結論
フィジカルAIとは、ロボットや自動運転車などの「身体」を持つ機械が、センサーで周りを読み取り、判断し、実世界で動くためのAIのことです。文章や画像を作る生成AIが画面の中で答えを返すのに対し、フィジカルAIは「見る→考える→動く」を繰り返して物を動かします。
この記事でわかること
- NVIDIA・富士通・産総研・JSTなど一次情報での定義と、生成AI・エッジAIとの違い
- センサー・世界モデル・シミュレーション・制御の役割と、ロボット・自動運転での使われ方
- 架空の台車をPythonで動かし、雑音・遅れ・シミュレーションと実機の差を数値で確かめた結果
フィジカルAIの中心は、センサーで読み、判断し、モーターなどで動かし、その結果をまたセンサーで読む、という輪です。生成AIは、この輪の中の「判断」や「指示を理解する」部分に組み込まれることがあります。
flowchart TD
W[実世界] --> S[見る<br>カメラ・距離・IMU]
S --> T[考える<br>認識・予測・計画]
T --> A[動く<br>モーター・ハンドル]
A --> W
SIM[シミュレーション<br>合成データ] -.学習.-> T
よく調べられることの答えを先にまとめます。
| 知りたいこと | 答え | 詳しい節 |
|---|---|---|
| フィジカルAIとは | 身体を持つ機械が、実世界で認識・判断・行動するためのAI | フィジカルAIとは(意味と定義) |
| フィジカルAI 意味(簡単に) | 画面の外で「見て・考えて・動く」AI | フィジカルAIの仕組み |
| 生成AIとの違い | 生成AIは文章や画像を返す。フィジカルAIは行動を返し、その結果を読み直す | 生成AI・エッジAIとの違い |
| physical ai が話題になった時期 | NVIDIAが2025年1月6日のCESでCosmosを発表した前後から広く使われた | 言葉が広まったきっかけ |
| 構成要素 | センサー・AIモデル・世界モデル・シミュレーション・制御・アクチュエーター | フィジカルAIの構成要素 |
| どう学習するか | シミュレーションと合成データ、強化学習、人の動きをまねる模倣学習 | シミュレーションで学ぶ考え方 |
| 使われる分野 | 倉庫のロボット・産業用ロボット・自動運転車・工場や倉庫の見守り | フィジカルAIが使われる分野 |
| 課題 | 安全・実世界のデータ不足・遅れ・シミュレーションと実機の差 | フィジカルAIの課題 |
確認環境:Ubuntu 24.04.5 LTS の上で、Python 3.13.18 と NumPy 2.5.3 を使い、架空の1次元の台車(質量・摩擦・坂の外乱を持つ運動方程式)を100Hzの制御周期で動かすシミュレーションを自作して実行しました。制御はPID、センサーの雑音は正規分布、遅れは指令を数周期遅らせる形で入れています。ロボットや自動運転車の実機、NVIDIA の Omniverse・Cosmos・Isaac Sim などの製品は動かしておらず、ログインもしていません。定義と説明は NVIDIA・富士通・産業技術総合研究所(産総研)・科学技術振興機構(JST)研究開発戦略センター・IBM の公式ページで確かめ、製品名は取得した文面の表記に合わせました。図は mermaid 11.16.0 で描画を確かめています(確認日 2026年11月16日)。
この記事で実際に動かしたもの:自作の台車シミュレーション(P・PD・PID の比較、センサーの雑音、制御の遅れ、シミュレーションと実機の差、力の上限)と、センサーのデータ量の計算。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「フィジカルAIとは|意味・生成AIとの違い・ロボットや自動運転での使われ方」
フィジカルAIとは(意味と定義)
この節では、フィジカルAIの意味を、提供元や公的な研究機関がどう説明しているかで確かめられます。
フィジカルAI(Physical AI)は、実世界で物理的に動く機械に知能を持たせる考え方・技術の総称です。決まった1つの規格や製品の名前ではなく、説明する組織によって言い方が少しずつ違います。主な一次情報の定義を並べます。
| 出典 | 定義(原文の要点) | 重きを置く点 |
|---|---|---|
| NVIDIA 用語集 | カメラ、ロボット、自動運転車などの自律システムが、物理世界で認識・理解・推論し、複雑な行動を実行・調整できるようにするもの | 認識から行動まで |
| 富士通 用語解説 | ハードウェア的実体(ロボットや自動運転車など)にソフトウェア的知能(AI)を統合し、物理世界での認識・判断・行動を自律的に実現するAIシステム | 身体と知能の統合 |
| 産総研 マガジン(2026年5月13日) | 身体を持ち、実世界の中で行動する人工知能(AI) | 身体を持つこと |
| JST CRDS 戦略プロポーザル(2025年5月) | センサーやアクチュエーターを介して環境と相互作用しつつ、知能を発達させる身体性を備えたAI | 環境との相互作用 |
| IBM Think | ソフトウェアやデジタル環境のみに存在するのではなく、物理的な世界で動作し、相互作用するAIシステム | デジタルの外で動くこと |
1身体がある
ロボットのアーム、移動する台車、自動運転車、工場の機械など、実世界に働きかける体を持つ。
2センサーで読む
カメラ・距離センサー・加速度や角速度のセンサー(IMU)などで、周りと自分の状態を読み取る。
3動いた結果をまた読む
一度答えて終わりではなく、動いた結果を読み直して次の動きを決める輪を回し続ける。
