用語集・解説

中国のヒューマノイド業界は、EV大手、ロボット専門企業、ネット大手の3類型に分かれ、それぞれ異なる強みを持つ。量産と価格競争力の源泉は、サプライチェーン、政府支援、データ収集の3点にある。最新の具体的数値は流動的だが、業界全体として急速な進化を遂げている。

Sim2Realは、ロボットやAIがシミュレーション環境で学習し、その知識を実世界で応用する手法です。しかし、シミュレーションと現実の差（リアリティギャップ）が大きな壁となります。この記事では、その難しさと克服するための主要なアプローチを解説します。

ロボットが物を掴んだり、繊細に扱うには、視覚だけでは不十分で、触覚センサーが欠かせません。触覚センサーは、接触の有無、圧力の分布、滑り、温度などを検出し、ロボットに『感触』を与えます。これにより、卵を割らずに掴む、ネジを正確に回すなどの器用な操作が可能になります。

模倣学習は、先生の手本を見て真似る「弟子入り」方式。強化学習は、試行錯誤しながら報酬を最大化する「迷路探索」方式。それぞれに長所と短所があり、ロボットの用途に応じて使い分けられています。

ロボットの関節を動かす方式には、直接駆動（QDD）、遊星ギア、ハーモニックドライブの3つが代表的です。それぞれに得意な動きと苦手な動きがあり、用途に応じて選ぶことが重要です。本記事では、各方式の特徴を比喩と具体例で解説し、適材適所の考え方を紹介します。

ヒューマノイドは人間と同じ形をしているため、既存の環境や道具をそのまま使える利点があります。一方で、二足歩行や器用な手の実現は技術的に難しく、コストも高いのが現状です。それでも、人手不足や危険作業への応用が期待され、研究開発が加速しています。

VLAモデルは、カメラ映像と言語指示を入力として、ロボットの動作を直接出力するAIです。従来の「認識→計画→制御」の分業を1つのニューラルネットワークに統合し、柔軟なタスク実行を可能にします。この記事では、その仕組みと可能性を初心者向けに解説します。

フィジカルAIは、現実世界の物理的な動きを伴うAIです。従来のAIがデータ分析や文章生成など画面内の作業に特化していたのに対し、フィジカルAIはロボットや自動運転車など、実際に体を持って動くことを目指します。この違いが、私たちの生活や産業のあり方を大きく変える可能性を秘めています。

ロボットの筋肉にあたる部品で、電気や空気の力で動きを生み出す装置。

回転角度を精密に制御できるモーター。ロボットの関節などで使われる。

電気で回るモーターで、ブラシ（こすれる部品）がないため、静かで長持ちする。

モーターと関節を、低い減速比の軽いギアだけでつなぐ駆動方式。力の変化を素早く感じ取れて滑らか。

人間に似た形(二足歩行・腕・手)を持つロボット。人向けの環境や道具をそのまま使える点が狙い。

ロボットの腕の先端に付く、物をつかんだり作業をするための「手」の部分。

工場や倉庫で自動で荷物を運ぶ、床を走るロボット台車。

AMR（自律移動ロボット）は、周囲をセンサーで認識しながら自分で経路を決めて動く、工場や倉庫で活躍する「賢い台車」のこと。

人と一緒に安全に働くことを目的に設計されたロボット。

多指ハンドは、人間の手のように複数の指を持つロボット用のハンドで、物を掴んだり細かい作業をしたりするための装置です。

ロボットが物を掴んだり動かしたりする、手や腕の動きを制御する技術。

人間が遠くからロボットを操縦すること。まるでゲームのコントローラーでロボットを動かすイメージ。

ロボットが接触する力やトルクを調整しながら動く制御方法。

ロボットが倒れずに立つための、足裏の接地圧力の中心点。

モデル予測制御（MPC）は、未来の動きを予測して最適な操作を決める制御方法です。

全身制御とは、ロボットの全身の関節や部位を協調させて、バランスを保ちながら目的の動作を実現する制御技術です。

ロボットが力と位置を柔軟に調整する制御方法で、バネのように動きを調節します。

現実世界で体(ロボット等)を使って行動するAI。画面の中だけで完結しない「身体を持つAI」。

二足歩行とは、人間のように2本の足で立って歩く移動方法のことです。

ロボットが体を動かして場所を変える仕組みや技術のこと。

ロボットや機械が動ける方向の数。自由度が多いほど、複雑な動きができる。

ロボットの関節をモーターの力を使わずに手で動かせる性質のこと。

シミュレーション上で学習した制御を、現実のロボットへ移す技術。差(リアリティギャップ)の克服が鍵。

体の位置や動きを感じ取る感覚で、目を閉じても手足の位置がわかる能力。

LiDARは、レーザー光を照射して反射が返ってくる時間を計測し、物体までの距離や形状を3Dで把握するセンサー技術です。

深度カメラは、色情報（RGB）に加えて、各ピクセルの距離情報（Depth）を同時に取得できるカメラです。

ロボットが触れた感覚を電気信号に変えるセンサー。

大量のデータで事前学習された、様々なタスクに応用できる汎用的なAIモデル。

「画像を見る」「言葉で指示を理解する」「動作を出力する」を1つにまとめたロボット用AIモデル。

AIが環境の仕組みを内部に再現し、未来を予測するためのモデル。

拡散ポリシーは、ロボットの行動を生成する際に、ノイズから徐々に行動を洗練させていく手法です。

中心の太陽ギアの周りを複数の小ギアが公転する減速機。小型で大きなトルクを伝えられる。

薄い金属を波打たせて高い減速比を得る減速機。ガタが少なく精密。産業用ロボットの関節に多い。

サイクロ減速機は、内歯車と外歯車の噛み合いを利用して大きな減速比を得る高精度な減速機です。

ROSはロボットの部品（センサーやモーターなど）を動かすためのソフトウェアの「台所」のようなもので、ロボット開発者が共通の道具を使って効率よくプログラムを組み立てられるようにする仕組みです。

ロボットが地図を作りながら自分の位置を同時に推定する技術。

試行錯誤を通じて報酬を最大化するように学習する機械学習の一種。

模倣学習は、ロボットやAIが人間の行動を真似て新しいスキルを学ぶ方法です。

シミュレーション環境の見た目や物理をランダムに変えて、ロボットが現実でも使える汎用的な知能を学ぶ手法。