トップITガジェットAIロボティクスSaaSサイエンスこのサイトについて

パナソニックHDら、触覚で動きを補正するロボットAI「T-Rex」を開発

パナソニックHDと米国やイタリアの大学、NVIDIAなどが、指先の触覚で動きを直す両手のロボットAI「T-Rex」を開発した。12種類の作業の平均成功率は65%で比べた中の最高だが、工場のねじ締めに近い電球のねじ込みは35%で、ほかのAIとの差も最も小さい。

執筆・監修 佐々木 航人が監修しながらAIを活用して執筆公開 更新 ・ 読了 約4分
ロボティクス
画像: 画像生成AIで作成したイメージ(TECHNOVA編集部)
TECHNOVA まとめ
要するに
  • ●指先の触覚で1秒に約20回、動きを直す両手のロボットAIを共同で開発
  • ●12種類の作業の平均は65%で、比べたほかのAIの最高35%を30ポイント上回る
  • ●いちばん苦手な電球のねじ込みでは、ほかのAIとの差も17ポイントまで縮む
じぶんごと

工場や倉庫には、部品の差し込みや割れ物の扱いのように、指先の力加減が要る手作業が多い。そうした作業をロボットに任せるための足がかりになる。

この先どうなる

パナソニックHDは今後、工場での部品の挿入やねじ締め、倉庫での柔らかい物や壊れやすい物の扱いを、ロボットで支えることを目指す。

本のページをめくる作業なら96%、電球をねじ込む作業だと35%。指先の触覚を頼りに両手で動くロボットAI「T-Rex」が、作業ごとに出した成功率だ。

パナソニックHDとそのグループ会社が、米国やイタリアの大学、NVIDIAなどの研究者と一緒に開発し、11月5日に発表した。12種類の作業を16回ずつ試した平均成功率は65%。比べたほかのAIでいちばん高かった35%を、30ポイント上回った。パナソニックHDが「世界最高性能」とうたうのは、この12種類の作業での自社調べの結果だ。

発表の場は、11月9〜12日の国際会議「CoRL」(米国オースティン)。同じ会議には、ロープを揺らして性質を見積もるカーネギーメロン大学のロボットの研究も出ている。

目で大枠、指先で補正

土台はVLAモデルと呼ばれるAIだ。カメラの映像と言葉の指示から、ロボットの動きを作る。もっとも、これまでのVLAモデルは主にカメラ頼みで、薄いカードを引き出す、鍵を差して回すといった、指先の力加減で決まる作業が苦手だった。

T-Rexは2つの速さを組み合わせる。映像と言葉から動きの大枠を作るのは、1秒に約5回。指先の触覚で滑りや押し込みすぎに気づき、動きを直すのは1秒に約20回だ。

目と言葉で大枠を作る1秒に約5回

指先の触覚で直す1秒に約20回

0秒1秒

パナソニックHDの発表と研究チームのページ(2026年11月15日に確認)をもとに編集部が作図。

大枠を1回作るあいだに、指先で4回直せる。時間のかかる画像認識を毎回やり直さずに済むので、すばやく応じられる。

触覚付きの学習データが少ないことも、これまでの壁だった。そこで研究チームは、200種類を超える日用品と22種類の基本動作を組み合わせ、7,700件超、計100時間の両手の操作データを集めた。学習はまず、人の一人称視点の映像22,889時間で動きを広く学び、次にこのデータで触れ方を覚え、最後に作業ごとに約100件のお手本で仕上げる順だ。

触覚は、足すだけでは効かない

では、触覚を付ければロボットは器用になるのか。研究チームが公開した数字を見ると、そう単純ではない。

AI 触覚の扱い 平均の成功率
π0.5 使わない 17%
π0.5 そのまま足す 6%
T-Rex 使う 65%
T-Rex 抜く 42%

意外にも、すでにあるVLAモデル「π0.5」に触覚をそのまま加えると、17%から6%に下がった。T-Rexから触覚を抜く比べは、代表の6種類の作業で行われ、65%が42%に落ちている。

触覚付きのデータは100時間で、人の映像の約230分の1にすぎない。それでも抜けば23ポイント下がる。触覚は量より、どう読み込んで動きに返すかで効き方が変わるようだ。

差がいちばん小さいのは電球

ほかのAIで平均がいちばん高かった「EgoScale」と比べると、次のようになる。12種類のうち、パナソニックHDが発表で名前を挙げた6つだ。

作業 T-Rex EgoScale 差(ポイント)
ページめくり 96% 68% 28
卵の移し替え 75% 44% 31
カードの取り出し 70% 41% 29
歯磨き粉の塗布 66% 38% 28
鍵開け 47% 19% 28
電球のねじ込み 35% 18% 17
12種類の平均 65% 35% 30

T-Rexは12種類のどの作業でも上回ったが、差が20ポイントに届かなかったのは電球だけだ。ほかの11種類は28〜45ポイント開いている。

うまくいかなかった場面も、具体的に明かされた。電球をつかんだあと、土台にぶつける。鍵が途中で手の中から滑る。歯磨き粉を出しすぎて、ブラシに乗らない。

製品の発表ではないので、日本を含め、いつ、どんな形で使えるようになるかは示されていない。研究チームはコードをMITライセンスで公開し、触覚の学習まで済ませたモデルも、自分の作業データで仕上げ直せる形で配っている。集めたデータも、約50時間分を公開した。

これからの課題には、センサーの値が機器ごとにずれることや、手のひらまで細かく触覚を測れないことを挙げている。手のひらについては、Boston Dynamicsが人型ロボットAtlasの新しい手で、指先と手のひらに力のセンサーを密に並べた例もある。

パナソニックHDが使い道に挙げる工場のねじ締めは、回しながら入れる点で、電球のねじ込みに近い。その電球で、T-Rexの成功率はいちばん低く、ほかのAIとの差もいちばん小さかった。現場で任せるまでには、まだ距離がありそうだ。

シェアXFacebookはてなLINE
執筆・監修
佐々木 航株式会社Game

代表取締役。工学部出身で、21歳で起業してからシステム会社の経営一筋で8期目。アプリの受託開発から始め、いまはAIを使ったシステムソリューションを手がけています。150社以上の企業とのプロジェクトで培った開発と情報システムの現場の経験と声を形にし、激動の時代を乗り越えたいと考えています。

この記事は、人が監修しながらAIを活用して執筆しています。執筆と監修は佐々木 航が担い、公開した記事も人が確認しています。 記事の中身の責任は編集部が負い、誤りに気づいたら直して、記事の末尾に更新の行を残します。編集の方針とAIの使い方

関連記事