フィジカルAIへの第一歩 ── 製造現場が「今から」できること【セミナーレポート】

メタワーク：遠隔操作による産学連携プロジェクト

講演ではまず、古城が携わる産学連携プロジェクト「メタワーク」を取り上げました。内閣府 戦略的イノベーション創造プログラム（SIP）第3期「バーチャルエコノミー拡大に向けた基盤技術・ルールの整備」に採択されたプロジェクトで、名古屋大学、産業技術総合研究所、トヨタテクニカルディベロップメント、ウフル、Zero to oneが参画しています。

目的は、遠隔操作（テレオペレーション）によって、産業の乏しい地域の人材が遠隔地の工場・倉庫の仕事に従事できる環境を整えることです。人手不足の解消、地方の雇用創出、スキマ時間の活用を狙いとしており、実証実験も進んでいます。

愛知県新城市では、参加者がVRゴーグルを装着し、遠隔地に設置されたロボットアームを操作するPoCが実施されました。講演では、この様子を取材した映像を交えて紹介しました。

古城は、この国内（県内）での実証を踏まえ、対象範囲をさらに広げる取り組みとして、海外での実証実験にも触れました。ホーチミンシティの現地スタッフが、日本にあるロボットアームをVRヘッドセットとコントローラーで遠隔操作し、日本の楽器店から修理依頼のあったウクレレを扱う様子を、映像で紹介しました。

フィジカルAIとは

ここまで紹介したメタワークの遠隔操作の取り組みは、フィジカルAIの構成要素のうち「ロボティクス」（遠隔操作との併用）に該当するものです。ここで、フィジカルAIそのものの定義について解説しました。フィジカルAIは、ロボットの自律動作だけでなく「人へのフィードバック」も含む概念であるとし、次の要素を挙げています。

図1：フィジカルAIの構成要素

世界の動向と製造現場のギャップ

次に触れたのが、世界の動向と製造現場の現実との間にあるギャップです。

世界では、米国・中国のスタートアップを中心に数千億円規模の資金調達が進み、基盤モデル化による普及の転換点（ChatGPT moment）を狙う動きが活発化しています。歩行（ロコモーション）はほぼ実用水準に達しました。

一方、製造現場では、電源・通信・バッテリーなどのインフラ制約、既存設備・レガシーシステムとの接続、現場固有の知識がモデルに組み込まれていないこと、安全性の枠組みが実用レベルに至っていないことなど、課題が数多く残っていると指摘しました。

図2：世界で起きていることと製造現場の現実の対比

「データが勝ち筋」は本当か

「日本は現場データが豊富なのでフィジカルAIで有利」という言説については、ベンダーとユーザーで解釈が異なる点を整理しました。

• ベンダーの立場： 必要なのは幅広い汎用データ。特定企業の現場データは応用範囲が狭く、価値を生みにくい
• ユーザーの立場： 自社の生産性向上が目的であり、現場データによる「現場固有の知識」の充足が不可欠。AI活用による現場導入で実質GDPを最大1.6ポイント押し上げるとの試算も紹介

汎用フィジカルAIモデルは製造現場まで届くか

汎用的なフィジカルAIモデルが、家事支援のような分野から製造現場までどこまで発展しうるかについては、2つのシナリオを示しました。

• シナリオA（届く）： 汎用モデルが普及の転換点を迎え、家事・生活支援→介護・小売・物流→組立・製造へと、最小限の追加調整で対応範囲が広がる
• シナリオB（届かない）： 実用に必要な技術水準が想定より高く、特にマニピュレーションが難所として残り、長期の停滞期に入る

どちらに転んでも、今から準備することが重要だとまとめました。

フィジカルAIに活かせる現場データ

ロボット学習のためのデータ収集手法としては、以下を挙げました。

• sim-to-real： シミュレーション上で学習した方策を実機へ転移
• テレオペレーション： 人間が実機ロボットを遠隔操作してデモを収集
• UMI（Universal Manipulation Interface）： 手持ちデバイスで直接デモを収集
• egocentric video： 作業者視点のカメラで作業を記録（Ego4D、Project Ariaなど）

あわせて、合成データと実データを組み合わせたデータピラミッドの考え方（Web・人間動画→合成データ→実データ）にも言及し、両者は代替関係ではなく役割の異なるレイヤーであると説明しました。

フィジカルAI導入レベル（5段階）

独自の「フィジカルAI導入レベル」として、5段階のモデルを提唱しました。

1. 状況観測： AIが現場を見て言語化（CV、VLM、センサー）
2. 知識付加： 現場の知識を加え、AIの認知を深める（RAG）
3. ティーチング： ロボットに行動を教える（Sim2Real、テレオペレーション）
4. 責任分界： 行動の主導権を人間からAIへ移行（Human in the Loop、Harness Engineering）
5. 自律稼働： AIが認知・行動・責任分界を自律的に担う（人間は監督、VLA）

レベル1〜3は実機ロボットを必要とせず、現場のデジタル化・データ化だけで着手できる点を強調しました。

図3：フィジカルAI導入レベルの5段階

人とAIの責任分界のグラデーション

人とAIの責任分担については、3段階のステップで説明しました。

• STEP1： VLM＋RAG。ウェアラブルカメラ映像を解析し、現場知識をRAGで抽出して作業者に画面・音声でガイド。人間90%・AI10%程度。今日から導入可能
• STEP2： テレオペレーション＋人間の判断。熟練者1人が複数現場を遠隔支援。人間50%・AI50%程度
• STEP3： VLAによるロボットの自律稼働。つなぎ目のみHuman-in-the-loop。人間12%・AI88%程度

このうち、STEP2の期間が最も長く続く可能性が高いとの見方を示しました。

図4：人間とAIの責任分界のグラデーション

待てばいいもの、今からできるもの

最後に、フィジカルAIの発展シナリオがどちらに転んでも無駄にならない取り組みを整理しました。

製造現場のデジタル化・データ化に取り組みながら、フィジカルAI導入に向けた準備を進めることの重要性を示し、講演を締めくくりました。