フィジカルAIやロボットのニュースによく出てくる言葉を、五十音順にまとめました。説明は中学生にもわかる言葉で書き、根拠になる公式の情報があるものには出典のリンクを付けています。

産業用ロボットの安全に関する国際規格です。ロボット本体の安全な設計を定める第1部と、ロボットを組み込んだ設備の安全を定める第2部があります。協働作業の安全に関する内容も含まれています。 出典 ↗
回転の速さを測るジャイロセンサーと、加速度センサーを組み合わせた装置。物体の傾きや動きを立体的にとらえます。ロボットが倒れないよう姿勢を保つ制御や、ドローン、自動運転などに使われます。 出典 ↗
NVIDIAが提供する、ロボットのシミュレーションとテスト、合成データ作りのためのオープンソースの仕組み。Omniverse の技術を使い、物理法則に沿った仮想空間でロボットを試せます。 出典 ↗
NVIDIAが提供する、ロボット学習用のオープンソースのシミュレーション環境。GPUを使って大量のロボットを同時に訓練でき、模倣学習と強化学習の両方に対応しています。 出典 ↗
電気などのエネルギーを使って、実際の動きを生み出す装置。モーターがその代表で、ロボットの関節を動かす「筋肉」にあたります。人型ロボットは全身に多数のアクチュエータを積んでいます。 出典 ↗
AIが入力データの中から、特に大事な部分に注目して処理するためのしくみ。人が話を聞くとき大事な言葉に耳を傾けるのに似ています。トランスフォーマーの中心にある技術です。 出典 ↗
産業用ロボットの動く範囲に人がうっかり入らないように、周りを囲む柵。人がロボットに触れる危険を大きく減らします。日本では一定の条件にあてはまる産業用ロボットに設置が義務づけられています。 出典 ↗
Google DeepMindが2023年7月に発表した、初期の代表的なVLAモデル。Webの画像・文章とロボットのデータの両方から学び、初めて見る状況でもロボットを動かせる力を大きく高めました。 出典 ↗
道路や車線、建物、設備などの形や位置を、立体的にとても細かく記録したデジタル地図。自動運転車が自分の位置を正確に知ったり、走る道を判断したりするための土台になります。 出典 ↗
インターネットの向こうのサーバーではなく、ロボットや車などの機械の中で直接AIを動かすこと。通信の遅れがなく、その場ですぐ判断できるため、素早く動く必要があるロボットに欠かせません。 出典 ↗
NVIDIAのロボット開発向けプラットフォーム。シミュレーターの Isaac Sim、ロボット学習用の Isaac Lab、人型ロボット向け基盤モデル GR00T などをまとめた名前です。 出典 ↗
AIの計算を速く、少ない電力でこなすために作られた専用の半導体チップ。スマートフォンやパソコンなどに組み込まれ、機器の中でAIを動かすエッジAIを支えています。 出典 ↗
道路交通法で定められた、遠隔で操作される小型の配送ロボットなどの区分。最高速度は時速6km以下などの基準があり、通行を始める前に都道府県公安委員会への届出が必要です。 出典 ↗
モーターの軸などの回転を、パルスと呼ばれる電気信号に変えて、回転の角度や量を測る装置。サーボモーターに組み込まれ、ロボットが自分の関節の位置を正確に知るために使われます。 出典 ↗
ロボットアームの先端に取り付けて、実際に作業をする部分。物をつかむハンド(グリッパー)や吸着パッド、溶接用の道具などがあります。人でいえば「手」にあたり、作業ごとに付け替えます。
ロボットなどの「身体」を持ち、現実の環境とやり取りしながら学んだり動いたりするAI。「身体性を持つAI」とも訳されます。フィジカルAIとほぼ同じ意味で使われることが多い言葉です。 出典 ↗
目標を与えられると、自分で手順を考え、必要な道具やサービスを使いながら仕事を進めるAIのしくみ。大規模言語モデルを頭脳にしたものが多く、ロボットに作業計画を立てさせる研究にも使われています。 出典 ↗
工場や倉庫の中を、自分で周りを見て道を判断しながら荷物を運ぶロボット。人や障害物をよけて走れるため、床に誘導用のテープなどを貼らなくても使え、配置の変更にも強いのが特長です。
床に貼った磁気テープや目印などに沿って、決められた道を走って荷物を運ぶ車。決まった道を正確に走るのが得意で、自分で道を判断して走るAMRとは、この点が大きく違います。
カメラやレーダーなどを使って、ドライバーの安全運転を助ける仕組みの総称。運転の主役はあくまで人です。国土交通省は、こうした技術を積んだ車を「ASV(先進安全自動車)」と呼んで普及を進めています。 出典 ↗
実際のロボットを使わずに、パソコン上の専用ソフトでロボットの動作プログラムを作る方法。工場の設備を止めずに準備でき、ぶつかりなどの確認も前もってできます。仕上げは実機で調整します。 出典 ↗
