ソフトバンクと安川電機、GPUクラウドで柔軟物体ハンドリングを実証
ひもや布のように形が変わる物体を、ロボットが状況に応じて扱う——従来は難しかった作業の実現に向けて、ソフトバンクと安川電機は「AIデータセンター GPUクラウド」を活用し、ワイヤーハーネスを箱へ収納する柔軟物体ハンドリングシステムを実証しました。ロボットAIの学習から実機への適用までを、一つの基盤で進めた取り組みです。
ARCHETYP Staffingでは現在クリエイターを募集しています。
エンジニア、デザイナー、ディレクター以外に、生成AI人材など幅広い職種を募集していますのでぜひチェックしてみてください！
ソフトバンクと安川電機が挑んだ「柔軟物体」のハンドリング
従来のロボット制御は、対象物の形状や置かれる位置があらかじめ決まっている作業を前提としています。一方、ひもや布、袋のような柔軟物体は、作業のたびに形状や配置が変化します。たわみや絡まり、折れ曲がり、つかむ位置のばらつきも生じるため、事前に設定した動きを繰り返すルールベースの制御だけでは、安定して扱うことが難しい対象です。
ソフトバンクと安川電機は、NVIDIAの協力の下、柔軟物体を扱うロボットシステムの実証を行いました。今回の実証では、ロボットが複数の電線を束ねた部品であるワイヤーハーネスの形状や配置をカメラで認識し、AIを活用して把持・操作しながら箱へ収納する作業に取り組みました。
安川電機が開発した柔軟物体ハンドリングシステムには、VLA（Vision-Language-Action）が活用されています。
VLAとは、カメラから得た画像などの視覚情報と、言葉で示された作業指示を基に、ロボットが実行する動作を生成するAIです。対象物の状態を認識して、つかむ位置を判断し、把持や操作につなげます。
ロボットのすべての動作をAIに置き換えているわけではありません。安定して対応できる動作には従来のロボット制御を使い、柔軟物体の状態認識や把持位置の判断など、状況に応じた判断が求められる部分にフィジカルAIを組み込んでいます。フィジカルAIとは、カメラやセンサー、外部システムから得た情報をAIが解析・判断し、その結果をロボットの動作に反映する技術です。
実証では、ロボットが視覚情報を基にワイヤーハーネスの状態を認識し、AIがリアルタイムに学習して的確な指示を出すことで、柔軟物体を安定して扱えることが確認されました。こうした動作を実現するには、ロボット本体やAIモデルに加えて、データの収集から学習、評価までを継続して行える開発環境も必要です。
AIがロボットのすべてを動かすのではなく、柔軟物体の認識や把持位置の判断を担う点が印象的です。従来の制御を生かしながら、判断が難しい部分をAIで補う構成は、現場への導入を考えるうえでも重要なポイントと考えられます。
GPUクラウド上でロボットAIの学習から実機適用までを一元化
フィジカルAIを現場へ導入するまでには、ロボットの動作データを収集し、AIモデルを学習させ、仮想環境で評価した後、実際のロボットへ適用する工程があります。ソフトバンクが開発した支援ツールは、データの収集や拡張からAIモデルの学習、シミュレーション評価、実機への適用までを「AIデータセンター GPUクラウド」上で一元的に進められるようにしたものです。GPUクラウドとは、AIの学習などに必要な大量の計算を処理するGPUを、ネットワーク経由で利用できる環境です。開発支援ツールには、ロボットのシミュレーション環境を構築できるNVIDIA Omniverse、合成データの生成などに活用できるNVIDIA Cosmos、フィジカルAIの開発を支援するNVIDIA Physical AI Factory Blueprintが使われています。
最初にロボットをGPUクラウドへ接続し、動作データやセンサー情報を収集・蓄積します。続いて、集めたデータを基にNVIDIA Cosmosを使って合成データを生成します。合成データとは、AIやシミュレーションによって作られる学習用データのことで、実機だけでは十分に収集しにくいデータを補い、AIモデルの学習に活用します。
収集・拡張したデータを使い、GPUクラウド上でAIモデルを学習させます。技術者はGUI上で学習状況を確認しながら、モデルの改善を進めることが可能です。GUIとは、画面上に表示されるボタンやメニューなどを操作して作業を行う仕組みを指します。
学習したモデルはすぐに実機へ適用するのではなく、NVIDIA Omniverseのライブラリーと統合されたシミュレーター上で評価します。複数のタスクに対する動作を確認し、基本性能を維持しながら対象の作業に適用できるかを検証した後、AIモデルを実際のロボットへ反映します。
ソフトバンクは、一連の工程を同じ基盤上で扱うことで、フィジカルAIの開発環境の導入や学習サイクルを効率化できるとしています。また、現場で得た実機データやAIモデルの実行データ、合成データを各社の管理方針に沿って資産として活用し、別の業務やロボットへ展開しやすい環境の実現を目指しています。ロボットの動作だけでなく、開発に必要なデータとAIモデルを継続的に活用できる環境づくりも、今回の取り組みを理解するうえで重要な点です。
今回の開発基盤で重要なのは、高性能なGPUを利用できることだけでなく、データ収集から学習、評価、実機適用までが一つの流れとして設計されている点です。複数の工程を行き来しながらAIモデルを改善できることが、フィジカルAIの実用化を支える要素になると考えられます。
まとめ
いかがだったでしょうか？
ソフトバンクと安川電機の実証では、形状や配置が変わるワイヤーハーネスの状態をAIが認識し、ロボットで安定して扱えることが確認されました。
データ収集からAIモデルの学習、シミュレーション評価、実機への適用までをGPUクラウド上で一元的に進められる点も、今回の取り組みの特徴です。ソフトバンクは今後、「AIデータセンター GPUクラウド」を活用した検証の拡大と、開発基盤の整備を進める方針です。
今回の実証は、柔軟物体を扱うロボットの動作と、それを支える開発基盤の両方を検証した点が特徴です。今後、より高度なタスクへの適用によって、対応できる作業の範囲がどのように広がるのか注目されます。