先月、長いお休みをいただきました。しかし、ロボット工学に関するニュースレター「Actuator」（こちらから購読できます）を継続するため、業界のビッグネームの方々にご連絡を取りました。CMU、カリフォルニア大学バークレー校、Meta、Nvidia、Boston Dynamics、そしてToyota Research Instituteの方々に、生成AI、ヒューマノイドのフォームファクター、家庭用ロボットなど、様々なトピックについて、同じ6つの質問をしました。以下に、質問ごとにまとめた回答を掲載しています。2023年のロボット工学、そしてそれが未来のテクノロジーへと導く道筋について、これほど包括的な分析は他にないでしょう。
生成 AI はロボット工学の将来においてどのような役割を果たすのでしょうか?
マシュー・ジョンソン＝ロバーソン（CMU）：生成型AIは、新たなデータとソリューションを生成する能力を通じて、ロボットの能力を飛躍的に向上させるでしょう。これにより、ロボットは幅広いタスクにおいてより汎用的な対応が可能になり、新たな環境への適応力が向上し、自律的に学習・進化する能力も向上する可能性があります。
Dhruv Batra、Meta:生成 AI は、具現化された AI とロボット研究において、2 つの異なる役割を果たすと考えています。
- データ／経験ジェネレーター：
ロボットの訓練用に、2D画像、動画、3Dシーン、あるいは4D（3D＋時間）シミュレーション経験（特に行動／言語条件付け経験）を生成します。これは、ロボット工学において実世界での経験が非常に乏しいためです。基本的に、これらは「学習シミュレーター」と考えてください。そして、ロボット工学研究は、シミュレーションによる訓練とテストなしにはスケールアップできないと私は考えています。 - 自己教師学習のためのアーキテクチャ。
エージェントが将来観察する感覚観測データを生成し、実際の観測データと比較することで、学習のための注釈不要の信号として利用します。詳細については、YannのAMIに関する論文をご覧ください。
ボストン・ダイナミクスのアーロン・サンダース氏：現在の変化のスピードを考えると、遠い未来を予測するのは困難です。基盤モデルは、最高の機械学習モデルの構築方法に大きな転換をもたらし、自然言語インターフェースの短期的な加速化は既に目覚ましいものがあります。基盤モデルは、ロボットとの会話型インターフェースの構築、既存のコンピュータービジョン機能の品質向上、そして視覚的な質問応答といった新たな顧客対応機能の実現につながる可能性を秘めています。最終的には、これらのよりスケーラブルなアーキテクチャとトレーニング戦略が、言語や視覚を超えてロボットの計画と制御へと拡張していくと考えています。ロボットの周囲の世界を解釈できるようになることで、ロボットとのインタラクション方法をより深く理解できるようになります。ロボット研究者にとって、今は本当に刺激的な時代です！
ラス・テドレイク（TRI）：生成AIは、ロボット工学に革新的な新機能をもたらす可能性を秘めています。ロボットと自然言語でコミュニケーションできるだけでなく、インターネット規模の言語・画像データに接続することで、ロボットはより強固な理解力と推論能力を獲得し、世界をより深く理解できるようになります。しかし、まだ初期段階です。ロボットを真に有用なものにするために必要な、身体知能に画像と言語の知識をどのように組み込むかを理解するには、さらなる研究が必要です。
ケン・ゴールドバーグ（カリフォルニア大学バークレー校）：噂は少し前からありましたが、2023年は生成AIがロボット工学を変革した年として記憶されるでしょう。ChatGPTのような大規模言語モデルにより、ロボットと人間は自然言語でコミュニケーションをとることができます。言葉は時間とともに進化し、「椅子」から「チョコレート」、そして「カリスマ性」まで、様々な概念を表すようになりました。ロボット工学者たちはまた、大規模な視覚・言語・行動 モデルを学習させることで、ロボットの知覚を促進し、ロボットの腕や脚の動きを制御できることを発見しました。学習には膨大な量のデータが必要となるため、世界中の研究室が協力してデータを共有しています。成果は次々と発表されており、一般化についてはまだ未解決の問題はあるものの、その影響は計り知れないものとなるでしょう。
