
ロボティクス

ロボティクス
-

2026年5月5日
著者 Jonathan Schramm
ソフトバンク Roze IPO: AI データセンター ロボティクス ベット
By Jonathan Schrammテクノロジートレンドに早期投資する際、ソフトバンクほど比較できる企業はほとんどありません。日本の投資ファンドで、孫正義が創設したソフトバンクです。例えば、ソフトバンクはAlibaba 、Nvidia 、Arm Holdings 、そしてOpenAIに早期投資しています。同社は現在、別の投資先であるRozeの評価額を確定させようとしています。RozeはAIとロボティクスの企業で、AIデータセンターの建設を自動化しています。金融セクター向けのAI企業であるRoseAIや、韓国のAI災害ソリューション企業RozeAIと混同しないでください。特に混乱のリスクが高いのは、RozeAIが2026年5月にティッカーROZEで公開IPOを計画しているためです。ソフトバンクのRozeは近いうちに、できれば2026年初めに上場される予定です。これはソフトバンク(SFTBY)にとってもう一つの大きな成功となり、投資家が再び同社株式に注目する理由となるでしょう。データセンター建設の加速過去数年でAIの性能が飛躍的に向上したのと同様に、これらのAIを商業用途に訓練・適用するための計算力を提供できる「ハイパースケール」AIデータセンターの建設活動も急増しています。データセンターの建設だけで、運用を除くと、2025年の市場規模は2,610億ドルで、今後12.7%の年平均成長率で6,620億ドルまで拡大すると予測されています。AIワークロードは2025年の需要の約25%を占めており、2030年までにデータセンター全体の計算の50%から70%を占めると予測されています。合計で、3.7兆ドルから8兆ドルがAIデータセンターインフラに費やされる可能性があります(今後5年間)。しかし、多くのデータセンター建設プロジェクトが遅延しており、これらの予測が狂う可能性があります。遅延の一部はエネルギー供給や電力網の容量、そして何よりもこれら施設の膨大なエネルギー需要に起因しています。もう一つの課題は熟練した人材で、電気技師、HVAC技術者、配管工などが含まれます。データセンター特有のスキル、例えばスーパーバイザー、機械・電気・配管コーディネーター、ビルディング情報モデリング(BIM)リーダー、コミッショニングマネージャーなどになると問題はさらに深刻になります。データセンター提供者の60%以上が、空いているポジションに適格な候補者を見つけることに課題があると報告しています。「全国で約3,000件のデータセンタープロジェクトが建設中または計画中であり、多くの大規模建設が含まれていますが、各プロジェクトは通常、建設ピーク時に1,500〜3,000人の労働者を雇用します。より大規模なプロジェクトでは4,000人もの労働者が必要となり、これは小さな町と同規模です。」このため、ソフトバンクはデータセンター建設の最前線に立ち、5,000億ドル規模のプロジェクト「Stargate」やOpenAI、Oracle と共に、ロボティクスとAIを活用して、まもなく独立上場するRoze社とともにAIデータセンターの容量を構築しようとしています。Rozeはどのように構築されるのか?新しいデータセンター建設手法の創出現在、Rozeは独立した会社として正式には存在せず、独自のウェブサイトも持っていません。しかし、ソフトバンクが数十億ドルで完全または部分的に取得した複数の補完的な企業や部門の統合により構築される予定です: ABBのロボティクス部門は54億ドルで取得されました。 Ampere Computingは65億ドルで取得されました。 DigitalBridgeのデータセンター資産は30億ドルで取得されました。 結果として、RozeのIPOは1000億ドルの評価額を目指すと報じられており、これはソフトバンクがこれらの個別の能力を統合し、特にOpenAIを中心としたAIハイパースケーラーエコシステムとの深い連携を活用するシナジー効果による大幅な価値増加となります。ソフトバンクの他の部門がRozeに統合されるかは不明です。候補としては、データセンター向けエネルギー供給システムの提供に注力するソフトバンクグループのSB Energyが挙げられます。シナジーの構築Rozeに組み込まれる資産が発表されたことで、ソフトバンクの将来の新部門のモデルが予測できます。DigitalBridgeは、デジタルインフラへの投資に特化した資産運用会社としての既存の専門知識を持ち込みます。同社はRozeの中核事業であるデータセンターだけでなく、セルタワー、光ファイバーネットワーク、エッジインフラにも経験があります。DigitalBridgeは、AIデータセンター建設プロジェクトの設計、コミッショニング、管理を迅速化するために必要な知識と人材を提供すると期待できます。“DigitalBridgeはデジタルインフラのリーダーであり、この買収は次世代AIデータセンターの基盤を強化し、ASIプラットフォームのリーディングプロバイダーになるというビジョンを前進させ、人類を前進させるブレークスルーを解き放つのに役立ちます。” Masayoshi Son – SoftBank Group Corpの会長兼CEOAmpere Computingは約1,000人の半導体エンジニアを抱えるチップ設計会社で、次世代クラウドコンピューティングとAIワークロード向けに高性能でエネルギー効率の高いプロセッサを設計しています。Arm Holdingsと共に、この部門はAI展開を加速させるコンピューティングハードウェアとチップの専門知識を提供します。ABBロボティクスは、建設、ケーブルの引き込み、配管の接続、サーバーラックの設置などにおいて、人手を代替したり作業者の生産性を向上させることで、労働力不足の解決を担う部門となります。Rozeをユニークにする要素は何か?Rozeをユニークにするのは、ABBのロボティクス部門である可能性が高いです。ABBはAIを非常に積極的に統合しており、さまざまな用途で産業ロボットに活用しています。例えば、すでに導入されているユースケースとして以下が挙げられます: 品質検査: 22マイクロメートルの精度で欠陥を検出し、人間の20倍の速度でスポットチェックを行う機械ビジョン対応ロボットセル。 予知保全: AIベースの評価基準学習を備えたロボットは、99.9%の診断精度と生産停止なしを実現します。 自律掘削: センサーとAIシステムを搭載したロボットが、エレベーターシャフトの掘削と設置を支援し、精度と作業安全性を向上させます。 アイテムピッキング: 3DビジョンとAIディープニューラルネットワークにより、未知の物体を1時間あたり1400回ピックできるロボット。...
-

