Physical AI Dispatch｜今週のフィジカルAI動向まとめ 2026/07/14

しばらく間が空いたので、今週から Physical AI Dispatch として再開します。

今回のポイントは、フィジカルAIが「すごいロボットのデモ」だけではなく、建設現場、産業ロボット、欧州スタートアップ支援、接触・触覚を扱う研究、中国との量産競争まで、かなり現実寄りの論点に広がってきていることです。

30秒でわかる今週の全体像

今週は、次の3つの流れが目立ちました。

1つ目は、建設や産業機械のような変化の大きい現場に、AIロボットをどう入れるかという動きです。清水建設は建設現場でのヒューマノイド巡回やロボットアームによる塗装作業の実証を進めており、NVIDIAとDoosanも産業ロボット、建設機械、AIファクトリー基盤をまとめて扱う協業を発表しています。

2つ目は、ロボット基盤モデルを「現場で動かせる形」に近づける流れです。Google DeepMindは欧州のロボティクス企業15社を対象にしたアクセラレータを始め、NVIDIAはシミュレーション、世界モデル、オンデバイス推論を産業ロボット側に接続しようとしています。

3つ目は、研究テーマが見た目の動きから、接触、力、触覚、安全、復旧へ寄ってきていることです。PAC-ACTやTactiDexのような研究は、ロボットが「動作をまねる」だけでは足りず、接触の安定性や力の扱いまで見ないと現場では使えない、という方向を示しています。

今週の注目トピック3分類

1. 実機・現場導入

今週いちばん現場感があったのは、清水建設の建設現場向けAIロボット実証です。

TECH+の記事によると、同社は建設現場でのAIロボット活用に向け、ヒューマノイドロボットによる現場巡回や、ロボットアームによる塗装作業の実証を進めています。Torch Towerの建設現場では、ヒューマノイドがカメラを持って1.0m/sで自律歩行し、指定経路を巡回したとされています。

ここで面白いのは、ロボットそのものよりも「現場データを集め、AIモデルを作り、実機に戻す」というループです。建設現場は日々レイアウトが変わるため、工場の固定ラインよりも環境変化が大きい。つまり、フィジカルAIが本当に効くかどうかを見るには、かなり厳しい場所です。

2. 基盤モデル・研究

NVIDIAとDoosanの協業は、フィジカルAIを単体のロボット技術ではなく、産業スタックとして見る動きです。

NVIDIAの発表では、Doosan Roboticsが Isaac Sim、Isaac Lab、Cosmos、Newton、Jetson Thor などを統合し、認識、推論、シミュレーション、学習、オンデバイス推論をつなぐ Agentic Robot OS を進めるとされています。対象例として、デパレタイズ、サンディング、双腕ロボット、ヒューマノイドなども挙げられています。

これは「ロボットを賢くする」という話に見えますが、現場目線ではもっと広いです。シミュレーションで学習し、実機で動かし、エッジで推論し、また現場データを戻す。この循環を誰が持つのかが、今後のロボット導入の主戦場になりそうです。

3. 市場・政策・量産

IEEE Spectrumは、日本のヒューマノイドの歴史と、中国勢の量産・低価格化の勢いを対比していました。

記事では、日本がWABOT-1やASIMOなどで先行した一方、実用機として大きく商用化できなかったこと、中国では政策支援や若い企業群を背景に量産と価格低下が進んでいることが指摘されています。Unitree G1の価格例や、中国の産業用ロボット稼働台数に関するIFR推計も紹介されていました。

ここは日本企業にとって耳が痛いところです。技術デモで勝つだけでは足りない。導入価格、供給網、安全規格、実運用データ、保守体制まで含めて勝負になるからです。

注目ニュース

1. 清水建設、建設現場向けAIロボットの研究開発を本格化

清水建設は、建設現場の労働力不足、生産性、安全性の課題に対して、AIロボットの現場実装を進めています。

注目したいのは、ヒューマノイドによる巡回と、ロボットアームによる塗装作業がセットで語られている点です。巡回は認識・判断・移動、塗装は模倣学習・力加減・作業品質が問われます。どちらも「生成AIを載せれば終わり」ではなく、センサー、SLAM、作業計画、遠隔監視、エッジ処理、データ基盤が必要になります。

現場導入の観点では、見るべきポイントは3つです。

• 巡回で何を検知できるのか

• 人がどのタイミングで介入するのか

• 現場ごとに変わる環境へどの程度適応できるのか

建設現場は条件が揃いにくいので、ここで成立するなら、他の非定型現場にも展開できる可能性があります。

2. NVIDIAとDoosan、ロボットからAIファクトリー基盤まで協業

NVIDIAとDoosan Groupは、フィジカルAI、ロボティクス、AIファクトリー基盤にまたがる協業を発表しました。

Doosan Roboticsは、NVIDIAの Isaac Sim / Isaac Lab、Cosmos、Newton、Jetson Thor などを使い、Agentic Robot OS を進めるとされています。Doosan Bobcat側では、建設、造園、農業、マテリアルハンドリング向け機械へのフィジカルAI技術の統合も検討されています。

このニュースで重要なのは、ロボット単体ではなく、AIデータセンター、電力、産業機械、材料まで一体で扱われていることです。フィジカルAIは「ロボットの頭脳」だけでなく、計算資源、電源、エッジデバイス、基板材料、現場設備まで含む産業テーマになりつつあります。

3. Google DeepMind、欧州ロボティクス企業15社を支援

Google DeepMindは、欧州のロボティクススタートアップ15社を対象にした3か月のアクセラレータを開始しました。対象企業は、製造、物流、医療、建設、リサイクル、海洋ロボット、ヒューマノイドなど幅広い領域にまたがります。