もう一つの興味深いトピックは、「マルチモーダル モデル」です。マルチモーダルには 2 つの意味があります。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
- 視覚と言語など、異なる入力モードを組み合わせたマルチモーダル。現在、触覚や奥行きのセンシング、ロボットアクションなどにも拡張されています。
- マルチモーダルとは、同一の入力状態に対して異なる動作を許容するという意味です。これはロボット工学において驚くほど一般的で、例えば物体を掴む方法は数多く存在します。標準的な深層学習モデルはこれらの掴み動作を「平均化」するため、非常に精度の低い掴み動作を生み出す可能性があります。マルチモーダル動作を維持する非常に興味深い方法の一つが、現在スタンフォード大学に在籍するシュラン・ソン氏が開発した拡散政策です。
NVIDIAのディープ・タラ氏： 生成AIによる生産性向上は、既に様々な業界で実現しています。GenAIのインパクトは、シミュレーションから設計まで、ロボティクス分野全体に変革をもたらすことは明らかです。
- シミュレーション： モデルは、シーンの構築、環境の構築、アセットの生成など、3Dテクニカルアーティストと開発者間のギャップを埋め、シミュレーション開発を加速させます。これらのGenAIアセットは、合成データ生成、ロボットスキルのトレーニング、ソフトウェアテストなどでの利用が拡大するでしょう。
- マルチモーダル AI: トランスフォーマーベースのモデルにより、ロボットが周囲の世界をより深く理解する能力が向上し、より多くの環境で作業し、複雑なタスクを完了できるようになります。
- ロボットの (再) プログラミング: シンプルな言語でタスクと機能を定義する能力が向上し、ロボットの汎用性/多目的性が高まります。
- 設計: 効率性を向上させるための新しい機械設計 (例: エンド エフェクタ)。
ヒューマノイドフォームファクターについてどう思いますか?
ケン・ゴールドバーグ（カリフォルニア大学バークレー校）：ヒューマノイドや脚式ロボットについては、過度にセンセーショナルで非効率な側面があるため、これまで懐疑的でした。しかし、ボストン・ダイナミクス、アジリティ、ユニツリーの最新のヒューマノイドや四足歩行ロボットを見て、考えを改めました。テスラには、低コストのモーターとギアシステムを大規模に開発できるエンジニアリング力があります。脚式ロボットは、家庭や工場における階段、瓦礫、絨毯の上を移動する際に、車輪式ロボットよりも多くの利点があります。双腕（2本腕）ロボットは多くの作業に不可欠ですが、5本指ロボットハンドよりも、シンプルなグリッパーの方が信頼性が高く、費用対効果も高いと確信しています。
Deepu Talla（NVIDIA）：自律ロボットの設計は困難です。ヒューマノイドはさらに困難です。床面の障害物を認識することが主なAMR（自律移動ロボット）のほとんどとは異なり、ヒューマノイドは移動マニピュレーターであり、周囲の環境をより深く理解するためにマルチモーダルAIを必要とします。膨大な量のセンサー処理、高度な制御、そしてスキル実行が求められます。
基礎モデルを構築する生成AI機能の飛躍的進歩により、ヒューマノイドに必要なロボットスキルの汎用性が向上しています。同時に、AIベースの制御システムと知覚システムを訓練できるシミュレーション技術も進歩しています。
マシュー・ジョンソン＝ロバーソン（CMU）：ヒューマノイドのフォームファクターは、非常に複雑なエンジニアリングと設計上の課題です。人間の動きやインタラクションを模倣しようとすると、アクチュエーターや制御システムには高いハードルが課せられます。また、バランスと協調性という点でも特有の課題が生じます。こうした課題にもかかわらず、ヒューマノイドの形状は、人間の自然なインターフェースとインタラクションを模倣することで、様々な社会的・実践的な状況において、極めて汎用性が高く、直感的に使用できる可能性を秘めています。しかし、おそらくこれらのプラットフォームよりも先に、他のプラットフォームが成功を収めるでしょう。
Max Bajracharya（TRI）：ロボットが人を支援する場所は、人間向けに設計される傾向があるため、これらのロボットはそのような環境にフィットし、動作する必要があるでしょう。しかし、それは必ずしもヒューマノイド型（2本の腕、5本の指、2本の脚、そして頭）である必要があるという意味ではありません。コンパクトで安全であり、人間のような作業が可能なロボットであれば十分です。