2026年4月10日
著者 Jonathan Schramm
四足ロボットが自律的な火星探査に備える
By Jonathan Schrammある日、宇宙探査は、月へのアルテミス計画やイーロン・マスクが提案する火星への計画のように、宇宙飛行士が恒久的にオフワールドで生活することを利用するかもしれません。それでも、人間が存在しても、宇宙で必要とされる作業の多くはロボットが行うことになるでしょう。ロボットは人間の宇宙飛行士に比べて交換が容易で、毒性のある空気や真空、放射線、過酷な温度などに対してはるかに耐性があるからです。理想的には、ほとんどのローバーやロボットは単純なタスクを自律的に処理できるべきであり、地球上または現場の人間は特定の問題を解決したり、日々のミッションを決定したりする際にだけ関与すればよいでしょう。AI が急速に進化する中、物理的 AI、現在は AI リーダー NVIDIA が推進する概念も含めて、このサイエンスフィクション的なビジョンはすでに現実になる可能性があります。さらに遠いミッション、たとえば木星の衛星への探査では、通信の遅延が最大で 1 時間にもなるため、直接操作はさらに困難になり、探査機が自律的に判断できることが極めて価値あるものとなります。「ローバーはエネルギー効率と安全性を重視して設計され、危険な地形をゆっくりと移動します。その結果、探査は通常、着陸地点のごく一部に限定され、ローバーは 1 日に数百メートル程度しか走行できないため、地質的に多様なデータを収集することが難しくなります。」もう一つのステップは、宇宙探査ロボットにより自由に移動できる能力を与えることです。車輪やトラックは信頼性が高いかもしれませんが、月や火星に道路が待っているわけではありません。その結果、これまでのロボット探査ミッションは比較的平坦で移動しやすい領域に焦点を当ててきました。しかし、これらのエリアは将来の宇宙コロニー化にとって最も有用とは限りません。例えば、溶岩チューブは将来の宇宙飛行士にとって完璧な事前構築シェルターになる可能性がありますが、まだ十分に探査されたことはありません。AI 主導の溶岩チューブ探査が計画されている。また、資源は深いクレーター(水)や山岳地域(金属やその他の鉱物)に多く存在すると考えられます。「月では、多くの重要資源がアクセスが困難な地形に位置しています。揮発性やチタンが豊富な噴火堆積物、REE(希土類元素)を含む KREEP 玄武岩、そして南極付近の永続的に影ができる領域にある氷などです。火星でも、水氷の露出や金属が豊富なレゴリスが高緯度や高地の不安定な斜面や割れた地質環境に見られます。」したがって、より高度なロボットが必要であり、四足歩行の「ロボドッグ」は有力な選択肢です。この設計は地球上でもますます人気が高まっています。この可能性は、スイスの研究者たち(ETH チューリッヒ、チューリッヒ大学、ヌーシャテル宇宙探査研究所、バーゼル大学、ベルン大学)によってテストされています。彼らは四足歩行ロボットを使用し、再構築された宇宙環境で半自律的な探査とサンプル収集が可能かどうかをテストし、Frontiers In Space Technologies1 に「ラマン装備ロボットアームと顕微鏡イメージャを使用した四足ロボットによる火星・月類似体の半自律探査」というタイトルで報告しました。地球上で火星を再現する研究者はマーズラボ施設をバーゼル大学で使用しました。この施設は類似岩石、レゴリス(惑星の塵)、類似照明条件を用いて、重力を除けば火星と同一の環境を再現します。マーズラボは 80 m2 の部屋を含み、40 m2 のテストベッドが火星類似材料で構成されています。ここには石膏や炭酸塩岩など、生体シグネチャ保存の可能性が高い岩石が含まれ、赤い惑星で過去の生物活動を調査する実際の火星探査にとって重要な対象となります。さらに、過去の流水を示すシリカ系炭酸塩岩や硫黄を含む玄武岩などの岩石も含まれました。部屋の一部は月面条件も再現しており、酸化物、チタン、アルミニウム、シリコンの有用な供給源となり得る岩石が配置されています。四足探査ロボット多用途ロボットとセンサー本研究で使用されたロボットは、スイス企業ANYboticsが製造した ANYmal で、危険領域での産業検査を専門としています。マッピングとローカリゼーションを可能にするため、ANYmal...
-

2026年4月8日 著者 Gaurav Roy
DNAロボットの解説:医療とコンピューティングの未来
By Gaurav Royロボット導入は急速に進んでいます、コストの低下、需要の増加、人工知能(AI)の統合によって推進されています。World Robotics 2025 統計によると、産業用ロボットは2024年に542,000台設置されました。これは「産業用ロボットの年間設置台数として史上2番目に多く、2年前の史上最高値よりわずか2%低い」ことを示し、国際ロボット連盟(IFR)会長の伊藤隆之氏が述べました。工場のフロアに加えて、ロボットは空港、農業分野、オフィス、軍事、さらには宇宙でも積極的に展開されており、硬直した事前プログラムされた機械から適応的でインテリジェントなシステムへと進化しています。ロボットはもはや単なる機械アームではなく、材料科学、ミニチュア化、AI の進歩により、より賢く、より小型で、はるかに多用途になっています。この変化は医療に深い変革をもたらし、外科ロボットがこれまでにない精度で低侵襲手術を可能にしています。一方、マイクロロボティクスやバイオエンジニアリングシステムは、副作用を大幅に削減できる標的治療を約束しています。人体内部で機械が作動するという考えさえ、急速に科学的現実となりつつあります。分子ロボティクスの時代へロボティクスの新たなフロンティアは、DNAで構築され、人間の体内で作動する微小機械の新興クラスです。DNA ナノテクノロジーの概念は、数十年前にナドリアン・シーマン教授によって初めて提唱され、同分野の創始者と広く認識されています。しかし、初期はコストが高く、DNA 合成技術が未熟だったため、進展は遅れました。21 世紀初頭の DNA 化学合成の進歩により、製造コストが劇的に低下し、DNA ナノテクノロジーの開発が加速しました。実際の大きな突破口は 20 年前に訪れ、ポール・ローテムンドが DNA オリガミ手法を導入しました。これにより、ボトムアップの DNA 自己組織化によるナノ構造の作成が可能となり、以降 DNA ロボット構築の最も広く採用される戦略の一つとなっています。これらの微小デバイスは、生体分子から構築され、体内を航行し、細胞と相互作用し、極めて特化したタスクを実行できます。従来のロボットとは異なり、体内を構成する基本的な物質と同じ材料でできているため、生体環境内でシームレスに作動できます。新しい研究がSmartBot誌に掲載され1、この分野がどれほど進展したかを示しています。研究は、DNA 機械が初期の概念から、より複雑で実用的かつ高機能なシステムへと成長し、将来的には薬剤を直接疾患細胞に届けたり、体内でウイルスを検出・無力化したりできる可能性を示しています。その可能性はさらに広がり、単一分子分析、原子レベルのナノファブリケーション、さらには極小のコンピューティングデバイスやデータストレージシステムの構築まで及びます。詳細なレビューで、北京大学(PKU)の研究者は DNA が機能的な機械を作るためにどのように利用されているかを解説しています。遺伝情報を担うデオキシリボ核酸(DNA)は、微小ロボットの複雑な形状、正確に定義された寸法、多機能性を実現する理想的で多用途な構築材料です。これは、DNA の合成の容易さ、正確な自己組織化能力、構造的安定性、プログラマビリティによるものです。研究は「機械的プログラマビリティ」において特にユニークな利点があると指摘しています。一本鎖 DNA(ssDNA)は柔軟性を提供し、二本鎖 DNA(dsDNA)は設計に構造を与え、両者が明確な設計ツールキットを形成します。これらの特性と構造 DNA...
-

