AWS支援のフィジカルAI14社、成功率97％や小型化が拓く産業実装の針路

AWSジャパンは2026年8月31日、採択企業51社の中から13プロジェクト・14社が登壇する「フィジカルAI開発支援プログラム」の最終成果発表会を開催し、ヒューマノイドやVLA（Vision-Language-Action：視覚・言語・行動モデル）の開発成果を一斉に公開した。大規模な計算基盤とシミュレーション環境の提供により、実機データ収集のボトルネック解消やモデル軽量化、従来制御とAIを融合したハイブリッド実装が急速に進展しており、物流や建設現場における自律ロボットの実稼働フェーズへの移行を決定づけるマイルストーンとなった。

51社支援から見えた国産ヒューマノイドと現場実装の現在地

AWSジャパンが2026年1月27日に開始した「フィジカルAI開発支援プログラム」は、総額最大600万米ドル規模のAWSクレジット提供や技術支援を通じて、国内のロボティクスおよびAI開発エコシステムの強化を目的として実施された。同年3月に採択された51社のうち、約半数以上をスタートアップが占め、同年8月31日の最終成果発表会では選抜された13プロジェクト・14社が具体的な実証成果を報告した。

アマゾングループが世界300以上の物流施設で約100万台のロボットを運用してきた知見を反映した本プログラムでは、単なるモデル学習にとどまらず、ロボット本体の設計からデータパイプライン構築、シミュレーションによる学習、エッジデバイスへのデプロイまでを包括的にカバーしている。

企業・プロジェクト名	主要な検証領域・機体	達成された成果・数値実績	次フェーズの目標・計画
ZEALS	コンパクトヒューマノイド「D1」、Omakase OS / Zen	病院内で3日間・35時間稼働。データ変換処理を10倍高速化	2026年度内に100台量産、現場で計1万時間の稼働を目指す
Telexistence	独自世界モデル（WAM）「10億パラメータDiT」	大規模事前学習なしでタスク成功率86％を達成（π0.5の80％を凌駕）	店舗等でのリアルタイム推論に向けたさらなる低遅延化
ダイフク / JDSC	物流ピッキング向けAIエージェント統合基盤	自然言語指示による未知商品仕分けでシミュレーション上97％の成功率	SageMaker AI統合CI/CD基盤から実機環境への検証移行
リコー	共通行動表現（LAM）によるマルチロボット制御	LIBERO-10で81.5ptを記録。モデルサイズを7Bから2Bへ3分の1に小型化	機体非依存アーキテクチャによる実機部品ピックアンドプレース拡大
メルカリ	双腕ロボットによる越境取引商品の自動検品	60時間の学習データで靴の取出し・撮影・箱戻しの一連動作を実証	2026年度中実証、2028年に自社倉庫20％自動化・年2億円削減
FastLabel	MimicGen＋Isaac Sim合成データパイプライン	合成データ併用により実データのみと比較して成功率が平均14.2％向上	仮想環境への過適合（Overfitting）抑制とドメイン適応

登壇企業の成果は、大きく「ハードウェアとOSの垂直統合を進めるスタートアップ」「モデルの軽量化と汎化性能を追求する基盤モデル開発企業」「現場特有の課題に特化してROI（投資対効果）を検証する事業会社」の3軸に整理される。

特にZEALSは、採択当初のソフトウェア単体開発から方針を転換し、わずか半年で準国産ヒューマノイド「D1」、統合OS「Omakase OS」、マニピュレーションAI「Omakase Zen」を一体開発する垂直統合体制を構築した。2026年8月26日から28日にかけて重工大須病院で実施された実証実験では、自律移動や配茶機操作、下膳補助などを含めて3日間で35時間の稼働を達成した。

一方、事業会社の取り組みとしてメルカリは、越境EC拡大に伴い他工程の10〜60倍の工数を要していた検品作業に着目。力覚や触覚フィードバックを組み込んだ双腕ロボットを開発し、2028年までに自社倉庫の20％を自動化することで年間最大2億円のコスト削減を見込む具体的な事業計画を提示した。

日本建設業連合会が予測する「2035年度に技能労働者約129万人不足」という深刻な課題に直面する建設分野では、竹中工務店が3D Gaussian SplattingとNVIDIA Isaac Simを組み合わせ、1時間未満の実操作データからローラー塗装動作のファインチューニングを実施するなど、各業界で深刻化する人手不足に対する現実的な解が示された。