NVIDIAの3Dシミュレーション・デジタルツイン向けの技術群。物理法則に沿った仮想の世界を作り、ロボットや工場のシミュレーション、学習用の合成データ作りに使われます。 出典 ↗
自動運転のシステムが、正しく働くように設計された走行の条件のこと。道路の種類、地域、時間帯、天気などで決められます。日本の制度では「限定領域」とも呼ばれ、レベル4はこの範囲の中で機械がすべての運転を行います。 出典 ↗
多くの研究機関が持ち寄った、さまざまな種類のロボットの動作データをまとめた公開データセットです。Google DeepMindなどが参加しました。このデータで学んだ「RT-X」というモデルも発表されています。 出典 ↗
AIが学習データにぴったり合わせすぎて、新しいデータではうまく働かなくなる状態。練習問題の答えを丸暗記して、本番の問題が解けないのに似ています。汎化の力を高めるうえで避けたい現象です。 出典 ↗
拡散モデルの考え方を使って、カメラ画像などからロボットの動作の流れを作り出す学習方法です。ノイズから少しずつ動きを整えていきます。コロンビア大学やトヨタ・リサーチ・インスティテュートなどの研究チームが発表しました。 出典 ↗
データに少しずつノイズを加える過程を学び、その逆をたどってノイズから新しいデータを作り出す生成AIの方式。画像生成AIでよく使われ、最近はロボットの動きを生み出す技術にも応用されています。 出典 ↗
ロボットアームが持ち上げられる最大の重さのこと。「可搬重量」とも言われます。手先に付けるハンドの重さも含めて考える必要があるため、余裕を持ってロボットを選ぶことが大切です。 出典 ↗
製品の表面にキズ・汚れ・欠け・色ムラなどがないかを調べる検査。カメラと画像処理を使ってロボットに行わせることで、細かい欠陥も長時間にわたり安定して見つけられます。 出典 ↗
AIに予測や判断のしかたを教えるために使うデータのこと。量だけでなく、正確さや偏りの少なさが性能を大きく左右します。ロボットの場合は、動作の記録やカメラ映像などが学習データになります。 出典 ↗
データからパターンを学び、新しいデータに対して予測や判断ができるようにするAIの技術です。人が細かいルールを一つずつ書かなくても、例をたくさん見せることで賢くなります。ロボットのAIもこの仕組みの上に成り立っています。 出典 ↗
大量で多様なデータで学習し、いろいろな仕事の土台として使えるAIモデル。少し追加で学ばせるだけで、別の用途にも応用できます。ロボット向けには「ロボット基盤モデル」の開発が世界中で進んでいます。 出典 ↗
AIが試行錯誤をくり返し、うまくできたら「ごほうび(報酬)」をもらうことで、よりよい行動を覚えていく学習方法。ロボットではシミュレーションの中で何千回、何百万回と練習させてから現実で使います。 出典 ↗
「これは猫」「これは犬」のように正解ラベルがついたデータでAIを学ばせる方法。正解と見比べながら学ぶので、新しいデータにも正しい答えを出せるようになります。画像の分類などで広く使われています。 出典 ↗
安全柵で囲わずに、人のすぐそばで一緒に作業できるように設計されたロボット。人にふれると止まるなどの安全機能を持ちます。英語を略して「コボット」とも呼ばれ、中小の工場でも導入が進んでいます。
ロボットの手先を目標の位置や向きに動かすには、各関節をどれだけ曲げればよいかを計算する方法。「IK」と略されます。ロボットアームを思いどおりに動かすための基本となる計算です。 出典 ↗
NVIDIAの人型ロボット向け基盤モデル。2024年3月に構想が発表され、2025年3月にオープンな基盤モデル「GR00T N1」が公開されました。素早く動く仕組みとじっくり考える仕組みの2層でできています。 出典 ↗
ロボットや自動運転車が、障害物を避けながらスタート地点から目的地までの道すじを求めること。周りの地図をもとに計算します。移動ロボットを安全に動かすために欠かせない技術です。 出典 ↗
モーターの速い回転を、ゆっくりで力強い回転に変える装置。ロボットの関節で、正確な位置決めをしながら大きな力を出すために欠かせない部品で、人型ロボットや産業用ロボットの関節に使われます。
NVIDIAが2025年1月に発表した、フィジカルAI向けの世界基盤モデルのプラットフォーム。物理法則に沿ったリアルな動画を生成でき、ロボットや自動運転のAIの学習データ作りに使われます。 出典 ↗
カメラの画像や動画をコンピュータに分析させ、そこに何が写っているかを理解させるAIの分野。ロボットが物を見分けたり、位置を確かめたりする「目」の役割を担います。 出典 ↗