2026年3月17日 著者 Gaurav Roy
スペース 2.0: 自律ロボットとAIの台頭
By Gaurav Roy人類が星の向こうの世界をより深く理解する必要性は、画期的な成果につながってきました。この宇宙への関心が、アポロ11号の月面着陸などのマイルストーンを達成させ、人類が地球を超えて初めて踏み出すこととなりました。この大きな一歩により、野心的で好奇心に駆られた宇宙探査の時代が始まりました。しかし、天体探査への道は決して容易ではありませんでした。実際、放射線の高レベル、極端な温度変動、真空状態、機械的故障、未知の環境に伴う不確実性など、宇宙の危険にさらされることで人間に重大なリスクがありました。より安全で効率的なシステムが明確に求められ、ロボティクスと人工知能の開発・導入が進みました。これらの技術的進歩により、広大な宇宙を探査するためのより安全で確実な方法が提供されました。その結果、ロボットは現在、宇宙ミッションの重要な一部となっています。これらの機械は、人間にとって危険すぎる環境での主要な探査者となりつつあります。私たち脆弱な人間とは異なり、ロボットシステムは宇宙の過酷な条件に容易に耐えることができます。さらに重要なのは、疲れや飽きることなく継続的に稼働できる点です。そのため、NASAはロボットを広範に活用しています。例えば、Astrobeeのフリーフライングロボット(Bumble、Honey、Queen)を国際宇宙ステーション(ISS)の乗組員支援に使用しています。これらの立方体形ロボットは、物資の追跡、システムの操作、ビデオの記録などの日常的な作業を支援し、宇宙飛行士はより重要な作業に集中できます。しかし、それだけではありません。AIと統合することで、これらの機械はリアルタイムで膨大なデータを処理し、自律的に意思決定できるようになり、さらに強力になります。この分野の継続的なイノベーションは、これらの能力をさらに拡大することを目指しています。最近、中国のロボティクス企業Engine AIは、世界初のヒューマノイドロボット宇宙飛行士を宇宙へ送るという野心的な計画を発表しました。PM01は宇宙へ送られるヒューマノイドロボットです。この軽量でオープンソースのインテリジェントヒューマノイドプラットフォームは、人間に似た動きと高度なロボット知能を融合させています。バイオニック構造は人間の動きを模倣し、超高速の動作応答、高精度の環境センサー、そして自律的な意思決定機能を備えた高度にインタラクティブなコアディスプレイを持ちます。複雑な認識、動作制御、リアルタイムワークロードを管理するために、NVIDIA Jetson OrinモジュールとIntel N97 CPUを組み合わせたデュアルチップアーキテクチャを採用し、高性能コンピューティングを実現しています。したがって、ロボットがより耐久性、適応性、自律性を高めるにつれ、宇宙ステーションの外部保守や、宇宙飛行士が重大な危険にさらされる長期モニタリング作業など、高リスクの任務を担えるようになります。宇宙探査の未来は、明らかに自動化が進む方向へ向かっています。宇宙飛行士を危険にさらす代わりに、ミッションは広大な距離で協働できるインテリジェントロボットのネットワークに置き換えるだけです。では、実際にこの変革がどのように進んでいるか、2つの主要な取り組み―月と火星の地下溶岩チューブを探査する自律ロボット、そして火星の地形を安全に走行するためのAI生成ルート―を見てみましょう。概要: ロボット探査者: 自律ロボットとAIは宇宙の主要な探査者となりつつあり、過酷な条件に耐え、人間にとって危険すぎる環境でも継続的に稼働できます。 AI駆動ナビゲーション: NASAのパーサヴィアランスローバーは、火星で初めてAIが計画した走行を完了し、生成AIを用いて地形を分析し、人間の介入なしに安全なルートを描きました。 地下探査: 協働ロボットチームが開発され、月と火星の溶岩チューブを自律的にマッピング・探査し、将来の人類居住地となり得ます。 宇宙外の溶岩チューブのマッピング & ナビゲーション:ロボット月で最初にクレーターが発見されてから約20年、火星で巨大な溶岩チューブが検出されてからは半世紀以上が経過しています。これらの巨大な洞窟は町を収容できるほどの大きさです。火山活動によって形成されたこれらの溶岩チューブは、アイスランド、ハワイ、シチリア、オーストラリア、ガラパゴス諸島など、地球上でも見られます。火星や月のこれらのチューブは、宇宙線、太陽放射、頻繁な隕石衝突から保護することで表面より安全なため、将来の人類基地としての可能性がありますが、容易にアクセスできるわけではありません。内部は非常に鋭く、地形は不均一で、詳細な調査が必要です。しかし、地下構造に関する情報を収集することは困難です。チューブの天井が崩壊した部分であるスカイライトや、軌道画像で見られる長く曲がりくねった通路は、大規模な地下空洞を示唆していますが、画像だけではどのチューブが居住に適しているかは判断できません。岩だらけの地形、限られた入口、危険な条件という課題に対処するため、マラガ大学(UMA)の宇宙ロボティクス研究所の研究者は、3台のスマートロボットを用いてこれらの地下環境を自律的に探査する新しいミッションコンセプトを発表しました。ロボットは現在、スペイン・ランサロテ島の火山洞窟でテストされており、チームは将来の月ミッションでの使用を目指しています。科学誌『Science Robotics』に掲載されたこのコンセプトは、SherpaTT、LUVMI-X、Coyote IIIローバーという3種類のロボットを組み合わせ、火星と月の過酷な地下空間を自律的に探査するものです1。チームが提案するミッションは4段階で構成されています。まずロボットが洞窟入口をマッピングし、詳細な標高モデルを生成します。次に、センサー搭載のペイロードキューブが洞窟内に投入され、初期測定を行います。その後、偵察ローバーが入口から降ろされ、最終段階として過酷な地形を横断し、データを収集し、内部の詳細な3Dマップを作成します。2023年初頭にランサロテ火山島で実施された実地試験により、チームのアプローチが計画通りに機能することが実証されました。ドイツ人工知能研究センター(DFKI)が試験を主導し、マラガ大学(UMA)と企業GMVが協力しました。UMAの宇宙ロボティクス研究所の焦点は、軌道ミッションと惑星ミッションの両方でロボットの自律性を高める新技術と手法の開発にあります。研究所は欧州宇宙機関(ESA)と緊密に連携し、ローバーがルートを計画し、より独立して動作できるアルゴリズムを開発しています。この試験により、4段階のミッションアプローチが技術的に実現可能であることが確認され、将来の惑星探査における協働ロボットシステムの可能性が浮き彫りになりました。惑星ローバー向けAI駆動ナビゲーションシステム別の重要な進展として、NASAのパーサヴィアランスローバーは、古代微生物の痕跡を探し、将来の地球へのサンプルリターンを目的としたサンプル収集を行う火星サイズのロボット科学者であり、初めてAIが計画した走行を「赤い惑星」で完了しました。したがって、人間のオペレーターが計画したルートではなく、AIが組織したルートを利用して火星探査機は歴史的な成果を上げました。ルートを作成するために、ビジョン対応AIはまず画像と地形データを分析し、人間のローバープランナーが使用する危険(岩や砂の波紋)を特定し、次に安全なパスを火星表面に計画しました。しかし、AI生成パスを実際に使用する前に、まず6輪ローバーの仮想レプリカでテストされ、パーサヴィアランスはそれらを自律的に数百フィート走行し、成功しました。NASAのジェット推進研究所が主導し、ローバーの日々の運用を監督する中で、パーサヴィアランスは生成AIが計画したウェイポイントで別の惑星での初走行を完了しました。「この実証は、我々の能力がどれほど進歩したかを示すとともに、他の世界を探査する方法を広げます」とNASA管理官のジャレッド・アイザックマンは述べました。「このような自律技術は、ミッションがより効率的に運用でき、困難な地形に対応し、地球からの距離が増すにつれて科学的成果を高めるのに役立ちます。これは、チームが新技術を慎重かつ責任を持って実際の運用に適用した強力な例です。」昨年12月初旬のマイルストーン実証では、エンジニアがビジョン・ランゲージモデルを使用してJPLの表面ミッションデータセットから既存データを分析しました。人間のプランナーが使用する同じ情報と画像を分析することで、システムはパーサヴィアンスが困難な火星地形を安全に横断するためのウェイポイント位置を特定しました。この成果は、JPLのローバーオペレーションセンター(ROC)とAnthropic社のClaude AIモデルとの協調的な取り組みでした。「地球上だけでなく、ローバー、ヘリコプター、ドローン、その他の表面要素におけるエッジアプリケーションでも、NASAのエンジニア、科学者、宇宙飛行士の集合知で訓練されたインテリジェントシステムを想像してください」とJPL探査システムオフィスのマット・ウォレスマネージャーは述べました。「それが、月への恒久的な人類存在を確立し、米国を火星以降へ導くために必要なインフラとシステムを構築するためのゲームチェンジング技術です。」火星は地球から約1億4000万マイル離れており、通信遅延のためローバーをリアルタイムで制御することは不可能です。長い間、ローバーのナビゲーションは人間が地形データを綿密に調査し、事前にルートを計画することに依存してきました。これらのパスは、ローバーが危険に遭遇するリスクを減らすために約100メートルごとにウェイポイントが配置されています。計画が完了すると、NASAの深宇宙ネットワーク(DSN)通信インフラを通じて指示が送信され、ローバーは指示を実行します。しかし、パーサヴィアンスが火星の第1,707日目と第1,709日目に走行した際、この責任は生成AIに委ねられました。システムはMRO宇宙船のナディア側に搭載されたHiRISEカメラが取得した高解像度軌道画像と、デジタル標高モデルからの地形傾斜データを分析しました。この情報により、AIは岩礫帯、岩盤、砂の波紋、露出岩、その他重要な表面特徴を特定し、必要なすべてのウェイポイントを含む連続走行パスを作成しました。JPLのローバーエンジニア、ヴァンディ・ヴェルマは次のように述べました:「生成AIの基本要素は、惑星外走行の自律ナビゲーションの柱である認識(岩や波紋を見ること)、位置特定(自分の位置を知ること)、計画と制御(最も安全な経路を決定し実行すること)を効率化する上で大きな可能性を示しています。」これらの指示はJPLのデジタルツイン(ローバーの仮想レプリカ)で実行され、500,000以上のテレメトリ変数をチェックして、パーサヴィアンスのフライトソフトウェアと安全に動作することを確認しました。このAI生成プランを使用し、NASAのパーサヴィアンスは12月8日に210メートル、12月10日に246メートル走行しました。「我々は、生成AIやその他のスマートツールが表面ローバーのキロメートル規模の走行を支援し、オペレーターの作業負荷を最小化し、膨大なローバー画像を解析して科学チームに興味深い表面特徴を提示する時代へと向かっています。」– Verma宇宙探査におけるロボティクスとAI 技術コンポーネント 動作原理 探査における役割 期待される利益 自律ローバー AI搭載車両はセンサーとオンボード処理で地形をナビゲートします。 火星と月の表面探査の主要手段。...
-

