開発進む国内のフィジカルAI、AWSジャパンが支援プログラムの成果を紹介

物流や製造などの業種特化型のロボット開発も

　汎用的なフィジカルAIと並行し、特定業種での利用を想定した開発も進む。例えば物流向けでは、搬送機器メーカーのダイフクとソフトウェアベンダーのジェイディーエスシーが共同で、作業者の言葉をフィジカルAIに伝えるための仕組みを構築している（表2）。指示内容をフィジカルAIが実行できる作業単位に分解して伝達し、各作業直後に成否を判定して失敗部分を再実行する。商品仕分けを想定したシミュレーションでは、学習していない商品と仕分け先の組み合わせで97%の成功率を達成したという。

　メルカリは、自社倉庫での海外発送前検品を対象にしたアーム型ロボット用のAIモデルを開発する。成果発表では、靴を箱から取り出して確認し、再梱包するAIモデルを紹介した。倉庫で収集した110時間分の動作データを学習させた。2026年度中に実証実験に取り組み、2028年には自社倉庫作業の約20%を自動化し年間最大2億円のコスト削減を目指す。

　製造向けでは、技術コンサルティングの豆蔵が、板金部品の整列作業に向けたヒューマノイド用プログラムを見せた（表3）。AIモデルによる制御とルールベースのプログラム制御を組み合わせて制御する方式を試みている。カメラ映像に基づくAIモデルではピックアップ作業などを上手く制御できなかったためだ。例えば、無作為に積まれた部品を取り出す動作をプログラムで、その整列はAIモデルで制御する。実験では85%の成功率を達成した。

　建設分野では竹中工務店が、壁をローラーで塗る作業に取り組んだ。道具の3D（3次元）データを用意し、作業所を再現したシミュレーション空間と組み合わせてクラウド上で学習・検証した。シミュレーション上の塗装動作の成功率は10～15%程度で、今後はデータ不足や、学習した動きを現場の実機で実験するのが難しいといった課題に取り組む。

　ロボットなどの開発と並び、モデルの学習などに必要なデータの収集時間や計算資源を抑える取り組みもある。

　学習用データセットなどを提供するファストラベルは、ロボットの学習用データを、実操作から作成した90パターンをシミュレーションで約1万パターンに拡張できるようにした。実データに混ぜて学習させると作業成功率が平均14.2%向上したという。ただし、シミュレーションデータを増やすと成功率が下がるため、データの偏りとの関係を検証している。

　リコーは、ロボットに共通の動作表現を学習する方法を検証した。ロボット本体の機種が変わるたびにデータ収集とモデル開発をやり直す負担を抑えるのが狙いだ。シミュレーションと実機での検証では、モデル規模を約3分の1に抑えても性能を維持できる可能性が確認できたという。

　AWSジャパンは現在、フィジカルAI開発支援プログラムの第2期に参加する企業や団体を募集している。第2期では、技術支援や計算資源、コミュニティ形成、市場開拓に加え、AIモデルのアーキテクチャー設計に応じたコスト最適化の支援を提供する。