フィジカルAIガイド
フィジカルAIとカメラの関係|画像認識の役割と映像の扱い方
フィジカルAIにとってカメラは、現実世界を読み取るいちばん基本の入口です。AIはカメラの画像や動画から物の位置・形・動きを読み取り、ロボットや機械の動作、人への知らせにつなげます。暗さや反射に弱いため、レーダーやLiDARなど別のセンサーと組み合わせるのが一般的です。人が映る場合は、個人情報保護法にもとづく利用目的の通知・公表と、撮影していることが分かる掲示が求められます。
このページでわかること
- カメラがフィジカルAIの中で担う役割
- 画像から機械の動作までの流れ
- カメラの映像を機体の中で処理する計算機の最新の動き
- カメラだけでは足りない場面と、ほかのセンサーとの組み合わせ
- 人が映る映像を扱うときに公的な資料が示す確認点
カメラはフィジカルAIの何を担うのか
NVIDIAの用語集は、フィジカルAIが画像、動画、言語、音声、センサーデータといった複数の種類の入力を使うと説明しています。その中でカメラは、物の形や位置、人や車の動き、作業の進み具合を見る役割を担います。
同じ用語集は、工場や倉庫について、固定カメラとコンピュータビジョンが現場の状況把握を支え、複数の人や車両、作業を追うことで経路の計画に役立つとしています。また、映像を分析するAIエージェントが異常を見つけて即時に知らせることができ、その結果を施設のデジタルツインに入れて、配置や動線を仮想空間で比べてから現場を変える使い方も紹介しています。カメラは「ロボットの目」であると同時に、「現場全体を見る目」でもあるということです。
出典:NVIDIA『What is Physical AI?』(2026年11月17日確認)
画像から動作までの流れ
- カメラが現場を撮る(ロボットに載せたカメラ、天井や柱の固定カメラ)
- AIが物や人の位置・形・動きを読み取る
- 状況を判断し、動作や知らせの候補を出す
- ロボットや機械が動く、または人に知らせる
- 人が結果を確かめ、必要なら止めたり直したりする
最近のロボット向けのモデルは、2と3をまとめて扱う方向に進んでいます。内閣府・経済産業省の2026年2月12日の資料は、VLA(視覚・言語・行動モデル)や模倣学習、強化学習によって、実データとシミュレーションのデータを大量に学ばせたAIロボティクスの開発が加速していると整理しています。VLAは、カメラの画像と言葉の指示を受け取り、ロボットの動作を直接出力するモデルです。
出典:内閣府・経済産業省『第1回AI・半導体WG 事務局説明資料』(2026年11月17日確認)
カメラの映像を機体の中で処理する計算機
ロボットや車両では、カメラの映像をネットワークの向こうに送らず、機体の中で処理することが増えています。NVIDIAは2025年8月25日、ロボット向けの計算機Jetson AGX Thorの開発者キットの販売を始め、価格は3,499ドルからとしました。前の世代のJetson Orinと比べてAIの計算性能は7.5倍、メモリーは2倍としています。発表では、Holoscan Sensor Bridgeという仕組みで、カメラ、レーダー、LiDARなどのデータをGPUのメモリーに直接つなぎ、複数のセンサーの映像やデータを同時に扱えると説明しています。
小型の機械向けには、NVIDIAが2026年8月25日にJetson Orin Nano 2を発表しました。AIの計算性能は毎秒78兆回、メモリーは8GBで、モジュールと開発者キットは2027年前半に出る見込みとしています。カメラの映像を使う画像AIの機器やロボット、配送や点検のドローンが用途として挙げられています。
出典:NVIDIA『NVIDIA Jetson Thor Unlocks Real-Time Reasoning for General Robotics and Physical AI』・NVIDIA『NVIDIA Announces Jetson Orin Nano 2 Robotics Computer to Redefine Entry-Level Edge AI』・NVIDIA『Edge AI Modules and Developer Kits | NVIDIA Jetson』(2026年11月17日確認)
