フィジカルAIガイド
フィジカルAIの現場データとは?画像・センサー・操作の記録の集め方と権利の決め方
フィジカルAIの現場データは、カメラの画像、距離や力を測るセンサーの値、位置情報、機械の稼働の記録、そして人が道具やロボットを操作したときの動きの記録です。2026年11月6日に公開された国産のロボット基盤モデル「AIRoA-0」は、手に持つ道具で集めた16,151時間の操作データで学習しています。人工知能基本計画(2026年7月14日閣議決定)は、質の高い現場データを日本の強みとし、営業秘密の流出への対応などデータの安全性を確保したうえで、データ連携の基盤をつくるとしています。
フィジカルAIに必要な現場データの種類
文章を扱うAIは、インターネット上の大量の文章で学べます。一方、現実の世界で物を動かすフィジカルAIには、「その場所で、その機械で、何が起きたか」の記録が必要です。現場データは、役割で4つに分けると整理しやすくなります。
| 種類 | 例 | 主な使い道 |
|---|---|---|
| 状態のデータ | カメラ画像、温度、振動、音、距離 | 今どうなっているかを知る |
| 動きのデータ | ロボットの関節の角度、手先の力、人の操作の記録 | どう動けばよいかを学ぶ |
| 結果のデータ | 作業の成功と失敗、不良品、止まった記録 | うまくいったかを判定する |
| 前後の事情 | 作業の指示、時刻、品番、天候 | 同じ動きでも結果が違う理由を探す |
異常を見つけるだけなら状態と結果のデータで足りますが、ロボットに新しい作業を覚えさせるには、動きのデータが欠かせません。何を学ばせたいかで集めるデータが変わるため、先に目的を決めることが出発点です。
ロボットの学習データの例:AIRoA-0の16,151時間
AIロボット協会(AIRoA)は2026年11月6日、ロボット基盤モデル「AIRoA-0」を公開しました。経済産業省とNEDOの委託事業の成果とされています。学習には、手に持って使う道具「YUBI」で集めた16,151時間分の操作データが使われました。ロボット本体を動かさなくても、人が道具を使って作業する様子を記録すれば、ロボットの学習データになるという集め方です。
協会の発表では、学習していない場所で10の作業を各15回試した平均の成功率が78%で、比べた4つのモデルの最高は27%でした。モデルの重みと追加学習用のコードも公開されています。出発点には、Physical Intelligenceが公開したモデル「π0.5」の重みが使われています。公開されたモデルを自社の現場で使うときは、自社の作業で追加の学習と評価をし直す必要があります。
店で動くロボットの記録も、学習データになります。Telexistenceは2025年6月25日、店で飲料を補充するロボットの稼働データと、例外の場面で人が遠隔操作したときのデータをAIの学習に使い、学習し直したモデルを店に戻す流れを、Physical Intelligenceと組んで作ると発表しました。人が手を貸した記録が、次にロボットが自分で立ち直るための見本になります。
出典:AIロボット協会(PR TIMES)『ロボット基盤モデル「AIRoA-0」を公開』、Telexistence『Telexistence and Physical Intelligence Announce Partnership to Automate Drink-Restocking Operations in Retail Stores』(2026年11月17日確認)
多くの種類のロボットのデータを集める流れ
1台のロボットで集められるデータには限りがあります。Google DeepMindは2023年10月3日、33の研究室と協力して22種類のロボットのデータを集めたデータセット「Open X-Embodiment」を発表しました。500を超える技能、100万を超える試行の記録を含みます。
このデータで学んだモデル「RT-1-X」は、それぞれの研究室が自分のロボット向けに作った方法と比べて、平均の成功率が50%高くなりました(63%と41%)。大きなモデル「RT-2-X」は、もとのデータに直接は含まれない技能の試験で、同社の前のモデル「RT-2」の3倍の成功を示したとされています。データセットとモデルは研究者向けに公開されています。いろいろな機体のデータをまとめると、1台分のデータよりも広く通用するモデルになることを示した例です。
