最終回です。第2回から第10回まで、認識・状態・判断・行動・学習、そしてそれらを束ねる実装まで、Physical AIを技術として降りてきました。この回は、二つの話でできています。一つは、技術がこれからどこへ向かうのか、ロボット基盤モデルと世界モデルの最前線です。もう一つは、その最前線が、点検・保全のいちばん重い課題である技能伝承と、どうつながるのかです。技術の話が、最後にもう一度、現場の話に戻ってきます。
最初に、一つ約束をします。これからの話をするときも、誇張はしません。動くものと、まだ動かないものを、正直に分けます。言葉が現実を追い越している段階だからこそ、その線を丁寧に引きます。
ロボット基盤モデルという方向
第8回で、VLAの系譜を見ました。RT-1からHelixまで、一歩ずつ、実際に動けるVLAへ近づいてきた歴史です。その先に見えているのが、ロボット基盤モデルという方向です。
基盤モデルという言葉は、第6回の言語モデルや視覚言語モデルで使いました。膨大なデータで一度大きく鍛えておき、あとは少しの調整で、多くの用途に使い回せるモデルのことです。ロボット基盤モデルは、この考え方を、動きの世界に持ち込みます。目指すのは、一つのモデルが、多くの作業を、多くの身体でこなせるようになること。溶接するアームも、歩いて回るロボットも、飛ぶドローンも、根っこは同じ大きなモデルで動かし、それぞれの現場に合わせて少し調整する。
ここで効くのが、第9回で見た二つの性質です。一つが、多くの作業を一つのモデルで学ぶこと。作業ごとにモデルを作り直すのではなく、掴む・運ぶ・調べるといった多くの作業を、一つのモデルの中に畳み込む。もう一つが、転移です。ある作業や、ある身体で学んだことが、別の作業や、別の身体に持ち越せる。第8回のOpenVLAが複数のロボットをそのまま動かせたのも、π0が動きを流れとして汎用に生成したのも、この方向の途中の姿です。作業ごと・機械ごとにゼロから作らなくてよくなる、というのが、この方向のいちばんの意味です。
点検・保全にとって、この方向が持つ意味は、はっきりしています。点検の現場は、対象も、作業も、二つとして同じでない。もし作業ごと・現場ごとに専用のAIを作らねばならないなら、コストが見合いません。しかし、一つの基盤モデルを少しの調整で各現場に合わせられるなら、話が変わる。第1回で、競争の焦点がデータの規模から現場に届けきる統合力へ移ると述べました。ロボット基盤モデルは、その届けきるコストを下げる方向の技術です。
世界モデルの最前線：シミュレーションが、データを生む
もう一つの最前線が、世界モデルです。第5回で、世界モデルを、システムが世界の状態を頭の中に持ち続ける仕組みとして紹介しました。その最前線で、いま起きているのが、世界そのものを生成する方向です。
第9回のSim2Realで、シミュレーションの中で安全に大量に鍛える話をしました。そこには、シミュレーションを作る手間と、現実との差という壁がありました。生成的な世界モデルは、この作る手間の側を、大きく変えようとしています。人が一つずつシミュレーションを組み上げるのではなく、大量の映像から世界の振る舞いを学んだモデルが、もっともらしい世界の続きを、映像として生成する。物を押せばどう動くか、光がどう当たるか、といった物理の常識を含んだ映像を、モデル自身が作り出す。
これが意味するのは、データを生む装置ができる、ということです。第9回で、学習の糧は現場のデータであり、データが資産になると述べました。生成的な世界モデルは、その糧を、現実で集める前に、もっともらしい形で増やせる可能性を開きます。ただし、ここは特に、正直に線を引くべきところです。生成された世界は、あくまでもっともらしいだけで、現実そのものではない。第9回のリアリティ・ギャップが消えるわけではなく、むしろ、生成の質をどう保証するかという新しい難問が加わります。最前線であって、完成した道具ではありません。
技能伝承は、突き詰めれば、模倣学習のデータ問題
ここまでが、最前線の話でした。この最前線が、点検・保全のいちばん重い課題、技能伝承とどうつながるのか。結論から言えば、技能伝承は、突き詰めると、第9回で見た模倣学習のデータ問題に行き着きます。
