作業の種類で、学習型制御が効く度合いは違う
組立のロボット化を考えるとき、「AIロボットなら組立も自動化できる」とひとまとめにすると判断を誤ります。組立作業は、求められる精度、扱う物の硬さ、ばらつきの大きさが作業ごとに違い、学習型制御（データから動作を学ぶ制御）が効く範囲もそれに応じて変わります。
| 作業 | 主な難しさ | 従来制御での対応 | 学習型制御の効き方 |
|---|---|---|---|
| ねじ締め | 位置決め、締付トルクの管理 | 専用ナットランナーとビジョン補正で実用化済み | 小さい。定型作業は従来制御が速く確実 |
| 嵌合・挿入（コネクタ、ピン） | 公差内の位置合わせ、引っかかり | 力覚センサと探り動作のプログラム | 中程度。ばらつきが大きい部品で効く |
| ケーブル配線・ハーネス | 柔軟物の形が毎回変わる | 治具で形を固定するか、人手 | 大きい。従来手法で難しかった領域 |
| 袋・布・ひもの扱い | 変形の予測が困難 | ほぼ人手 | 大きい。実証段階の成果が出始めた |
傾向は明確です。形が決まっていて、手順が毎回同じ作業は従来制御のほうが速く、品質の説明もしやすい。形が毎回変わる柔軟物や、ばらつきの大きい嵌合で、学習型制御の価値が出ます。
柔軟物の扱いで成果が出始めた
安川電機とソフトバンクは2026年7月13日、ソフトバンクのGPUクラウドを開発基盤に、VLA（視覚・言語・行動）モデルを使って、ひも・布・袋・ワイヤーハーネスなど柔軟物のハンドリングを実証したと発表しました。ワイヤーハーネスの箱詰めで安定した動作を確認したとしています（同社発表）。
この発表で注目したいのは構成です。両社はフィジカルAIを既存のロボットシステムの「一機能モジュール」として組み込む構成をとっています。ロボット全体を学習型に置き換えるのではなく、従来制御では難しい柔軟物の把持・操作の部分だけにVLAを使う考え方です。
研究面では、Physical Intelligenceのπ0（2024年10月）が箱の組み立てや洗濯物畳みを、Toyota Research Instituteの大規模行動モデル（LBM、2025年7月）がマルチタスクの器用な操作を示しています。TRIは盲検・無作為化試験で、マルチタスクで事前学習したモデルが、単一タスクの学習に比べて少ないデータで新しい作業を習得できたと報告しました。研究の詳細はTRIのLarge Behavior Modelsで扱っています。
品質保証の観点で確認すること
組立工程の自動化で最後に問われるのは、品質を説明できるかどうかです。ねじ締めであれば、トルクと角度の記録が製品ごとに残り、規格外なら止まる仕組みがあります。学習型制御では、なぜその動作をしたかを説明しにくく、同じ入力でも結果が少しずつ変わる可能性があります。
自動車や電機の部品メーカーでは、顧客から工程ごとの品質記録を求められることが一般的です。学習型の工程を入れる場合も、作業結果をロットやシリアル番号に紐付けて記録する仕組みは欠かせません。AIの判定結果をMESに戻す設計はAIの推論結果をMESに書き戻すで扱っています。
適用工程の選び方
タクトの観点も重要です。研究で示される学習型制御の動作は、人の速度より遅いことが多く、量産ラインのタクトにそのまま合うとは限りません。π0.5の開発元自身も、2025年4月の公開時に「完璧には程遠い」と明記しています。組立ラインに入れる前に、ラインのタクトに対する実測のサイクルタイムと、その分布を確認してください。
ヒューマノイドと専用ロボットのどちらで組立を自動化するかの比較はヒューマノイドか専用ロボットかで扱っています。
よくある質問
ワイヤーハーネスの組立はAIロボットで自動化できますか
箱詰めのような一部の作業では実証で安定動作が報告されていますが、配線経路の形成やコネクタ挿入まで含めた組立全体の自動化は、まだ研究・実証段階です。量産ラインへの適用は、作業を分割して難しい部分から順に検証するのが現実的です。
力覚センサを付ければ嵌合はできますか
公差やばらつきが一定範囲に収まる嵌合なら、力覚センサと探り動作のプログラムで実用化されています。部品のばらつきが大きく、プログラムの条件分岐が膨らむ場合に、学習型制御を組み合わせる価値が出ます。
協働ロボットで組立をするときの注意点は何ですか
人と同じエリアで作業する場合、速度と力の制限があるため、タクトが人より遅くなることがあります。また、学習型制御を使う場合も、安全機能は従来の安全センサと安全PLCで構成するのが当面の定石です。
- 安川電機とソフトバンク フィジカルAIを活用し柔軟な物体のハンドリングシステムを実証（安川電機、2026年7月13日）
- π0: A Vision-Language-Action Flow Model for General Robot Control（arXiv、2024年10月31日）
- π0.5: a VLA with Open-World Generalization（Physical Intelligence、2025年4月22日）
- A Careful Examination of Large Behavior Models for Multitask Dexterous Manipulation（arXiv、2025年7月7日）
この記事に出てくる用語
フィジカルAIは工場に来るのか
ロボット基盤モデルとヒューマノイドの実証。宣伝と量産ラインの距離を測る 全66本
- フィジカルAIとは：従来の産業ロボット・協働ロボットとの違いを4つの軸で整理
- 美的の「智能体工厂」：荆州工場の14エージェント・38シーンと人形ロボット
- ヒューマノイドの工場実証一覧：BMW・Mercedes・Schaeffler・BYDなど10社の現在地
- フィジカルAI導入の判断基準：今やるべき工場・待つべき工場を分ける5つの質問
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
