Tesla・Waymo・Andurilはそれぞれ年間数百億円をバーチャルテストインフラに費やしています。つまりこれまでは、競争力のあるロボットAIを作るには、まずその資金が必要だったんです。Antiochはその方程式を変えようとしています。

30秒まとめ
ロボットコードをそのまま持ち込む 仮想センサーに接続 数千件を並列実行 AIエージェントが失敗を分析 ソフトウェア速度で開発

これ、何なの?

Antiochは、ロボティクス・自律システムチームが物理テストなしにソフトウェアを検証できるクラウドシミュレーションプラットフォームです。フィジカルAI — ロボット、自動運転車、ドローン、産業機械など — の世界では、テストコストが極めて高く、誤った展開は実際の人に危害を及ぼす可能性があります。

2025年5月にニューヨークで設立されたAntiochは、Tesla Autopilot出身のHarry Mellsopを中心に、Google DeepMind・Meta Reality Labs・Chainalysis出身の共同創業者5名で構成されています。 2026年4月に発表されたシードラウンドは850万ドル、バリュエーション6,000万ドル。A*とCategory VenturesがリードしPalantir CTOのShyam Sankarもエンジェル参加しています。

$8.5M
シードラウンド(2026年4月)
$50兆
フィジカルAIが狙うグローバル製造・物流市場
数百億円
Tesla・Waymoの年間シミュレーション支出

核心問題は「sim-to-realギャップ」です。仮想環境で完璧に動作していたロボットが、現実世界に出た途端に失敗する現象なんですよね。物理エンジンが現実の摩擦・照明・センサーノイズを完全に再現できないからです。 Antiochは、Nvidia Isaac SimやWorld Labsなどの高品質な物理エンジンの上にドメイン別ライブラリを積み重ねてこのギャップを縮めようとしています。

何が変わるの?

これまでロボットの1つの動作を検証するだけで、倉庫を借りて環境をセットアップし、シナリオを1つずつ実行する必要がありました。Mellsopは「家庭用ロボットをテストするためにAirbnbを借りるチームもいた」と話しています。 火災緊急プロトコルのような危険なエッジケースは、物理的なテスト自体が不可能でした。

物理テスト Antiochクラウドシミュレーション
環境セットアップ 数週間〜数ヶ月、数億円 コード数行で即座に
並列実行 ハードウェア台数が上限 数千件を同時実行
危険シナリオ 不可能または非常に危険 火災・吹雪など自由に定義
失敗分析 手動での映像確認 AIエージェントがフレーム単位で
アクセシビリティ Tesla・Waymo級の資金が必要 スタートアップも同等のツールを使用可能

「ソフトウェアエンジニアリングとLLMで起きたことが、フィジカルAIでまさに始まろうとしている」とCategory Venturesは言います。 違うのは、物理世界での失敗はコードのバグとは比べ物にならない結果をもたらすということです。

2026年3月、Allen Institute for AI(Ai2)がMolmoBotで「ゼロショットsim-to-real転移」を達成しました。シミュレーションのみで訓練されたロボットが追加の実世界データなしにリアルタスクを成功させたんです。 シミュレーション品質が実用域を超えてきたというシグナルです。

始め方のポイント

Antiochは現在、直接エンゲージメントでオンボーディングを行っています。公式サイトでデモを申し込むと、5ステップのパイプラインに沿って進めます。

  1. Onboard — 既存コードをそのまま持ち込む
    ROS対応でもカスタムでも、Antioch Arkがロボットのソフトウェアとファームウェアをコンテナ化し、デジタルツインを自動生成。カメラ・LiDAR・レーダー・IMUなどの仮想センサーが接続されます。ハードウェアの変更は不要です。
  2. Define — Python SDKでシナリオを設計
    雨・雪・霧・火災などの極端な環境をコードで定義。Antiochが提供するsim-readyアセットライブラリ、または独自の3Dアセットを使えます。合格/不合格基準もコードで設定。
  3. Simulate — クラウドで数千件を並列実行
    Antioch Cloudで数千件のシミュレーションを同時実行。CI/CDパイプラインと連携し、バージョン別の合格率を追跡します。
  4. Analyze — フレーム単位でデバッグ
    失敗した瞬間の正確な状態を再生・分析。FoxgloveとRerunのネイティブ統合でテレメトリを可視化。バージョン間の自動比較も可能です。
  5. Accelerate — AIエージェントが自動改善
    組み込みAIエージェントが失敗原因を分析し、変更案の効果を即座に検証。MCPサポートで外部AIエージェントとの連携も可能です。

"2〜3年以内に、現実世界向けの自律システムを構築するすべての人が、主にソフトウェアで開発するようになると確信しています。"

— Harry Mellsop, Antioch共同創業者

もっと深く知りたい方へ