出典:Google DeepMind『Scaling up learning across many different robot types』(2026年11月17日確認)
実際のデータと合成データの組み合わせ
現場で集めるデータは時間と費用がかかり、危ない場面やめったに起きない失敗はほとんど記録できません。そこで、仮想の空間でデータを作る「合成データ」が使われます。NVIDIAは、フィジカルAIの仕組みを、AIモデル、実際のデータと合成データ、シミュレーション、高速な計算の組み合わせだと説明しています。課題として挙げているのは、学習データの抜けと、現場に入れる前の検証です。
同社のロボット向け世界モデル「Cosmos 3」は、2026年5月31日に提供が始まりました。日本のTelexistenceは2026年7月16日、自社が店で集めた実際のデータとCosmosで作る合成データを組み合わせて、ロボットの基盤モデルの開発を速めると発表しています。
合成データは、実際のデータの代わりではありません。仮想の空間で試した結果が現場でも通じるかは、実際の機械で確かめる必要があります。
出典:NVIDIA『Generative Physical AI』、NVIDIA『NVIDIA Launches Cosmos 3, the Open Frontier Foundation Model for Physical AI』、Telexistence『Press releases』(2026年11月17日確認)
国の方針:現場データを強みにし、安全に共有する
内閣府の人工知能基本計画(2026年7月14日閣議決定)は、日本が現実の社会で培ってきた「信頼性」を、質の高い現場データや通信環境を生かしたAIで生かすとしています。そのうえで、AIの利用と性能の向上のために、データの集積と利用、特に組織を越えたデータの共有と、官民が連携したデータの利用を進めるとしています。
同時に計画は、営業秘密などの機微な情報が国外へ流出するリスクへの対応など、データの安全性を確保したうえでデータ連携の基盤を構築するとしています。現場データは企業のノウハウそのものでもあるため、共有して性能を上げることと、守ることの両方が求められています。
出典:内閣府『人工知能基本計画~日本AX、より強く、より豊かに~(2026年7月14日閣議決定)』(2026年11月17日確認)
カメラのデータと個人情報
現場のカメラには、働く人やお客様が映ります。個人情報保護委員会が2023年3月に公表した文書は、顔画像から顔の特徴のデータを取り出すことは個人情報の取扱いに当たり、取り出したあとに顔画像をすぐに捨てて保存しない場合でも同じだとしています。顔を見分ける機能を使わない場合でも、映る人に撮影の目的と範囲を知らせることが、現場の信頼を保つ基本です。
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)
現場データを集める前に決めること
- 何のためのデータか(異常を見つける、作業を覚えさせる、効果を測る)。
- だれがデータの持ち主か。機械のメーカーやAIの会社にデータを渡すときの範囲と、学習に使ってよいか。
- どこに保存し、何年残すか。社外に出してよいデータと、出さないデータの線引き。
- 失敗や止まった場面も記録に残すか。成功だけのデータでは、例外への対応を学べません。
- 人が映る、声が入るデータの扱いと、働く人やお客様への説明。
よくある質問
現場データはどれくらい集めればよいですか?
目的によって大きく違います。異常の候補を知らせる仕組みなら、少ない記録から試せる場合があります。ロボットに作業を覚えさせる基盤モデルでは、AIRoA-0のように1万時間を超える操作データが使われています。
合成データだけで学習できますか?
合成データは、集めにくい場面を補うために使われます。仮想の空間で学んだ結果が現場で通じるかは、実際の機械で試して確かめる必要があります。
現場データを機械のメーカーに渡しても大丈夫ですか?
契約で、渡すデータの範囲、学習に使ってよいか、ほかの会社のために使ってよいかを決めておくことが大切です。国の人工知能基本計画も、営業秘密の流出への対応を求めています。
人の操作の記録はなぜ大事なのですか?
ロボットが新しい作業を覚えるには、どう動けばうまくいくかの見本が必要です。人が道具やロボットを操作した記録は、その見本になります。