まず、現場の実態を、数字で押さえます。厚生労働省の能力開発基本調査で、技能継承の取組の内容を尋ねた結果を見ると、上位はすべて人を増やす施策です。中途採用を増やしているが五六・四%、退職者を再雇用して指導者に活用しているが四九・六%、新規学卒者の採用を増やしているが三三・八%。三つとも、人を確保する話です。一方、退職予定者のノウハウを文書化・データベース化しているは一九・〇%、仕事のやり方を変えて高度な技能が不要なようにしているは一三・九%にとどまります。人を増やす、知識を残す、仕事の側を変える。三つの道のうち、圧倒的に選ばれているのは、一つめでした。
しかし、その一つめが、詰まっています。同じ調査で人材育成の問題点を尋ねると、指導する人材が不足しているが五九・五%で一位、育成しても辞めてしまうが五四・七%、時間がないが四七・四%と続く。一方で、育成の方法がわからないは九・九%にすぎません。やり方が分からないのではなく、教える人がいない、育てても残らない、時間がない。人を増やす道は、その人がいないから詰まっているのです。しかも、点検・保全の分野の人手不足は重い。帝国データバンクの調査では、正社員の不足を感じる企業は全体で五二・三%ですが、メンテナンス・警備・検査の分野は六七・四%で、平均より一五ポイント高い。なお、この調査を「企業の六七%が正社員不足」と紹介するのは誤りで、六七・四%はこの分野の値、全体は五二・三%です。
人を増やす道が詰まっているなら、残るのは、知識を残す道と、仕事の側を変える道です。そして、その二つこそ、この講座が第2回から第10回まで、技術として扱ってきたものでした。第4回で、何を見るか、欠陥の種類と評価の基準を。第2回で、どう見るか、撮り方の設計を。第5回で、どこを見たか、部位に名前をつける体系を。第6回で、何をすべきか、措置の語彙と、措置・必要性・緊急性・理由の四点を。第10回で、どちら側に間違えてよいか、成功基準の書き方を。これらはすべて、熟練者の頭の中にあった判断を、外に出して、言葉にしたものです。技能伝承と聞いて普通に思い浮かぶのは、ベテランが若手に付き添う光景でしょう。しかし技術がやってきたのは、判断の要素を一つずつ言葉にして、誰が見ても同じ形で、そして機械が学べる形で、残すことでした。
AIは暗黙知を吸い上げない。出力が、暗黙知を会話に載せる
では、その言葉にする作業に、最前線のAIはどう関わるのか。ここに、いちばん誤解されやすい点があります。AIが、熟練者の頭から暗黙知を自動で吸い上げてくれる、というのは誤解です。国が公表した事例集に書かれた関わり方は、三つとも、そうではありませんでした。
一つめは、議論のきっかけとしての使い方です。AIが自動で可視化したセンサーの関係性について、若手と熟練者が議論を交わすことで、熟練者の暗黙知が若手に伝わる、と書かれています。AIが暗黙知を吸い上げるのではなく、AIの出力が、熟練者に「なぜこれが出るのか」を説明させる機会を作る。暗黙知は、AIによってではなく、その出力をきっかけにした会話によって、言葉に載るのです。二つめは、差を測る使い方です。ベテランと新人の運転操作の差を、AIの評価で定量的に比較でき、伝承の手助けになる、と。何が違うのかを言葉にできなければ、伝えようがありません。差が数字で出ることが、伝承の前提になる。三つめは、偏りをなくす使い方です。現場ごとに専門性の偏りがあった判断を、より体系的に学習できる、と。教える人によって内容が変わるOJTを、体系に置き換える。
この三つを、第9回の学習の言葉で読み直すと、つながりが見えます。判断の要素を言葉にして記録することは、模倣学習のお手本を作ることに他なりません。第9回のinverse RLは、熟練者のお手本から、その人が何を基準にしていたのかを逆算する試みでした。差を測ることは、お手本の質を測ること。偏りをなくすことは、お手本を体系化すること。技能伝承という現場の営みは、突き詰めれば、良いお手本、つまり良い学習データを、どう作り、どう貯め、どう体系化するか、というデータの問題に行き着きます。そして第9回で見たとおり、そのお手本を最も多く持ちうるのは、何十年と現場を回してきた組織です。
誠実な現在地と、変わらない四つ
最前線の話をしてきましたが、最後に、現在地を正直に確認します。第8回で、VLAは研究と実演の段階で、点検・保全の実作業に常時投入されている例はまだ乏しい、と述べました。事例集にも、異常が起きたあとの対応にはAIの適用例が少ない、という二〇二〇年時点の記述がありました。ロボット基盤モデルも、生成的な世界モデルも、方向としては確かですが、現場でいま常時回っているものではありません。言葉が、現実を追い越している。この距離を見誤らないことが、技術を扱う者の誠実さです。