現実で集めたのではなく、コンピューターで人工的に作った学習用データ。現実では集めにくい珍しい場面や危険な場面も作れるため、ロボットや自動運転のAIの学習を速めます。 出典 ↗
工場で溶接・塗装・組み立て・運搬などを行うロボット。腕の形をしたロボットアームが代表的です。国際ロボット連盟によると、世界の工場で稼働する台数は2025年に約500万台に達しました。 出典 ↗
人や設備の役に立つ仕事をする、個人向け・業務向けのロボットの総称。掃除や配送、案内などを行います。国際ロボット連盟(IFR)は、個人向けと業務向けに分けて統計をとっています。 出典 ↗
目標の位置や速さに合わせて正確に動かせるモーター。エンコーダで実際の回転位置や速さを測って制御装置に返し、ずれをなくすように動きます。ロボットの関節を精密に動かす中心的な部品です。 出典 ↗
4本の足で歩くロボット。犬のような形のものが多く、段差や不整地でも安定して動けるのが特長です。設備の点検や見回り、研究用、家庭向けのペットなどに使われています。
現実の世界を、物理法則に沿ってコンピューターの中に再現し、試してみること。ロボットを壊したり危険な目にあわせたりせずに、大量の練習やテストを、短い時間でくり返し行えます。 出典 ↗
シミュレーションの中で学習したロボットの動きを、現実のロボットに移して使うこと。仮想と現実では摩擦や光の具合などが少しずつ違うため、そのずれ(リアリティギャップ)をどう埋めるかが課題になります。 出典 ↗
物にふれたときの圧力や、すべり、硬さなどを感じ取るセンサー。ロボットの指先などに付けて使います。触覚のデータはインターネット上に少ないため、集め方が研究されています。 出典 ↗
NVIDIAが作る、ロボットや機械に組み込むための小型AIコンピューター。2025年8月に発売された Jetson Thor は、前の世代の最大7.5倍のAI性能を持ち、人型ロボットなどに使われます。 出典 ↗
Google DeepMindが2025年3月に発表した、ロボット向けのAIモデル。AI「Gemini」をもとに、映像と言葉からロボットの動きを直接出すVLAモデルで、初めての物や場所にも対応できるとされています。 出典 ↗
人が正解ラベルをつけていないデータから、データ自身の構造を手がかりに学ぶAIの方法。ラベルづけの手間がいらないため、大量のデータを使って学習できます。大規模言語モデルの事前学習などに使われています。 出典 ↗
AIモデルを、まず大量のデータで幅広く学ばせておくこと。こうしてできたモデルを「事前学習済みモデル」と呼びます。あとから特定の仕事向けに追加で学ばせる土台として使われます。 出典 ↗
車の運転をどこまで機械に任せるかを、レベル1から5で表したもの。レベル1・2は運転者が主役の運転支援、レベル3以上は条件つきで機械が運転し、レベル5はどこでも機械がすべての運転を行います。 出典 ↗
ロボットが動ける方向や関節の数を表す数字。自由度が多いほど、人に近い複雑な動きができます。人型ロボットの性能を比べるときに「全身で〇自由度」「片手で〇自由度」のように使われます。
もともと画像を描くために作られた半導体チップ。たくさんの計算を同時に進める「並列処理」が得意なため、AIの学習や推論に欠かせない存在になりました。ロボットのシミュレーションにも使われます。 出典 ↗
人の肩・ひじ・手首のような関節を持ち、腕のように複雑に動けるロボット。工場で最もよく見かける形で、溶接、組み立て、運搬など幅広い作業に使われています。 出典 ↗
学習を終えたAIモデルが、新しいデータを受け取って答えや予測を出すこと。ロボットでは、カメラの映像などから次の動きを決める処理がこれにあたり、速さが求められます。 出典 ↗
答えを出す前に、途中の考える手順を重ねてから回答するように調整された大規模言語モデル。複雑な問題で答えの質を高める工夫です。ロボットが何段階もの作業を計画する場面でも注目されています。 出典 ↗
水平方向に回る関節と、上下に動く軸を組み合わせたロボット。日本で開発されました。水平方向にはしなやかに、上下方向にはしっかり動くため、部品の組み立てや並べ替えに向いています。 出典 ↗
決まった角度ずつ刻むように回るモーター。サーボモーターと違い、エンコーダで位置を確かめずに動かすのが基本のため、仕組みが簡単で安く作れます。ただし大きな力がかかると、指令どおりに回れなくなることがあります。 出典 ↗
左右に並べた2台のカメラで撮った画像の違いから、三角測量の原理で物までの距離を測るカメラ。人が両目で奥行きを感じるのと同じ考え方です。車の運転支援やロボットの目として使われています。 出典 ↗
