MIT、音声指示で家具を約5分で組み立てる「Speech to Reality」システムを発表

何が起きたか

MITの研究チームは2025年12月5日、音声指示から家具を約5分で組み立てる「Speech to Reality」システムを発表した。このシステムは、テーブルに設置されたロボットアームが「簡単なスツールが欲しい」といった音声入力を受け取り、モジュール部品からスツール、棚、椅子、小さなテーブル、犬の置物などを組み立てる。研究はMIT Center for Bits and Atoms（CBA）で進められ、論文は2025年11月21日にMITで開催されたACM Symposium on Computational Fabrication（SCF '25）で発表された。

詳細

システムは、音声認識でユーザーの要求を大規模言語モデル（LLM）で処理し、3D生成AIが物体のデジタルメッシュを生成、ボクセル化アルゴリズムがメッシュを組み立て部品に分解する。その後、幾何学的処理が部品数、オーバーハング、接続性などの実世界の制約を考慮して組み立てを修正し、実行可能な組み立て順序とロボットアームの経路計画を自動生成する。研究チームは、キューブの接続方法を磁石からより堅牢な接続に変更して耐荷重性を向上させる計画で、ボクセル構造を小型の分散型移動ロボット用の組み立て順序に変換するパイプラインも開発している。モジュール部品の目的は、ソファをベッドに変えるなど、分解して別のものに組み立て直すことで廃棄物をなくすことにある。

Key Facts

本紙の見方

今回の発表は、MITが2026年6月に発表した「Masked IRL」と同様に、自然言語処理とロボット制御を結びつける研究の一環と位置づけられる。ただし、Masked IRLが曖昧な指示の解釈に焦点を当てていたのに対し、Speech to Realityは音声から物理オブジェクトを直接生成する点で、よりエンドツーエンドの製造プロセスを目指している。 このシステムの核心は、3Dプリンティングに代わる「高速・廃棄物ゼロ」の製造手段を提案している点にある。3Dプリンティングが数時間から数日かかるのに対し、モジュール部品の再利用により数分で組み立てを完了し、不要になった家具を分解して別の製品に生まれ変わらせることができる。これは、製造業におけるサーキュラーエコノミーへの具体的なアプローチであり、従来の「造る→捨てる」の直線型モデルを「組み立てる→分解する→再組み立て」の循環型モデルへ転換する可能性を秘めている。 技術的には、LLMによる音声理解、3D生成AIによる形状生成、ボクセル化による部品分解、幾何学的処理による物理制約の考慮、組み立て順序の自動生成という一連のパイプラインが統合されている点が新規性だ。特に、AIが生成した形状を実世界の製造制約（部品数、オーバーハング、接続性）に合わせて修正する幾何学的処理は、単なる3Dモデル生成ではなく、実際のロボット組み立てを可能にするための重要な橋渡し役となっている。 一方で、現状のシステムはテーブル上のロボットアームとモジュール部品に限定されており、家具の耐荷重性や大型構造物へのスケールアップが課題として残る。研究チームは磁石接続からより堅牢な接続への変更や、小型の分散型移動ロボット用のパイプライン開発を計画しており、今後の進展が注目される。 業界への含意としては、この技術が実用化されれば、家具製造やカスタム製品のオンデマンド生産に革命をもたらす可能性がある。特に、物流コストや在庫管理の負担を軽減し、ユーザーがその場で必要な製品を生成できるようになる。ただし、現時点では研究段階であり、量産化や商業化にはまだ時間がかかるとみられる。 未確定の論点としては、モジュール部品の標準化や供給体制、ロボットアームのコスト、組み立て可能なオブジェクトの範囲、安全性の確保などが挙げられる。また、音声認識の精度や複雑な指示への対応も今後の検証が必要だ。

なぜ重要か

この技術は、製造業における「オンデマンド生産」と「サーキュラーエコノミー」の実現可能性を示すものであり、3Dプリンティングに代わる新たな製造パラダイムとして注目される。専門知識のないユーザーでも音声だけで物理オブジェクトを生成できるようになれば、製造の民主化が進み、個人レベルのカスタム製造が現実のものとなる。