富士通の用語解説のよくある質問では、ロボットとの違いを「ロボットは身体、フィジカルAIは頭脳にあたる」と説明しています。つまり、ロボットそのものではなく、ロボットを賢く動かす側の仕組みを指す言葉として使われることが多い語です。
言葉が広まったきっかけ(physical ai と CES 2025)
NVIDIA は2025年1月6日、CES の会場(ラスベガス)で、物理に基づく合成データを作る「Cosmos」という世界基盤モデル(world foundation models)のプラットフォームを発表しました。同社の発表文には、CEO のジェンスン・フアン氏の「The ChatGPT moment for robotics is coming.(ロボティクスにとっての ChatGPT のような瞬間が来る)」「We created Cosmos to democratize physical AI(フィジカルAIを誰もが使えるようにするために Cosmos を作った)」という発言が載っています。富士通の用語解説は、フアン氏が提唱し CES 2025 で言及した概念だと紹介しています。
「身体性を備えたAI(Embodied AI)」という研究の流れは以前からあり、JST CRDS の報告書も副題を「身体性を備えたAIとロボティクスの融合」としています。言葉は新しく見えますが、ロボット工学・制御・機械学習が長く扱ってきた問題を、生成AI以降の大きなモデルとシミュレーションでまとめて進めようとする呼び名だと捉えると分かりやすくなります。
生成AI・AIエージェント・エッジAI・ロボティクスとの違い
この節では、フィジカルAIと混同しやすい言葉との違いが、1つの表で分かります。
いちばん大きな違いは「出力が行動で、その結果が次の入力に戻ってくる」ことです。NVIDIA の用語集は、生成AIは主にテキストや画像のデータで学習するため物理世界の法則の理解には限界があり、フィジカルAIは空間関係と3D世界の物理的な動きを理解して生成AIを拡張する、と説明しています。
| 言葉 | 主な入力 | 主な出力 | 動く場所 |
|---|---|---|---|
| 生成AI | 文章・画像・音声 | 文章・画像・コードなど | 画面の中(デジタル) |
| AIエージェント | 指示・ツールの結果 | ツールの操作(検索・ファイル・API) | デジタルの中で完結することが多い |
| エッジAI | 端末のセンサーのデータ | 推論の結果(判定・検出) | クラウドではなく手元の機器 |
| ロボティクス | センサー・プログラム | 機械の動き | 実世界。AIを使わない制御も含む |
| フィジカルAI | 画像・動画・文章・センサー | 機械が実行できる行動 | 実世界。結果を読み直して動き続ける |
エッジAIについて IBM は「センサーやIoTデバイスなど、ローカルのエッジ・デバイスにAIアルゴリズムやAIモデルをデプロイ」するもので、クラウドに常に頼らずにリアルタイムの処理ができる、と説明しています。フィジカルAIは動きの遅れを嫌うため、判断の一部をロボット側の計算機(エッジ)で動かすことが多く、2つは重なる部分があります。富士通は、AIエージェントはデジタル上で完結する行動が中心で物理空間には介入しない点、生成AIは1回の処理で応答を返す点が、自律的に輪を回すフィジカルAIとは違う、と整理しています。
同じ「棚の箱を取って」という指示でも
見分ける問い:「答えのあと、結果を読み直して動き続けるか」
生成AIの仕組みそのもの(トークン・ハルシネーションなど)は、関連記事「生成AI(LLM)の仕組み8選|ハルシネーション・トークン」で扱っています。デジタルの中で動くエージェントの作り方は、関連記事「AIエージェントとは|仕組みとワークフローとの違い・作り方入門」で扱っています。
フィジカルAIの仕組み(見る・考える・動く)
この節では、フィジカルAIが実世界で動くまでの流れを、段階ごとに分かります。
フィジカルAIは「見る→考える→動く→結果を見る」の輪を、1秒に数十〜数百回まわします。NVIDIA の用語集は、画像・動画・テキスト・センサーデータなどの入力を受け取り、マシンが実行できる行動に変換する、と説明しています。
見る(認識)
カメラの画像、距離センサーの点群、IMU の加速度・角速度、車輪の回転数などから、物の位置や自分の速さを読み取る。読み取った値には必ず雑音が混ざる。
考える(予測・計画)
この先どう動くと何が起きるかを予測し、目的に近づく動きを決める。指示を言葉で受け取る部分に大きな言語モデルが入ることもある。
動く(制御)
決めた動きを、モーターの電流やハンドルの角度などの具体的な指令に直す。出せる力・速さには上限があり、指令が届くまでに遅れもある。
結果を読み直す(フィードバック)
動いた結果をまたセンサーで読み、ずれていれば直す。この輪が速く安定して回ることが、安全に動くための前提になる。
経験から学ぶ(学習)
うまくいった動きと失敗した動きの記録を集め、シミュレーションや実機で学習し直す。富士通は、行動結果のデータから学習し未知の環境にも適応する点を特徴に挙げている。
@IT の解説(ビジネスパーソンのためのIT用語基礎解説)も、この流れを「見る・考える・動く」の3段階で説明しています。この記事の後半では、この輪を最小の形で Python に書き、実際に回します。
フィジカルAIの構成要素(センサー・世界モデル・シミュレーション・制御)
この節では、フィジカルAIを作るときに出てくる部品と、それぞれの役割が分かります。