2026年2月23日 著者 Joshua Stoner
フィジカルAIハンドブック: ロボティクスへの投資 (2026)
By Joshua Stoner具現化インテリジェンス時代への投資世界のテクノロジー環境は「スクリーンAI」――データセンターに存在するソフトウェア――から、実世界と相互作用する機械にインテリジェンスが具現化されたフィジカルAIへとシフトしています。2026年までに、高性能ロボティクス、エッジコンピューティング、ファンデーションモデルの融合は単なる推測を超え、産業・家庭労働における何兆ドルもの価値が、実験室のプロトタイプから工場フロアへと自律システムが移行することで「再構築」されています。フィジカルAIがコードと炭素のギャップを埋める方法フィジカルAIモデルは、知能の繰り返し可能なサイクルに従います: 知覚(センサー)→ 処理(脳)→ シミュレーション(トレーニング)→ 作動(ボディ)。本ハンドブックの各パートは、このスタックの層を探ります――世界を見るセンサーから、機械がグローバル経済全体にスケールするためのビジネスモデルまで。投資家にとって、これは次なるハードウェア・スーパサイクルを意味します。過去10年がクラウドに焦点を当てていたのに対し、次は「エッジ」です。私たちは、インフラ、企業、そしてこの新興フロンティアの投資リスクをナビゲートするための包括的な6部構成シリーズ――フィジカルAIハンドブック――を編纂しました。
-