Dhruv Batra（Meta）：私は楽観的です。基本的に、人間の環境はヒューマノイドのフォームファクターに合わせて設計されています。人間向けに設計された環境で汎用ロボットを本当に動作させたいのであれば、フォームファクターは少なくともある程度ヒューマノイドに似ていなければなりません（ロボットは人間よりも多くのセンサーを搭載し、より多くの付属肢を持つようになるでしょう）。
ボストン・ダイナミクスのアーロン・サンダース氏：ヒューマノイドは必ずしもあらゆるタスクに最適なフォームファクターではありません。例えばStretchを例に挙げましょう。私たちが箱運びロボットへの関心を高めたのは、Atlasが箱を運ぶ動画を共有したことがきっかけでした。人間が箱を運べるからといって、そのタスクを完了するのに最適なフォームファクターであるとは限りません。そこで私たちは最終的に、人間よりも効率的かつ効果的に箱を運べるStretchのカスタムロボットを設計しました。とはいえ、私たちは汎用ロボットの長期的な追求に大きな可能性を感じており、ヒューマノイドのフォームファクターは、人間の形状を中心に構築された世界に最も適しています。私たちは常にヒューマノイドの可能性に期待しており、技術ギャップを埋めるために尽力しています。
製造業と倉庫業に続いて、ロボット工学の次の主要分野は何でしょうか?
TRIのマックス・バジュラチャルヤ氏： 農業には大きな可能性とニーズがあると感じていますが、多くの作業が屋外で行われ、構造化されていないため、非常に困難です。トヨタ・ベンチャーズは、BurroやAgtonomyといった企業に投資しており、これらの企業は初期の農業アプリケーションに自律性をもたらす取り組みで順調な進歩を遂げています。
マシュー・ジョンソン＝ロバーソン（CMU）：製造業や倉庫業に加え、農業分野はロボット技術にとって、労働力不足、効率性、持続可能性といった課題への取り組みにおいて大きな可能性を秘めています。輸送やラストマイル配送も、ロボット技術によって効率性の向上、コスト削減、サービスレベルの向上が期待できる分野です。これらの分野では、技術が成熟し、より広範な導入を支援するための規制枠組みが整備されるにつれて、ロボット技術の導入が加速していくと考えられます。
ボストン・ダイナミクス社のアーロン・サンダース氏：顧客ニーズと最先端技術のマッチングという点では、これら2つの業界は依然として際立っています。今後、私たちは徐々に決定論的な環境から、より不確実性の高い環境へと移行していくと考えています。製造業や物流業など、自動化に適した業界で広く導入が進むと、次の波は建設業や医療といった分野で起こるでしょう。これらの業界は、労働力が豊富で熟練労働者への需要が高いものの、供給が需要を満たしていないため、魅力的なビジネスチャンスとなっています。これに、高度に構造化された産業環境と全く構造化されていない消費者市場の中間に位置する労働環境が加われば、汎用化への道筋における自然な次のステップとなる可能性があります。
ディープ・タラ（NVIDIA）：労働力不足と人口動態の変化の影響を受けている市場は、今後もロボティクス分野におけるビジネスチャンスと密接に結びついていくでしょう。これは、農業、ラストマイル配送、小売など、多様な業界で事業を展開するロボティクス企業に当てはまります。
様々なカテゴリーの自律ロボットを開発する上で重要な課題は、スタックのシミュレーションとテストに必要な3D仮想世界を構築することです。ここでも、生成型AIは、開発者がリアルなシミュレーション環境をより迅速に構築できるようにすることで、その実現を支援します。ロボット工学へのAIの統合により、より活動的で「ロボットフレンドリー」ではない環境でも、自動化を促進できるようになります。
ケン・ゴールドバーグ（カリフォルニア大学バークレー校）：最近の労働組合の賃金交渉の妥結を受けて、製造現場や倉庫では今よりもはるかに多くのロボットが使われるようになると思います。自動運転タクシーの最近の進歩は目覚ましく、特にフェニックスよりも運転条件が複雑なサンフランシスコでは顕著です。しかし、費用対効果が高いとは到底言えません。ロボット支援手術に関しては、研究者たちは「拡張された器用さ」を研究しています。これは、ロボットが縫合などの低レベルのサブタスクを実行することで、手術スキルを向上させるというものです。
真の汎用ロボットはどのくらい先にあるのでしょうか?