カメラだけでは足りない場面と組み合わせ
暗い場所、強い逆光や反射、物陰、粉じんや雨では、カメラの画像だけでは読み取りにくくなります。奥行きを正しく測るのも、1台の普通のカメラは得意ではありません。そのため、距離を測るLiDARやレーダー、物に触れたときの力を測る力覚センサー、振動や温度のセンサーを組み合わせて補います。上のJetson Thorの発表がカメラ・レーダー・LiDARをまとめてつなぐ仕組みを前面に出しているのも、複数のセンサーを合わせて使うのが前提になっているためです。センサー全般はセンサーAIとの関係、選び方はセンサーの選び方で整理しています。
現場のカメラ映像は学習データとしても集められている
カメラの映像は、AIを動かす入力であると同時に、AIを学ばせるデータでもあります。内閣府・経済産業省の2026年2月12日の資料は、生成AIの開発を支える経済産業省のGENIACプロジェクトで、データの持ち主との連携を進める「データ実証」の例として、ロボットの動作データや医療画像と並んで、店舗や建設現場などのカメラ映像データの収集を挙げています。同じ資料は、ロボット基盤モデル(VLM・VLA)の開発と実証を支える「AIロボティクス開発促進」という新しい類型も示しています。現場の映像を学習に使う場合は、次の節の映像の扱いのルールが同じように関わります。
出典:内閣府・経済産業省『第1回AI・半導体WG 事務局説明資料』(2026年11月17日確認)
人が映る映像を扱うときの確認点
個人情報保護委員会が2023年3月に公表した「犯罪予防や安全確保のための顔識別機能付きカメラシステムの利用について」は、個人情報保護法のもとで、カメラ画像の利用目的を特定し、本人に通知するか公表しなければならないと整理しています。顔識別機能を使う場合は、施設の出入口など撮影の前に目に入る場所で、運用する事業者、利用目的、問い合わせ先、詳しい説明のWebサイトのURLやQRコードを掲示することが望ましいとしています。
小型のカメラや電光掲示板に内蔵したカメラのように、カメラがあると一見して分からない場合は、作動中であることを掲示するなどの措置を取らないと、不正な手段による取得にあたるおそれがあるとも書かれています。顔画像を照合用のデータベースに登録する場合は、登録の基準、保存期間、消去の基準などの運用基準を決めて透明にすることが求められています。
出典:個人情報保護委員会『犯罪予防や安全確保のための顔識別機能付きカメラシステムの利用について』(2026年11月17日確認)
顔識別に限らず、商用の目的でカメラ画像を使う場合は、経済産業省と総務省が2022年3月30日に公表した「カメラ画像利活用ガイドブックver3.0」が参考になります。令和2年・令和3年の改正個人情報保護法への対応や、プライバシー保護の観点の追加が主な改訂点です。導入の前は、最新の公式資料と専門家への確認を前提にしてください。
出典:総務省『「カメラ画像利活用ガイドブックver3.0」の公表』(2026年11月17日確認)
導入前に決めておくこと
- 何を見るためのカメラか(物の位置、作業の進み、人の安全)を一つずつ書き出す
- 暗さ・反射・粉じんなど、カメラが苦手な条件が現場にあるかを確かめる
- 映像を機体の中で処理するか、外部に送るかを決める
- 人が映る場合の利用目的、掲示、保存期間、問い合わせ先を決める
- AIの判断を人が確かめる手順と、止める条件を決める
関連ページ
FAQ
カメラはフィジカルAIでどんな役割ですか?
現実の状況を画像として読み取り、AIが判断する材料を集める入口の役割です。ロボットに載せる使い方と、現場全体を固定カメラで見る使い方があります。
カメラだけで足りますか?
暗さや反射、奥行きの測定に弱いため、LiDARやレーダー、力覚センサーなどと組み合わせるのが一般的です。
顔識別機能付きカメラを使うときの確認点は?
個人情報保護委員会の2023年3月の資料は、利用目的の通知・公表、出入口などでの掲示、登録基準や保存期間などの運用基準を決めることを示しています。