2026年2月23日 著者 Daniel Martin
ヒューマノイドレース: 人間の世界のために作られた体 (2026)
By Daniel Martinシリーズナビゲーション: 全6部の第1部 The Physical AI Handbookヒューマノイドレース: 人間の世界のために作られた体数十年にわたり、産業オートメーションは安全ケージ内に床に固定されたロボットアームと同義とされてきました。これらのシステムは効率的でしたが脆弱で、タスクが変わるとライン全体を再設計しなければなりませんでした。2026年にパラダイムが変わり、ヒューマノイドロボットは見た目が人間に似ているからではなく、人間のように動くから、ヒューマンワールドに導入され始めています。ヒューマノイド形状の戦略的優位性は「ブラウンフィールド互換性」です。これらの機械は人間と同じ階段、ドア、作業ステーションを使用できるため、企業は数百万ドル規模のインフラ全体改修なしに既存施設を自動化できます。2026年の生産環境2026年の議論は「歩けるか?」から「何台作れるか?」へと移行しました。主要企業は現在、製造規模の拡大とエンタープライズレベルの信頼性確保に注力しています。大量生産標準: Tesla Optimus Teslaは2026年初頭にOptimus Gen 3を正式に大量生産へ移行しました。自動車部門と同じサプライチェーンと「Cortex」AIトレーニングインフラを活用し、Gigafactory全体で数万台の内部使用向けユニットを生産することを目指しています。この技術を「ドッグフード」することで、ヒューマノイドがバッテリーや車両組立の繰り返し・危険・単調な作業を処理できることを証明し、広範な市場への販売を開始する前段階としています。産業スペシャリスト: Figure AIFigure AIは実世界での検証において金字塔を打ち立てました。BMWスパルタンバーグ工場での1,250時間に及ぶパイロットで、Figure 02ユニットは90,000以上の板金部品を99%の精度でロードに成功し、同社はフルデプロイへと移行しました。NVIDIAとMicrosoftの支援を受け、Figureは「スペシャリスト」アプローチを体現し、既存の製造実行システム(MES)との深い統合に焦点を当てています。物流パイオニア: Agility RoboticsAgilityのDigitは現在、物流セクターで最も展開されているヒューマノイドです。2026年に同社はトヨタ・モーターマニュファクチャリング・カナダと大規模な商業契約を締結し、組立ライン物流を支援しています。Digitは人間と「協調的に安全」に作業でき(ケージ不要)、高トラフィックの倉庫環境で好まれる選択肢となっています。重量級: Boston Dynamics (Hyundai) CES 2026で公開された、量産対応のElectric AtlasはYouTubeでのバイラルヒットから商業用ワークホースへと進化しました。56自由度と50kg(110lb)のペイロードを備え、AtlasはHyundaiのグローバル「Metaplants」内で部品シーケンシングと重い素材搬送を担当しています。経済的使命: 労働ギャップの解消ヒューマノイドへのシフトは、世界的な労働力の構造的不足が原動力です。2026年までに米国の雇用主は熟練職のために年間170万人の有資格卒業生が不足していると報告しています。ヒューマノイドはこの圧力に対する「リリーフバルブ」を提供します。 産業役割...
-

2026年2月19日 著者 Daniel Martin
センサー層: LiDAR、ビジョン、そして触覚の贈り物(2026)
By Daniel Martinシリーズナビゲーション: Part 3 of 6 in The Physical AI Handbook高忠実度感覚: カメラを超える知覚物理的な世界で行動するためには、機械はまず数学的な精度でそれを認識しなければなりません。初期のロボット工学が単純な近接センサーに依存していたのに対し、2026年のPhysical AI時代は「知覚の深さ」によって定義されます。ロボットは、対象が目の前にあることを知るだけでなく、その素材、重量、そしてミリメートルの一部以下の精度で距離を理解しなければなりません。この認識は、3つの主要なセンシング技術が連携して「総合的状況認識」を提供するスタックによって実現されます。1. 3D LiDAR の精密さLiDAR(Light Detection and Ranging)はロボットのレーザー眼です。1秒間に何百万ものレーザーポイントを発射することで、LiDARは環境の高精細な3Dマップ(ポイントクラウド)を生成します。2026年、Ouster はこの分野で支配的な存在となっています。デジタルLiDARチップは、高価でかさばる機械式センサーを、コンパクトな固体ステートハードウェアに置き換え、ヒューマノイドの頭部や胸部に直接組み込むことが可能です。この技術により、ロボットは従来のカメラが失敗しがちな複雑で暗い、または散乱した環境でもナビゲートできます。2. カメラビジョンの豊かさLiDAR が世界の形状を提供するなら、カメラは文脈を提供します。高解像度イメージセンサーにより、ロボットのエッジAIはラベルを識別し、顔を認識し、欠陥部品を示す微妙な色変化を検出できます。Sony はこのカテゴリで揺るぎないリーダーです。そのIMXシリーズのグローバルシャッターセンサーは、特に高速産業用モーション向けに設計されており、ロボットが時速4メートルで移動してもモーションブラーなしでクリアなデータを取得できます。3. 触覚の贈り物: タクティル&ハプティックセンサー2026年の最大のブレークスルーは「タクティルインテリジェンス」です。ロボットが真に具現化されるためには、世界を感じる必要があります。これは指先に埋め込まれたハプティックスキンとフォーストルクセンサーによって実現されます。Teradyne (Universal Robots...
-

