日立製作所（以下、日立）は2026年3月23日、JR東京駅直結の協創施設「Lumada Innovation Hub Tokyo」（東京都千代田区）内に開設する「フィジカルAI体験スタジオ」の先行公開に併せて、現場で自ら学びながら動作を最適化し複雑作業を自動化するフィジカルAI（人工知能）技術を発表するとともに、同技術を実装した試作ロボットを公開した。
公開した試作ロボットは2種類。1つは柔軟物であるケーブルを基板に組み付ける敷設作業を自動化するロボットで、もう1つは作業しやすい位置で部品のピッキングを行うために自律的に移動するロボットだ。
日立の山田弘幸氏日立 研究開発グループ モビリティ&オートメーションイノベーションセンタ ロボティクス研究部 リーダ主任研究員の山田弘幸氏は「フィジカルAIによってロボティクスは大きく進化しており、産業の汎用性は高まっている。ただし、現場レベルの複雑作業を担うのにはまだ困難を伴う状況にある。そこで日立では、長年携わってきた社会インフラをはじめとするミッションクリティカルな現場に対応可能な基盤として、フィジカルAI統合モデル『IWIM（Integrated World Infrastructure Model）』の開発を進めている」と説明する。
IWIMでは、ドメインナレッジやプロダクトなど日立の知の蓄積をデータとして活用し、ミッションクリティカルな現場への対応で必要となるCognition（認知）、Criticality（堅牢（けんろう）性）、Coordination（制御）から成る3Cを基軸に、Think、Act、Snese、Storeの4つのループを回して、現場に最適なフィジカルAI技術を開発する。
このIWIMを基に開発したのが、今回発表した、現場で自ら学びながら動作を最適化し、複雑作業を自動化するフィジカルAI技術である。「継続学習技術」「高速推論AIモデル」「全身協調動作学習技術」という3つの要素技術を組み合わせて実現した。
「継続学習技術」では、現場への導入後も得られる作業データや熟練作業者のノウハウをAIが自動的に取り込むことで継続的に学習する。例えば、柔軟物であるケーブルを敷設する作業はシミュレーションが難しいため、熟練者の作業などの現実世界のリアルなデータを基にした模倣学習を基にAIモデルを構築することが多い。ただし、模倣学習は人の操作に依存するため、ロボットにとって必ずしも最適なの動作になっていないことが多い。そこで、AIモデルによる予測動作を最適制御によってリアルタイムに補正するれば、動作が滑らかになり速度向上が可能になる。さらに、補正後の実機動作を再学習すれば、効率良く最適動作を学習できるので、さらなる速度向上が図れる。もし、レイアウト変更や照明の変化などがあっても、この継続学習の仕組みを活用すれば自律的な適応も可能になる。
実際に、ケーブル敷設作業を自動化する試作ロボットの事例では、最初の模倣学習の段階で作業時間は47秒かかっていたが、継続学習1回目で21秒、2回目で12秒、3回目で10秒に短縮することに成功している。
Copyright © ITmedia, Inc. All Rights Reserved.
