ロボットが“見て、触れて、考えて動く”時代へ
生成AIの進化は、文章や画像を作るところから、いよいよ現実世界を動かす段階へ進んでいます。その中心にあるのがフィジカルAIです。
今回注目したいのは、川崎重工業、ファナック、安川電機という国内ロボット大手3社が連携し、製造現場向けのフィジカルAIデータセット構築に乗り出すというニュースです。
単にロボットを賢くする話ではありません。人が現場で培ってきた“力加減”や“微妙な手先の動き”を、AIが学べる形に変換しようとする取り組みです。
これが進めば、これまで自動化が難しかった組み立て、把持、検査、段取り替えといった作業にも、AIロボットが入り込む可能性が高まります。
発表のポイント：大手3社に大学・スタートアップも参加
報道によると、川崎重工業は2026年7月2日、ファナックや安川電機などと協力し、フィジカルAI向けのデータセットを構築すると発表しました。この取り組みは、経済産業省が支援するAI研究プロジェクトGENIACの公募に採択されています。
川崎重工業は7月2日、ロボットメーカー大手のファナックや安川電機などと協力し、センサー類で認識した情報をもとにAIが考えて物理的なデバイスを動かす「フィジカルAI」向けのデータセットを構築すると発表した。
出典：ITmedia AI＋
参加するのは大手ロボットメーカーだけではありません。大阪大学や、ロボット向け触覚センサーを手掛けるFingerVisionなども連携するとされています。
つまり、産業用ロボットの実装力、大学の研究力、触覚センサーの専門技術を組み合わせる構図です。日本のロボット産業が持つ強みを、AI時代のデータ基盤に変えようとしている点が重要です。
カギになるVTLAモデルとは何か
今回の取り組みで開発が進められるのが、VTLAモデルです。これはVision、Tactile、Language、Actionの頭文字を取ったもので、日本語にすると視覚・触覚・言語・動作を統合して扱うAIモデルです。
従来のロボットは、決められた手順を正確に繰り返すことが得意でした。一方で、部品の位置が少しずれたり、素材の硬さが変わったりすると、人間のように柔軟に対応するのは苦手です。
VTLAモデルが目指すのは、カメラで見た情報、センサーで感じた力や滑り、言語による指示、そして実際のロボット動作を一つの流れとして学習することです。
たとえば「この柔らかい部品を傷つけずに持ち上げて、奥の治具に差し込む」という作業では、見るだけでは足りません。どれくらいの力でつかむか、途中で滑っていないか、どの角度で挿入するかまで判断する必要があります。
この“手触りを含めた知能”をAIに学ばせる点が、今回のテーマの核心です。
なぜデータセットが勝負を分けるのか
フィジカルAIの開発で最も難しいのは、モデルそのものよりも良質な学習データを集めることです。テキストAIであればWeb上の文章を大量に学習できますが、ロボットの動作データは簡単には集まりません。
現実の工場では、作業対象の形状、重さ、摩擦、照明、治具、周辺設備がそれぞれ異なります。さらに、失敗すれば部品を壊したり、設備を止めたりするリスクもあります。
だからこそ、製造現場で実際に収集したデータを、AIが学びやすい形に整備することが大きな価値になります。日本経済新聞も、フィジカルAIでは現場の生データを処理しやすい形式に整えるデータ精製技術が重要だと報じています。
参考：日本経済新聞「国産フィジカルAI、カギ握るデータ精製技術」
海外ではVLAモデルの研究も進んでおり、Open-VLAのように大規模なロボット制御データセットで事前学習されたモデルも登場しています。富士ソフトの解説では、Open-VLAは約97万件規模のロボット制御データセットを事前学習していると紹介されています。
日本勢が勝つには、単にモデルを作るだけでなく、現場で使える高品質なデータをどれだけ持てるかが分かれ目になります。
製造現場で何が変わるのか
フィジカルAIが実装されると、ロボットの役割は“決められた動きを繰り返す機械”から、“状況を見て作業を調整する作業者”に近づいていきます。
特に効果が期待されるのは、ばらつきのある作業です。
- 柔らかい部品や傷つきやすい部品の把持
- ケーブルやチューブなど変形する対象物の取り扱い
- 人の目視に頼っていた外観検査