2026年2月18日 著者 Daniel Martin
デジタルツインとシミュレーション: ロボティクスのための仮想トレーニング環境(2026)
By Daniel Martinシリーズナビゲーション: 全6部のうち第4部(The Physical AI Handbook)シミュレーション・ファースト: 産業メタバースにおけるロボットのトレーニングロボティクスの従来時代では、機械のトレーニングはハードウェアへの物理的アクセスが必要な遅く手作業的なプロセスでした。2026年にワークフローは逆転しました。業界は現在、シミュレーション・ファーストの方針に従い、すべての動き、関節摩擦、センサーフィードバックループを、実際にモーターをオンにする前にデジタルツインで完璧にします。A Digital Twin は単なる3Dモデルではなく、物理的資産や環境のリアルタイムな挙動を鏡のように映し出す、ライブでデータ駆動のレプリカです。Physical AIにとって、これらの仮想世界はロボットが数秒で数百万回の失敗から学習できる高速な遊び場であり、5万ドルのヒューマノイドを壊すリスクがありません。現実ギャップの解消: シミュレーションから実機への転送シミュレーションの主要な技術的課題は常に現実ギャップでした――仮想世界と実世界の物理、照明、センサー雑音の微妙な違いです。2026年には、Sim-to-Real転送手法のブレークスルーにより、これが大幅に解決されました。Domain Randomization のような手法を用いることで、開発者はロボットAIを床の摩擦、照明、さらには重力まで変化させた幅広い仮想条件にさらします。これにより、AIは実際の工場の「乱雑さ」に対応できる堅牢なポリシーを開発せざるを得ません。2026年には、シミュレーションだけで訓練されたポリシーが実機にロードされた瞬間に完璧に機能するゼロショット学習を用いて、5万台以上のロボットが展開されました。シミュレーションの要塞: NVIDIA Omniverse & Isaac Simこれらのトレーニング環境の標準は NVIDIA Omniverse 上に構築されています。その Isaac Sim アプリケーションは、フォトリアリスティックなレンダリングと GPU 加速物理(PhysX...
-

2026年2月17日 著者 Daniel Martin
RaaS とフリートエコノミー: サブスクリプションでロボティクスをスケールする (2026)
By Daniel Martinシリーズナビゲーション: 全6部のうち第5部 The Physical AI Handbookロボティクス・アズ・ア・サービス: ハードウェアを実用化するロボティクス革命における最大の障壁は、技術ではなく財務面でした。何十年もの間、フリートを導入するには数百万ドルの前払い資本支出(CapEx)が必要でした。2026年に業界はロボティクス・アズ・ア・サービス(RaaS)モデルでこの課題を解決しました。ソフトウェア・アズ・ア・サービス(SaaS)と同様に、RaaSは企業がサブスクリプションまたは従量課金モデルで最先端のフィジカルAIにアクセスできるようにします。この変化により、AIとハードウェアの最新の進歩が技術的陳腐化のリスクなしに利用可能になります。顧客は、減価償却される機械を所有するのではなく、パレットの搬送やビンのピック、床面積の清掃など、成果に対して支払います。デジタル神経系: 統合フリート管理単一のロボットはツールに過ぎませんが、フリートはインフラストラクチャです。2026年には、ロボット導入の価値はオーケストレーションソフトウェアに直接結び付けられています。最新のフリート管理プラットフォームは、テラバイト規模のデータを取り込み、ロボットの動作と生産計画を関連付ける統合デジタル神経系として機能します。これらのプラットフォームは、2026年の企業に対して以下のミッションクリティカルな機能を提供します: 予知保全: 分析AIが振動異常やバッテリー劣化を故障発生前に検知し、計画されたダウンタイム中にサービスをスケジュールします。 Over-the-Air(OTA)アップデート: VLAモデルとナビゲーションアルゴリズムがリモートで更新され、物理的な介入なしにフリートが時間とともに賢く、より高性能になります。 相互運用性: 新しいソフトウェア定義の自動化標準により、異なるメーカーのロボットが通信し、共通の操作言語を共有できるようになります。 24時間365日ライトアウトシフトの経済学RaaSの最も直接的な影響は、自律的な夜間シフトの実現です。2026年初頭のデータは、小売業者や製造業者がライトアウト運用をますます採用しており、ロボットフリートが現場の人間の監督なしに主要なワークフローを処理していることを示しています。このハイブリッドモデルは、スループットを大幅に向上させると同時に、複雑な判断を要する高付加価値タスクに人員を割り当てることができます。 導入モデル 財務リスク スケーラビリティ 保守責任 従来の購入(CapEx) 高(前払いコスト) 遅い/硬直 内部スタッフ/外部業者 ロボティクス・アズ・ア・サービス(OpEx) 低(サブスクリプション) 迅速/柔軟...
-

2026年2月16日 著者 Daniel Martin
投資監査:トップ10フィジカルAI株(2026)
By Daniel Martinシリーズナビゲーション: Part 6 of 6 in The Physical AI Handbook2026年 投資監査: ロボティクス・スーパーサイクルをリードPhysical AI は、クラウド上に存在するソフトウェアから、実世界で動作するインテリジェンスへの移行を表します。投資家にとって、2026年は投機的フェーズの終焉を意味します。勝者はもはや最高のプロトタイプを持つ企業ではなく、製造規模、ソフトウェアエコシステム、知的財産(IP)による堀を備え、生産フェーズを支配できる企業です。1. NVIDIA NVIDIA はフィジカルAI時代の揺るぎないユーティリティです。その Jetson Thor と Blackwell ベースのロボティクスチップは、オンデバイス推論の業界標準となっています。2026年初頭、同社は 570億ドルの四半期売上記録を発表し、データセンター部門とロボティクス部門が成長を牽引しました。NVIDIA の堀はシリコンだけでなく、ほぼすべての主要ヒューマノイドプロジェクトがトレーニングに使用する Isaac Sim...
-

