H2Lが「BodySharing Physical AI」を発表 15分データで作業成功率95%の意味

3行解説
- H2Lが、人の動作と力加減を学習する国産フィジカルAIを発表した。
- 社内評価では、15分の体験データで作業成功率95%、22分で99%を記録した。
- 実証済み機種はxArm7とSciurus17で、今後は対応機種を広げる予定だ。
ニュースの概要
H2L株式会社は2026年10月14日、人の固有感覚データを学習に用いるフィジカルAI「BodySharing Physical AI」を発表した。姿勢や動き、力加減を少量のトークンとして学習し、ロボットの動作と力加減を含む制御信号を生成して自律制御する仕組みだ。
社内評価では、双腕ロボットのSciurus17を使い、キューブとタオルの運搬整理を実施した。人が素手で実演した体験データを学習に用いた条件で、15分のデータで作業成功率95%、22分のデータで99%を達成した。いずれも各条件100回の試行結果として示されている。
何が新しいのか
今回の新しさは、単に「動作」を真似るのではなく、力加減まで含めて学習対象にしている点にある。H2Lは、筋変位センサ「FirstVR」とカメラを使って、作業者の姿勢・動作・力加減を取得し、ロボット制御に結びつけるとしている。
また、学習データの取り方が比較的簡素で、腕にセンサを巻き、スマートフォンまたはPCのカメラを設置して専用アプリを起動すれば学習を始められるという。社内評価では、15分と22分という短い体験データで高い成功率を示しており、熟練技能の一部を短時間で取り込む方向性が見える。
GA Robotics編集部注目のポイント
注目したいのは、評価対象が「キューブとタオルの運搬整理」という、比較的わかりやすい作業に絞られている点だ。15分で95%、22分で99%という数字は印象的だが、これは限定された作業と環境での結果であり、あらゆる現場にそのまま当てはまるわけではない。
導入判断では、成功率の高さだけでなく、どの程度の作業ばらつきまで吸収できるかを見極める必要がある。特に、対象物の材質や重さ、置き方の違い、繰り返し回数が増えたときの安定性は、現場での実用性を左右するとみられる。
日本の現場で考えると
この技術は、製造現場の部材整理、物流や小売のバックヤードでの仕分け、家庭内の片付け支援のように、物をつかみ、置き、並べる作業と相性がよさそうだ。特に、熟練者が力加減で品質を保っている工程では、動作だけでなく接触の強さを学べる点が意味を持つ。
一方で、日本の現場では通路幅や段差、安全柵、人との近接作業、既存設備との連携が導入可否を左右する。今回の情報では、どの程度の把持対象の違いに対応できるか、またWMSやMES、PLCとどうつなぐかは示されていないため、工程の切り出しと周辺システム接続を先に確認したい。
導入・PoCで確認したいこと
- 対象作業ごとの作業成功率と失敗パターン
- 1サイクルあたりの処理時間とばらつき
- 対象物の材質・重量・形状が変わったときの再現性
- 連続稼働時の安定性と人の介入回数
- 作業条件を変えたときの再学習・再設定の手間
現時点で分かっていないこと
提供情報では、日本での商用提供時期は確認できない。また、企業向け導入相談は受け付けるとしているが、具体的な提供範囲や料金は示されていない。
さらに、実証済み機種はxArm7とSciurus17の2機種に限られており、他機種への適用は今後拡大予定とされる。どのロボットでどこまで再現できるかは、現場ごとの検証が必要だ。
この種のフィジカルAIは、ロボット本体だけでなく現場データの取り方が成否を左右します。自社工程で何を測るべきか整理したい場合は、導入前の検討材料としてご相談ください。
ロボット導入・自動化をご検討の方へ
「自社にはどんなロボットが合うのか」お悩みではありませんか。貴社の現場課題に合わせた最適な活用方法をご提案します。まずはご相談・資料請求からお気軽にどうぞ。
出典: ロボスタ


