工場の生産ラインで稼働する産業用ロボット。ジェイテクトは、フィジカルAIを活用した部品取り出し工程の実証で成功率97.1％を達成したと発表した（画像は工場自動化のイメージ）
今回のニュースのポイント
工場のロボットは正確な反復作業が得意ですが、部品の位置や向きが毎回変わる作業では難しさが残ります。ジェイテクトは11月2日、フィジカルAIを活用した部品取り出し工程の実証で、成功率を従来の85.0％から97.1％へ高めたと発表しました。平均サイクルタイムも16％短縮しました。既存設備にAI用PCを追加して実現した点が特徴です。世界で約500万台の産業用ロボットが稼働するなか、既存設備をより柔軟に使う技術の可能性と、実用化に向けた課題を考えます。
本文
箱の中に、金属部品がばらばらの向きで置かれている場面を思い浮かべてみてください。人間なら、部品の重なりや形を一目見て把握し、つかみやすい場所へ自然に手を伸ばせます。ところが、どれほど精密なロボットであっても、この作業で失敗することがあります。工場の産業用ロボットは、決められた動作を正確に繰り返す作業には長けていますが、部品の置かれ方が毎回異なる工程では、従来の制御方法だけでは対応が難しい場合があります。あらかじめ教え込まれた軌道を忠実に再現する機械にとって、目の前の状況が毎回変化する作業への対応は大きな壁だったのです。
こうした課題に対し、AIが物理世界の状況を認識して動作を制御する「フィジカルAI」の実証成果が公表されました。自動車部品大手のジェイテクトは2026年11月2日、自社の田戸岬工場において、部品取り出し工程の実証で高い成功率を達成したと発表しました。本実証はUpstage AIおよびカラクリとの共同開発体制で進められ、2026年3月19日から8月31日にかけて実施されたものです。対象となったのは、自動車の等速ジョイント（CVJ）生産ラインにおける「ランダムピッキング工程」であり、散らばった部品を取り出す精度の向上が検証されました。
発表された実証結果によると、性能差が表れやすい「高難度条件」において、従来のロボット制御による成功率が85.0％であったのに対し、フィジカルAIを適用した制御では97.1％へと改善しました。成功率は12.1ポイント上昇しています。また、平均サイクルタイムも従来の84.0％となり、16％短縮しました。同じ高難度条件の成功率から編集部で計算すると、失敗率は従来の15.0％から2.9％へ低下し、相対的に約8割減（約80.7％低下）となります。ただし、この短縮率は対象工程での評価結果であり、工場全体の生産量が16％増えたわけではありません。
なぜ従来の制御では、ばらばらに置かれた部品をつかむことが難しかったのでしょうか。あらかじめ決めた動作を繰り返す制御では、部品の位置や向きが想定から外れると、対応が難しくなる場合があります。箱の中の部品は、傾きや重なり、光の反射による見え方が一つひとつ異なります。今回のフィジカルAIは、まずカメラ画像から部品の位置や状態を捉える「どこにあるかを見つける」段階から始まります。次に、アームが安定してつかめる「どこをつかむかを決める」判断を行い、最後に目標位置まで運ぶ「どう動かすかを判断する」プロセスへと進みます。
技術的な特徴は、仮想空間で学習したAIモデルを、実際のロボットに適用した点です。さらに実務面で注目されるのは、設備を全面的に刷新するのではなく、既存設備に「AI用PC」を追加接続して実証を実現した点にあります。ラインを一から再構築せず、既存のロボットに外部から認識・判断能力を付け加える手法は、設備投資を抑えたい現場にとって重要な示唆となります。もっとも、すべての工場でPC1台を追加すれば直ちに導入できるわけではなく、通信や安全設計の個別検証は不可欠です。
実証の背景には、クラウド大手が主導する開発支援プログラムの存在があります。AWSジャパンは2026年1月27日に「フィジカルAI開発支援プログラム by AWS ジャパン」を発表し、ロボット基盤モデルの開発や計算資源、企業間連携を支援する枠組みを立ち上げました。全国で51社が採択され、2026年8月31日には成果発表会が開催されましたが、ジェイテクト、カラクリ、Upstage AIの共同チームもこの枠組みを活用しました。製造現場とAI開発企業、計算基盤を支える企業との協力が成果を支えています。
視点を世界の製造業全体に向けると、既存設備の高度化というテーマの重みが増します。国際ロボット連盟（IFR）が2026年9月24日に公表した統計「World Robotics 2026」によると、2025年末時点で世界の工場で稼働する産業用ロボットは507万9,000台と、約500万台に達しています。2025年の年間新規設置も60万3,000台（約60万台）を記録しました。膨大なロボットがすでに定着しているなか、新しいロボットの追加だけでなく、既存のロボットにAIを組み込んで作業範囲を広げることは、設備有効活用の観点から現実的な意味を持ちます。
日本の製造現場では今、深刻な人手不足、多品種生産への対応、熟練者の技能伝承という課題に直面しています。ジェイテクトは今回の成果を踏まえ、自動化された工程の成功率を高めて人の介入を減らす「既存設備×フィジカルAI」と、人に依存していた作業を技術として整理・継承する「熟練技能×フィジカルAI」という2つの方向性を掲げています。一工程での成功率改善を工場全体へ広げるには今後の検証が必要ですが、「正確に繰り返す機械」から「変化に対応する機械」への進化は、工場のロボットが真に人の手を補う未来に向けた一歩を示しています。（編集担当：エコノミックニュース編集部／Editorial Desk: Economic News Japan）