Dhruv Batra（Meta）： 30年ですね。つまり、意味のある予測など不可能な時代です。実際、「AGIはもうすぐそこまで来ている」と主張する人たちには、強い疑念と疑念を抱くべきだと私は考えています。
ディープ・タラ（NVIDIA）：ロボットはますます知能化し、特定の環境で複数のタスクを実行できるようになっています。ミッション固有の問題に引き続き焦点を当てつつ、より汎用性の高いものにしていくと予想されます。真の汎用的な自律性は、まだ先のことです。
マシュー・ジョンソン＝ロバーソン（CMU）： 様々な環境で幅広いタスクを実行できる真の汎用ロボットの登場は、まだ遠い未来のことかもしれません。AI、機械学習、材料科学、制御システムなど、複数の分野におけるブレークスルーが必要です。このような汎用性を実現する道のりは、ロボットがタスク特定型からより多機能型、そして最終的には汎用型へと徐々に進化していく段階的なプロセスです。
TRIのラス・テドレイク氏： この分野は、現在の比較的ニッチなロボットから、より汎用性の高いロボットへと着実に進歩できると楽観視しています。どれくらいの時間がかかるかは分かりませんが、柔軟な自動化、多品種生産、農業用ロボット、POSロボット、そしておそらく私たちがまだ想像もしていないような新しい産業が、自律性の向上とより汎用的な機能の恩恵を受けるでしょう。
ケン・ゴールドバーグ（カリフォルニア大学バークレー校）：真のAGIや汎用ロボットが近い将来に登場するとは考えていません。私が知るロボット工学者の中で、ロボットが仕事を奪ったり、人間の支配者になったりすることを心配している人は一人もいません。
ボストン・ダイナミクス社のアーロン・サンダース氏：真の汎用ロボットの実現には、多くの困難な課題が立ちはだかっています。産業オートメーションの世界では、専用ロボットは既にコモディティ化していますが、多目的ロボットの登場はようやく始まったばかりです。真の汎用ロボットとなるには、ロボットは非構造化環境をナビゲートし、これまで遭遇したことのない問題にも対処する必要があります。そして、ユーザーの信頼を築き、満足感を与えるような方法でこれを実現する必要があります。そして、競争力のある価格で、こうした価値を提供しなければなりません。朗報なのは、この分野への関心とクリティカルマスが著しく増加していることです。子供たちは幼い頃からロボット工学に触れ、最近の卒業生たちは技術の飛躍的な発展を牽引しています。産業界の顧客に価値を提供するという今日の課題は、明日の消費者機会と、私たち皆が夢見る汎用ロボットの未来への道を切り開くのです。
家庭用ロボット（掃除機を超えるもの）は、次の 10 年間で普及するでしょうか?
