フィジカルAIで柔軟物体ハンドリング実証、安川電機とソフトバンク：製造現場向けAI技術

安川電機とソフトバンクは、NVIDIAの協力の下、ソフトバンクが開発を進める「AIデータセンター GPUクラウド」をフィジカルAI（人工知能）の開発基盤として活用し、AIロボット「MOTOMAN NEXT」で開発する柔軟な物体のハンドリングシステムを実証した。

[長沢正博，MONOist]

　安川電機とソフトバンクは2026年7月13日、NVIDIAの協力の下、ソフトバンクが開発を進める「AIデータセンター GPUクラウド」をフィジカルAI（人工知能）の開発基盤として活用し、AIロボット「MOTOMAN NEXT」で開発する柔軟な物体のハンドリングシステムを実証したことを発表した。

フィジカルAIによる柔軟物体ハンドリング［クリックで再生］出所：安川電機

　フィジカルAIの社会実装には、ロボットの動作データの収集やAIモデルの学習、シミュレーション評価、実機への適用といった複雑な開発工程を効率化し、ロボットの専門家のみならず多様な技術者が迅速かつ容易に現場へ導入できる開発基盤を整備することが重要となっている。

　そこでソフトバンクでは、AIデータセンター GPUクラウド上で動作する、フィジカルAIの開発支援ツールを開発した。同ツールでは、ロボットのシミュレーション環境を構築できる「NVIDIA Omniverse」ライブラリーや、合成データ生成などに活用できるオープンな世界モデルである「NVIDIA Cosmos」および「NVIDIA Physical AI Factory Blueprint」を活用することで、フィジカルAIの導入に必要な一連の開発工程を一元的に効率化可能となっている。

実証の様子 出所：ソフトバンク

　今回の実証では、ロボットによる取り扱いが難しいとされる、ワイヤハーネスのような柔軟な物体のハンドリングを安定して行えることを確認した。

　ソフトバンクのAIデータセンター GPUクラウド上で動作するフィジカルAIの開発支援ツールを活用することで、ロボットの動作データの収集からAIによる学習／評価、そしてロボットへの動作のフィードバックといった開発工程を格段に効率化することで、フィジカルAIの導入を迅速、容易に行えることを実証した。

　安川電機が開発した柔軟物体ハンドリングシステムは、カメラなどから得られる視覚情報と作業指示を基に、VLA（Vision-Language-Action、視覚言語モデル）を用いて対象物の状態を認識し、ロボットによる把持／操作を行う。

　柔軟物体は、作業のたびに形状や配置が変化するため、あらかじめ決められた位置や姿勢を前提とする従来のルールベース制御だけでは、安定したハンドリングが困難だ。そこで安川電機は、従来のロボット制御で安定して対応できる動作と、柔軟物体の状態認識や把持位置の判断などフィジカルAIが有効な動作を切り分け、フィジカルAIを1つの機能モジュールとして既存のロボットシステムに組み込む構成とした。

　今回は形状や配置が作業ごとに変化するワイヤハーネスを箱に収納するタスクに同システムを適用した。AIが視覚情報などを基にリアルタイムに学習してロボットに的確な指示を出すことで、ロボットはワイヤハーネスの状態を認識して適切な把持／操作を行い、柔軟物体のハンドリングを安定して行えることを確認した。

フィジカルAIの学習のイメージ［クリックで拡大］出所：ソフトバンク

　なお、ソフトバンクが開発したフィジカルAIの開発支援ツールの開発工程は、次のようなイメージとなっている。

ロボットのデータ収集とデータ拡張

　まず、ロボットをAIデータセンター GPUクラウドに接続し、動作データやセンサー情報を収集／蓄積する。これらのデータを基に、NVIDIA Cosmosを活用して合成データを生成する。

AIモデルの学習とシミュレーション評価

　次に、AIデータセンター GPUクラウドの計算リソースを利用してAIモデルを学習する。技術者は、GPUクラウド環境で動作するGUI（Graphical User Interface）上で学習状況を確認しながら、収集／拡張したデータを用いてモデルの改善を進められる。学習したモデルは、ロボットの実機へ適用する前に、NVIDIA Omniverseライブラリーと統合されたシミュレーター上で評価する。

ロボットへの適用

　シミュレーションによる検証後、AIモデルをロボットの実機へ適用する。このツールの活用により、フィジカルAIの開発環境の導入や学習サイクルを、AIデータセンター GPUクラウド上で効率的に進めることが可能となる。

⇒その他の「製造現場向けAI技術」の記事はこちら