部品は大きく「体の側(センサー・アクチュエーター)」「頭の側(AIモデル・世界モデル)」「学ぶ場(シミュレーション・合成データ)」「つなぐ側(制御・計算機)」に分かれます。
センサー
カメラ・深度カメラ・LiDAR・IMU・力覚センサーなど。周りと自分の状態を数値にする。
値には雑音と遅れがある
AIモデル
画像認識・言語・動作を扱うモデル。産総研は視覚・言語・動作を結びつける VLA などの基盤モデルを紹介している。
考える部分
世界モデル
NVIDIA は「物理学や空間特性などの実世界の力学を理解するニューラル ネットワーク」と説明している。
先を予測する
シミュレーション
実世界を計算機の中に再現し、壊れる心配なく大量に試す場。デジタルツインと呼ばれる形もある。
合成データも作る
制御
決めた動きを、上限や遅れを考えながら指令値に直す。PID のような以前からの方法も、今も土台として使われる。
安全の最後の砦
アクチュエーター
モーター・油圧・ブレーキなど、指令を力や動きに変える部品。
出せる力に限りがある
NVIDIA の用語集は、開発の基盤として Universal Scene Description(OpenUSD)、NVIDIA DGX、Omniverse、Cosmos、Isaac Lab、Isaac Sim、Jetson Thor などを組み合わせる構成を紹介しています。これは NVIDIA の製品での例で、ほかの提供元にもシミュレーターやロボット向けの計算機があります。どれを選ぶかは、使うロボット・言語・ライセンス・計算資源で決まります。
シミュレーション・合成データ・強化学習で学ぶ考え方
この節では、フィジカルAIがなぜシミュレーションで学ぶのかと、主な学び方の違いが分かります。
実機で何万回も試すのは時間がかかり、壊れたり人や物にぶつかったりする危険もあるため、まずシミュレーションの中で大量に試します。IBM は課題として「データは高価」「物理学は難しい」「時間が重要」を挙げ、摩擦や重力などの不確実さのために、シミュレーションで成功したモデルが実世界で失敗することがある、と説明しています。
| 学び方 | 何をするか | 向いている場面 | 気をつける点 |
|---|---|---|---|
| シミュレーション+合成データ | 仮想の世界で画像やセンサーの値を作り、学習に使う | 実世界でめったに起きない場面を増やしたいとき | 仮想と実世界の差(sim-to-real) |
| 強化学習 | 成功した行動に報酬を与え、試行錯誤で動き方を学ぶ | 正解の動きを人が書きにくいとき | 報酬の決め方で思わぬ動きを覚える |
| 模倣学習 | 人の動き(操作の記録・動画)をまねる | 人がやって見せられる作業 | 見本にない場面に弱い |
| 動画からの学習 | 大量の動画から物の動き方を学ぶ | 物理の常識をつかませたいとき | 触覚・力覚の情報は動画に無い |
NVIDIA は、Cosmos の世界基盤モデル(WFMs)で「フォトリアルで物理に基づく合成データ」を大量に作り、既存のモデルの学習や検証に使える、と発表しています。産総研は、視覚や言語のデータはネット上に豊富でも触覚や力覚のデータはほとんど無く、今のAIはこうした感覚を十分に扱えていない、と課題を説明しています。強化学習の仕組みそのものは、「強化学習とは|仕組み・Q学習・RLHFをPythonの迷路で実演」で迷路を例に扱っています。
次の節からは、この「シミュレーションで決めたものが実機で通用するか」を、架空の台車で実際に確かめます。
Pythonで架空の台車を動かす(センサーから制御まで)
この節では、フィジカルAIの輪(見る→考える→動く)を最小の形で書いたコードと、制御の違いで動きがどう変わるかが分かります。
P・I・D それぞれの働きと調整のしかたは、記事「PID制御とは?わかりやすく|P・I・Dの役割と調整をシミュレーションで検証」でくわしく扱っています。
題材は、レールの上を1方向にだけ動く架空の台車です。質量1kg、速さに比例する摩擦(2N/(m/s))、ずっと後ろへ引く0.5Nの力(坂道のような外乱)を持ち、位置センサーで読んだ値から押す力を決めて、1mの位置に止めます。制御はPID(目標とのずれ・ずれの積み重ね・ずれの変化から力を決める方法)です。
import numpy as np
DT = 0.01 # 制御の周期 [s](100Hz)
T_END = 10.0 # シミュレーションの長さ [s]
TARGET = 1.0 # 目標の位置 [m]
def run(kp, ki, kd, mass=1.0, fric=2.0, slope=0.5, noise=0.0, delay_steps=0,
u_max=None, d_filter=None, seed=0):
rng = np.random.default_rng(seed)
n = int(T_END / DT)
x = v = 0.0
integ = 0.0
prev_meas = 0.0
d_est = 0.0
queue = [0.0] * delay_steps
xs, us = np.empty(n), np.empty(n)
for k in range(n):
meas = x + rng.normal(0.0, noise) if noise > 0 else x # 1. センサーで読む
err = TARGET - meas # 2. 判断する(PID)
integ += err * DT
raw_d = -(meas - prev_meas) / DT # 測定値の微分
d_est = raw_d if d_filter is None else d_filter * d_est + (1 - d_filter) * raw_d