ただ、そこへ至る道筋は、この講座がずっと見てきたものと変わりません。第1回で、Physical AIを認識から行動への環として描きました。行動する主体が、人であれ、これから来る機械であれ、要るものは同じです。同じ部位だと言えること。前回と比べられること。基準を超えたと言えること。誰がいつ判断したかが残っていること。第6回で見たとおり、国の定めた措置の語彙は、目標とする状態で書かれ、工法は書きませんでした。人に頼むときも、機械に頼むときも、同じ語で書ける形です。最前線がどれだけ進んでも、この四つが要るという構造は、変わりません。
そして、この四つは、一度きりでは作れません。第5回で、覚える器は完璧を待たず一緒に育てると述べ、第9回で、環を回すほどデータが厚くなると述べました。技能伝承も同じです。熟練者の判断を一度で写し取ることはできない。できるのは、判断の要素を言葉にし、記録の形を決め、使うたびに層を重ねることです。五年で一層、十年で二層。長く現場を回してきた組織には、外から買えないものが積み上がります。技術は買えますが、二十年分の比較できる記録は買えません。そしてその記録は、熟練者がいなくなったあとに残る、唯一のものです。
おわりに
全11回を終えます。第1部で、Physical AIの技術地図を描きました。第2部で、認識・状態・判断・行動・学習の一つずつを、実際のモデルと算法まで降りて見ました。第3部で、それらを一つのシステムに束ね、そして最前線と技能伝承へと、現場に戻してきました。
一貫して置いてきた基準が、一つあります。動くものと、まだ動かないものを、分けることです。原論文や国の文書が言っていないことは、この講座も言いませんでした。分からなかったことは、分からなかったと書きました。技術を売るのではなく、技術を正しく理解して、自分の現場の持ち札を見定めてもらう。それが、この講座の狙いでした。
見つける競争は、もう終わりに近づいています。次に来るのは、見つけたものを判断に変え、行動に変え、記録として残す競争です。そこで効くのは、モデルの賢さだけではありません。同じものを同じものだと言い切れるか、その判断を次に渡せるか、そして環を、一日でも早く回し始めているか。現場と共に育つPhysical AIというのは、そういう意味です。
長いあいだ、ありがとうございました。
本記事は「Physical AI 点検・保全 講座」シリーズの第11回、最終回です。全11回のスライド資料（PDF）は無料でダウンロードいただけます。全体をまとめたハンドブックも公開予定です。
出典
- 出典：Open X-Embodiment Collaboration, "Open X-Embodiment: Robotic Learning Datasets and RT-X Models", ICRA 2024 / arXiv:2310.08864 Fig.1
- 技能継承の取組の原図：厚生労働省「令和6年度 能力開発基本調査」（事業所調査）図61。政府統計・出典明示で利用可
- ロボット基盤モデル（multi-task／transfer・一つのモデルで多くの作業・身体をまたぐ）、生成的世界モデル（映像として世界の続きを生成しデータを生む方向）は、robotics foundation models／world models の一般的動向に基づく（特定製品の性能値は含まない）
- 技能継承の取組の内容（中途採用56.4%／再雇用49.6%／新卒33.8%／文書化・DB化19.0%／仕事のやり方変更13.9%）、人材育成の問題点（指導する人材不足59.5%／辞めてしまう54.7%／時間がない47.4%／方法がわからない9.9%）：厚生労働省「令和6年度 能力開発基本調査」図61・図30
- 正社員の人手不足：全体52.3%／メンテナンス・警備・検査67.4%（＋15ポイント）。「67%が正社員不足」は業種別値の誤用で、全体は52.3%（本講座で訂正）：帝国データバンク「人手不足に対する企業の動向調査（2026年1月）」
- AIと技能伝承の三つの関わり方（議論のきっかけ・ベテランと新人の差を定量比較・OJTの偏りを体系化）、異常発生後はAI適用例が少ない（2020年時点）：石油コンビナート等災害防止3省連絡会議「プラントにおける先進的AI事例集」（2020年11月）2.4・2.5
- 本講座 第1回（認識から行動の環）、第2回（撮り方）、第4回（欠陥と評価基準）、第5回（部位の体系・器を育てる）、第6回（措置の語彙・四点）、第8回（VLAの系譜・現在地）、第9回（模倣学習・inverse RL・データ・フライホイール）、第10回（成功基準）