VLA軽量化とSim-to-Realを両立する技術的アプローチ

フィジカルAIの産業実装において最大の障壁となってきたのは、視覚と言語から行動を直接生成するVLAモデルの推論遅延と、実機による動作データ収集コストの膨大さである。今回の成果発表会では、これらの技術的課題を克服するためのアーキテクチャの進化が確認された。

【フィジカルAIの次世代ハイブリッド制御アーキテクチャ】
┌─────────────────────────────────────────────────────────┐
│ 大脳レイヤー（クラウド / 高性能エッジ: 1〜5Hz）          │
│ ・VLA / 世界モデル（WAM）による意味理解・高次タスク計画  │
│ ・自然言語指示の分解（ダイフク/JDSC: 認識・把持・配置） │
└────────────────────────────┬────────────────────────────┘
                             │ 行動潜在変数 / 目標軌道
┌────────────────────────────▼────────────────────────────┐
│ 小脳レイヤー（リアルタイムOS / エッジマイコン: 50〜500Hz） │
│ ・力制御・干渉防止・逆運動学（IK）計算                  │
│ ・ルールベースによる高精度ピッキング（豆蔵: 成功率85%）  │
└────────────────────────────┬────────────────────────────┘
                             │ PWM / トルク指令値
┌────────────────────────────▼────────────────────────────┐
│ アクチュエータ・ハードウェア（関節モーター・センサ群）     │
└─────────────────────────────────────────────────────────┘

世界モデル（WAM）と共通行動表現（LAM）によるモデル圧縮

ロボットが実環境で破綻なく動作するためには、物理世界の因果関係を予測する世界モデル（World Action Model: WAM）が不可欠とされるが、パラメータ数の増大はリアルタイム制御（20ms/50Hz未満の制御周期）を困難にする。

この課題に対し、TelexistenceはDiffusion Transformer（DiT）をベースとした10億パラメータ（1B）の軽量WAMを独自開発した。AWSの分散学習環境とNVIDIA Isaac Simを用いた閉ループ評価パイプラインを構築し、大量のロボット行動データによる大規模事前学習を介さずとも86％のタスク成功率を記録した。これは事前学習済みモデル「π0.5」の80％を上回る精度であり、モデル構造の最適化によってデータ収集コストを大幅に抑制できることを証明した。

また、リコーが検証したLatent Action Model（LAM）は、ロボットの運動学（Kinematics）の差異を吸収する共通行動表現を獲得する手法である。動画データから「把持」「前進」といった意味的行動を潜在空間へマッピングし、機体ごとに最終出力層のみを適合させる。

公開ベンチマーク「LIBERO-10」において、LAMを組み込んだ20億パラメータ（2B）モデルは81.5ポイントを達成し、ベースラインとなる70億パラメータ（7B）モデルの81.3ポイントと同等の性能を維持した。モデルサイズを約3分の1に削減できたことは、発熱や消費電力の制約が厳しいロボット機体内のオンボード推論（エッジAI）実装に向けた重要な前提条件をクリアしたことを意味する。

合成データ生成パイプラインとSim-to-Realギャップの定量的克服

物理AIのスケーリング則を阻むデータ不足に対しては、シミュレーション空間内での合成データ生成技術が実用段階に入った。

FastLabelは、Isaac Sim上で遠隔操作により収集した90エピソードの軌道データを起点とし、MimicGenを用いて約100倍の1万エピソードへと自動拡張した。物体テクスチャ、照明、カメラ位置などをランダム化するドメインランダマイゼーションを適用して学習させた結果、実データのみで学習したモデルと比較してタスク成功率が平均14.2％向上した。

ただし、シミュレーションデータの比率を極端に高めた条件では過適合による精度低下も確認されており、Sim-to-Realを成功させるには「高品質な少量実データ」と「多様性を担保した合成データ」の最適ブレンド比率の設計が不可欠である。

大小脳ハイブリッド制御アーキテクチャの確立

すべてのアクションを単一のエンドツーエンドVLAで制御する手法から、高次のタスク計画を行う「大脳レイヤー（VLA/LLM）」と、ミリ秒単位で決定論的制御を行う「小脳レイヤー（ルールベース/力制御）」を分離・統合する大小脳ハイブリッド構成へのシフトが鮮明になった。