prev_meas = meas
u = kp * err + ki * integ + kd * d_est
if u_max is not None:
u = float(np.clip(u, -u_max, u_max)) # 出せる力の上限
queue.append(u)
u_now = queue.pop(0) # 3. 動かす(遅れて届く)
a = (u_now - fric * v - slope) / mass # 運動方程式
v += a * DT
x += v * DT
xs[k], us[k] = x, u
return {"x": xs, "u": us}
同じ台車を、Pだけ・PD・PID・積分(I)を強くしたPIDの4通りで動かした結果です。立ち上がりは目標の90%に届くまで、行き過ぎは目標を何%超えたか、整定は目標の±2%(±20mm)に入って出なくなるまでの時間、残るずれは8〜10秒の平均です。
== 実験1 制御の組み合わせ(雑音なし・坂の外乱0.5N)
P だけ rise=0.38s over=44.8% settle=nans ss=25.0mm jit=0.10mm umax=20.0N du=0.056N
PD rise=0.80s over=0.0% settle=nans ss=25.0mm jit=0.00mm umax=20.0N du=0.022N
PID rise=0.62s over=13.8% settle=4.56s ss=1.2mm jit=0.43mm umax=20.1N du=0.021N
PID(Iを強く) rise=0.46s over=42.5% settle=2.99s ss=0.0mm jit=0.04mm umax=20.4N du=0.027N
== 時刻ごとの位置 [m]
P だけ 1.217 1.160 1.060 0.974 0.975 0.975
PD 0.690 0.948 0.975 0.975 0.975 0.975
PID 0.760 1.104 1.106 1.029 1.002 1.001
PID(Iを強く) 0.961 1.425 0.953 1.013 1.000 1.000
| 制御(Kp/Ki/Kd) | 立ち上がり | 行き過ぎ | 整定(±2%) | 残るずれ |
|---|---|---|---|---|
| Pだけ(20/0/0) | 0.38秒 | 44.8% | 入らない | 25.0mm |
| PD(20/0/6) | 0.80秒 | 0.0% | 入らない | 25.0mm |
| PID(20/10/6) | 0.62秒 | 13.8% | 4.56秒 | 1.2mm |
| PID・Iを強く(20/40/6) | 0.46秒 | 42.5% | 2.99秒 | 0.0mm |
Pだけ・PD では、坂に引かれる0.5Nと、ずれに比例する押す力が釣り合う位置(ずれ0.5÷20=0.025m)で止まり、目標の±2%に入りませんでした。積分を足すと、ずれが積み重なって押す力が増え、ずれはほぼ0になります。積分を強くすると早く0に近づく代わりに、1秒の時点で1.425mまで行き過ぎました。「早く着く」「行き過ぎない」「ずれが残らない」は互いに引っ張り合うので、何を優先するかを決めてから調整します。PIDの各項の役割をもっと詳しく知りたいときは、制御工学の教科書やPID制御の解説を合わせて読むと理解が進みます。
センサーの雑音と遅れで動きはどう変わるか
この節では、フィジカルAIで必ず問題になる「センサーの雑音」と「指令の遅れ」が、動きにどれだけ効くかが数値で分かります。
位置センサーに雑音を足すと、位置そのものより先に「押す力のばたつき」が大きくなりました。微分(D)が、雑音の細かい上下まで速さの変化として拾うためです。微分の値をなだらかにする平滑化(前回の値を9割残す形)を入れた場合と比べました。
== 実験2 センサーの雑音(PID 20/10/6)
雑音 0mm 平滑化なし rise=0.62s over=13.8% settle=4.56s ss=1.2mm jit=0.43mm umax=20.1N du=0.021N
雑音 0mm 平滑化0.9 rise=0.59s over=10.7% settle=4.71s ss=1.2mm jit=0.46mm umax=20.1N du=0.026N
雑音 1mm 平滑化なし rise=0.62s over=13.8% settle=4.54s ss=1.2mm jit=0.50mm umax=19.9N du=1.237N
雑音 1mm 平滑化0.9 rise=0.59s over=10.8% settle=4.67s ss=1.2mm jit=0.53mm umax=20.1N du=0.114N
雑音 5mm 平滑化なし rise=0.62s over=13.9% settle=4.49s ss=1.1mm jit=1.13mm umax=22.0N du=6.166N
雑音 5mm 平滑化0.9 rise=0.59s over=10.9% settle=4.60s ss=1.2mm jit=1.18mm umax=20.1N du=0.484N
雑音 20mm 平滑化なし rise=0.62s over=14.4% settle=4.43s ss=1.0mm jit=3.99mm umax=69.3N du=24.669N
雑音 20mm 平滑化0.9 rise=0.59s over=11.3% settle=6.03s ss=1.0mm jit=4.22mm umax=21.8N du=1.886N
