ポケモンGOが配達ロボットの「目」を育てていた

2016年の夏を覚えているだろうか。

世界中の人々が突然スマホを持って街に繰り出し、公園のベンチの前で立ち止まり、見えない何かに向かってスワイプしていた。ポケモンGO。60日間で5億ダウンロード。社会現象という言葉すら追いつかないスケールだった。

あれから約10年。あのとき街角でピカチュウを追いかけていた人々が、まったく別のものを「捕まえて」いたことが明らかになった。

2026年3月、MIT Technology Reviewが報じた。ポケモンGOとその前身であるIngressを通じて収集された画像データは300億枚。Nianticからスピンアウトした「Niantic Spatial」が、このデータを使ってデリバリーロボットの「目」を作っている。

読み間違いではない。ポケモンを捕まえていた人たちが、ピザを届けるロボットの視覚を育てていた。

GPSの限界

なぜロボットに新しい「目」が必要なのか。

GPSは上空約2万キロメートルの衛星から届く電波で位置を計算する。高層ビルが立ち並ぶ都市部では、電波がビルの壁面に反射して「マルチパス」と呼ばれる干渉が起きる。スマホの地図で青い点が突然ワープした経験は誰にでもあるだろう。あれが50メートル規模で日常的に発生する。

Niantic SpatialのCTOであるBrian McClendonは、これを「urban canyon（都市の峡谷）」と呼ぶ。峡谷の底ではGPSは信用できない。

人間なら「あ、ズレてるな」と周囲を見回して修正できる。歩道を時速5マイル（約8km）で走るデリバリーロボットにはそれができない。隣のブロックの反対側を逆方向に走り出す。そしてデリバリーロボットが最も必要とされるのは、まさにその峡谷のど真ん中だ。

5億人の測量チーム

ポケモンGOにはポケストップやジムと呼ばれるスポットが世界中に100万箇所以上設定されていた。プレイヤーはそこに何度も足を運び、ARモードでスマホのカメラを周囲に向けた。朝も昼も夜も。晴れの日も雨の日も。8年間にわたって。

2020年には「Field Research」という機能が追加された。プレイヤーが現実世界のランドマークや銅像をカメラでスキャンすると、ゲーム内報酬がもらえる。ポケストップの近くで立ち止まり、スマホをゆっくり動かしてランドマークの3Dスキャンを撮る。報酬は経験値やアイテム。プレイヤーにとっては「ちょっとした作業」で済む。だがNiantic側から見れば、それは世界中の建造物の高精度3Dモデルが毎日無償で送られてくることを意味していた。

単に写真を撮っていたのではない。スマホが記録していたのは画像に加えて、撮影時のスマホの正確な位置、向いていた方向、傾き、移動速度、移動方向といったメタデータだ。1つのスポットに対して、何千人ものプレイヤーが異なる条件で何千枚もの画像とメタデータを蓄積していった。

Googleストリートビューとの比較

この異常さを理解するには、Googleストリートビューと並べてみるとよい。

Googleは2007年からストリートビューの撮影を開始した。専用のカメラ車両を世界中に走らせ、18年かけて1,600万キロメートル以上の道路を撮影。2012年時点で稼働していた車両は約250台。カメラは1台あたり数万ドル。収集した画像の総数は2200億枚以上に達する。100カ国以上をカバーする、人類史上最大規模の映像収集プロジェクトだ。

しかしストリートビューの画像は「車道から見た風景」が基本になる。特定の場所を様々な角度・時間帯・天候で繰り返し撮影したものではない。車両のルート上にないランドマークの詳細な3Dデータは取れない。

ポケモンGOのプレイヤーたちは、その弱点をすべて補うデータを生成していた。同じポケストップに何千人もが通い、異なる角度から、異なる時間に、異なる天候のもとで撮影し続けた。300億枚。Googleが18年と専用車両250台と数千万ドルをかけて集めた2200億枚の画像総数には及ばないが、「特定の都市空間の多角的な3D理解」という点では、ポケモンGOのデータの方が密度が高い。そしてNianticにとっての収集コストは、実質ゼロだ。

遊びと労働の境界線が、ゲーム内報酬という薄い膜一枚で隔てられていただけだった。

「見る」ことで位置を知る

こうして集まった300億枚の画像とメタデータを使って構築されたのが、VPS（Visual Positioning System）だ。