2026年1月26日
著者 Jonathan Schramm
オーシャンイアリング (OII):海底ロボットから自律システムへ
By Jonathan Schramm産業用ロボットはすでに大規模に導入されているAI と自動化が進むにつれ、ヒューマノイドロボットが日常の作業で人間を支援するという夢がかつてないほど現実に近づいています。しかし、これは自律型や半自律型デバイスの最初の用途になる可能性は低いです。代わりに、ロボットの即時的な応用は、人間が安全に作業できない場所に展開することです。これまでは主に遠隔操作システムで行われてきましたが、ロボットを制御する AI の能力と自律性が向上することで、より多くの一般的な用途が広がるでしょう。例えば、オフショアや水中の作業環境は極めて危険であり、例えば、油田プラットフォームは世界で最も危険な作業現場の一つとして有名です。したがって、このセクターは自律システムの導入の最前線にあります。自動化と自律ロボットの需要が高い他のセクターは、防衛と航空宇宙です。ある企業はオフショアと海底でのロボットシステム需要から大きな利益を得ており、現在この技術基盤を活用して他の領域へ迅速に拡大しています:Oceaneering。オーシャンイアリング 概要歴史Oceaneering は 1964 年に設立され、すぐに石油・ガス業界にサービスを提供する他の 3 社のダイビング会社と合併しました。1970 年代、同社は主にダイビング技術の向上に注力し、ダイバーの安全性と水中作業の効率性を高めました。例えば、オフショア油田プラットフォームでの作業や海底パイプ・ケーブルの敷設などです。1980 年代、同社は水中作業にロボットシステムを使用する可能性を探り始めました。この技術はヒューストンという共通の拠点により NASA の関心をすぐに引きました。その結果、1988 年に Oceaneering Space Systems が設立され、海底技術と運用経験を国際宇宙ステーション(ISS)向けの米国宇宙ステーションプログラムに転用しようとしました。極端な環境向け装備のエンジニアリング経験は、宇宙探査の他分野にも拡大し、2008 年には新しいコンステレーション宇宙服の設計・製造のために 7億4500万米ドルの契約を獲得しました。残念ながら、2020 年までに月面に戻ることを目指したコンステレーション計画は、2010 年にオバマ政権により中止されました。宇宙プログラムと並行して、Oceaneering は防衛分野にも拡大し、特に潜水艦で使用されるモジュールや、移動中の船舶間で貨物を転送するクレーンを手掛けました。1980 年代から現在にかけて、同社は航空宇宙・防衛分野で複数の買収を行い、重要技術を取得し、Aerospace and...
-

2026年1月22日 著者 David Hamilton
AI搭載ロボットが人間の唇の動きを学習
By David HamiltonColumbia大学のエンジニアは、発話中に人間の唇の動きを模倣し学習できるロボットを開発しました。高度なロボティクスとAIを組み合わせたこの改良設計により、Emoというデバイスは人間の表情を観察して学習し、適切なときに人間の感情を再現できるようになりました。以下が重要ポイントです。要約: Columbia大学のエンジニアは、観察を通じてリアルな人間の唇の動きを学習できるAI駆動型ヒューマノイドロボットを開発し、音声同期と感情表現を劇的に向上させました。なぜヒューマノイドロボットは不気味の谷を引き起こすのかロボティクスの初期から、ヒューマノイドロボットを作り出すという探求が続いてきました。この課題は言うほど簡単ではなく、エンジニアは着実に前進してきたものの、実際の人間のように見え、感じられるデバイスを完全に実現したことはありません。最も基本的なヒューマノイドロボットでさえ触れたことがある人は、そのデバイスが人間として溶け込む際に引き起こす不快感を実感できるでしょう。わずかな不自然さ、たとえば目の動きや表情の違和感が、観察者にこの感覚をもたらします。不気味の谷日本のロボット工学者、森政宏は1970年代にこの現象に注目しました。彼の有名なエッセイ「不気味の谷現象」で概念を詳細に論じています。この論文は、ヒューマノイドロボットが微細な欠陥により観察者との間に鋭い乖離を生むことを説明しています。1978年、ジャシア・ライヒャルトの著書「ロボット:事実、フィクション、予測」を通じてこの用語が西洋の科学界に紹介され、現在広く使われている「uncanny valley(不気味の谷)」という表現が定着しました。この作品は森の議論を踏まえ、最小の違いが観察者の結びつきに逆効果をもたらすことを示しています。人間の顔は方程式で最も難しい部分過去数十年でヒューマノイドロボットの実現に向けたマイルストーンが多数達成されました。LLM(大規模言語モデル)などの新技術により、これらのデバイスが自然言語でコミュニケーションできるようになり、ギャップが埋まりつつあります。しかし、依然として最も多くの注意が必要なのは人間の顔です。 人間の顔は組織、神経、筋肉が複雑に絡み合い、数千もの表情を示すことができ、感情を他者に伝える重要な手段となっています。この点で、顔は究極のコミュニケーションデバイスと見なされています。ロボット工学者は、ロボットの顔を人間のように機能させることの重要性と難しさを長年認識してきました。長年の努力により、ロボットは皮膚や表情を備えた人間らしい顔を獲得しましたが、何十億もの研究費を投じても依然として接続感は不足しています。スワイプしてスクロール → 機能 人間の顔 従来のヒューマノイドロボット コロンビアAIリップシステム 筋肉の複雑さ 30以上の顔面筋肉が連続的に動く 制限されたモーターと硬直した制約 柔らかいシリコン関節を持つ26個のモーター 唇と音声の同期 発話中に自然に同期 事前定義され、しばしば遅延する動き Vision-to-Action AIにより動的に学習 感情表現 微妙で文脈に応じたマイクロ表情 最小限または誇張された表情 感情的に一貫した唇と顔の手がかり 適応性 相互作用を通じて継続的に学習 静的なモーションライブラリ 観察学習により自己改善...
-