| 雑音(標準偏差) | 力の変化/周期(平滑化なし) | 同(平滑化あり) | 最大の力(なし→あり) |
|---|---|---|---|
| 0mm | 0.021N | 0.026N | 20.1N→20.1N |
| 1mm | 1.237N | 0.114N | 19.9N→20.1N |
| 5mm | 6.166N | 0.484N | 22.0N→20.1N |
| 20mm | 24.669N | 1.886N | 69.3N→21.8N |
雑音が1mmでも、平滑化なしでは1周期(0.01秒)ごとに平均1.2Nずつ力が上下し、雑音のない場合の約59倍でした。実機では、この細かいばたつきがモーターの発熱・音・部品の摩耗につながります。平滑化を入れると力の変化は10分の1前後(0.08〜0.09倍)になりましたが、雑音20mmでは整定が4.43秒から6.03秒へ延びました。雑音を抑える処理は、反応を遅くする処理でもあります。
次は、指令が台車に届くまでの遅れを0〜120msで変えた結果です。ゆっくりめのPID(20/10/6)と、遅れのない条件で最も速く止まった強いゲイン(80/0/12)を比べました。
== 遅れの影響
遅れ 0ms (20, 10, 6): over=13.8% settle=4.56s jit=0.43mm umax=20.1
遅れ 0ms (80, 0, 12): over=0.6% settle=0.42s jit=0.00mm umax=80.0
遅れ 20ms (20, 10, 6): over=13.8% settle=4.55s jit=0.43mm umax=20.4
遅れ 20ms (80, 0, 12): over=0.2% settle=0.39s jit=0.00mm umax=80.1
遅れ 50ms (20, 10, 6): over=13.8% settle=4.55s jit=0.43mm umax=20.8
遅れ 50ms (80, 0, 12): over=2.4% settle=0.57s jit=0.00mm umax=80.3
遅れ 80ms (20, 10, 6): over=13.7% settle=4.54s jit=0.43mm umax=21.2
遅れ 80ms (80, 0, 12): over=36.4% settle=4.10s jit=0.25mm umax=91.2
遅れ120ms (20, 10, 6): over=14.0% settle=4.54s jit=0.43mm umax=21.7
遅れ120ms (80, 0, 12): over=4007059073.3% settle=nans jit=17166587165.91mm umax=10063372949.6
強いゲインは、遅れ50msまでは速く止まりましたが、80msで行き過ぎが36.4%に増え、120msでは揺れが大きくなり続けて発散しました(数値が桁違いに大きいのはそのためです)。ゆっくりめのPIDは、120msまで行き過ぎがほぼ変わりませんでした。IBM が課題に挙げる「時間が重要(認識・判断・行動に低遅延のフィードバックが要る)」は、この形で表れます。重いAIモデルの推論を輪の中に入れるときは、その推論にかかる時間がそのまま遅れになります。
シミュレーションと実機の差(sim-to-real)と安全のための制限
この節では、シミュレーションの中で決めた制御が「実機」で通用しなくなる様子と、条件を散らして学ぶドメインランダム化の効果、安全のために力の上限を入れたときの変化が数値で分かります。
シミュレーター(質量1.0kg・摩擦2.0・坂0.5N・遅れなし・雑音なし)の中だけで最も速く止まるゲインを選ぶと、条件の違う「実機」では止まらなくなりました。ここでの「実機」も架空で、質量1.6kg・摩擦1.2・坂0.8N・遅れ50ms・センサーの雑音2mmとしています。ゲインは Kp 4通り×Ki 3通り×Kd 3通りの36組から選び、整定時間(行き過ぎが20%を超えたら減点、整定しなければ最低点)で順位を付けました。
== 実験3 シミュレーションと実機の差(sim: 1.0kg/摩擦2.0/遅れなし)
sim最良 (80, 0, 12) simで rise=0.32s over=0.6% settle=0.42s ss=6.2mm jit=0.00mm umax=80.0N du=0.100N
sim最良 (80, 0, 12) 実機で rise=0.25s over=53.2% settle=nans ss=0.3mm jit=203.76mm umax=89.5N du=3.846N
worst-case score sim最良: 99 ランダム化最良: 5.04
ランダム化 (20, 10, 6) simで rise=0.62s over=13.8% settle=4.56s ss=1.2mm jit=0.43mm umax=20.1N du=0.021N
ランダム化 (20, 10, 6) 実機で rise=0.53s over=20.4% settle=4.18s ss=0.9mm jit=0.54mm umax=20.8N du=0.218N
| 選び方 | 選ばれたゲイン | シミュレーターで | 実機で |
|---|---|---|---|
| 1つのシミュレーターで最速 | 80/0/12 | 0.42秒で整定・行き過ぎ0.6% | 整定せず・行き過ぎ53.2%・揺れ204mm |
| 20個の散らした世界の最悪値で最良 | 20/10/6 | 4.56秒で整定・行き過ぎ13.8% | 4.18秒で整定・行き過ぎ20.4% |
