　しかし続けて、「部品で世界一であることと、ロボットを安く量産できることは別の話」とも指摘。中国では、安く量産しやすい遊星歯車減速機や、ドローン産業で培った技術を生かしたQDD（準ダイレクトドライブ）なども採用している。部品単体の性能だけでなく、用途に応じて方式を選び、機体として安くまとめ上げる力が量産競争力につながっている。

　他方、ロボット固有の7部品のうち、SUGENAが「働けるか」という観点で「決定的」と評価したのは、触覚センサー、多指ハンド、AI演算ボードの3つだ。中でも課題が大きいのが、手に関わる触覚センサーと多指ハンドである。

　人間の手は片手だけで20を超える自由度を持ち、指先では圧力や振動、温度、滑りなどを感じ取っている。これに対し、ヒューマノイドの手は2本指のグリッパーから5本指のハンドまで機種による差が大きく、触覚機能もまだ限定的だ。

　例えば、物が滑ったことを検知して握り直すといった、人間なら無意識に行う動作を機械で再現するのは難しい。須毛原氏は、物をつかむ、押す、差し込むといった接触を伴う作業では、いわゆる「最後の数mm」が世界共通のボトルネックになっていると指摘した。

ヒューマノイドの中でも特に難しい部位とされる「手」［クリックで拡大］出所：SUGENA

　触覚センサーと多指ハンドは、日本、中国、米国のいずれも決定的な優位を確立しておらず、「これからの勝負になる」領域だという。加えて、15の中核部品全体で見ると、遊星ローラーねじやサーボドライバ、六軸力覚センサーもまだ特定の国が抜きん出ておらず、SUGENAは日本にも取りにいく余地があるとみる。

15の中核部品について、日本、中国、米国の強みを整理した図［クリックで拡大］出所：SUGENA

実験室から現場へ、ヒューマノイドの普及を阻む3つの課題

　須毛原氏は、ヒューマノイドの普及を阻む課題として、前述した手の課題に関わる「接触する仕事」と、「現場のデータ」「連続して働けるか」の3つを挙げた。

　実験室から工場などの現場へ展開する際、シミュレーター上では問題なく動作しても、実際の現場ではセンサーの誤差や摩擦、対象物の重さ、通信の遅れ、機体ごとのばらつきなどが生じ、同じようには動かない。いわゆる「Sim-to-Real」の壁だ。この差を埋める上で重要になるのが現場のデータである。現場でロボットを動かし、そこで得られるデータを学習や改善につなげていくことが求められる。

　この点で、日本には強みになり得る資産がある。豊富な製造現場と、そこで長年蓄積されてきたノウハウだ。ただし、その多くは紙や人の頭の中に残り、実際の作業動作とひも付いたデータにはなっていない。ロボットの学習に生かすには、映像や動作データだけでなく、成功例や失敗例、そのときの条件まで記録し、使える形で蓄積していく必要がある。

　しかも、必要なデータ量は膨大だ。連続作業を学習するには300万～400万時間規模のデータが必要になるとの見方もある一方、実証実験（PoC）で集められるのは1万時間程度にとどまり、300～400倍もの開きがある。日本の強みを生かすには、現場で生まれるデータを集め、管理し、ロボットの学習と改善に回せる仕組みをつくることが重要になる。

　「連続して働けるか」を左右するのは、電池と熱だ。現在のヒューマノイドは1～2時間で充電が必要になる。SUGENAは、抜本的な解決には全固体電池の実用化が鍵になるとみており、この課題が解ける時期を2028年前後と見積もる。

　SUGENAは、3つの課題がそろって解決に向かうのは2030年前後で、そこから普及が始まり、2035年ごろにはヒューマノイドが当たり前の存在になると見通している。