2026年1月16日
著者 Jonathan Schramm
Physical AI: 2026年ヒューマノイドロボットブームへの投資
By Jonathan SchrammCES 2026 がバーチャルからフィジカルAIへのシフトを示すCES(旧称 Consumer Electronics Show)は、世界最大かつ最も影響力のあるテクノロジー展示会です。以前、当サイトではショーでの最も重要な発表の一つとして、ドーナツラボが製造した史上初の商用固体電池があったことを報じました。しかし、AIハードウェアのリーダーであるNVIDIAが「フィジカルAI」について重要な発表を行い、これがNVIDIAのChatGPTモーメントとして提示されました。もちろん、これは完全に驚きではありません。NVIDIAはしばらく前からフィジカルAIの概念を推進しており、純粋に「知的」なLLM(大規模言語モデル)がAI展開の最初のステップに過ぎないことを認識しています。実際、AIの最もインパクトのある役割は、デジタルやバーチャルな環境にとどまらず、物理的な世界と直接対話するときに発揮されます。そして、これまでAIは苦戦してきた領域です。現実世界は、スプレッドシートやビデオ、検索エンジンのように整然としたデータセットよりもはるかに混沌としています。しばしば曖昧で、変化し、予測不可能です。これらすべての理由から、物理的現実を利用し、ニューラルネットワークを新たな形で再利用する新タイプのAIが必要です。これがNVIDIAのCosmosフレームワークが約束するものです。2026年がロボティクスにとってChatGPTモーメントになる可能性がある理由ロボティクスにおける2026年とフィジカルAIの比較は、CES 2026でNVIDIAのCEO兼創業者であるJensen Huangから直接語られました。以下のビデオで彼の全スピーチをご覧ください:Huangは、同社が新しいオープンモデル、NVIDIA Cosmos と GR00T(Generalist Robot 00 Technology) をリリースしたことを発表しました。これらはロボットの学習と推論に使用され、Isaac Lab-Arena はロボット評価に、OSMO エッジ‑トゥ‑クラウド コンピュートフレームワーク はロボット訓練ワークフローを簡素化します(各AIツールの詳細は以下をご参照ください)。なぜ重要か?これまで、LLMは最初の言語モデルとして、主に執筆、プログラミング、検索、データ分析、翻訳、カスタマーサービスなど、推論と語彙中心の活動に影響を与えてきました。これらは重要な活動ですが、世界経済のごく一部に過ぎません。より多くのグローバルな活動、特に最も労働集約的なものは、物理世界との相互作用を必要とします: 製造、ヘルスケア、輸送&物流、農業、採掘、家庭内作業など。出典: NVIDIAフィジカルAIによって最初に変革される産業はどれか理論的には、物理世界と経済セクターのすべてがロボティクスの普及によって影響を受けます。しかし実際には、いくつかのセグメントがはるかに速いペースでロボティクスを採用し、早期に大きな影響を受けるでしょう。自動運転車自律走行車は2025年に大きく進歩しました、そして規制当局の承認とより明確な法的枠組みが整えば、展開の準備が整いつつあります。このタスクは推論が重く、一方で車の実際の機械的動作は比較的単純です(2次元の移動、加速、減速、合図)。したがって、最も重要な要素は以下の組み合わせです: ネットワーク接続に依存しないエッジコンピューティング用の強力なオンボードハードウェア。 一般的な走行規則から稀なケースや予期せぬ変化まで、実世界の条件に合わせたデータと訓練—たとえば転がるボールを子供が突然道路に飛び出すリスクと結びつけ、先回りして減速させるようなケース。 視覚‑言語‑行動(VLA)モデルが視覚的手がかりを適切な行動に変換する。 物流フィジカルAIはこの分野に少なくとも二つの異なる形で影響を与えます。第一は倉庫とサプライマネジメントです。フィジカルAIは、オンボードセンサーからの直接フィードバックを使用して、人間を含む障害物を回避しながら複雑な環境をナビゲートできる自律移動ロボット(AMR)を許可します。ロボットアームやその他の操作ツールも荷物の移動を可能にします。第二は配送サービスで、これは自律走行車に似ており、フィジカルAIが運転から正しい住所への配達、ドアへの安全な荷物配置、フェンスや凹凸地形、障害物の回避までをすべて処理します。製造業倉庫と同様に、工場におけるフィジカルAIは機械、人間、そしてロボットが混在する複雑な環境に対処する必要があります。さらに、多くの製造拠点では高出力ツールや危険な製品(熱金属、レーザー、化学薬品など)が使用され、最終品質と効率に関してははるかに厳しい要件が求められます。倉庫でのロボットが故障した場合は近くの人間が対処できる可能性がありますが、組立ラインや複雑な化学プラントで同じエラーが起きると、すぐに危険な状況に陥ります。外科手術とヘルスケア現在、Intuitive...
-

2025年12月19日 著者 Gaurav Roy
2025年クリスマスに向けた5つの未来志向ロボットギフト
By Gaurav Royこのクリスマスを、革新的でエキサイティングなロボットギフトで驚かせることで、あなたの大切な人たちにより楽しく、未来志向にしましょう。ロボティクスは、ロボットと呼ばれるプログラム可能な機械の設計・製造・利用に焦点を当てた学際的分野であり、人間の行動を代替または再現します。これらの機械は、人間が操作するシステムから、完全に自律して人間の監督なしにタスクを実行できるロボットまで、さまざまな自律レベルで動作します。ロボティクスの根底には、いくつかの重要な要素が組み合わさっています。機械的要素はロボットが意図した環境でタスクを実行できるようにし、バッテリーなどの電子部品が電力と制御を提供し、ソフトウェアプログラムが機械がどのような動作を行い、どのように実行するかを決定します。効果的に機能するために、ロボットはビデオカメラ、マイクロフォン、フォトレジスタなどのセンサーを装備し、周囲の情報を電気信号として取得します。また、エネルギーを物理的な動きに変換するアクチュエータを利用し、移動、回転、掴むといった動作を実現します。これらの要素が連携することで、ロボットは産業界で生産性、効率性、正確性、安全性の向上に活用されています。人工知能(AI)の統合により、ロボットはますます複雑で動的な状況にも対応できるようになっています。以下は、このクリスマスにおすすめしたい5つのエキサイティングなロボットギフトです。 ギフトアイデア 価格帯 技術特徴 おすすめ対象 Sphero Bolt ~$179 コーディング&センサー 子供・初心者 Loona Robot Pet ~$400 AI&顔認識 ペット愛好家 LEGO SPIKE Prime ~$400 STEM概念 ビルダー Enabot EBO X $999...

