AIに「夢を見させる」世界モデル——ハフナーの新スタートアップがロボット訓練の常識を壊す
何をしている会社か
サンフランシスコのソーマ地区に、ドアに社名すら掲げていないオフィスがある。中は家具もほとんどない。ただ、人型ロボット（ヒューマノイド）が何体もラックからマリオネットのように吊るされている——MIT Technology Reviewの取材でそう描写されたのが、ダニヤル・ハフナーの新スタートアップだ。
31歳のハフナーは、2025年秋にグーグル・ディープマインドを退社して会社を立ち上げた。まだステルスモードで事業の詳細は語らないが、方向性は明確だ。「訓練中に遭遇したことのない環境でもAIが行動できるようにする」という、長年の研究の延長線上にある。
彼が使う手法は「モデルベース強化学習」と呼ばれるものだ。核心にあるのは「世界モデル」——物理的な現実を模倣するよう設計されたAIモデルだ。エージェントはこの世界モデルの中で経験を積み、将来どのような結果が生じるかを予測する能力を養う。ハフナー自身の言葉を借りれば、エージェントが「夢を見る」「想像する」プロセスだ。
現実世界に出たとき、エージェントはすでに「いまだ見ぬ状況」への対処能力を持っている。それが狙いだ。
なぜ今それが重要か
ロボットを家に送り込む。それが多くのヒューマノイド企業が目指している絵だが、具体的に何が難しいかをきちんと言語化している人は少ない。
問題の本質はシンプルだ。「見たことのない間取りと家具」だ。ある家で訓練したロボットが、別の家でも動くとは限らない。従来の強化学習では、エージェントに現実世界で何度も試行錯誤させて学習させる。壊れやすいものが周囲にある環境でそれをやるのは、コスト・安全性・時間のすべてで無理がある。
ハフナーのアプローチはここを正面から突く。「現実での試行錯誤」を「モデル内での思考実験」に置き換えることで、実機に触れる前に複雑なタスクを習得できる体制を作ろうとしている。
事実・背景の整理——Dreamerシリーズの軌跡
ハフナーの経歴は、この問題への執念の長さを示している。
ドイツ北東部の農村で育ち、両親はともにクラシック音楽家。近所の人からプログラミングを学び、高校時代にはAIのオンライン講座を独学で受講し始めた。「思考がどのように機能するのかに、ずっと魅了されていた」と本人は語る。2015年、ポツダムのハッソ・プラットナー研究所の学部2年生のときにグーグル・ブレインの学生研究員の職を得て、以降インターンシップを含め十数回の関わりを持ちながら、ジェフリー・ヒントンや「Attention Is All You Need」の共著者アシシュ・バスワニといった面々とも研究を共にした。
その長いキャリアの中で生み出してきたのが「Dreamerシリーズ」だ。
- PlaNet: 先を見越して計画を立てながらエージェントが行動できる初期モデル
- Dreamer 2: 世界モデルを使ってAtari 2600のゲームをプレイし、人間と同等の性能を達成した初のエージェント
- Dreamer 3: Minecraftの「ダイヤモンド・チャレンジ」（ゲーム内で自力でダイヤモンドを採掘する課題）を初めてクリア
- Dreamer 4: ゲームと一度も直接やり取りせず、録画されたゲームプレイ動画のオフライン・データセットだけからダイヤモンドの採掘方法を習得
ビデオゲームという「安全な実験場」で手法を磨き、そこから物理世界へ橋を渡そうとしたのがDayDreamerプロジェクトだ。Dreamerアルゴリズムを実機ロボットに適用し、押し倒されるといった初めての出来事にも、それ専用の訓練なしに対応できることを示した。
グーグル・ディープマインドでハフナーの上司を務め、論文の共著者でもあるティモシー・リリクラップの評価は辛口な業界においても際立っている。「グーグルの研究部門では本当に優秀な人たちと数多く接してきましたが、彼は間違いなく上位0.5％に入ります。通常ならエンジニアのチーム全体が必要になるようなものを、彼は一人で作り上げてしまうことがよくありました」。