ドメインランダム化では、質量0.8〜2.0kg・摩擦1.0〜3.0・坂0〜1.0N・遅れ0〜70msを乱数で散らした20個の世界を作り、その中で最も悪い結果がいちばんましなゲインを選びました。シミュレーターの中では遅くなりますが、条件が変わっても止まります。シミュレーションで「最速」を取りにいくほど、仮想と実世界の差に弱くなりやすいことが、小さな例でも再現できました。フィジカルAIで合成データを大量に作る理由の1つは、こうして実世界のばらつきを先に学習へ入れておくことにあります。
1つの条件で調整したとき
シミュレーター上は最速・行き過ぎ0.6%
遅れ50ms・重さの違いで発振
実機に移すたびに調整し直しになる
条件を散らして調整したとき
シミュレーター上は約11倍遅い
架空の実機でも4.18秒で整定
速さより「止まること」を先に確保できる
安全のための制限(力の上限)を入れると何が起きるか
この節では、実世界で動く機械に必ず入れる「出せる力の上限」が、動きにどう効くかが分かります。
強いゲイン(80/30/12)のまま、出せる力の上限を20N・10N・5Nと絞ると、行き過ぎが増え、止まるまでが長くなりました。上限は人や物にぶつかったときの力を抑えるための制限ですが、制御から見ると「指令どおりに押せない」状態になり、その間も積分が積み重なるためです。
== 実験4 力の上限(安全のための制限)PID 80/30/12
上限 NoneN rise=0.29s over=6.9% settle=3.17s ss=2.0mm jit=0.46mm umax=80.3N du=0.100N
上限 20N rise=0.38s over=9.5% settle=4.27s ss=3.1mm jit=0.71mm umax=20.0N du=0.037N
上限 10N rise=0.51s over=12.9% settle=5.35s ss=4.7mm jit=1.10mm umax=10.0N du=0.023N
上限 5N rise=0.79s over=19.1% settle=6.75s ss=8.3mm jit=1.92mm umax=5.0N du=0.014N
| 力の上限 | 立ち上がり | 行き過ぎ | 整定(±2%) |
|---|---|---|---|
| なし(最大80.3N) | 0.29秒 | 6.9% | 3.17秒 |
| 20N | 0.38秒 | 9.5% | 4.27秒 |
| 10N | 0.51秒 | 12.9% | 5.35秒 |
| 5N | 0.79秒 | 19.1% | 6.75秒 |
上限で押せないあいだに積分が溜まりすぎて行き過ぎる現象は、積分ワインドアップと呼ばれ、上限に当たっている間は積分を止めるなどの対策があります。AIが「こう動け」と決めても、最後に機械へ届く指令は、こうした上限・遅れ・雑音の中で作られます。安全の仕組みは、AIモデルの外側にも重ねて置くのが基本です。
- 1力と速さの上限を、AIの外の層で必ずかけるモデルが誤った指令を出しても、上限より強くは動かない形にする
- 2止まる条件を決めておくセンサーの値が途切れた・範囲外になった・遅れが決めた時間を超えたら停止する
- 3遅れを測り、推論の時間を輪の中で数える実験では強いゲインが80msで大きく揺れ、120msで発散した
- 4人が見守り、止められる状態で試すIBM も、誤りのリスクが大きいため制約と人間の監督が要ると説明している
AIの出力を外側の層で確かめる考え方は、生成AIでも同じです。入力と出力を検証する設計は、関連記事「生成AIのガードレールとは?入力・出力の検証設計と対策一覧」で扱っています。
フィジカルAIが使われる分野(ロボット・自動運転・物流)
この節では、フィジカルAIがどんな分野で使われると説明されているかが、出典ごとに分かります。
公式の説明で共通して挙がるのは、ロボット(倉庫・工場)、自動運転車、工場や倉庫などの空間の見守りです。個別の企業の取り組みの成否は、この記事では扱いません。
| 分野 | 説明されている使われ方 | 出典 |
|---|---|---|
| 倉庫・物流 | 倉庫の自律移動ロボット、倉庫内の自律搬送、配送の試み | NVIDIA・@IT |
| 製造 | 物体に合わせて握り方を変えるアーム、協働ロボット、画像による部品の位置合わせ | NVIDIA・@IT |
| 自動運転 | センサーで周りを読み、歩行者の検知や車線変更を行う | NVIDIA |
| スマートスペース | 工場や倉庫で人・車両・ロボットの動きを追い、経路の改善や異常の検知に使う | NVIDIA |
| 農業 | 作物の見回りをするドローン、収穫ロボット | @IT |
| 人型ロボット | 多様な作業に対応する汎用性が求められる形として紹介 | NVIDIA |
富士通は、通路が決まった製造の場や物流倉庫など整った環境で使われている一方、人や物の配置がよく変わる住宅やオフィスへの適用は今のところ難しい、と説明しています。「決まった場所・決まった物」から「変わる場所・初めて見る物」へ広げることが、フィジカルAIが目指している方向だと読み取れます。
フィジカルAIの課題(安全・データ・遅れ・実世界への適応)
この節では、フィジカルAIを進めるうえで公式の説明が挙げている課題と、データの量の目安が分かります。
| 課題 | 内容 | 出典 |
|---|---|---|
| 安全 | 誤りが重大な結果を招く。人の体に触れる作業ではけがの危険がある | IBM・産総研 |