Google DeepMindが描くAIロボットの技術動向でも議論されているように、完全なエンドツーエンド学習には安全性担保と計算資源の課題が残る。成果発表会において豆蔵が報告した板金整列タスクでは、視覚情報のみに依存したVLAでは部品や床面との接触事故が発生したため、力制御アルゴリズムを併用した。

ばら積み状態からのピッキングは従来のルールベース制御に任せ、配置位置の微調整と整列動作のみをVLA（NVIDIA Isaac GR00T N1.7）に担わせることで、上下方向の整列で85％、左右方向で80％の成功率を達成した。さらに全43自由度のうち作業に関与する10自由度に限定することで、わずか43エピソードの学習データで全身動作を成立させている。

クラウド・ロボット・導入企業を巻き込むエコシステムの変容

本プログラムの成果は、ハードウェア、ソフトウェア、クラウドインフラが個別に進化するのではなく、相互に依存しながら垂直・水平統合を進める産業構造の転換を浮き彫りにした。

【フィジカルAI産業の3層エコシステム】
┌─────────────────────────────────────────────────────────┐
│ 1. クラウド・ハイパースケーラー（AWS等）                 │
│ ・並列シミュレーション基盤（Isaac Sim / SageMaker HyperPod）│
│ ・分散学習パイプライン、CI/CD自動デプロイ               │
└────────────────────────────┬────────────────────────────┘
                             │ 開発基盤・計算資源
┌────────────────────────────▼────────────────────────────┐
│ 2. ロボットメーカー / AIスタートアップ（ZEALS, アトム等） │
│ ・機体＋専用OS＋AIモデルの垂直統合開発                  │
│ ・共通行動表現（LAM）による複数ハードウェア対応         │
└────────────────────────────┬────────────────────────────┘
                             │ 実機・自律ソリューション
┌────────────────────────────▼────────────────────────────┐
│ 3. 現場導入企業（メルカリ, 竹中工務店, ダイフク等）       │
│ ・エゴビューデータ / 現場作業ログの収集・資産化         │
│ ・非定型作業の自動化によるROI創出（年間数億円の削減）    │
└─────────────────────────────────────────────────────────┘

ハイパースケーラーの役割：単なるIaaSから「フィジカルAI基盤」へ

AWSをはじめとするハイパースケーラーは、単なるGPUコンピュートの提供者から、シミュレーション、データ変換、分散学習、実機評価、フリート管理を一元化するプラットフォームへと進化している。

アトムが取り組む200台規模のヒューマノイド展開と30万時間の行動データ収集、数十億パラメータの基盤モデル学習には、S3やSageMaker HyperPodを中核とした堅牢なデータパイプラインが不可欠である。クラウド上で数千台の仮想ロボットを並列稼働させ、Sim-to-Real検証を自動化する仕組みは、開発サイクルを年単位から週単位へと短縮させている。

ハードウェアメーカーの二極化：垂直統合か特化型モジュールか

ロボット開発において、ハードウェア単体を製造・販売する従来型ビジネスモデルは急速に競争力を失いつつある。

ZEALSやHighlandersのように、機体設計、リアルタイムOS、AIモデルを自社で垂直統合し、現場データをもとに自己改善ループを回すプレイヤーが台頭している。これにより、従来の産業用ロボットメーカーは、基盤モデルプラットフォームに準拠したオープンなモジュール供給者に徹するか、あるいは極限環境や特定用途に特化したハードウェアに絞り込むかの二極化を迫られている。

テスラのOptimusライン稼働と人型ロボット量産の行方で指摘されているように、ハードウェアのコモディティ化が進む局面においては、ソフトウェアとデータ収集基盤を一体で握る企業がプラットフォームの主導権を握ることになる。

導入企業の構造改革：作業現場そのものがデータ生成拠点へ

メルカリやMW（ムウ）の取り組みが示すように、導入企業側でもロボティクスに対する認識が変化している。従来の「完成された自動化設備を導入する」アプローチから、「現場の作業データを日常的に収集し、自社専用モデルをファインチューニングして精度を高める」アプローチへの転換である。

MWは五反田TOCビル内に家事データ収集拠点「Data Factory」を開設し、年間5万時間（最終目標2.5PB）の生活データを収集する計画を進めている。現場が持つ一次データ（エゴビュー映像、操作ログ、触覚データ）そのものがAIの競争優位性を生み出す資産となり、現場オペレーション自体がデータ生成プロセスとして再設計されている。

