「ヒューマノイドは5年で来ない」—ロボットが“靴ひも”で詰まる本当の理由
生成AIが一気に「言語」を攻略したことで、「次はロボットだ」「5年で家事全部をやるヒューマノイドが来る」といった期待が急上昇しています。ですが、UCバークレーのロボティクス研究者Ken Goldbergは、こう釘を刺します。「起きるとは思う。でも問題は“いつ”だ」。この“いつ”を見誤ると、投資も人材も社会の受け止め方も、全てが空回りしかねません。TECH010の対談を軸に、「どこが進み、どこが詰まっているのか」を、具体例でほどきます。
1. 生成AIが煽る「次はロボット」の誘惑
生成AI（特にTransformer以降）が示したのは、「大量データ×学習」で、翻訳・要約・推論・創作まで到達できる、という事実です。ここから多くの人が自然に一段飛ばしでこう考えます。
「言語ができたなら、ロボットも同じカーブで進むはずだ」
Goldbergが警戒するのは、この“同じカーブ”という思い込みです。言語は、ウェブ・書籍・コードなど、学習用のテキストが桁違いに存在します。一方ロボットは、現実世界での接触・摩擦・変形を扱うため、学習に必要なデータの形そのものが違います。
2. 進んだのは「移動」、遅れているのは「器用さ」
四足歩行・二足歩行、ドローンの安定制御など、モビリティ（移動）は、ここ10年で驚くほど進みました。ところが、家庭や工場で価値を生むのは、移動よりもマニピュレーション（手で作業する能力）です。TECH010が繰り返し強調するのは「歩ける」ことと「働ける」ことの断絶でした。
2-1. 靴ひもが結べない理由：触覚というより“変形”が地獄
象徴例が「靴ひも結び」です。靴ひもも指先も、作業中に互いに変形し、力が微妙に逃げ、滑り、締まり、また緩みます。人間は指先の感覚で「今、ちょっと滑った」をほぼ無意識に補正しますが、これをロボットで再現するには、①その変形を正確に測る、②その変形を正確に理解する、③その場で制御に落とす、という3段が必要になります。しかも、そもそも変形と摩擦の物理を“完璧に”シミュレートするのが難しい、という壁が立ちふさがります。
2-2. 希望の道筋：外科手術は「触覚なしでも器用さに近づける」
面白い反証もあります。ロボット支援手術は、一般に想像される「ロボットが勝手に執刀」ではなく、外科医がロボットを“道具（puppet）”として操作して成立しています。そして、長年、触覚フィードバックが限定的でも、外科医は高難度作業を成立させてきました。Goldbergはここにヒントがあると言います。
触覚を完全再現するのではなく、視覚（高性能カメラ）で微細な変形を読み、推定して制御する。この発想は、手のひらや指先にカメラを置く設計（例：手元視点の強化）とも相性が良い。
3. 「100,000年のロボット・データギャップ」
Goldbergが投げる強烈な比喩が、Robot Data Gap（ロボットのデータ不足）です。言語モデルは、人類が蓄積したテキストを大規模に取り込める。一方ロボットは、欲しいデータが「映像＋状態」から「力・関節・制御信号」へつながる時系列で、ネットに転がっていません。Science Roboticsの論考でも、このギャップを埋めるには、ロボットが“仕事をしながら”データを集める仕組み（データ・フライホイール）が重要だと述べられています。
3-1. Dex-Netが示した「合成データ×タスク限定」の強さ
現実の突破例が、バークレー発のDex-Netです。Dex-Net 1.0は、1万超の3Dモデルと、数百万規模の把持サンプル（平行グリッパー把持など）を整備し、堅牢な把持計画を進めました。
ポイントは「人間の手の完全再現」ではなく、問題を“つかむ”に切り出し、データを作り、確率的に勝つことでした。
3-2. データだけでは勝てない：「古典的エンジニアリング」の復権
対談で刺さるのは、Goldbergが繰り返すgood old-fashioned engineeringの話です。センサー校正、照明、吸着カップの摩耗、搬送の詰まり、現場の安全——こうした泥臭い最適化が、稼働率と信頼性を決めます。つまり、モデルが賢いだけでは“現場で毎日動く”にならない。
4. 実用化は「特化型×信頼性」から来る：Ambiと“ナプキン折り”
ヒューマノイドが話題をさらう一方で、実際に価値を生んでいるのは「倉庫」「仕分け」「積み付け」といった、範囲が明確で測定可能な領域です。
4-1. Ambi Robotics：吸着カップで“1億個”を回した現実
Ambi RoboticsのAmbiSortは、吸着などの比較的シンプルなエンドエフェクタで、商用運用として累計1億個以上の荷物を仕分けしたとされています（精度などの指標も公開）。ここにあるのは、“器用な手”ではなく、タスク設計と運用データの蓄積です。
4-2. Dyna Robotics：24時間で800枚以上のナプキンを折る意味
Goldbergが「驚いた」と語る系統のデモとして、Dyna Roboticsは、24時間連続で800枚以上のナプキンを自律で折る実演を公表しています。重要なのは派手さではなく、連続稼働と失敗回復が含まれる点です。ロボット産業に必要なのは、30秒の神デモより、8時間×3シフトで崩れないこと。
5. 家庭用ヒューマノイドはいつ来る？：現実的な“次の10年”
Goldbergは、「絶対に来ない」とは言いません。むしろ、床の物を拾って片付けるのような“価値が高く、範囲が比較的限定できる”家事は、10年スパンで可能性がある、と示唆します（高齢者支援など便益も大きい）。
ただし、前提が2つあります。
プライバシー設計：在宅空間の映像・音声・行動ログは、便利さと引き換えに最も揉める。
期待値管理：過剰な期待が外れると、「ロボットは全部ウソだった」という反動（バックラッシュ）が起き、真面目に現場を回している企業まで巻き込まれる。
この懸念は、Rodney Brooksの“ヒューマノイド熱への批判”とも地続きです。Brooksは、今日の流行が「器用さ」を過小評価し、投資が誤った前提で走る危険を指摘しています。
結論
ロボットは来ます。ただし、来る順番は「SF的な万能ヒューマノイド」ではなく、1タスク特化→信頼性→運用データ→隣接タスク拡張の積み上げになりやすい。だから私たちが今やるべきは、夢を語ることよりも、どの作業が“データを生みながら価値を出せるか”を見抜き、現場で回る形に落とすことです。100,000年ギャップを埋めるのは、派手な動画ではなく、地味な稼働ログの山——この現実を飲み込めた人から、次のロボット産業の勝者になります。
