公開日：2026年9月3日

APTOがフィジカルAI Summit出展　実機データ収集の論点が見える

編集: GA Robotics編集部

3行解説

APTOが9月16日の「フィジカルAI Summit」に出展すると発表した。
実機ロボットの模倣学習データ収集や、映像・アノテーションを紹介する。
シミュレーションを使ったデータ生成・拡張も展示対象になっている。

ニュースの概要

データにフォーカスしたAI開発支援を行う株式会社APTOは、2026年9月16日にパレスホテル東京で開かれる「フィジカルAI Summit」に出展すると発表した。ブース番号はT19で、フィジカルAIやロボットAIの開発を支えるデータ収集・アノテーション、データ生成・拡張の取り組みを紹介する予定だ。会場では、実機ロボットを用いた模倣学習データの収集や、カメラ映像、エゴセントリックデータの扱いも示される。

何が新しいのか

今回のポイントは、フィジカルAIを「モデルの話」だけでなく、学習に使うデータをどう作るかまで含めて見せる点にある。記事では、実機ロボットでの模倣学習データ収集、カメラ映像とエゴセントリックデータの収集・アノテーション、さらにシミュレーション環境を使ったデータ生成・拡張が挙げられている。つまり、現実の現場データと仮想環境の両方を使って、ロボットが認識・判断・行動するための土台を整える考え方が前面に出ている。

また、APTOは豊洲ロボティクスデータファクトリーを拠点にロボティクスデータ開発を進めているとされる。単発の展示ではなく、データ収集から整備、拡張までを継続的に扱う体制を示している点が、導入検討側には重要だ。フィジカルAIやVLAの開発では、ロボット本体の性能だけでなく、学習用データの質と量が成果を左右しやすいからだ。

GA Roboticsの視点

このニュースで注目すべきなのは、APTOが「実機ロボット」「カメラ映像」「エゴセントリックデータ」「シミュレーション」という複数のデータ源を並べていることだ。フィジカルAIの導入では、現場で撮れるデータだけでは足りない場合があり、逆にシミュレーションだけでは実環境のばらつきを拾いにくい。両者をどう組み合わせるかが、実用化の難易度を大きく左右するとみられる。

日本企業が検討する際も、ロボットを入れる前に「何を学習させるのか」「そのための映像や動作データを現場で集められるのか」を先に詰める必要がある。データ収集の設計が曖昧なままだと、PoCは動いても本番展開で再現しにくい。今回の発表は、導入判断の出発点がロボット本体ではなく、データ基盤にあることを示している。

日本の現場で考えると

製造、物流、サービスのいずれでも、フィジカルAIを使うなら現場の撮影条件と作業の標準化が重要になる。たとえば物流なら、棚配置や荷姿のばらつき、通路幅、照明条件がデータ品質に影響する。製造なら、部品の向きや治具の違い、手順変更の頻度が学習データの再利用性を左右する。サービス現場では、人の動きが多く、エゴセントリックデータの取得時にプライバシーや運用ルールの整理も必要になる。

向いているのは、作業手順が比較的決まっていて、繰り返し撮影しやすい業務だ。逆に、例外処理が多い、現場ごとの差が大きい、撮影や記録の許可が取りにくい業務は慎重に見るべきだ。データ収集の工数がそのまま導入コストになるため、ロボットの性能だけでなく、現場側の協力体制も判断材料になる。

導入・PoCで確認したいこと

模倣学習に必要なデータ量を集めるまでの期間と、収集時の人手工数。
アノテーション後の認識・動作成功率が、現場条件の違いでどこまで変わるか。
シミュレーションで作ったデータを実機に移したときの再現性。
撮影位置や照明、対象物の配置を変えた際の再学習・再設定の手間。
連続運用時に、介入が必要になる頻度と復旧にかかる時間。

現時点で分かっていないこと

記事では、APTOがブースで何をどこまで具体的にデモするかは示されているが、個別の業務に対する適用範囲までは確認できない。また、豊洲ロボティクスデータファクトリーでの取り組みが、どの業種・作業にどの程度展開できるかも本文だけでは不明だ。日本企業向けの提供条件や、導入時の体制についても記事中には記載がない。

合わせて読みたい: ロボットの目

フィジカルAIの導入では、ロボット本体だけでなく、現場データをどう集め、どう学習に使うかが重要です。自社の業務で何が必要かを整理したい場合は、まずPoCの論点から確認すると判断しやすくなります。