| 実世界のデータ不足 | ロボットのデータ集めは時間がかかり、触覚・力覚のデータはほとんど無い | IBM・産総研 |
| 物理の不確実さ | 摩擦や重力の違いで、シミュレーションの成功が実世界で通じない | IBM |
| 時間(遅れ) | 認識・判断・行動に低遅延のフィードバックが要る | IBM |
| 学習の効率 | 必要なデータ量が途方もなく多く、人の学習効率に大きく及ばない | 産総研 |
| 変わる環境への適応 | 配置がよく変わる空間の状況把握が難しい | 富士通 |
JST CRDS の戦略プロポーザルは、研究開発の課題として「実世界で適応的に動作するフィジカルAIの開発」「身体性を備えた知能の解明」「安全性の高いフィジカルAIシステムの構築」「社会・経済的影響に関する人文・社会科学研究」の4つを挙げています。
データの量の感覚をつかむため、架空のロボットに載せるセンサーの非圧縮のデータ量を Python で計算しました。
== センサーのデータ量(架空の構成・非圧縮)
カメラ 1280x720 RGB 30fps: 82,944,000 B/s, 1時間 298.60 GB, 24時間 7166.36 GB
深度カメラ 640x480 16bit 30fps: 18,432,000 B/s, 1時間 66.36 GB, 24時間 1592.52 GB
IMU 6軸 float32 200Hz: 4,800 B/s, 1時間 0.02 GB, 24時間 0.41 GB
台車の位置 float64 100Hz: 800 B/s, 1時間 0.00 GB, 24時間 0.07 GB
カメラ1台を1日まわすだけで非圧縮なら約7.17TBになり、IMU(約0.41GB/日)とは桁がまったく違います。実際には圧縮や間引きをしますが、「どのセンサーの、どの場面を残すか」を決めないと、保存も学習も回りません。シミュレーションで合成データを作る考え方は、この量と、危険な場面を実世界で集めにくい問題の両方への答えでもあります。
エンジニアがフィジカルAIを学ぶ順番
この節では、ソフトウェアのエンジニアがフィジカルAIに近づくときに、どの順で学ぶと手を動かしやすいかが分かります。
いきなり大きなモデルから入るより、「輪を回す」小さなシミュレーションから入ると、何が難しいのかを体で分かります。
- 1NumPy で配列と数値計算に慣れるセンサーの値も画像も、まずは配列として扱う
- 2運動方程式を小さな周期で回すこの記事の台車のように、速さと位置を少しずつ進める
- 3PID などの古典的な制御で止めてみる雑音・遅れ・上限を入れて崩れ方を見る
- 4ニューラルネットワークと画像認識を学ぶ「見る」部分をモデルに置き換える
- 5強化学習で動き方を学ばせる報酬の決め方で結果が大きく変わることを確かめる
- 6物理シミュレーターと条件のランダム化に進む仮想と実世界の差を前提に作る
配列の基本は関連記事「NumPyの使い方 基本一覧|配列の作成・演算・形状変更」、「見る」部分の土台になるモデルの仕組みは関連記事「ニューラルネットワークとは|仕組み・学習・AttentionをNumPyで実演」で扱っています。
フィジカルAIでよくある誤解・つまずき
この節では、フィジカルAIを調べ始めたときに起きやすい思い込みと、確かめた事実が分かります。
| よくある思い込み | 確かめた事実 | 根拠 |
|---|---|---|
| フィジカルAI=人型ロボット | カメラ・自動運転車・倉庫のロボット・空間の見守りも含む | NVIDIA 用語集 |
| ロボットそのものを指す | ロボットは身体、フィジカルAIは頭脳にあたるという説明がある | 富士通 用語解説 |
| 生成AIとは無関係 | 生成AIを拡張するもの、支える基盤技術と説明されている | NVIDIA・IBM |
| シミュレーションで成功すれば実機も動く | 架空の台車でも、最速のゲインが実機の条件で整定しなかった | 実験3 |
| 雑音は位置のぶれとして出る | 位置のぶれより、力のばたつきが先に大きくなった(1mmで約59倍) | 実験2 |
| 速い判断ほどよい | 強いゲインは遅れ120msで発散。遅れに強い設計を先に考える | 遅れの実験 |
| AIが賢ければ安全の仕組みは要らない | 制約と人の監督が要ると説明されている。上限はAIの外にも置く | IBM・実験4 |
シミュレーションを自分で書き換えて試すときに出たエラーの原文も載せます。遅れの周期の数を、設定ファイルから読んだ文字列のまま渡すと、次のようになりました(Python 3.13.18 で実行)。
Traceback (most recent call last):
File "/work/exp3.py", line 10, in <module>
run(80, 0, 12, delay_steps="5")
~~~^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "/work/cart.py", line 22, in run
queue = [0.0] * delay_steps
~~~~~~^~~~~~~~~~~~~
TypeError: can't multiply sequence by non-int of type 'str'
リストに文字列を掛けようとしたためで、int(delay_steps) で整数に直すと動きます。遅れ120msの実験のように揺れが大きくなり続けるときは、エラーにならずに数値だけが桁違いに大きくなるので、位置や力が決めた範囲を超えたら止める判定を入れておくと気づけます。
フィジカルAIの判断表(どんな場面で考え方が役立つか)
