第一原理から、
AIのあり方をデザインする
第一原理思考とは、
既存の枠組みや慣習を前提とせず、
物事を根本原理から捉え直し、
そこから最適な構造を再構築していく思考法です。
Built by a team from leading global labs and companies
Trusted By Our Clients & Partners
News
About us
私たちは、第一原理に基づき、
AIを社会システムに適合させていく
AIカンパニーです。
Our Team
AI技術とビジネスの両方を深く理解するチームによって構成されています。
東京大学研究室出身のAIテックリード
AIエージェント、機械学習、データ基盤など先端AI技術の研究・開発を担当。
実際の業務に適合するAI導入を提案・実装できる体制
業務理解とAI技術を融合し、実際の業務で機能するAIソリューションを設計・実装。
PoCで終わらない、実運用可能なAI導入を実現します。
外資系コンサルティングファーム出身メンバー
戦略コンサル・業務コンサル出身のメンバーが企業の業務構造を理解し、AI導入の戦略設計・業務設計を担当。
東京大学研究室出身のAIテックリード
AIエージェント、機械学習、データ基盤など先端AI技術の研究・開発を担当。
外資系コンサルティングファーム出身メンバー
戦略コンサル・業務コンサル出身のメンバーが企業の業務構造を理解し、AI導入の戦略設計・業務設計を担当。
実際の業務に適合するAI導入を提案・実装できる体制
業務理解とAI技術を融合し、実際の業務で機能するAIソリューションを設計・実装。PoCで終わらない、実運用可能なAI導入を実現します。
Service
Physical AI&ロボティクス
開発サービス
AIを物理世界に実装するためのロボティクスシステムを、高い技術力と提案力を持って導入します。
製造業・物流・ラボなどの現場で、知覚・判断・制御を統合し、自律的に動作するシステムによって現場の課題を解決します。
Physical AI =
カスタムAI開発サービス
御社専用のAIを。
企業ごとの業務プロセスおよび事業特性に最適化されたAIシステムを設計・開発し、実運用可能な形で提供します。モデル選定からデータ設計、既存システムとの統合までを一貫して実装し、PoCに留まらない、実際の業務を代替・拡張するAIの導入を実現します。
導入プロセス
構想から実装、改善まで。段階的に確度を高めながら進めます。
本質的な業務課題を見極める
AIが機能するポイントを設計する
小さく検証し、確度を見極める
無理に進めない。それも設計のうち
業務に組み込まれるAIを構築する
定着し、進化するAIへ
AI PoC
小さく検証し、確度を見極める
Go / NoGo判断
無理に進めない。それも設計のうち
AI実装・組み込み
業務に組み込まれるAIを構築する
運用・改善
定着し、進化するAIへ
Product
AIツールは、「導入」ではなく
「採用」だ。
チャットでAIワークフローを作成し、レガシーシステムを含む複数の業務システムを繋ぐ。任せるほど現場を覚え、賢くなる「進化型AIプラットフォーム」です。
日本企業のオフィス業務ベンチマークで総合1位の性能を、御社の現場へ。
導入して終わりではなく、仕事を任せられる、成長できるAIを「採用」へ。
「依頼票を読み取って基幹システムに登録して」と話すだけ。
AIが手順をワークフロー化。マスタ照合・承認も自動で組み込み。
2回目以降はワンクリック。承認・監査ログつきで正確に再現。
自己改善で進化。実行を振り返って誤りを修正・効率化し、ワークフローへ反映。Chatで追加指示もできます。
APIのないレガシー基幹システムも、画面操作（Compute Use）でそのまま連携します。
レガシーも含めて、つなぐ。
APIのない基幹システムも、画面を見て操作して自動化。複数の業務システムを横断して、業務がひとつに流れます。
チャットでつくり、進化する。
「こうしたい」と話すだけでAIワークフローが完成。実行ログから学習し、使うほど自己改善します。
ベンチマークで、総合1位。
日本企業のオフィスワークを再現したベンチマーク（9評価軸×33タスク）で、比較6系統中1位の性能を達成。
製造・物流・金融・建設・小売・医療・自治体など、幅広い業種で活用されています。
Tech Blog
注文書ピッキングロボットの VLA 設計 ― SmolVLA で同じ部品が並ぶ環境をどうピッキングするか
注文書ピッキングロボットの VLA 設計 ― SmolVLA で同じ部品が並ぶ環境をどうピッキングするか
SmolVLA をベースに、同じ部品が何本も並ぶ環境で注文書ピッキングを安定させる方法。VLA が解く問題を小さく絞る設計、Leader-Follower でのデータ収集、smolvla_base のファインチューニング、非同期推論と Temporal Ensemble、失敗をレイヤー別に分類して回す改善ループまでを解説します（後編）。
手書きの注文書から、ロボットのピッキングへ ― WorkPeer と Robot Gateway の役割分担
手書きの注文書から、ロボットのピッキングへ ― WorkPeer と Robot Gateway の役割分担
紙の注文書を撮るとロボットが部品を箱詰めする。その裏側で本当に難しいのは「読み取った内容を動作に変える」部分です。注文の意味を理解する WorkPeer と物理動作を担う Robot Gateway を Order Contract でつなぐ設計、SO-101 までの制御パス、OpenAPI / MCP / A2A / ROS 2 の使い分けを解説します（前編）。
潜在空間の世界モデルは、ロボット学習の何を変えるのか ― 無界動力 MWA を関連論文から読み解く
潜在空間の世界モデルは、ロボット学習の何を変えるのか ― 無界動力 MWA を関連論文から読み解く
設立1年のスタートアップ無界動力が発表した潜在空間の世界モデル MWA。その背後にある「ピクセルを捨てる・動作ラベルを捨てる・成功例だけで固めない」という設計思想を、LAPA・DINO-WM・GR00T といった関連論文まで遡って整理します。
Physical AIに「目」を与える ― ロボットとドローンのためのストリーミング映像理解モデル VLX-Flow
Physical AIに「目」を与える ― ロボットとドローンのためのストリーミング映像理解モデル VLX-Flow
ロボットやドローンが物理世界で自律的に動くには、カメラ映像をリアルタイムに理解し続ける「目」が必要です。Om AIが発表したVLXシリーズは、ストリーミング映像理解・物体検出・行動計画の3層でPhysical AIの視覚パイプラインを構成します。