マシュー・ジョンソン＝ロバーソン（CMU）：様々な環境で幅広いタスクを実行できる真の汎用ロボットの登場は、まだ遠い未来のことかもしれません。AI、機械学習、材料科学、制御システムなど、複数の分野におけるブレークスルーが必要です。このような汎用性を実現する道のりは、ロボットがタスク特定型からより多機能型、そして最終的には汎用型へと徐々に進化していく段階的なプロセスです。
Deepu Talla、Nvidia:便利なパーソナルアシスタント、芝刈り機、高齢者を支援するロボットなどが日常的に利用されるようになるでしょう。
これまで家庭用ロボットの普及を阻んできたトレードオフは、ユーザーがロボットにいくら支払う意思があるか、そしてロボットがその価値を提供できるかどうかという軸です。ロボット掃除機は長年、価格に見合った価値を提供してきたため、人気を博しています。
また、ロボットがよりスマートになるにつれて、直感的なユーザーインターフェースが普及の鍵となるでしょう。自ら環境をマッピングし、音声で指示を受け取ることができるロボットは、プログラミングが必要なロボットよりも、家庭の消費者にとって使いやすいものになるでしょう。
次に普及が見込まれるカテゴリーは、まず屋外向け、例えば自動芝生管理といった分野に焦点が当てられるでしょう。パーソナルアシスタントやヘルスケアアシスタントといった家庭用ロボットも将来性は高いものの、変化に富み構造化されていない家庭環境において直面する課題に対処する必要があります。
TRIのマックス・バジュラチャリヤ氏： 住宅は多様で構造化されておらず、消費者は価格に敏感であるため、ロボットにとって依然として難しい課題です。未来を予測することは困難ですが、ロボット工学の分野は急速に進歩しています。
ボストン・ダイナミクス社、アーロン・サンダース氏：今後10年間で、家庭へのロボット導入がさらに進む可能性はありますが、それは非常に限定的で特定のタスクに限られます（ルンバのように、日常生活の中で明確な価値を見出すケースは他にもあるでしょう）。幅広い消費者市場に価値を提供する多機能な家庭用ロボットが登場するまでには、まだ10年以上かかるでしょう。ロボットに車と同じくらいの金額を支払うのはいつでしょうか？それは、私たちが世界中を移動するために使っている素晴らしい機械に当然のように期待しているのと同じレベルの信頼性と価値を、ロボットが実現した時です。
ケン・ゴールドバーグ（カリフォルニア大学バークレー校）：今後10年以内に、衣類、おもちゃ、ゴミなどを床から拾い上げて適切なゴミ箱に捨ててくれる、手頃な価格の家庭用ロボットが登場すると予測しています。今の掃除機のように、これらのロボットも時々ミスをしますが、親や高齢者にとってのメリットはリスクを上回るでしょう。
Dhruv Batra、Meta:いいえ、コア技術はまだ準備ができていないと思います。
ロボット工学に関する重要なストーリーやトレンドのうち、十分に報道されていないものは何ですか?
ボストン・ダイナミクス社のアーロン・サンダース氏： AIとその、ロボティクスを含むあらゆる産業を変革する潜在力には、大きな期待が寄せられています。AIには明確な役割があり、数十年にわたって比較的停滞していた領域を開拓する可能性を秘めていますが、優れたロボット製品には、単なる1と0以上の要素が求められます。AIが、私たちが周囲の世界とインタラクトするために必要な物理的な具現化を実現するには、コンピューター、認識センサー、電源、そしてロボットシステム全体を構成するその他すべての要素といった主要技術の進歩を追う必要があります。近年、自動車業界は電動化と先進運転支援システム（ADAS）へと大きく舵を切りつつあり、巨大なサプライチェーンを急速に変革しています。グラフィックスカード、コンピューター、そしてますます高度化するAI対応の民生用電子機器の進歩は、隣接するサプライチェーンにも価値をもたらし続けています。この巨大な技術の雪だるま式に膨らむ技術は、めったに注目されることはありません。しかし、ロボティクス分野における最もエキサイティングなトレンドの一つです。なぜなら、AIによって、革新的な小規模企業が大企業の支援を受けながら、新しくエキサイティングな製品を生み出すことが可能になるからです。
