フィジカルAI Summit詳報 — 国産7社の試作機と、データ・量産・現場実装の課題

2026年9月16日、パレスホテル東京で初開催されたフィジカルAI Summitでは、国産汎用ロボットの試作機が公開された。 出展したのは、AIRoAの開発コンペティションに取り組む7社である^[2,4]。 本紙が焦点を当てるのは、その機体が何を学び、どの現場で評価され、どう継続供給されるかだ。 開催に合わせた企業発表とプログラムを読むと、ハードウェア、学習データ、基盤モデル、運用体制をつなぐことが、日本のフィジカルAI産業の具体的な課題として見えてくる。

1．どんなサミットだったのか#

主催はRX Japan。AIロボット協会（AIRoA）と日本ディープラーニング協会が後援し、フィジカルAIの国産化と導入、供給体制づくりを扱った。 開催日時は9月16日9時〜17時30分、会場は東京都千代田区のパレスホテル東京である^[5,3]。 政策を担う側、モデルやロボットを開発する側、工場や建設現場で使う側が同じ会議に参加する設計だった。

特別企画の中心が、NEDO委託事業の一環としてAIRoAが実施する国産汎用ロボット開発コンペティションの試作機公開だ。 NEDOは対象を双腕モバイルマニピュレーターと説明している。二本の腕と移動機構を組み合わせ、物体を扱う機体である。 約6カ月の開発期間を経た成果を披露し、将来はロボット基盤モデルの学習データを集める機体として使う計画だ^[3]。

MONOistの開催後報道でも7社の試作機公開が確認できる^[4]。 ここでの「汎用」は開発目標を表す。公開されたすべての機体が、その時点で多様な業務を自律遂行できることまで意味するわけではない。 試作機を動かす段階から、評価、改良、継続的なデータ取得へ進めるかが、この企画を読む際の焦点となる。

2．講演の配置から読む、政策・モデル・現場の接続#

公開プログラムをテーマ別に整理すると、モデル開発だけでは完結しない課題が並ぶ。 以下は登壇案内が示す論点の要約であり、当日の発言録や合意事項ではない。

この構成から本紙が読み取るのは、導入先を含めて技術の使い道を設計する必要性だ。 高性能なモデルがあっても、現場で何を成功とするか、失敗を誰が回復させるか、改善用データを誰が残すかが決まらなければ、継続運用にはつながりにくい。 製造業や建設業の講演がモデル企業と並ぶ意味は、ここにある。 国産モデルの背景はNoetraとFRONTiaを整理した本紙コラムも参照されたい。

3．公開された7社を、設計の出発点で比較する#

主催者が挙げた出展企業は、EmplifAI、THK、ugo、不二越、Keigan、HatsuMuv、Enacticである^[2]。 同じ開発枠組みに参加していても、直動機構、産業用ロボット、遠隔操作、対人インタラクションなど、持ち込む技術は異なる。 表では公式の出展紹介と各社資料を組み合わせ、確認できる特徴を整理した。条件がそろった性能ランキングではない。

形の違いを、データの違いとして読む

例えばugo Novaは、アームの100Hz制御への対応や、映像・関節情報・トルク・操作指令などを時刻同期して集める仕組みを公表している。 同社は2027年の量産開始を予定するが、これらは企業発表に基づく仕様と計画である^[8]。 可搬重量だけを比較するよりも、実演と記録をどれだけ一体化できるかを見る方が、今回のコンペティションの目的に合う。

OpenShellは、身体の動作に加えて人との関わりを研究する方向を示す。公式説明では頭部、ハンド、センサー、AIの交換・追加を想定し、表情や意図の提示を安全機能とは別の人機インターフェースと位置づけている^[11]。 親しみやすさや意図の伝わりやすさと、安全性の検証を分けて考える点は、対人ロボット全般で必要となる。