AIおじさんとしての見方——この話の構造的な意味
ここからは見方の話だ。
ハフナーの手法を「すごい技術」として受け取るだけでは、この記事を読む意味が半分になる。もっと面白いのは、**「何の問題をどう再定義しているか」**という設計の発想だ。
ロボット訓練の従来のボトルネックは「実環境での試行錯誤に依存している」点だった。これはシミュレーション環境の活用で部分的に解決しようとされてきたが、シミュレーションと現実の乖離（sim-to-realギャップ）が常に問題になる。ハフナーが取った道は「より精密なシミュレーターを作る」ではなく、「エージェント自身に現実のモデルを学習させ、その中で考えさせる」だ。外部ツールに依存するのではなく、適応能力そのものを内部化しようとしている。
これはLLMの世界で起きたことと構造が似ている。外部の知識ベースに依存するのではなく、モデル自体にパターンを内包させることで汎用性が跳ね上がった。世界モデルの発想は、「ロボット版の内部知識の内包化」として読むことができる。
また、ヒューマノイドラッシュの文脈で見ると、このアプローチが刺さる理由がもう一つある。現在の多くのヒューマノイド企業は「特定タスクの精度」を競っている段階だ。工場のライン作業、特定の動作パターン——これらは再現性のある環境ではうまく動く。だが「家庭での汎用作業」という本命シナリオに進んだとき、壁になるのは精度ではなく適応力だ。ハフナーが長年研究してきたのは、まさにその「壁」の側だ。
ただし期待値の調整も必要だ。スタートアップはステルスモードで、現時点で公開されているのは「研究の延長線上にある」という方針のみだ。中国から輸入しているヒューマノイドを使った実証は始まっているが、「商用稼働で収益を上げているか」という軸で見れば、まだ実験室の段階にある。Dreamer 4が「録画データだけで学習できた」という成果も、ゲームという制約された環境での話だ。家庭の物理空間は、Minecraftとは次元が違う複雑さを持つ。
実務的な示唆と今後の論点
開発者やプロダクト担当者が今から持っておくべき判断軸を一つ挙げるなら、**「そのロボット、見たことのない環境でどう動くか」**だ。
ベンダーの発表資料では、デモ環境での精度と速度が前面に出る。それは当然だ。だが実環境への展開を検討するとき、「未知シナリオへの適応能力をどう担保しているか」という問いを持っておくと、技術の本質的な成熟度を測る軸になる。世界モデルを使っているか否かに関わらず、この問いは汎用的に使える。
今後の論点として気になるのは3点だ。
1. sim-to-realギャップをどこまで縮められるか
世界モデルの精度は、最終的に物理世界とどれだけ整合するかにかかっている。ゲームから実機ロボットへのステップはDayDreamerで示したが、「一般家庭の多様な物理環境」への汎化は別の難易度だ。
2. データの取得コスト
Dreamer 4が示したのは「録画データからも学べる」という可能性だが、実機ロボットの場合、良質な動作データの収集自体がコスト・安全性・プライバシーの問題を含む。世界モデルの訓練に何が必要かは、まだ明確ではない。
3. 汎用化と特化のトレードオフ
「未知の環境に対応できる」汎用性と、「特定タスクで高精度を出す」特化性はしばしばトレードオフになる。ハフナーの手法が家庭ロボットの汎用知能を実現するのか、それとも特定ドメインでの適応力向上に留まるのかは、今後の実証次第だ。
軽いまとめ
ダニヤル・ハフナーが面白いのは、研究の方向性そのものが「業界の本命問題」を向いている点だ。精度を上げる競争ではなく、「見たことのない状況でも動く」という、ロボットが実生活に入るための根本条件を研究してきた。
スタートアップはまだステルスで、事業の全貌は見えない。だが「モデルベース強化学習」と「世界モデル」という技術軸を知っておくだけで、今後のヒューマノイド関連ニュースを読むときの解像度が上がる。次にロボット企業の発表を見たとき、「それ、未知の環境でどう動くんですか」と問える状態になっていれば、この記事の価値はあった。
