Eric Jang

ウィキ
, , , ,
1

アメリカの研究エンジニア、ロボット工学研究者。Gumbel-Softmax分布の共同発明者であり、1X Technologiesにおける人型ロボットのAI開発を主導したことで知られる。

プロフィール
国籍 アメリカ
学歴 ScB（応用数学・コンピュータ科学）、ScM（コンピュータ科学）— ブラウン大学（2012–2016）
以前の所属 Google / Robotics at Google（Google DeepMind Robotics）
研究分野 ロボット工学、模倣学習、強化学習、生成モデル、ロボットのための基盤モデル
個人ウェブサイト evjang.com
X / Twitter @ericjang11
GitHub ericjang
Google Scholar Eric Jang

概要

Eric Jangは、深層学習理論と物理ロボット工学の接点で研究を行うアメリカの研究者・エンジニアである。離散カテゴリカルサンプルを通じた誤差逆伝播を可能にする基礎的手法であるGumbel-Softmax（Concrete）分布の共同発明者として最もよく知られており、ICLR 2017で発表されて以来、生成モデリングや構造化予測の分野で広く使われている。Robotics at Googleでは6年間、大規模モデル深層学習のスケーリング哲学を物理操作に適用し、SayCan、QT-Opt、Grasp2Vec、BC-Zなどの代表的プロジェクトに貢献した。2022年から2026年初頭まで、1X Technologies（旧Halodi Robotics）のAI担当バイスプレジデントを務め、AIチームをゼロから構築し、NEO人型ロボット向けのRedwood AIモデルと1X World Modelの開発を監督した。2026年1月に1Xを退社し、現在は自身を「サバティカル中」と称し、AIとロボット工学研究の新たな方向性を模索している。

生い立ちと教育

Jangは2012年から2016年までブラウン大学で学び、応用数学とコンピュータ科学のScB（理学士）とコンピュータ科学のScM（理学修士）を同時に修了した。2013年から2015年にかけて、Pixar、Google、Two Sigmaでインターンシップを経験し、後にこれらは理論と工学の境界における応用研究に対する彼の直感を形成する上で重要な経験だったと述べている。学部在学中からニューラルネットワークに関する初期のブログ記事—GANや変分オートエンコーダのTensorFlowによる詳細な実装を含む—を執筆し、MLコミュニティでの知名度を確立した。

経歴

Robotics at Google / Google DeepMind Robotics（2016–2022）

Jangは2016年、Googleのロボット工学チームに上級研究科学者として入社し、6年間在籍した。彼の研究は、豊富なデータと単純な学習アルゴリズムと強力な計算能力を組み合わせることが、手作業によるシステムよりも優れた性能を発揮するという原理を、今度はロボット工学の領域に適用することに焦点を当てていた。

この期間の彼の最も引用された個人的貢献は、Gumbel-Softmax分布（Shixiang Gu、Ben Pooleとの共同研究）の共同発明である。これはカテゴリカル分布からの微分可能なサンプリング手法であり、ICLR 2017で Categorical Reparameterization with Gumbel-Softmax として発表された。この手法は、DeepMindのChris Maddison、Andriy Mnih、Yee Whye Tehによって同時に独立に発見され、彼らはそれをConcrete Distributionと名付けた。両論文とも、現在では離散潜在変数を扱う研究における標準的な引用文献となっている。

ロボット工学の側面では、20名以上の研究者からなるGoogle Brain Moonshotチームを共同で率い、SayCan（Do As I Can, Not As I Say、2022）を生み出した。これは大規模言語モデルの推論をロボットのアフォーダンスに接地し、実際のキッチン環境での長期的な移動操作を可能にするシステムである。また、ビジョンベースの把持のための大規模深層強化学習システムQT-Opt、自己教師あり表現学習によるインスタンス把持を可能にしたGrasp2Vec、異なる身体構造間での模倣のためのTime Contrastive Networks（TCN）、言語条件付けされたデモンストレーションからの行動クローニングによるゼロショットタスク汎化システムBC-Zにも貢献した。さらに、ロボット操作チームとEveryday Robotsが使用したMLフレームワークTensor2Robotも開発した。