4．同日の発表が示す、データ収集から現場改善までの事業#

開催日にugoが発表した「ugo Physical AI Fabric」は、その接続を事業として示した例だ。 機体のugo Novaに、データ収集キット、収集支援のugo Data Factory、モデル開発支援のugo Model Labを組み合わせる。 Data Factoryは環境のばらつき、人による介入や失敗からの復旧を含むデータ取得を、Model Labは追加学習と現場を想定した評価を扱うという^[13]。

APTOの出展案内も、実機の模倣学習データ、カメラや一人称視点の映像、アノテーション、シミュレーションによる生成・拡張を組み合わせる内容だった^[14]。 ロボットを動かす人、データを整える人、モデルを学習する人の間には、品質や仕様を受け渡す仕事がある。 この工程を誰が引き受けるかは、ハードウェアの購入価格と並ぶ導入判断の材料になる。

VLA（視覚・言語・行動を結ぶモデル）を導入する場合も、公開モデルの入手だけで工程は終わらない。 対象物、撮影条件、ハンド、機体の動かし方をそろえ、現場に必要な評価へ落とし込む必要がある。 データを増やすことと、使えるデータを増やすことを区別する視点が重要だ。

5．試作機から量産へ――評価を通過した先の計画#

AIRoAの公開計画では、試作機の評価基準を満たした企業が改良に進み、さらに量産体制を整え、データ収集用ロボットとしての活用を目指す。 4月公表の工程は次のとおりだ。時期は予定であり、9月の展示をもって各社の評価通過や量産移行が確定したわけではない^[15]。

本紙が確認した公開資料からは、7社を同一条件で比較した評価点や、各社の最終的な通過判定までは確定できない。 開発期間の次の節目を追う際には、新しい機体写真だけでなく、評価結果、納入条件、部品と保守の供給計画がどこまで具体化したかを確認したい。

6．デモで動くことと、業務として回ることの間#

今回の企画を評価する際、本紙は遠隔操作の実演と自律作業の成功を分ける。 AIRoAは実演イベントについて、人が遠隔操作する作業を予定していた^[15]。 これは学習用の動作を記録するうえで意味のある工程である。一方、人が画面を見て修正している場合、その成功をそのままAIモデルの性能とすることはできない。

もう一つの区別は、国内で開発・製造することと、全ての部品や計算基盤を国内で調達することだ。 例えばugoは国内設計・国内製造と、NVIDIA Jetson Thorの搭載を同時に公表している^[8]。 「国産」の実態を評価するなら、設計変更できる範囲、交換部品の入手性、制御ソフトを保守できる体制を分けて確認する必要がある。 国産比率が不明な機体について、本紙が独自の比率を推定することはしない。

公開仕様の可搬重量や動作速度にも、姿勢、持続時間、対象物、工具などの条件が付く。 本紙が導入比較で重視するのは、対象業務での成功率、作業時間、人の介入頻度、復旧にかかる時間、保守費用を一緒に測ることだ。工場でVLAを使うための検証条件も、同じ問題を扱っている。

7．次に問うべきは、現場で改善を続けられるか#

今回のサミットを踏まえ、導入企業が開発側に確認すべき事項を本紙は次のように整理する。 特定の機体の優劣を決めるものではなく、試作機を業務評価へ移すための問いである。

• 対象作業：何を、どの環境で、どの頻度で行うのか。人が行う場合の時間や失敗率も比較の起点にする。
• 制御の内訳：遠隔操作、決められた動作、学習モデルによる判断が、どの工程を担うのか。
• データの扱い：何を記録し、誰が使え、機体やモデルを変更しても利用できるのか。
• 停止と復旧：失敗や予期しない接触が起きたとき、誰が止め、どの手順で作業へ戻すのか。
• 継続供給：納入後の修理、部品交換、ソフト更新をどの期間・条件で受けられるのか。

国産の試作機が並び、データ取得からモデル評価までを支える企業発表が重なったことは、次の実証を組み立てる材料になる。 本紙は、その先で機体の供給とデータの蓄積が継続し、現場での介入や失敗が減っていくかを追いたい。 日本のフィジカルAIの進展は、発表された機体の数に加えて、実際の作業を改善し続けられる開発・運用体制によって測るべきだ。