何が起きたか
Ambi Roboticsは2026年8月26日、工業用パッケージ積み付け向けの物理AIモデル「CARGO（Contact-Aware Reinforcement-learned Generalized Object-stacking）」を発表した。同社は世界の積み付け作業だけで年間4000億ドル以上の物理労働が費やされていると推定する。CARGOはSim2Real強化学習で訓練され、実顧客の生産環境で毎時340ソート以上、密度72.5%超を達成した。シミュレーション評価では密度75%超を記録し、ベースラインの解析アルゴリズムより15%以上高い性能を示した。
詳細
CARGOは、現在のスタック、ピック可能なアイテム、コンベアで到着予定のアイテム、ロボットが実行可能な衝突回避アクションを考慮し、最終スタックの密度を最適化するように配置先を決定する。低レベルの動作はAmbiOS内の既存の巧みな操作AIスキルが実行する。訓練は独自シミュレータで行われ、接触物理、慣性特性、不確実性下でのスタック安定性をモデル化し、マイクロ秒単位で現実的なコンテナ状態を返す。訓練では4000万以上のスタックアクションを実行し、数百のNVIDIA GPUノードに分散してRayで処理した。シミュレーションデータを約400万配置から約4000万配置にスケーリングすることで、密度が平均7%向上した。CARGOはAmbiStackロボットに搭載され、パレットや壁付きコンテナへの混合オンザフライ箱積み付けに使用される。オフラインのオラクルソルバーと比較すると、訓練分布ではオラクルの密度の89%（73.6% vs 82.5%）を達成した。
Key Facts
| Ambi Roboticsは2026年8月26日、工業用パッケージ積み付け向け物理AIモデル「CARGO」を発表した。 | [1] |
| CARGOはSim2Real強化学習で訓練され、実顧客の生産環境で密度72.5%超、毎時340ソート以上を達成した。 | [1] |
| シミュレーション評価では密度75%超を記録し、ベースラインの解析アルゴリズムより15%以上高い性能を示した。 | [1] |
| 訓練では4000万以上のスタックアクションを実行し、数百のNVIDIA GPUノードに分散してRayで処理した。 | [1] |
| Ambi Roboticsは世界の積み付け作業だけで年間4000億ドル以上の物理労働が費やされていると推定する。 | [1] |
本紙の見方
今回の発表は、物理AIが「デモの領域」から「生産現場での実用」へ移行する過程を示す一つの指標となる。Ambi RoboticsはCARGOをすでに顧客運用に展開しており、実環境での密度72.5%超・毎時340ソートという数値は、単なる研究発表ではなく商用システムとしての信頼性を主張する根拠になっている。同社は「エージェント型ロボティクスアーキテクチャ」を提唱し、推論・安全性・監視・性能調整・フォールバックのハーネスを備えることで、プロトタイプのポリシーを24時間稼働する産業システムに変換できるとしている。この考え方は、本紙が2026年8月17日に報じたNVIDIAのエッジ向け世界モデル「Cosmos 3 Edge」の方向性とも重なる。Cosmos 3 EdgeはJetson Thor上でロボットの操作ポリシーを実時間推論できるとされ、CARGOのような高次意思決定モデルと低レベル制御の組み合わせが、物理AIの実用化に必要な階層構造として浮かび上がる。また、2026年8月22日に報じた索塔无界の「ロボットの脳」特化戦略も、ハードウェアを持たずに4D世界モデルで意思決定層を提供する点で、CARGOの「高次アクション決定」と類似する。ただし、索塔无界が小売向けに特化するのに対し、Ambiは物流・製造の積み付けという特定タスクに集中し、自社ロボットAmbiStackと組み合わせて垂直統合的な展開を図る。業界構造への含意として、CARGOの訓練に数百のNVIDIA GPUノードを使用している点は、物理AIモデルの開発が大規模計算資源を前提とすることを示す。これは、計算基盤への投資が競争力を左右する構図を強め、キオクシアやマイクロンのAI向けメモリ投資（本紙2026年8月19日報道）とも接続する。一方、CARGOの性能は「オラクル」ソルバーの89%に留まり、将来のアイテム到着を知らないオンライン決定の限界が数値化されている。未確定の論点としては、実運用での密度とスループットが今後どの程度向上するか、また異なる顧客環境での汎化性能がどこまで保たれるかが挙げられる。さらに、CARGOが対応する箱の重量範囲（封筒から50ポンドの箱まで）や、AmbiOSの低レベルスキルとの連携詳細は公開情報からは不明であり、今後の技術詳細の開示が待たれる。
なぜ重要か
CARGOの発表は、物理AIが実験室から生産現場へ移行する具体的な事例を示す。実顧客での密度とスループットの数値は、物流自動化の投資判断に影響を与える可能性がある。また、大規模計算資源を活用したSim2Real訓練の有効性は、物理AI開発の競争条件を変える。
日本への影響
日本は物流業界で人手不足が深刻であり、積み付け作業の自動化は大きな需要が見込まれる。Ambi RoboticsのCARGOは、既存の倉庫インフラを活用できる設計で、日本の物流現場への導入可能性がある。ただし、日本特有の箱の規格や運用に適応できるかは今後の検証課題となる。