この節では、自分の扱うシステムにフィジカルAIの考え方が当てはまるかを、場面ごとに判断できます。
| 場面 | 当てはまるか | まず考えること |
|---|---|---|
| 文章の要約・コード生成だけを行う | 当てはまらない(生成AIの範囲) | 出力の検証・ガードレール |
| Web やファイルをツールで操作する | 当てはまらない(AIエージェントの範囲) | 操作してよい範囲と記録 |
| カメラ映像から物を数えるだけ | 一部(認識の部分。動きは返さない) | エッジで推論するか、遅れの許容 |
| カメラで見て、アームや台車を動かす | 当てはまる | 力と速さの上限、止まる条件 |
| 倉庫や工場の中で複数の機械を動かす | 当てはまる | シミュレーションでの事前の確かめ |
| 条件がよく変わる場所で動かす | 当てはまる(難しい側) | 条件を散らした学習、人の見守り |
| 人の体に触れる作業 | 当てはまる(最も慎重に扱う側) | 提供元・関係する基準の最新の情報を確かめる |
よくある質問
この節では、フィジカルAIについてよく調べられる疑問への短い答えが分かります。
Q. フィジカルAIとは簡単に言うと何ですか?
A. 画面の外の実世界で、センサーで見て、考えて、機械を動かすAIのことです。動いた結果をまた読み直して、動きを直し続ける点が特徴です。
Q. 生成AIとフィジカルAIの違いは何ですか?
A. 生成AIは文章や画像などを出力し、主にデジタルの中で使います。フィジカルAIは機械が実行できる行動を出力し、その結果を次の入力にします。NVIDIA は、フィジカルAIは物理的な動きを理解して生成AIを拡張するものだと説明しています。
Q. physical ai と「身体性を備えたAI(Embodied AI)」は同じですか?
A. 重なる部分が大きい言葉です。JST CRDS はフィジカルAIを「身体性を備えたAI」と定義しており、産総研も「身体を持ち、実世界の中で行動するAI」と説明しています。
Q. フィジカルAIという言葉は誰が言い始めたのですか?
A. 富士通の用語解説は、NVIDIA のジェンスン・フアン氏が提唱し CES 2025 で言及した概念と紹介しています。NVIDIA は2025年1月6日の CES で Cosmos を発表し、その発表文で physical AI という語を使っています。
Q. 世界モデルとは何ですか?
A. NVIDIA は「物理学や空間特性などの実世界の力学を理解するニューラル ネットワーク」と説明しています。合成データを作ったり、ロボットや自動運転車の学習に使ったりします。
Q. フィジカルAIとエッジAIの違いは何ですか?
A. エッジAIは、AIモデルを手元の機器に置いて処理する「置き場所」の考え方です。フィジカルAIは、実世界で動くという「目的」の考え方です。フィジカルAIは遅れを嫌うため、エッジAIの形をとることが多くあります。
Q. フィジカルAIはどんな分野で使われていますか?
A. 公式の説明では、倉庫や工場のロボット、自動運転車、工場や倉庫での人や車両の動きの見守り、農業のドローンなどが挙がっています。
Q. ロボットがなくてもフィジカルAIを学べますか?
A. 学べます。この記事のように、運動方程式を Python で回すだけでも、雑音・遅れ・上限・シミュレーションと実機の差といった中心の難しさを確かめられます。
Q. なぜシミュレーションで学習するのですか?
A. 実機でのデータ集めは時間がかかり、壊れたりぶつかったりする危険もあるためです。ただし、仮想と実世界の差があるので、条件を散らして学ぶなどの工夫が要ります。
Q. フィジカルAIの課題は何ですか?
A. 安全、実世界のデータ(特に触覚・力覚)の不足、物理の不確実さ、遅れ、変わる環境への適応が挙げられています。
まとめ
この節では、記事の要点を5つに絞って確かめられます。
- フィジカルAIとは、ロボットや自動運転車など身体を持つ機械が、実世界で認識・判断・行動するためのAIです。
- 生成AIとの違いは、出力が行動で、その結果を読み直して動き続けることです。
- 構成要素は、センサー・AIモデル・世界モデル・シミュレーション・制御・アクチュエーターです。
- 架空の台車の実験では、雑音1mmで力のばたつきが約59倍、遅れ120msで強いゲインが発散、1つのシミュレーターで最速のゲインは実機の条件で整定しませんでした。
- 安全の仕組み(力の上限・止まる条件・人の見守り)は、AIモデルの外側にも重ねて置きます。
参考・出典
確認日はいずれも 2026年11月16日です。
- NVIDIA「フィジカル AI とは?」:https://www.nvidia.com/ja-jp/glossary/physical-ai/
- NVIDIA「世界モデルとは?」:https://www.nvidia.com/ja-jp/glossary/world-models/
- NVIDIA「NVIDIA Launches Cosmos World Foundation Model Platform to Accelerate Physical AI Development」(2025年1月6日):https://investor.nvidia.com/news/press-release-details/2025/NVIDIA-Launches-Cosmos-World-Foundation-Model-Platform-to-Accelerate-Physical-AI-Development/default.aspx
- 富士通「フィジカルAI(Physical AI)とは:用語解説」:https://global.fujitsu/ja-JP/library/physical-ai
- 産業技術総合研究所「フィジカルAIとは?」(2026年5月13日):https://www.aist.go.jp/aist_j/magazine/20260513.html
- 科学技術振興機構 研究開発戦略センター「フィジカルAIシステムの研究開発 〜身体性を備えたAIとロボティクスの融合〜」(2025年5月):https://www.jst.go.jp/crds/report/CRDS-FY2025-SP-01.html
- IBM「フィジカルAIとは」:https://www.ibm.com/jp-ja/think/topics/physical-ai
- IBM「エッジAIとは」:https://www.ibm.com/jp-ja/topics/edge-ai
- @IT「物流や製造分野で活用が進む『フィジカルAI』の仕組みと課題を把握しよう」(2025年11月20日):https://atmarkit.itmedia.co.jp/ait/articles/2511/20/news006.html
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「フィジカルAIとは|意味・生成AIとの違い・ロボットや自動運転での使われ方」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか?
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。