Rintaro Yamauchi

AIプロダクトを開発しています | prev @UCLA

[Garry Tan @garrytan]

The best people to fund: Plainspoken and earnest builders

[Kathryn Wu @kathrynwu1]

One thing Paul Graham said about YC interviews is that they’re not looking for founders who can “control the room” like polished salespeople.

The real question YC is trying to answer is:
“How do you know people actually want this?”

That’s also why YC tends to filter out a lot of overly “street smart” founders.
People who bluff, dodge questions, or try too hard to sound impressive are usually easier to detect than they think.

Real understanding of users tends to sound much calmer and more specific.

[かつき🌏デザイン×AI×事業作り @ktknd]

私事ですが、2026年5月末をもって、Algomaticを退職しました。

2023年4月、M&Aをきっかけに、創業まもないAlgomaticにジョインしました。

ちょうど世界がGPT3.5に沸きはじめた後です。

あの大波の真っ只中に、ど真ん中で飛び込めたことは、今振り返っても本当に幸運だったなと思います。

この3年は、生成AI・AIエージェントビジネスのトレンドの変遷を、まさにド真ん中で味わい続けた時間でした。

・会社のブランド構築
・カンパニー制という組織への挑戦
・法人向けAIチャットのUIUXデザイン
・新規事業5案ほどの立ち上げと撤退
・AI BPO事業（翻訳）の立ち上げ
・AIエンタメ事業の事業責任者

書き出すとキリがないのですが、どれも「正解のない問い」に手探りで向き合う日々でした。最高に面白かったです。

自分はもともと、CXOとしてクリエイティブを武器にこの会社に入りました。でも気づけば、事業や経営のど真ん中にいた。

デザインの人間が、事業をつくり、組織をつくり、数字と向き合う側に回っていく。これは自分にとって、何よりも大きな学びでした。

そして何より財産だったのは、このAIの大波を一緒に歩んできた仲間たちとの出会いです。これは本当に、お金では買えないものをもらったなと思っています。

Algomaticのメンバー、Algomaticに関わってくださった全ての方々へ、心から感謝しています。本当にありがとうございました！

次に何をやるかは、これからじっくり考えます。

また、AIの大波の中で会いましょう！

[Rintaro Yamauchi @jof_5]

The picking hand

[Rintaro Yamauchi @jof_5]

ある物流センターにおけるパッキングの作業工数は全体の73%。一人当たり240万円程度のコスト
https://t.co/jM3gJWz0Jc

[Rintaro Yamauchi @jof_5]

wip2

[Rintaro Yamauchi @jof_5]

wip

[Yuna ユナ | Co-founder of tiro.ooo @yuna_tiro]

AG1のBatch 2に参加中。今回、@HideoNw さんが私とTiroの旅について書いてくださいました。

VCを経て二度目の起業に至った理由、競争のヒストリー、そして私が信じている市場の未来について、私の考えをそのまま記事にしてくださって、本当に感動しました。

正直に言うと、海外で初めてGTMに取り組む中で、誰かが自分のビジネスについて30分以上真剣に耳を傾けてくれること自体がどれほど貴重なものか、私は知っています。

心から感謝しています。この支援に応えられるよう、AG1で最高の、誇れるアウトプットを出せるように成長していきたいです。

[Rintaro Yamauchi @jof_5]

The simulation environment provides a safe and repeatable way to develop and test your Human-In-the-Loop reinforcement learning components before deploying to real robots.

https://t.co/BFbiKN5SYH

[Elon Musk @elonmusk]

@KettlebellDan I just left the SpaceXAI office at ~2:45am and people were still going.

I think we might be close to a significant breakthrough in training.