この動きは、Google DeepMindが研究成果を直接ロボット製品へ落とし込むルートを増やしているように見えます。Gemini Roboticsのようなモデルだけでなく、現場を持つスタートアップと組むことで、どのデータが足りないのか、どの安全設計が必要なのか、どの作業が本当に自動化価値を持つのかを学べるからです。

日本から見ると、ここはかなり重要です。欧州は規制や安全、倫理の議論が強く、製造・医療・建設の現場もある。ロボット基盤モデルが社会実装されるときの「安全に使える形」を作る地域になり得ます。

4. PAC-ACT、接触を伴う産業作業で低遅延な制御を狙う研究

arXivに投稿された PAC-ACT は、Action Chunking Transformer の事後学習に Actor-Critic を組み合わせ、接触を伴う産業作業での安定性を高める研究です。

論文では、VLAモデルは汎化性能に期待できる一方で、推論遅延やGPUメモリ負荷が問題になりやすいと整理しています。そのうえで、リアルタイム性が求められる接触作業では、低遅延な視覚-行動系のポリシーをどう強くするかが重要になります。

特に注目したいのは、評価が「成功したかどうか」だけでなく、接触力や安全性に踏み込んでいる点です。論文上の実験では、Contourタスクで60Nを超える力の読み取り割合を大きく減らしたとされています。現場導入では、このような力の扱いがかなり効いてきます。

5. TactiDex、触覚つき器用操作をベンチマーク化

同じくarXivに投稿された TactiDex は、人の手の動きをロボットへ移すとき、軌道だけでなく触覚フィードバックも扱うための実世界ベンチマークです。

これまでの模倣学習は、手や指の動きの軌道に寄りやすく、実際にどのように物体へ接触し、どれくらいの力で安定させるかが抜け落ちやすい。TactiDexは、手全体の触覚信号、運動情報、物体状態を組み合わせ、接触レベルで人間らしい器用操作を評価しようとしています。

製造業の組立、検査、ピッキング、工具操作では、見えている情報だけでは足りない場面が多いです。触覚や力の情報をどう学習データにするかは、今後の実用化で避けて通れないテーマになりそうです。

6. 日本のヒューマノイドは、中国の量産スピードとどう向き合うか

IEEE Spectrumの記事は、日本のヒューマノイド技術の蓄積と、中国の量産・低価格化の勢いを並べていました。

日本はロボット設計や産業自動化の知見を持っています。一方で、ヒューマノイドを商用化し、価格を下げ、現場に入れてデータを取るサイクルでは、中国勢が先に進んでいるように見えます。

ここで大事なのは、日本が「人型ロボット単体」で勝つかどうかだけではありません。安全、品質、現場改善、保守、業務設計、既存設備との統合まで含めて、どこで価値を出すかです。製造業や建設業の現場を知っている企業ほど、ロボットを単なる機械ではなく、業務プロセスの一部として設計できるはずです。

今週の見取り図

今週の流れを一枚の地図にすると、中心にあるのは「現場で使える条件」です。

• 実機導入: 清水建設、Doosan、建設・産業機械への展開

• 基盤モデル: NVIDIA Cosmos、Gemini Robotics、シミュレーションとオンデバイス推論

• 研究: PAC-ACT、TactiDex、接触力、触覚、低遅延制御

• 市場: 中国の量産・低価格化、日本の設計・現場知見

• 運用: 安全、復旧、人の介入、既存設備との接続

今後は、ロボットが「歩ける」「つかめる」だけでは足りません。

何時間動くのか。止まったとき誰が復旧するのか。既存設備とどうつながるのか。作業品質をどう保証するのか。安全基準にどう乗せるのか。

ここまで見て初めて、フィジカルAIは現場導入の話になります。

次に見るべきシグナル

• 実導入先の業種と作業内容

• 作業成功率、停止率、復旧時間

• 人が介入する頻度とタイミング

• 接触力、触覚、力制御の評価方法

• シミュレーションから実機へ移す手順

• エッジAI、センサー、通信、電源の構成

• 中国ヒューマノイドの価格、量産台数、保守体制

• 日本企業がどの現場データを持てるか

まとめ

今週のフィジカルAIは、「研究デモ」から「現場導入の条件」へ視点を戻す週でした。

清水建設のような現場実証、NVIDIAとDoosanのような産業スタック、Google DeepMindの欧州スタートアップ支援、PAC-ACTやTactiDexのような接触・触覚研究は、別々の話に見えて、実は同じ方向を向いています。

それは、AIが物理世界で働くには、モデル性能だけでなく、センサー、制御、現場データ、安全、復旧、業務設計が全部つながる必要がある、ということです。

来週以降は、特に「どの現場で、どの作業を、どの条件で任せられるのか」を中心に見ていきます。

出典

• 清水建設、建設現場向けAIロボットの研究開発を本格化（TECH+）

• NVIDIA and Doosan Group Collaborate to Advance Physical AI and AI Factory Infrastructure（NVIDIA）

• Powering the future of robotics in Europe（Google）

• PAC-ACT: Post-training Actor-Critic for Action Chunking Transformers（arXiv）

• TactiDex: A Real-World Tactile-Guided Benchmark for Human-Like Dexterous Manipulation（arXiv）

• Japan Pioneered Humanoid Robots - Can It Now Catch China?（IEEE Spectrum）

※本記事は公開情報をもとにした週次メモです。できる限り原典を確認していますが、内容に誤りや解釈違いが含まれる可能性があります。気づいた点があれば教えていただけると助かります。