現場を激変させる「エッジAIロボット」
BMWも導入 78兆円市場に化ける「フィジカルAI」の衝撃
BMWなども導入を進める「フィジカルAI」は、従来の単純自動化と何が違うのか。2030年に78兆円規模へ急成長が見込まれるなか、現場の判断をエッジで自律化する最新ロボット技術の全容と課題に迫る。
フィジカルAIは、単純で反復的な自動化タスクからの大きな飛躍を示す。基盤AIモデルの進化により、ロボットやロボット制御ソフトウェアは、ビジネスや医療、製造といった実世界の環境で状況を認識し、推論し、意思決定を下して自律的に動作できるようになった。
Capgemini Research Instituteが2026年に経営幹部1678人を対象に実施した調査によると、約80％の企業がフィジカルAIに取り組んでいる。回答者の60％は、フィジカルAIによって従来は不可能または実用的でなかったロボット活用が可能になると考えている。多国籍銀行Barclaysは、人型ロボットの市場規模が現在の20億ドルから2035年までに2000億ドルへ拡大すると予測する。
フィジカルAI全体の市場規模はさらに大きい。PwC傘下のコンサルティング会社Strategy＆の報告書によると、フィジカルAIが今後3～5年で初期の実証実験から大規模な商用導入へと移行するにつれ、市場規模は2030年までに5000億ドル（現在のレートで約78兆円）近くへ達する見込みだ。
本記事では、2030年に78兆円規模へ急成長が見込まれるなか、現場の判断をエッジで自律化する最新ロボット技術の全容と課題に迫る。
BMWはフィジカルAIをどう導入した？
身体性AI（Embodied AI）を含むフィジカルAIは、多くの業界で導入が進んでいる。自動車業界では、BMWがFigure AIの人型ロボットを採用し車両製造や車体工場での作業を支援させている。造船分野では、軍艦メーカーのHuntington Ingalls Industriesが溶接や組み立て、表面処理、検査、塗装にフィジカルAIを利用している。また、農業分野では、John Deereが2030年までにトウモロコシや大豆の農家向けに完全自律型の生産サイクルの構築を目指している。
身体性AIソフトウェアを手掛けるPalladyne AIの社長兼CEOであるベン・ウルフ氏は「自動化自体は何十年も前から存在している」と話す。「産業用ロボットを構築しプログラミングする際、人間があらゆる判断を事前に下してきた。しかし、予測不能で非構造化された作業や環境にロボットが対応できなかったため、単調で危険を伴う多くの作業を人間が担い続けている。そこに身体性AIの出番がある」（ウルフ氏）
ウルフ氏は航空機部品の再生修理を例に挙げる。「多くの場合、防護服を着た作業員が塗装ブースでサンドブラスターなどを操作し、航空機部品から古い塗料や腐食を除去している」
作業内容が多岐にわたり、柔軟性が求められる現場でもロボットの導入が進む。デジタル受託製造を手掛けるProtolabsで最高技術・AI責任者を務めるマーク・カーミッシュ氏は「大半のメーカーは単一の部品を100万回生産するため、工程は標準化され一貫している」と語る。「当社は100万種類の異なる部品を1回ずつ生産するため、製造工程に多様な変化が生じる。当社はロボットを訓練し、AIを活用して基本的なタスクを実行できるようにプログラミングしている」（カーミッシュ氏）
エッジ処理への移行で進む自律化
エッジAIの導入により、ロボットはネットワークやクラウドへの接続から独立してタスクを実行できる。「フィジカルAIでは、推論モデルそのものをロボット本体に組み込んでいる」とカーミッシュ氏は説明する。「ロボットは視覚機能を使って部品を検査しながら、エッジ上で即座に推論し意思決定を下す。この部品は品質基準を満たしているか、いないかといった判断だ。全てロボット本体に組み込まれているため、エッジで処理が完結する」。AIのトレーニングも、局所的な知識を持つ特定の領域内に絞って実施すれば済むと同氏は付け加える。
ロボット工学専門の投資会社RoboStrategyでインベストメントプリンシパルを務めるジャック・ピアソン氏は「AIロボットは自律的に動く」と述べる。「関係者が目指している大きな目標は、1台で多様な作業をこなせる汎用（はんよう）ロボットだ。しかし実社会で稼働しているロボットは、手広く浅い手法よりも特化型のアプローチを取っている。データ収集や学習のリソースを単一のタスクに集中させている」（ピアソン氏）
ロボットシステム開発企業Ambi RoboticsのCTO兼共同創業者であるジェフ・マーラー氏によると、フィジカルAIはスマート工場の生産性向上にも寄与する。現場では「高い自律性を持って完成品の組み立てやキッティング、出荷をこなせる」という。「フィジカルAIは主に、クラウドのトレーニングインフラ上で事前に収集したデータからオフラインで学習する。トレーニングの重要局面となる自己学習では、ラベルなしデータを使用して動画や画像、センサーデータ、動作の汎用（はんよう）的な表現を学ぶ。これにより、新しいタスクや品目、環境への適応力が大幅に高まる」（マーラー氏）
カメラとLiDAR、音声の統合による環境知覚