この期間、ICML、CoRL、NeurIPSのエリアチェアを務め、他の多くの会議でも査読を行った。

1X Technologies / Halodi Robotics（2022–2026）

同社にとって重要な転機は、2022年にHalodiが人型ロボットハードウェアと現代的なAIアプローチの融合を開始し、元Google Brain研究者のEric Jangをカリフォルニア初の従業員として採用したことである。2023年3月、Halodiは1X Technologiesに社名を変更し、OpenAI Startup Fundが主導する2350万ドルのシリーズAラウンドをクローズした。

Jangと最初の従業員は、会社がベイエリアでのプレゼンスを拡大するまで、数ヶ月間経費節約のために彼のガレージで働いた。AI担当VPとして、彼は全身コントローラーの強化学習、視覚言語行動モデル（VLA）、視覚言語モデル（VLM）、ワールドモデル、シミュレーション基盤、そしてEVEおよびNEOロボットのためのデータエンジンを担当するチームを構築した。彼はNEO人型ロボット向けのエンドツーエンドのオンボードAIモデルであるRedwood AIの開発を主導した。1Xはこれを、二足歩行ロボット向けの最初の統合型全身移動操作システムの一つであると評している。また、ロボットがタスクを実行する前にシミュレーションできるようにする生成的認知コア、1X World Model（1XWM）も監督した。

Jangの在任期間は、従来のロボット工学的パラダイムに挑戦するデータ優先の哲学によって特徴づけられ、2026年1月の彼の退社は、1Xがワールドモデルの主要な進化を発表した最高潮の時期に起こった。

サバティカル（2026–現在）

1X退社後、Jangは自身を「サバティカル中」と称する期間に入った。彼は深層学習の論文を再実装し、中国のロボット工学エコシステム企業と会うために中国を旅行し、自身のブログ用の大規模なチュートリアルプロジェクトに取り組んでいる。彼の現在の公開プロジェクトであるAutoGoは、現代のAIツールを使用してAlphaGoをゼロから再構築するものであり、長編形式の技術インタビューと付随するチュートリアルで発表された。彼のブログ記事『Leaving 1X』は、AIの次世代の「魔法のオブジェクト」—生成的ビデオモデル、推論システム—がロボット工学に新たな可能性をもたらすというテーゼを明確に述べたものだった。

主な貢献

  • Gumbel-Softmax / Concrete Distribution — Shixiang Gu、Ben Pooleと共同で、カテゴリカル離散サンプルを通じた誤差逆伝播を可能にする勾配推定器を発明。ICLR 2017で発表。DeepMindによる「Concrete Distribution」論文と同時期に独立に確認された。現在では離散潜在変数を持つモデルの訓練のための標準ツールとなっている。

  • SayCan — Do As I Can, Not As I Say（2022） — 20名以上の研究者からなるBrain Moonshotチームを共同で率い、大規模言語モデルの計画を実際のロボットの価値関数に接地し、キッチン環境での数百におよぶ長期的な移動操作タスクを可能にした。LLM-ロボット工学接地に関する最も引用された論文の一つ。

  • BC-Z: Zero-Shot Task Generalisation with Robotic Imitation Learning（2021） — 言語条件付けされた遠隔操作デモンストレーションに対する行動クローニングが、未見のタスク命令への汎化を可能にすることを実証。アクションチャンキングや補助予測ヘッドなど、その後の視覚言語行動モデルの標準的要素となる重要な設計パターンを導入。

  • QT-Opt: Scalable Deep RL for Vision-Based Robotic Manipulation（2018） — 実際のロボットハードウェア上の単眼RGB画像からの把持のための大規模強化学習システム。物体の単離や失敗からの再試行などの創発的行動を示した。

  • Time Contrastive Networks (TCN)（2017） — ロボット模倣のための教師なし多視点表現学習を提案。単一のデモンストレーションビデオから、明示的な対応関係なしにロボットが人間の注ぐ動作を模倣できるようにした。

