1. 一つのニュースではなく二つのシステム

安川電機は7月15日、MOTOMAN NEXTとGoogle DeepMindのGemini Robotics-ER 1.6を統合したエージェント型ロボットシステムの開発を発表した。「部品を仕分けて」のような一般指示から状況を認識し手順を組み立て、物を落とした際の再試行や生産管理システム連携を説明している。

7月13日のSoftBankとの別実証は変形物のワイヤハーネスが対象だ。VLAが視覚と指示から把持・操作を選び、GPUクラウドが動作データ収集、合成データ、学習、シミュレーション評価、実機展開を支援した。前者は計画、後者は変形物制御が中心である。

2. ケーブルが箱より難しい理由

従来の自動化は位置、形状、軌道が決まると強い。ワイヤ、布、袋は垂れ、曲がり、絡み、把持点が動作ごとに変わる。保存座標だけでは足りず、現在状態を見て新しい動作を選び、結果を確認する必要がある。

両社は安定したハーネス操作を確認したとする。しかし数千部品の成功率、独立比較、試行数、サイクルタイム、失敗率、人の介入頻度は公開していない。開発ループの実証は重要だが、変形物操作が一般に解決したとは言えない。

3. エージェントロボットの構成

Gemini Robotics-ER 1.6は場面理解、目標分解、進捗判定、再試行を担う上位推論器だ。モーション制御、トルクセンサー、安全速度を置き換えない。安川電機の制御技術が意味的な計画を制約された実動作へ変換する。

SoftBankの流れでは実データを収集し、NVIDIA Cosmosで合成データを増やし、GPU学習とOmniverseライブラリのシミュレーションを経て実機へ載せる。シミュレーションは実機試験を減らすが、現実との差と現場検証をなくさない。

  • 目標：人または生産システムの一般指示。
  • 認識：カメラとセンサーで現状を把握。
  • 計画：身体性モデルが手順と成功を判断。
  • 実行：制御器が経路・力・速度を制限。
  • 学習：実・合成・模擬データで改善。

4. 完了したこと、まだ計画のこと

完了した事実はエージェントシステムの開発発表とハーネス実証だ。安川電機は適用分野と提供時期を準備完了後に知らせるとしており、7月15日資料に販売日、価格、商用支援仕様はない。

SoftBankのGPUクラウドも検証時点では全面商用開始前だ。5月25日にベータを始め、10月を開始予定とした。開発短縮や導入容易性は参加企業の説明で、独立コスト研究はない。開発、実証、ベータ、開始予定、実証済み商用運用を分けるべきだ。

5. 自律性は機械安全を代替しない

再計画は可能動作を広げるため、タスク知能と安全機能の分離が重要になる。ISO 10218-1:2025はロボット自体の安全設計とリスク低減、Part 2は応用とセル統合を扱う。モデル安全性は防護、安全停止、力・速度制限、リスク評価を代替しない。

OSHAは事故の多くがプログラミング、保守、試験、設定など非定常時に起きると説明する。いつ再試行し、いつ停止し、誰が新計画を承認するか、カメラ・通信・モデル不調時にどうなるかを試す必要がある。良いロボットは既知の境界内で失敗する。

6. 日本の製造現場での評価軸

汎用スマートロボットを買う前に、変動が大きく高コストまたは危険な一作業を選ぶ。既存のサイクルタイム、不良、人の介入、安全曝露を基準化し、監査できる停止条件のある限定セルで検証する。

成功作業単価、介入回数、復旧時間、停止損失を測り、通信低下、センサー欠損、未知物体を試す。映像・動作データの所有権、モデルとログの移行性も契約する。単純自動化が勝るなら追加AIは収益ではなく複雑性だ。

  • 高価値で変動する一作業から始める。
  • 成功・失敗分布を要求する。
  • 安全制御を生成モデル・クラウドから分離。
  • 劣化運転と人への引継ぎを試験。
  • データ所有、監査ログ、移行性を契約。