TechShiftの視点：2027年実稼働に向けた技術的KPIと産業実装の分岐点

今回の発表会で提示された成果は、フィジカルAIが研究室のPoC（概念実証）を脱し、現実的な制約条件を織り込んだ「妥協点と最適解」を見出し始めたことを示している。完全自律の万能ロボットを待つのではなく、タスクを分解してルールベースとAIを組み合わせるアプローチが定着したことで、産業実装のスケジュールは大幅に前倒しされる見通しである。

従来の産業予測では汎用ロボットの現場実稼働は2030年頃とみられていたが、物流および建設の特定工程においては2027年中に本格的な実稼働フェーズへ移行すると予測する。

事業責任者および技術責任者が、導入可否や開発継続を判断する上で追跡すべき具体的なKPIは以下の3点である。

1. タスク成功率とリトライ自律復旧率（目標：95％以上＋自己復旧100％）

単一試行での成功率だけでなく、失敗をAI自身が検知して自律的にやり直すリカバリー能力が重要となる。オムロンサイニックエックスが示した「失敗の言語説明と再試行ループ」や、ダイフク・JDSCの「失敗工程のみの自動再実行」のように、人の介入なしにリカバリーできる仕組みを含めた実効稼働率を評価指標とすべきである。

2. エッジ推論レイテンシとモデルサイズ（目標：2B以下、20ms以内）

リコーのLAM検証が実証したように、モデルサイズが20億パラメータ（2B）以下に抑えられ、車載・機載SoC上で20ms（50Hz）以内の制御ループを維持できるかが、通信遅延のない安全な動作に不可欠な要件となる。

3. Sim-to-Realデータ拡張倍率と実機学習時間（目標：実機データ1時間未満で拡張100倍）

竹中工務店やFastLabelが示した通り、実機での遠隔操作データ収集を1時間未満に抑え、シミュレーションと合成データ生成によって100倍以上に拡張して実機動作を成立させられるかが、現場導入コストの損益分岐点を左右する。

評価フェーズ	必須KPI指標	GOサイン基準値	技術的ボトルネックと対策
フェーズ1: PoC評価	タスク完了成功率	単一タスクで85％以上	視覚認識の失敗：力覚・触覚センサ併用による補正
フェーズ2: 安全性検証	異常検知・リカバリー率	失敗時自己復旧率90％以上	デッドロック発生：ルールベース制御へのフォールバック
フェーズ3: 実現場導入	エッジ推論周期・ROI	50Hz（20ms）維持、投資回収3年以内	発熱・消費電力：LAMやDiTによる2B以下へのモデル圧縮

海外では西湖大学発の具身智能スタートアップが巨額調達を果たすなど、中国・米国勢が資本力と大規模データ収集で先行している。しかし、日本の強みである製造現場の暗黙知、精密制御技術、高品質な現場データを、AWSのようなスケーラブルなクラウドインフラと直結させることができれば、特定産業領域におけるフィジカルAIの実装競争において優位性を確保することは十分に可能である。

自社データ資産化と実証に向けたアクション

フィジカルAIの技術進化を静観するのではなく、自社オペレーションへの組み込みを検討する企業は、以下のステップで実務に着手することが推奨される。

作業工程の分解と「大小脳分離」の設計

自社の現場作業を「定常的・決定論的な動作（小脳：把持、直線移動）」と「非定型・判断を要する動作（大脳：未知物体の認識、配置計画）」に分解し、全体をAI化するのではなく、ROIの高いボトルネック工程に絞り込んだハイブリッド構成を定義する。

一人称視点（エゴビュー）および操作データの収集開始

将来的なモデルファインチューニングを見据え、現場作業者のウェアラブルカメラ映像や、マニピュレータの遠隔操作ログ、力覚データの蓄積を開始する。実機ロボットの導入前であっても、高品質な一次データが存在すれば、後からのSim-to-Real適用が可能となる。

クラウドシミュレーション環境の立ち上げとベンチマーク検証

NVIDIA Isaac Sim等の物理シミュレーター環境をクラウド上に構築し、自社の作業環境を3D点群やGaussian Splattingでデジタルツイン化する。少量の軌道データからMimicGen等を用いた合成データ拡張を試行し、自社タスクにおけるSim-to-Realギャップの定量的検証を実施する。

出典: ロボスタ
出典: Amazon Web Services ブログ
出典: IT Leaders