  • Grasp2Vec（2018） — 物体のラベル付けなしでの自己教師ありインスタンス把持。ロボット自身の把持インタラクションを通じて物体表現を学習。

  • Tensor2Robot — Google Robotics操作チーム向けのオープンソースMLフレームワーク。チーム全体のモデル訓練パイプラインを標準化。

  • Normalizing Flows Tutorials（2018） — 正規化フローを広いMLオーディエンスに紹介する2部構成のブログチュートリアル。JAXで実装。このトピックに関する最も広く引用される非公式な入門記事の一つとなり、JAXの初期開発時における同手法とJAXの普及に貢献した。

  • AutoGo（2026） — 現代のAIツールを使用してAlphaGoをゼロから再構築するオープンソースプロジェクト。MCTS、自己対戦、およびそれらのLLM推論との関係に関する教育学的探求。チュートリアルで文書化され、長編形式の公開技術討論で発表された。

受賞・表彰

  • ICLR 2017採択 — Gumbel-Softmax論文が、同分野で最も選抜性の高い会議の一つでポスター発表として採択された。
  • WIRED記事掲載 — ニューラルネットワークによる施錠ドアの開放に関する研究がWIRED誌で取り上げられた。
  • Google AI Blog掲載 — 複数のプロジェクト（Semantic Grasping、QT-Opt、Grasp2Vec、RetinaGAN、BC-Z）がGoogle AI Blogで紹介され、高いインパクトを持つ研究として社内で認識された。
  • エリアチェア — ICML、CoRL、NeurIPSでエリアチェアに選出された。

主な関係者

  • Shixiang Gu & Ben Poole — Gumbel-Softmax論文の共著者。GuがGumbel-Maxトリックを導入し、Pooleが半教師あり実験と数式の導出に貢献。
  • Sergey Levine — GoogleでのQT-Opt、Grasp2Vec、BC-Zにおける頻繁な共同研究者。ロボット学習の第一人者。
  • Vincent Vanhoucke — Google Brainのプリンシパルで、JangにGumbel-Softmaxのアイデアを追求するよう勧めた。セマンティックグラスピングとQT-Optの共著者。
  • Chris Maddison, Andriy Mnih & Yee Whye Teh — DeepMindでConcrete Distributionを独立に同時発見した研究者。同時発見はML史における注目すべきエピソードである。
  • Berndt Børnich — 1X TechnologiesのCEO兼創業者。JangはBørnichの会社にカリフォルニア初の従業員として加わり、家庭用人型ロボットへの同社の方向転換の実行を支援した。
  • Dwarkesh Patel — 2026年5月にJangとの長編ポッドキャストをホスト。AlphaGo、MCTS、LLMにおけるRLをカバー。会話は探索と学習の関係についてのより広範な考察も含んでいた。

人物スタイル

Jangは研究やキャリア決定の実用的現実について異例なほど率直に執筆する。Google Brain退社や1X退社に関する彼のブログ記事は、そこに伴う推論と不確実性を率直な一人称で綴ったものであり、アナウンスメント形式が支配的な分野では珍しい記録である。彼の技術的感性は、「苦い教訓」の視点と呼ぶ確信に根ざしている。すなわち、豊富なデータと単純でスケーラブルなアルゴリズムの組み合わせは、注意深いエンジニアリングよりも一貫して優れた性能を発揮し、次なる「魔法のオブジェクト」—驚くべき汎化能力を持つ新しいモデルファミリーや能力—を見極めることがAI研究において最もレバレッジの高い行為である、というものだ。彼は多作なテクニカルブロガーであり、システムレベルのエンジニアリング詳細と、知性、シミュレーション、計算に関する広範な哲学的思索を融合させた独自の文体を持つ。彼の公のフォロワー層は、チュートリアルを求める実務者から、具現化AIの方向性に関する彼の視点に関心を持つ研究者まで多岐にわたる。

参考文献