日本の工場には、もうロボットがいる。では「AI」で何が変わるのか

日本の工場では、ロボットはずっと働いてきた。溶接し、運び、同じ位置へ正確に部品を置く。その風景を知っていれば、「これからAIロボットの時代です」と言われても、こう聞きたくなる。

今までのロボットと、何が違うのだろう。

違いが見えやすいのは、きれいに並んだ部品ではなく、少し困った現場だ。袋がしわになっている。ケーブルが曲がっている。差し込み口の手前で引っかかった。人なら手首の角度を変えてやり直す。そういう「毎回少し違う」を、どう機械に任せるかが変わり始めている。

ロボットが得意になるよう、人が現場を整えてきた

従来の代表的な方法に、ティーチングがある。人がロボットの動きを教え、覚えた位置や手順を再現させる。部品の場所を固定する治具や、一定の向きで流す設備も含めて、一つの工程をつくる。

これは古いから劣る、という話ではない。同じ仕事を正確に、速く、安定して繰り返すことは、工場では強い。ロボットに自由に考え直してほしい場面ばかりではない。

ただ、製品が変わったり、柔らかい物の形が崩れたりすると、設定や周辺設備を調整する負担が増える。日本政府の2026年のAIロボティクス戦略も、事前の教示や工程設計、環境変化への対応を、普及の課題として挙げている。AIロボティクス戦略・PDF

「ばらばらの部品を拾う」は、生成AI以前にも解いてきた

ここで時計を巻き戻しすぎてもいけない。従来のロボットが、決められた動作を再生するだけだったわけではない。カメラで位置を見つけ、その場で動く経路を計算する技術は、すでに実用になっている。

たとえばバルブメーカーのキッツでは、Mujinのシステムと三明機工の設備統合により、箱の中にばら積みされた部品を、バリ取り工程へ供給する仕組みが導入された。部品を拾うだけでなく、次の装置が受け取れる姿勢へ直して渡す。既存の台車を使いたい、という現場の条件もあった。キッツ・導入担当者へのインタビュー

Mujinが説明する中核技術には、3D認識や、障害物と関節の制約を考慮するモーションプランニングがある。人が軌道を一つずつ教えなくても、状況に合わせて経路を求める。Mujinの技術解説

つまり「教えた通りに動く」から「状況に合わせて動く」への変化は、今回初めて起きたのではない。新しい学習型AIを見るなら、この積み重ねのさらに何を広げるのかを見たい。

今度の教材には、「指先の感覚」も入る

2026年7月、川崎重工業、ファナック、安川電機、大阪大学、FingerVisionは、視覚・触覚・言語・動作を扱うモデルとデータ基盤の開発事業が採択されたと発表した。計画期間は2026年8月から2027年7月。ロボットメーカーをまたいで、データの仕様や集め方を共通化する。川崎重工業の発表

触覚が加わる意味は、コネクタを差し込む場面を想像すると分かりやすい。見た目では、もう入っていそう。でも手には妙な抵抗がある。少し戻し、角度を変えたら、すっと入った。この例は仕組みの説明だが、形を見るだけでなく、力の変化も次の動作の手がかりになる。

柔らかい袋をつまむなら、強く握りすぎないことも必要だ。布やケーブルは、持ち上げた瞬間に形が変わる。計算や専用制御でも工夫されてきた領域に、人の実演やセンサー記録から学ぶ方法を組み合わせ、対応できる作業を広げようとしている。

違いをつかむための概念整理です。実際のシステムはこれらを組み合わせます。従来制御と学習を、完全に分離した三種類へ分類する表ではありません。

日本の現場経験を、次のロボットへ渡す

AIロボット協会（AIRoA）は7月31日、約5,000時間・68種類のタスクを含む動作データと、公開モデルπ0.5を基に追加学習したモデルなどを公開した。現場で集めた動作を、別の研究者や企業も使える材料にしている。AIRoAの公開資料

トヨタ・リサーチ・インスティテュートの研究でも、複数の作業から事前に学んだモデルが、条件によっては新しい作業をより少ないデータで覚えられると報告されている。一方、事前学習さえすれば常に強いわけではなく、実機での評価も重要だった。Large Behavior Modelの検証

工場の言葉にすると、毎回すべてをゼロから教える負担を減らせるか、という話になる。一つの製品で覚えたつかみ方が、次の製品を扱う助けになる。それが十分に安定すれば、多品種少量の仕事にもロボットを入れやすくなる。

そこへQualcommが加わる意味

8月25日、Qualcommは日本でのロボティクス投資構想と、共同研究などを担うJapan Robotics Centerの設立を目指す方針を発表した。国内のロボットメーカーや研究・通信・半導体関連企業との協力、開発支援、海外展開、実証を進める構想だ。Qualcommの発表

私が注目するのは、日本の機械や現場の経験と、AIを動かす計算基盤をつなぐ部分だ。見て、判断し、力を調整するには、賢いモデルがあるだけでなく、必要な速さで処理できる機器や、センサーとの連携が要る。

これは発表された構想を踏まえた本稿の見方で、すでに特定の作業が実用化したという話ではない。けれど、日本に蓄積された「うまく動かす技術」を、新しい学習方式へ接続する取り組みとして見ると、狙いは分かりやすい。

ベテランの手の動きを、次へ残せるなら

工場に人型ロボットが立つ映像は、確かに目を引く。だが、それだけがAIロボティクスではない。今あるアームが、今まで任せにくかった作業を担えるようになることにも、大きな価値がある。

毎回形が違うものを扱う。少し引っかかったら動きを変える。製品が変わっても、以前の経験を生かして覚え直す。人が、難しいところをもう一度実演して教える。

日本が長く培ってきた手仕事や機械の知恵を、学習できる形へ変えていく。その先に、人が足りないから諦めていた仕事を、もう一度続けられる現場が増えるなら。ロボットの新しさは、見た目より、そこで測りたいと思う。

2026年9月7日時点。事例は各社の公開資料・研究に基づき、RINKAKUによる実機試験ではありません。