ファナック：既存の産業ロボットとAI開発をつなぐ

ファナックは2026年5月、ROBOGUIDEとNVIDIA Isaac Simの連携強化を発表しました。ロボットの動作と周囲の環境を仮想空間で検討し、AIによる学習も含めた検証につなげる取り組みです。[1] すでに産業で使われる機体と、AI開発側の道具を接続する方向として読むことができます。

同社は9月に、図面を読みアーク溶接につなげる「AI溶接エージェント」を発表し、2026年12月末から出荷予定と案内しています。[2] 本記事の確認日時点では、出荷予定を示す発表です。製品化の方針と、その後の顧客現場での実績を分けて追う必要があります。

安川電機とソフトバンク：形の変わる物を扱う

2026年7月、ソフトバンクと安川電機は、NVIDIAの協力の下、柔軟物体ハンドリングシステムを実証したと発表しました。ロボットの動作データ収集から学習、評価、実機への適用までを、GPUクラウドを使う開発基盤で効率化する取り組みです。[3]

柔らかい物は、つかむ位置や力によって形が変わります。決まった姿勢の部品を同じ場所へ動かす作業とは、確認する条件が違います。実証の評価では、物の種類、変形の範囲、持ち替えや置き直しの有無を確かめると、対応範囲が分かりやすくなります。単に「AI化した」という表現よりも、扱う難しさに注目する見方です。

トヨタ：共通の機体を使い、学習データを集める

トヨタの2025年3月の研究紹介は、HSRの開発コミュニティを通じたロボット基盤モデル向けのデータ収集を説明しています。共通の研究用機体で知見を共有し、遠隔操作の仕組みなどを使って作業の記録を集める取り組みです。[4] これは現在の取り組みを理解するための既存事例で、2026年の新製品発表ではありません。

AIを作るうえでは、動きの記録が映像や言葉と対応している必要があります。複数の場所から集める場合は、機体や記録方法をそろえる工夫も要ります。データの量だけでなく、どの作業のどの条件を記録したかが使い道を左右します。この事例は、完成したロボットの外見からは見えにくい開発工程を示しています。

企業・組み合わせ記事で扱う課題発表の種類
ファナック仮想検証と既存ロボットの接続連携・製品の出荷予定
安川電機・ソフトバンク柔軟な物の扱いと開発基盤実証結果
トヨタ基盤モデル向けのデータ収集研究の取り組み紹介

ニュースを工程図に置き直す

企業の発表が増えた時は、データを集める、学習する、仮想空間で試す、実機で動かす、日々運用する、という五つの工程へ置き直してみましょう。一社が複数を担当することも、複数社が一つの工程を共同で担当することもあります。技術の名称を覚えるより、役割の重なりと不足を見つけるための地図です。

協業の発表では、誰が機体を持ち、誰が計算資源を用意し、誰が現場データを管理するかを確認します。発表資料に書かれていない部分は推定で埋めず、未確認と残します。すべての会社を一つの性能表へ押し込む必要はありません。

導入を考える読者は、この工程図に自社の担当者と設備を書き加えると、次に相談すべき内容を絞れます。研究の成果を読む読者は、どの工程の課題が解かれたのかを追うことで、次の発表とのつながりを理解できます。

企業比較は、解こうとしている仕事から始める

この3つは、同じ条件で成績を競った比較ではありません。工場の工程を改善したいのか、形の変わる対象物を扱いたいのか、新しい行動モデルを研究したいのかで、見るべき取り組みが変わります。企業の知名度だけで技術の優劣を決めず、目的に近い事例を探しましょう。

編集部の見方（推測です）：日本のフィジカルAIでは、既存の設備や作業データとのつながりが、実用化を考える一つの強みになる可能性があります。ただし、既存ロボットの実績があることだけで、新しいAIの性能や将来の収益が保証されるわけではありません。次の確認点は、個別現場で何を任せ、どう測ったかです。

よくある疑問

日本のフィジカルAIは人型ロボットが中心ですか？

それだけではありません。産業用の腕、移動ロボット、現場の視覚認識、データ収集などを含む取り組みが公開されています。

この記事の表は企業のランキングですか？

ランキングではありません。取り組む課題や発表段階が異なるため、同じ試験による優劣は付けていません。投資の推奨でもありません。

出典・参考資料

公式公開資料を基に構成しています。メーカーが示す性能・実演は各社の発表であり、本メディアによる実機検証ではありません。価格・提供範囲は2026年10月24日の確認時点です。

AIを用いた調査・執筆と出典照合については編集方針をご覧ください。