PFNとACSL、NEDOのK Programで航路自動生成デモ可能に

何が起きたか

Preferred Networks（PFN）とACSLは2026年9月10日、NEDOの経済安全保障重要技術育成プログラム（K Program）における「小型無人機の自律制御・分散制御技術の研究開発」で、AIを活用した航路の自動生成デモが可能な段階に到達したと発表した。両社は2025年10月から研究開発を進めており、2025年度から2027年度にかけて実施する第2フェーズで取り組んでいる。発表では、任務内容や周辺環境に応じて飛行プラン案を生成する考え方が示された。

詳細

PFNとACSLは本事業で、初期型機体の開発に加え、AIを活用した飛行プラン生成、環境変化に応じたプラン再構築、物体認識、障害物回避などの要素技術を開発している。対象は、平時と有事の双方を想定した小型無人機で、状況調査、点検、警備、捜索、測量、通信の6カテゴリのミッションが示されている。 今回のデモは研究開発段階の技術検証であり、今後は小型無人機への実装、実環境を想定した検証、複数機連携を前提とした制御技術との統合を進めるとしている。ACSLは国産の産業用ドローンを開発・量産するメーカー、PFNはAI技術のバリューチェーンを垂直統合すると説明している。

Key Facts

本紙の見方

今回の発表の新しさは、PFNとACSLが「小型無人機の自律制御・分散制御技術」の研究を、航路の自動生成デモができる段階まで持ち上げた点にある。一方で、内容の中心はあくまで研究開発であり、実運用の完成形や量産機の投入ではない。つまり、AIが機体を直接飛ばす段階に入ったというより、飛行計画の作成という操縦前工程の自動化に到達した、という位置づけが近い。 本紙の関連記事である経産省とNEDOのGENIAC、ロボット基盤モデル開発支援で13社・グループ採択を報告では、ロボット基盤モデルの文脈でデータ収集と構造化が焦点だった。今回のPFN・ACSLの案件でも、任務内容、飛行条件、周辺環境を入力に航路案を生成する構造が示されており、基盤モデルの議論が実機の飛行計画へ接続し始めたと読める。ただし、同じ「自律制御」でも、地上ロボットで論点になっていた触覚や作業データとは異なり、ここでは環境変化への再プランニングと障害物回避がより前面に出ている。 業界構造の観点では、今回の論点は機体そのものより、ミッション記述→環境認識→飛行計画生成→再構築→複数機連携という制御の連鎖にある。オペレーターが個別に設定していた航路設計の一部を自動化するなら、価値の源泉は機体性能だけでなく、どの程度の条件分岐をAIが扱えるか、どの環境変化まで再計画できるかに移る。ACSLが国産産業用ドローンの量産を掲げ、PFNがAI基盤モデルを含む垂直統合を掲げる組み合わせは、ハードとソフトを接続した開発体制としては分かりやすいが、実際の差別化は現場条件をどこまで一般化できるかに左右される。 未確定の論点としては、航路自動生成がどの程度の条件数や地形で安定するか、実機実装後にどのミッションで先行するか、複数機連携と統合した際の制御範囲がどこまで広がるかが残る。加えて、公開情報からは、デモの具体的な評価指標や実環境検証の時期、量産機への反映範囲はまだ見えない。

なぜ重要か

PFNとACSLの発表は、ドローン運用で人手依存が大きかった航路設計の一部をAIで置き換える方向性を示した点に意味がある。発表文によれば、災害・緊急時やインフラ点検など、迅速な判断と効率的な運用が求められる場面での活用を見込んでいる。 また、NEDOのK Programという公的枠組みの下で、飛行プラン生成、再構築、物体認識、障害物回避を一体で進めているため、単体機能ではなく運用全体への実装可能性が問われる。

日本への影響

ACSLは国産の産業用ドローンを開発・量産するメーカーであり、PFNは生成AI基盤モデルから半導体までを垂直統合すると説明している。こうした構成は、日本でドローン本体、制御AI、運用データを同じ枠組みでつなぐ余地がある一方、実機実装と実環境検証をどこまで進められるかが課題になる。