「○○用意して」の指示だけ？安川電機×ソフトバンクのロボが“人並みに”働けるワケ

動作速度に直結？ ロボットの“考える処理”のさせ方

　産業用ロボットは長らく、決められた場所で決められた作業だけを、教え込まれた通りに繰り返す存在だった。これを「その場で考えて動く機械」へと変えようとしているのがフィジカルAIだ。

　その設計は現在、世界的に2つの層に分けて考えるのが標準になっている。第1層は、「駐車場で雪かきをして」といった抽象的な指示を、「倉庫に行く」「扉を開ける」「シャベルを掴む」と細かな手順へ分解する頭脳部だ。ここにはLLM（大規模言語モデル）やVLM（視覚言語モデル）が使われる。

　第2層は、その1つひとつの手順を、関節の角度やモーターの出力といった物理的な動きへ翻訳する行動部である。カメラで手元を確かめながらミリ秒単位で体を動かすこの部分は、VLA（Vision-Language-Action）モデルが受け持つ。

　問題は、賢い頭脳部ほど計算が重いことにある。ロボットの筐体に積めるGPUはバッテリーや排熱、重量の制約で限られており、大きなモデルをそのまま載せれば動作は鈍る。かといって計算をクラウドに任せれば、今度はデータの往復に約100ミリ秒以上の遅延が生じる。わずか0.1秒だが、動いているロボットにとっては障害物への衝突や対象物の取り落としを招く致命的な遅れだ。

　そこでソフトバンクが答えとして据えているのが、MEC（Multi-access Edge Computing）である。通信基地局のすぐ近くに計算サーバを置き、クラウドまでデータを往復させずに処理を済ませる仕組みで、同社が全国で進める分散型のAIインフラ構想の下層に位置づけられている。

　MECが遅延をほぼ消してくれるなら、2つの層を同じ場所に置く必要はなくなる。重い頭脳部はネットワークの向こう側に預け、機敏さが求められる行動部だけをロボット本体に残せばいい。ロボットは高価なGPUを背負わずに済み、それでいて大規模モデルの判断力を借りられることになる。

　MECと2層構造。この2つを組み合わせた設計は、しかしまだ理屈の上での分担にすぎない。ネットワークを挟んで頭脳と手足を切り離したロボットは、現実の作業を前にして本当に自分で考え、体を動かせるのか。

自然言語で指示可能？「ロボット」×「AI」の実力

　ソフトバンクは、このMECを活用した2層構造のフィジカルAIが現実の自動化においてどれほど高い威力を発揮するかを実証するため、世界有数のロボットメーカーである安川電機と強力な共同歩調を取り、国際ロボット展においてマルチタスク対応デモンストレーションを共同公開した。

　この実証実験では、前述した2層構造アーキテクチャーの役割分担を、ネットワークを挟んだ分散配置によって実現した。

　具体的には、大容量の計算処理と高度な推論（判断）が必要となる第1層のVLM（頭脳部）を「MEC（エッジサーバ）」上に配置し、この通信と計算基盤の領域をソフトバンクが全面的に担当した。

　一方、ミリ秒単位の極めて高速な物理フィードバックと滑らかな駆動制御が求められる第2層のVLA（行動部）は、ロボットの「筐体内（ローカルデバイス）」に直接搭載し、このロボット側の制御を安川電機が担当した。

　デモンストレーションに採用されたのは、安川電機のAIロボット「MOTOMAN NEXT」（モートマンネクスト）と、ヒト型ロボットの2台である。

　MEC上に構築されたソフトバンクのAIとロボットは、有線や無線のネットワークを介し、文字列情報（テキストデータ）でリアルタイムに相互指示や現在の状況把握のメッセージをやり取りする。

　展示会で公開されたデモのタスクは、「新卒社員向けに、配布用の印刷資料（Handouts）とスマートフォンを、それぞれ3つずつ準備してセットアップする」という、従来の産業用ロボットの固定的なティーチング（教示プログラム）では対応が困難な、動的な判断を要するオフィスワーク風の作業であった。 【次ページ】【現場検証中】物流倉庫でロボットに“人間の勘”を仕込む技術