身体性ロボットのハードウェアに加え、フィジカルAIは多様な技術で構成される。センサーおよび知覚システムを提供するOusterのCEO兼共同創業者であるアンガス・パカラ氏は「AIシステムで周囲の環境を感知できなければ、できることは少ない」と話す。同氏によると、光学センサーの存在が、実世界と相互作用できるAIシステムと「コンピュータのコンソール内に閉じ込められたチャットボットやAI」との差別化要素になるという。
「LiDARとカメラはいずれも光学センサーだが、自ら光を照射して反射を捉えるLiDARは、超人的な能力を持つセンサーだ」とパカラ氏は指摘する。「人型ロボットやドローン、コンバイン、フォークリフト、自動車など目にする機械の大半は、周囲の環境を安全かつ柔軟に移動するためにカメラとレーダーを主に使っている」（パカラ氏）
音声AIを提供するKardomeのCEO兼共同創業者であるダニ・チェルカスキー氏は、カメラは障害物の回避に役立つが、誰がロボットに話しかけているのか、あるいは自分に向けられた言葉なのかをロボットが理解する役には立たないと指摘する。「音声は、負荷の重い推論モデルを起動する前に、人間の意図という重要な現実を処理する高速な反射層だ」と同氏は話す。
「現在のロボットは基本的に耳が聞こえていない状態だ」とチェルカスキー氏は語る。「人間同士なら、質問する前に相手の正面90センチの距離までわざわざ歩み寄ったりはしない。機械でもそこまで不自由な動作は求めていないはずだ」。視覚、LiDAR、音声を統合した機械は、周囲の状況を的確に理解できると同氏は補足する。
ただし、最終的にはデータの品質が成否を分ける。「どれほど精緻（せいち）で人間に近い推論モデルを構築しても、供給されるデータの質が低ければ機能しない」とチェルカスキー氏は警鐘を鳴らす。
ピアソン氏によると、フィジカルAIは「コカ・コーラのボトリング工場のように同じ作業を何百万回も繰り返す業務」には向かない。「そうした業務は規模が大きいため、固定的な自動化設備を導入するだけで十分だ」（ピアソン氏）。同氏は、フィジカルAIを初めとする新興技術全般に共通する課題も指摘する。「内部でどのような処理が行われているか分からないブラックボックスになっている。安全性が極めて重視される業務で、故障や誤作動の発生率は完全とは言えない」（同氏）
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
技術文書・技術解説
[セコムトラストシステムズ株式会社] SCS評価制度で重要性が増す「SASE」 制度の要求事項と機能はどう関係する？ -
製品資料
[株式会社オプティム] SaaS管理やID管理などの「資産管理」をまるごとカバーする方法とは？ -
製品資料
[株式会社kickflow] 3分でわかる「kickflow」 どのようなワークフローを実装できる？ -
事例
[株式会社kickflow] 出前館も実践 ワークフロー刷新で得られる効果とは？ -
事例
[株式会社kickflow] ワークフロー活用事例：社内システムとのAPI連携で業務効率化＆統制強化を実現
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
-
2
1200万円のSaaS導入を回避 スギ薬局「運用費10万円」のAIエージェント構築術
-
3
年収700万超エンジニアに共通するスキルと「もっと勉強すべきだった分野」
-
4
「企業におけるAIの運用」に関するアンケート
-
5
「完璧な設計」なのに3000万円溶けた AWSの失敗事例から学ぶ3つの教訓
-
6
「企業内サーバ環境の利用実態」に関するアンケート
-
7
本当にそのIBM iに問題はない？ ブラックボックス化と属人化を防ぐ第一歩
-
8
脱VMwareか、継続か？ 仮想化ソフト主要6製品の機能とスペックを徹底比較
-
9
なぜ情シスは評価されにくい？ 読者調査で見えた「成果が見えない仕事」第1位は
-
10
「シェルコード」とは？ 凶悪なマルウェア感染を可能にする手口
ホワイトペーパーランキング PR
-
1
「Google Workspace」活用事例34選、先進の生成AIによる組織変革の全貌
-
2
DX／AI投資の壁を突破、現代の最高財務責任者が直面する課題と克服のヒント
-
3
Linuxのスキルを証明する“激推し”の認定資格はこれだ
-
4
バックアップは“取っているから大丈夫”なのか？ ランサムウェア時代の備え方
-
5
ネットワーク遅延の原因、「パケットロス」の基礎知識と効果的な解決策
-
6
月1000枚の紙を削減 9年動けなかった組織が、業務改革のその先に得たもの
-
7
「改正物流効率化法対策」徹底解説 総物流費を抑制するサプライチェーン戦略
-
8
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
9
5分で分かる Microsoft 365のデータ損失に備えるためのバックアップの仕組み
-
10
Windows PCとMacの選択制で生産性向上 LINEヤフーが実践する運用管理方法とは
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー