ロボット産業における実装の課題が改めて議論の焦点となっている。AI技術を活用したロボティクス企業Inbolt（インボルト）のCEOルディ・コーエン氏は、物理的AI（Physical AI）の本当のボトルネックが「データ不足」ではなく「導入の複雑さ」にあると指摘する。10月20～21日にカリフォルニア州サンタクララで開催される業界イベント「RoboBusiness 2026」で、この実装の課題について講演を行う予定だ。
現場が直面する真の課題
Inboltは100を超える工場で視覚ガイド制御技術を展開し、累計4000万回以上のロボット動作を実装した実績を持つ。コーエン氏はこの豊富な実運用データから、物理的AIの発展を阻害している要因は単なるデータ量ではなく、知覚と動作の間のループの統合にあることを見出した。現在、製造現場での導入には数か月の治具設計、配線工事、調整作業が必要とされ、プロジェクトが六桁ドルの規模に膨らむ傾向にある。この統合に関わる複雑な作業こそが、技術の実装を妨げる主要な要因とみられる。
実装の簡素化が次のステップ
Inboltの技術は、ロボットが任意の方法でパーツをつかんだ後、掌内ローカライゼーション（in-hand localization）を用いて動作中に軌道を調整する仕組みになっている。コーエン氏はRoboBusiness 2026の初日午後2時15分の講演で「物理的AIはデータ問題ではなく導入問題を抱えている」というテーマで登壇する。ステランティス、トヨタ、フォードといった自動車メーカーの実運用データを基に、物理的AIはすでに商用ベースで実証済みだと主張する予定だ。真の革新は、より大規模なモデルの開発ではなく、サーボ周波数でのループを閉じることと、導入に伴う複雑な工程を削減することにあるとコーエン氏は考えている。
製造業向けロボティクス技術は、データ量の議論から実装効率へと関心がシフトしている。