- 少量多品種ラインでの段取り替え
- 微妙な力加減が必要な挿入・組み付け作業
これらは、従来の自動化では費用対効果が合いにくい領域でした。専用治具を作り込めば対応できても、製品が変わるたびに再設計が必要になり、現場負担が大きかったからです。
フィジカルAIが進めば、ロボットに対して自然言語で作業の意図を伝え、実際の動作はセンサー情報を見ながらAIが微調整する世界が見えてきます。
もちろん、すぐに万能ロボットが登場するわけではありません。それでも、まずは限られた工程から“教示レスに近い自動化”が広がっていくはずです。
日本のロボット産業にとっての勝ち筋
日本は産業用ロボットの分野で強い基盤を持っています。ファナックや安川電機は世界的にも存在感があり、川崎重工業も産業ロボットや医療・サービス領域で実績を重ねてきました。
フィジカルAIの面白いところは、人型ロボットだけが主役ではない点です。工場では、必ずしも人間の形をしたロボットが最適とは限りません。むしろ、高精度なアーム、安定したサーボ制御、堅牢な安全設計を持つ産業用ロボットの方が、現場導入では有利な場面も多くあります。
日本経済新聞も、製造現場ではロボットが人型である必要がない場面が多く、産業用ロボットで強い日本企業はフィジカルAIで技術を生かせると指摘しています。
参考：日本経済新聞「フィジカルAIで光る『ロボット大国』日本の技術」
今回の3社連携は、各社がバラバラにAI化を進めるのではなく、共通のデータ基盤やエコシステムを作ろうとする動きです。ここに大きな意味があります。
課題はデータ共有と現場実装のバランス
一方で、課題もはっきりしています。製造現場のデータは企業競争力そのものです。部品の扱い方、工程条件、失敗パターン、熟練者の動きは、簡単に外部へ出せるものではありません。
そのため、フィジカルAI向けデータセットを広げるには、競争領域と協調領域をうまく分ける必要があります。
- 共通化できる基本動作データ
- 業界横断で使えるセンサー・動作フォーマット
- 企業秘密を守る匿名化やデータ加工
- 個社ごとの工程に合わせたファインチューニング
この設計を誤ると、データは集まらず、モデルも育ちません。逆に、信頼できるデータ流通の仕組みができれば、国内のロボットメーカー、SIer、部品メーカー、AI企業が同じ土台の上で開発を加速できます。
AIロボット協会 AIRoA も、ロボティクス分野の生成AI基盤モデルに向けたデータプラットフォーム研究開発に取り組んでおり、国内ではデータエコシステムづくりの動きが広がっています。
導入を考える企業が今見るべきポイント
製造業の現場担当者にとって、今回のニュースはまだ研究開発の話に見えるかもしれません。ただ、数年後の自動化投資を考えるなら、今から見ておくべきポイントがあります。
まずは“AIに学ばせやすい工程”を探す
すべての工程を一気にAI化する必要はありません。ばらつきがあり、人の判断や手先感覚に依存しているが、作業内容はある程度繰り返し性がある工程が候補になります。
データを残す設計に変える
カメラ映像、力覚、作業ログ、失敗時の状態などを残せるライン設計が重要になります。将来のフィジカルAI導入では、設備そのものよりも過去の現場データが資産になる可能性があります。
ロボットメーカー任せにしすぎない
AIロボットの性能は、現場の制約条件や作業ノウハウをどれだけデータ化できるかに左右されます。ユーザー企業側も、工程設計・品質管理・生産技術の知見をモデル開発に接続する意識が必要です。
まとめ：ロボットは“教示”から“学習”へ進む
川崎重工業、ファナック、安川電機の連携は、日本のロボット産業がフィジカルAI時代へ本格的に踏み出す象徴的な動きです。
視覚・触覚・言語・動作を統合するVTLAモデルは、従来のロボット制御とは発想が異なります。人が細かく動きを教え込むのではなく、ロボットがデータから作業のコツを学ぶ方向へ進むからです。
もちろん、データ共有、現場安全、品質保証、導入コストなどの課題は残ります。それでも、製造現場の人手不足や少量多品種化を考えると、フィジカルAIは避けて通れないテーマです。
生成AIがデスクワークを変えたように、フィジカルAIは工場の作業そのものを変える可能性があります。今回のデータセット構築は、その変化を支える“最初の土台づくり”と言えるでしょう。
コメント