を加える点で独自性がある。 業界構造への含意として、投資家の顔ぶれが興味深い。高瓴創投は会社設立前から核心メンバーと接触し、融資開始後最速で初回投資家となった。英諾天使基金は初日でTSを出したという。智元（AgiBot）と星動紀元（Robot Era）はロボット本体メーカーであり、彼らが投資することで、基盤モデルと本体の連携が強化される可能性がある。また、チームには北京大学、南洋理工、阿里Qwen、小米などからのメンバーが参加しており、人材の流動性も示している。 一方、未確定の論点も多い。UTAMの具体的な性能や、実環境での検証結果はまだ公開されていない。また、同社は今後、モデル能力とデータ体系が成熟した後にロボット本体と応用シーンへ展開する計画だが、具体的な製品化の時期やターゲット市場は不明だ。さらに、触覚センサーのハードウェア依存度や、データ収集の方法も今後の焦点になるだろう。詳細は原典を参照されたい。

なぜ重要か

Latent Verseの調達は、具身知能の基盤モデル開発が資金調達の初期段階から活発化していることを示す。特に、触覚を中核に据えたアーキテクチャは、従来の視覚中心のアプローチとは一線を画し、家庭など複雑な物理環境でのロボット操作の精度向上に寄与する可能性がある。投資家にロボット本体メーカーが含まれる点も、基盤モデルと実機の連携が今後の競争力を左右することを示唆している。