生成AIの絵
人と画面。出力は文章・画像・音声。間違いは画面の中で直せます。
フィジカルAIガイド
フィジカルAIを1枚の絵にすると、「カメラやセンサーで見る」「AIが考える」「ロボットや機械が動く」「人が確かめる」の4つがつながった姿になります。文章や画像を画面に返す生成AIと違い、絵の中に必ず現実の物と動きが入るのが特徴です。このページでは、イラストと図解で工場・倉庫・街の中の場面を描き分け、描くときに誤解しやすい点もまとめます。
上のイラストは、フィジカルAIの仕組みをいちばん短く描いたものです。左にカメラ・マイク・距離センサーなどの「目と耳」、真ん中にAIの「頭」、右にロボットアームの「手」が並び、矢印でつながっています。NVIDIAは用語集で、フィジカルAIを「工場のロボットやロボタクシーのような自律機械が、物理世界を知覚し、理解し、複雑な動作を行えるようにするもの」と説明しています。知覚・理解・動作の3つが、そのまま絵の3つの箱にあたります。
ただ、実際の現場ではもう1つ大事な要素があります。それが「人が確かめる」です。動きを止めるボタン、例外を判断する担当者、結果を見て直す人がいて初めて、現場で使える形になります。絵にするときは、右端の先に人の姿や停止ボタンを描き足すと、現実に近いイメージになります。
出典:NVIDIA『Generative Physical AI』(2026年11月17日確認)
| 絵の部品 | 現実の役割 | 現場での例 |
|---|---|---|
| 目・耳(センサー) | 周りの様子を数字や映像にする | カメラ、マイク、距離センサー、重さや力のセンサー |
| 頭(AI) | 何がどこにあるかを判断し、次の動きを決める | 機械の近くの小型コンピューター、クラウドのAI |
| 手・足(機械) | つかむ、運ぶ、走る、止まる | ロボットアーム、搬送ロボット、自動運転の車 |
| 人(確認) | 止める、例外を決める、結果を直す | 現場の責任者、遠隔の監視者、保守の担当 |
| 矢印(データ) | 結果を記録し、次の学習に回す | 作業ログ、失敗した場面の映像 |
生成AIを絵にすると、たいていは「人が画面に質問を打ち込み、AIが文章や画像を返す」場面になります。出てくるものは画面の中にとどまり、間違えたら消して作り直せます。フィジカルAIの絵では、AIの出力がモーターや車輪の動きになり、箱が落ちる、人に近づくといった現実の結果が生まれます。やり直しが利きにくいので、絵の中に「止める仕組み」が入るかどうかが大きな違いです。
人と画面。出力は文章・画像・音声。間違いは画面の中で直せます。
センサー・AI・機械・人。出力は動き。間違いは現実の物に影響します。
言葉で指示を受けたAIが、作業の手順を考えてロボットに渡す。最近の研究はこの形が増えています。
倉庫のフィジカルAIは、床を走る搬送ロボット、棚から商品を取るロボットアーム、ベルトコンベヤーの上で荷物を見分けるカメラの組み合わせで描けます。国土交通省は、対策を講じなければ輸送力が2030年度に34%不足する見込みを示しており、倉庫の中の作業を機械に任せる動きはこの流れの中にあります。絵では、通路を歩く作業者とロボットの通り道を分けたり、ロボットが人を見て減速する様子を入れたりすると、安全の考え方まで伝わります。
出典:国土交通省『国土交通白書2024 コラム 物流2024年問題への対応について』(2026年11月17日確認)
工場の絵は、溶接や組み立てをするロボットアームと、製品の傷をカメラで調べる検査の2つで描くと分かりやすくなります。国際ロボット連盟(IFR)によると、2025年に世界で新たに設置された産業用ロボットは60万台を超え、稼働している台数は過去最高の500万台に達しました。日本の設置台数は36,219台で、世界3位です。
これまでの産業用ロボットは「決まった物を決まった位置で繰り返し扱う」機械でした。フィジカルAIの絵では、形や置き場所がばらつく部品をカメラで見て、つかみ方を変える場面を描くと違いが伝わります。こうした作業をAIで扱う実証は、ダイキン工業堺製作所でも進んでいます(活用事例のページで紹介)。
出典:IFR『Five Million Robots now Operate in Factories Globally』(2026年11月17日確認)
街の中のフィジカルAIは、歩道を時速6km以下で走る配送ロボットや、決まった道を運転手なしで走るバスで描けます。どちらも、遠く離れた場所から人が見守る「遠隔監視」がセットです。絵の端に監視室のモニターを置き、ロボットと線でつなぐと、AIだけで動いているわけではないことが伝わります。配送ロボットには、車体の前後から押せる赤い非常停止ボタンを付けることが求められています。
出典:警察庁『遠隔操作型小型車の通行の届出等について』(2026年11月17日確認)
2026年の発表で目立つのは、ロボットを現実で動かす前に、コンピューターの中の仮想空間で何千回も練習させる流れです。NVIDIAは2026年5月31日に世界モデル「Cosmos 3」の提供を始め、2026年10月21日にはロボット学習の仕組み「Isaac Lab 3.0」の一般提供と、工場や倉庫向けの仮想の部品2,000点以上の無料ライブラリを発表しました。絵にするときは、左にゲームのような仮想の工場、右に現実の工場を描き、その間を矢印で結ぶと伝わります。
出典:NVIDIA『NVIDIA Launches Cosmos 3, the Open Frontier Foundation Model for Physical AI』(2026年11月17日確認)
出典:NVIDIA『NVIDIA Advances Isaac Platform for General-Purpose Robotics』(2026年11月17日確認)
同じ「見る・考える・動く・確かめる」でも、場面によって中身が変わります。下の表のように1行ずつ当てはめると、どの場面でも同じ型でイメージを作れます。
| 場面 | 見る | 考える | 動く | 確かめる |
|---|---|---|---|---|
| 部品の仕分け | カメラで部品の形と向き | どの箱に入れるか、どこをつかむか | アームでつかんで箱へ | 入れ間違いを人が抜き取りで見る |
| 倉庫の搬送 | 通路の人と障害物 | どの道を通るか、いつ止まるか | 台車型ロボットが棚まで運ぶ | 監視画面で渋滞と停止を見る |
| 設備の点検 | 圧力計や温度計の針 | 値が正常の範囲か | 四足ロボットが次の計器へ歩く | 異常の知らせを人が現地で確かめる |
| 自動運転バス | 周りの車・人・信号 | 進む、曲がる、止まる | 決まった道を走る | 遠隔の監視者が見守る |
点検の行は、Google DeepMindが2026年4月14日に紹介した、四足ロボットが計器を撮影してAIが値を読む使い方を下じきにしています。
出典:Google DeepMind『Gemini Robotics ER 1.6: Enhanced Embodied Reasoning』(2026年11月17日確認)
資料やスライドで使うなら、4コマ(見る・考える・動く・確かめる)を横に並べ、最後のコマから最初のコマへ「記録して直す」矢印を戻すと、改善が続く仕組みまで1枚で説明できます。
「目(センサー)と頭(AI)と手足(機械)がつながり、人が見守っているもの」です。
AIで作ったイメージ画像です。運営者のキャラクターをロボットにして描いたもので、特定の製品を写したものではありません。
ロボットだけでは足りません。周りを見るセンサーと、見た結果で動きを変えるAIが入って、はじめてフィジカルAIの絵になります。
生成AIは「人と画面」、フィジカルAIは「センサー・AI・機械・人」の絵にします。詳しくは生成AIとの違いで整理しています。