【単独】早大教授・尾形氏にズバリ聞いた、日本は「フィジカルAI」で本当に勝てるか？

バラバラの「フィジカルAIの定義」とは？

　フィジカルAIという言葉は現在、非常に幅広い意味で使われており、人によって定義がバラバラな面があります。物理の世界で活用されるAIという広い意味で捉えてしまうと、「それは以前からたくさんありましたよね」ということになってしまいます。

　私にとってフィジカルAIの定義は非常にシンプルで、生成AIのやり方でロボットを動かすというものです。


　従来の自然言語処理では、人間が大量の辞書や文法規則のプログラムを作成して文章を解析していました。しかし、現在の生成AIは大量の文章データ（コーパス）を直接学習し、自ら文章を生成・対話できるようになります。

　ロボットもまったく同じことが起きています。人間が動作を与え、ロボット自身にそれを学習させる。これまでのロボット開発で必要だった物体のモデル化や複雑な行動プランニングといったプロセスの一部を省略し、データから動作までエンドツーエンドで一気につなげます。

　これによって全身運動や、これまで扱うのが難しかった複雑な動作が実現できるようになりました。これがフィジカルAIの本質だと考えています。

生成AI・パワー半導体による「ソフトとハード」の変化

　昔の産業用ロボットが最も得意としたのは、決まった動作を繰り返し、スピードを上げて行うことでした。今回のブレークスルーは、生成AIの技術を応用し、現実世界にある大量のデータからロボットの動作を学習させることで、周囲の状況を認識しながら柔軟に適応する能力が飛躍的に向上したことにあります。

　特に、紐や服、ネバネバしたものや調理食材といった現実世界でシミュレーションするのが極めて困難な物体は、従来はプログラムによって対応することが困難でした。これらを人間が言葉で説明してアルゴリズム化するのではなく、現実世界のデータを集めてAIに学習させるのがフィジカルAIのやり方です。

　人間の理解が及ばない範囲であっても、ロボットが経験に基づいて柔軟に適応し、動けるようになったのです。これがまったく新しいアプリケーションの可能性を開いたため、一気に注目を集めることとなりました。

　ソフト側の変化だけでなく、ロボットのハードウェア設計や開発プロセス自体にも大きな変化が生まれています。たとえば、従来の歩行ロボットは大きなギアを組み込んで高いトルクを出していました。

　そのため衝撃に弱く、現実世界で学習させようとすると、転倒してすぐに壊れてしまいます。できれば仮想空間におけるシミュレーションで学習させたいところですが、従来の歩行ロボットは構造が複雑でシミュレーション上での再現も難しいものでした。

　しかし、近年のパワー半導体の進化により、非常に大きな電流を直接コントロールできるようになりました。こうした技術の進歩によって、ギアによる減速を抑え、ダイレクトドライブに近い形で足や関節を動かせるロボットも登場しています。

　ギアを減らすと、シミュレーション内でのモーターの再現性が劇的に高まります。シミュレーション空間に何百台、何千台ものロボットを並べ、現実世界よりも厳しい環境で一気に「転び起き」を繰り返し学習させることができるようになったのです。このように、シミュレーションに適合しやすいハードウェアへのシフトが進んでいます。

　日本が出遅れた背景には、ASIMOなどで高度な歩行技術を実現しながら、実社会で役立てる難しさに直面した経験があります。ただ、海外発のブームに慎重になった面はあっても、現在はスタートアップや大手メーカーが実証を進めており、悲観する段階ではありません。

　巻き返しの鍵は、現場のデータやノウハウを持つことだけではありません。ロボットで再現できるスキルを見極め、AIが学習できる形式でデータ化し、最新のAIで学習・制御モデルを構築する。この3つを並行して進め、ハードウェアとデータ、AIを一体で開発する体制が不可欠です。機械とAIの双方を理解する人材の育成も重要になります。

　食品の盛り付けや複雑な包装、建築・災害現場など、ロボット用に環境を整えにくく、人手に頼ってきた領域にこそ活躍の余地があります。日本の現場力と製造技術に新しいAI技術を融合できれば、世界と勝負できる領域は十分にあると考えています。

ホンダASIMOなど…なぜ日本は「驚異の技術」を持っても出遅れた？

【次ページ】日本は世界に勝てるのか？ 競争力を発揮する「超重要な条件」