[Rintaro Yamauchi @jof_5]

foundations, VLA Architecture, Action representation, World Models
https://t.co/V8Fi90XrMC

[Rintaro Yamauchi @jof_5]

UMI is a framework for transferring human manipulation skills to robots using hardware-agnostic policies that generalize well to new tasks and environments.
https://t.co/FiCtk0oqOx

[nikoloside (Niko | ai game demo in ludics.space) @nikoloside]

自作の TRPG 用の World-Agent エンジンで，メイドインアビスと艦これ Inspired した未知の洞窟に探検隊員を出稼ぎさせる Agents ゲームを作成してみた．出会った隊員は親密度と対話の連続性が担保され，World-Agentと対抗し壮絶な洞窟冒険で仲良くなった隊員が洞窟に喪失したことに心痛めている最中🥲

[Rintaro Yamauchi @jof_5]

SLAM: ロボットが自己位置推定と地図構成を同時に行う
https://t.co/YWwAQeh7Jd

[Rintaro Yamauchi @jof_5]

最近流行りのRL environment に関する記事。6つのフレームワーク、RLの適用範囲がゲームからagentive taskに広がっているhttps://t.co/G7qsmtnT28

[nikoloside (Niko | ai game demo in ludics.space) @nikoloside]

WIP - World-Agent versus Soul-Agent demo を x に繋いでみた

[Yuna ユナ | Co-founder of tiro.ooo @yuna_tiro]

【Why Tiro】
AIノートテイカーを作っていると言うと、一番よく聞かれる質問は「Why」だ。

単なる文字起こしツールは以前からたくさんあったし、最近はAI議事録ツールも本当に多い。しかし私は、VCとして働きながら実際に感じたペインポイントを、自分の手で解決するプロダクトを作った。

単なるツールや機能の提供と、ユーザーの問題を本当に解決するプロダクトには、明らかな違いがある。

[Rintaro Yamauchi @jof_5]

・年間100億ドルがトレーニングデータ提供企業に流れ込んでいる
・Mercorは、創業2023年当時は海外のSWEを採用サービスだったが、2024年初めにScaleAIから1200人の専門コーダーを集めて欲しいと言う依頼があった
・AI LabsはWebデータからRLHFへ。Surgeはそこに着目し創業以来黒字かつ10億円ドル以上の売り上げを上げた
・Handshakeは元々は2000万人の大学生むけプラットフォームだったが売り上げランレートは1.5億ドルを上回るhttps://t.co/Sp6pZ7kOPM

[Itaru Tomita / 冨田到 @itarutomy]

ロボットAI「VLA」の次世代パラダイム「WAM（World Action Model）」を体系的にまとめた初のサーベイが発表された（https://arxiv[.]org/pdf/2605.12090）。

今の主流ロボットAI「VLA（Vision-Language-Action）モデル」は、映像と言語を受け取って行動を直接出力する。RT-2、OpenVLA、π0といった代表モデルも同様で、賢いが「行動した後に世界はどう変わるか」を内部に持っていない。

WAMはここに「世界モデル」を組み込む。未来の環境状態と行動を同時に予測する分布 p(o', a | o, l) を学習する。つまり「先に世界の変化を予測してから動く」仕組み。

構造は大きく2種類。Cascaded WAMは「未来映像の生成→行動の抽出」を別モジュールで順番に処理する分業型で、UniPiやGen2Actなどがこれにあたる。Joint WAMは未来予測と行動生成を1つのモデルが同時にこなす一体型で、DreamZeroやCosmos Policyなどがある。

具体的な改善幅も出ている。世界モデルによる「想像内訓練」を導入したCtrl-Worldは、π0.5-DROIDの下流タスク成功率を44.7%向上させた。

一方で速度の壁は厳しい。従来のVLAが50Hzで動く中、現状最速クラスのJoint WAM「DreamZero」でも7Hzにとどまる。リアルタイム制御には約7倍の差がある。

データ面では、ロボット操作データ（DROID、RH20T）だけでなく、行動ラベルなしの「人間一人称映像」（Ego4D、EPIC-KITCHENS）も訓練に使える。ラベルなし動画から物理の因果を学べる点が大きく、データ調達コストを下げられる可能性がある。

評価にも本質的な課題がある。現状は映像品質（PSNR、FVD）とタスク成功率を別々に測るが、WAMの核心である「想像した未来と実行した行動が因果的に整合しているか」を測る指標がまだない。

「反射から思考へ」。ロボットAIの設計思想が変わりつつある転換点として注目されている。