川崎重工・ファナック・安川、データ共有へ

川崎重工業、ファナック、安川電機という日本の産業用ロボット大手3社が、新エネルギー・産業技術総合開発機構が支援する共同プロジェクトに参加しました。通常は競合関係にある3社が手を組み、工場現場の視覚・触覚・言語・動作データを収集して物理AIの実用化を目指します。予算規模は最大20億円で、2026年8月から2027年7月まで実施されます。日本の製造業がデータという資産を業界横断で蓄積する、異例の取り組みです。

プロジェクトの中身

Ledge.aiの報道によると、このプロジェクトは新エネルギー・産業技術総合開発機構、通称NEDOが支援する形で進められます。川崎重工業、ファナック、安川電機という産業用ロボット分野で世界的なシェアを持つ日本企業3社が参加し、工場現場から視覚・触覚・言語・動作を組み合わせたデータセットを構築します。予算規模は最大20億円、実施期間は2026年8月から2027年7月までの1年間です。

ロボスタとResponse.jpの報道を合わせると、初年度に5000時間分の視覚・触覚・動作データを収集する計画であることがわかります。協力機関として大阪大学、触覚センサー技術を持つFingerVision、AI開発を手がけるABEJAが参加します。大学の研究知見と民間企業のセンサー技術、AI開発力を組み合わせる体制です。

なぜ競合3社が手を組むのか

産業用ロボットにとって、新しい作業を覚えさせる「教え込み」は大きな負担です。従来はロボットの動きを人が手作業でプログラムしたり、実際に動かして記録したりする方法が中心で、対応できる作業の種類を増やすには膨大な人手と時間がかかっていました。今回のプロジェクトは、この教え込み作業を人手に頼らず効率化することを目指すもので、視覚・触覚・言語・動作を組み合わせた大規模データセットがあれば、ロボットが新しい作業を学習する速度を上げられると見込まれています。

川崎重工業、ファナック、安川電機は本来、産業用ロボット市場で競合する関係にあります。それでもデータの収集と共有という基盤づくりの部分で協力するのは、個社だけでは集めきれない規模とバリエーションのデータが必要だからだと考えられます。5000時間という初年度の目標は、1社単独の取り組みでは達成が難しい規模です。政府の支援を受けた枠組みで進める背景には、こうした業界全体の課題認識があるとみられます。ただし各社の具体的な役割分担やデータの利用条件など、契約面の詳細は現時点の報道では明らかにされていません。最新の情報は各社やNEDOの公式発表で確認してほしいところです。

世界の物理AI開発競争との関係

視覚・触覚・言語・動作を組み合わせてロボットを学習させるアプローチは、物理AIと呼ばれる分野で世界的に開発競争が進んでいます。NVIDIAと現代自動車もロボット連携を強化しており、詳しくはNVIDIAと現代自動車、ロボット連携を強化で報じました。データ基盤への投資という観点では、中国が2950億ドル規模のAI基盤網を国産技術中心で構築する動きも進んでいます。関連情報は中国、2950億ドルでAI基盤網にまとめています。日本の産業用ロボット大手3社が政府支援のもとでデータ収集に乗り出したことは、こうした国際的な開発競争の中で日本が独自のデータ資産を確保しようとする動きと位置づけられます。

米国や中国の大手テック企業がロボット学習用のデータセットを自社単独で構築しているのに対し、日本の今回の枠組みは複数の企業が協調してデータを集める点で対照的です。単独で巨額を投じられる規模のテック企業に対し、日本の産業用ロボットメーカーは各社の事業規模がそれぞれ異なります。競合3社が共通の基盤を作ることで、個社ごとに同じようなデータ収集を重複して行う無駄を省き、限られた予算を効率よく使う狙いがあると考えられます。NEDOという政府系機関が支援に入っている点も、民間だけでは踏み出しにくい協調領域を後押しする役割を果たしています。

データ収集の対象と手法

FingerVisionが持つ触覚センサー技術は、ロボットの指先が物をつかむ際の力加減や滑りを検知する仕組みとして知られています。ABEJAはAI開発の実績を持つ企業で、収集したデータを実際に学習可能な形へ整える役割を担うとみられます。大阪大学が加わることで、研究機関としての知見をデータ収集の設計や評価手法に反映させる体制も整っています。視覚・触覚・言語・動作という4つの要素を同時に記録する手法は、ロボットが人の指示を理解し、実際に手を動かして作業を完了するまでの一連の流れを丸ごとデータ化しようとする試みです。単に画像を集めるだけでなく、力の入れ具合や動作の順序まで含めて記録することで、より複雑な作業をロボットに教え込める可能性が広がります。

現場の実務にどう効くか

製造業でロボット導入や設備投資を検討する担当者にとって、このプロジェクトはロボットの教え込みコストが将来的に下がる可能性を示す材料になります。現時点では研究開発段階であり、成果が実際の製品や現場導入にどう反映されるかは明らかではありません。それでも、視覚・触覚・言語・動作を組み合わせたデータが新しい作業への対応速度を左右するという方向性は、今後の設備投資計画で意識しておく価値があります。自社の工場でロボット導入を検討する際は、単に機体の性能だけでなく、新しい作業をどれだけ早く学習できるかという観点も比較材料に加えるとよいでしょう。現場のデータ活用についてはエッジAI×SLMで変わる製造現場で具体的な活用例を紹介しており、ホワイトカラー業務との連携を含めた自動化の全体設計は製造業のホワイトカラー業務AI活用を参考にしてほしいと思います。

出典

• 川崎重工・ファナック・安川電機、物理AI向けデータセット構築で協業（Ledge.ai）
• 川崎重工・ファナック・安川電機がNEDO支援プロジェクトに参加（ロボスタ）
• 産業用ロボット大手3社、データ共有で物理AI開発を加速（Response.jp）