ロボットが動きながら、周りの地図を作ることと、地図の中で自分がどこにいるかを知ることを同時に行う技術。カメラやLiDARを使い、掃除ロボットや搬送ロボット、自動運転車などで使われます。
文章・画像・音声・動画などを新しく作り出すAI。インターネット上の大量のデータから、言葉や絵のパターンを学んで作ります。ChatGPTのような対話AIや画像を描くAIが代表例で、主に画面の中で働きます。 出典 ↗
世界モデルを、いろいろな用途の土台として使えるように大規模に学習したもの。物理法則に沿ったリアルな動画を生成でき、ロボットや自動運転のAIを訓練・評価するデータ作りに使われます。NVIDIA Cosmos が代表例です。 出典 ↗
物理法則や物の動き、空間の関係など、現実の世界の仕組みを理解し、「次に何が起きるか」を予測するAI。仮想の世界を作り出せるので、ロボットの訓練や合成データ作りに使われます。 出典 ↗
画像の1つ1つの点(ピクセル)に「道路」「人」「車」などの種類を割り当てるコンピュータビジョンの技術。物の輪郭まで細かく分けられるため、自動運転やロボットの周囲把握に役立ちます。 出典 ↗
光・音・距離・力・温度などを感じ取り、データに変える部品。ロボットにとっての目や耳、皮膚にあたります。経済産業省はロボットを、センサー・知能/制御系・駆動系の3つの技術を持つ機械と定義しています。 出典 ↗
二足歩行ロボットのバランスを考えるときの基準になる点で、「ゼロモーメントポイント」の略です。重力や体の動きによる力の回転がゼロになる点を指します。ホンダのASIMOの歩行制御でも使われました。 出典 ↗
学習のときに一度も見せていない作業や物に対して、追加の練習なしでいきなり対応できること。フィジカルAIでは、初めて見る物でもつかめるかどうかが性能の大事なものさしになります。 出典 ↗
腕・足・胴体など、ロボットの全身の関節をまとめて調整しながら動かすこと。歩きながら物を運ぶ、かがんで拾うといった動きには、全身のバランスを同時に考える制御が必要です。 出典 ↗
大量の文章を学習し、文章の理解・要約・翻訳・作成ができるAIモデル。「LLM」と略されます。ChatGPTなどの対話AIの中心にある技術で、ロボットに人の指示を理解させる部分にも使われます。 出典 ↗
光が物に当たって戻ってくるまでの時間を測り、距離を計算するカメラやセンサー。画面全体の距離を一度に測って、奥行きの画像(距離画像)を作れます。「深度カメラ」の代表的な方式の一つです。 出典 ↗
ロボットに作業の位置・姿勢・速さ・順番を教えて覚えさせること。「教示」とも呼ばれます。操作盤(ティーチペンダント)で動かす方法や、人が手でアームを動かして教える「ダイレクトティーチング」があります。 出典 ↗
人が離れた場所からロボットを操作すること(遠隔操作)。フィジカルAIでは、人がロボットを操って作業させ、その動きを学習データとして記録する方法として広く使われています。ALOHA などのシステムが有名です。 出典 ↗
ある仕事で学んだ知識を、関連する別の仕事に生かす機械学習の方法。ゼロから学び直さずにすむので、少ないデータでも性能を上げやすくなります。別の環境やロボットで得た経験を生かす研究にもつながります。 出典 ↗
何層にも重ねたニューラルネットワークを使う機械学習の方法。「深層学習」とも呼ばれます。画像の認識や言葉の理解が大きく進んだのはこの技術のおかげで、ロボットの目や頭脳にも広く使われています。 出典 ↗
工場や機械、建物などを、コンピューターの中にそっくり再現した「デジタルの双子」。現実で試す前に、仮想空間でロボットの動きや工場のレイアウトを試したり、改善したりできます。 出典 ↗
文章のように順番のあるデータを扱うのが得意なニューラルネットワークの設計。入力のどこに注目すべきかを判断する「アテンション」が特徴です。ChatGPTなどの言語AIや、多くのロボット基盤モデルの土台になっています。 出典 ↗
AIが文章などを処理するときの最小の単位。文章は単語や単語の一部などのトークンに分けて扱われます。VLAモデルでは、ロボットの動きもトークンにして扱うことがあります。 出典 ↗
シミュレーションの照明や色、物の重さや摩擦などを、学習のたびにわざとばらばらに変える工夫。いろいろな条件に慣れさせることで、現実の世界でも通用するロボットを育てます。 出典 ↗
人が乗らずに、遠隔操作や自動で飛ぶ小型の航空機。日本の航空法では「無人航空機」と呼ばれ、飛ばす場所や方法にルールがあります。設備の点検や測量、農薬の散布、物の配送などに使われています。 出典 ↗
脳の神経細胞のつながりをまねて、小さな計算の単位を層のように重ねたAIのしくみ。データから少しずつ調整を重ねて、入力から正しい答えを出せるようになります。今のAIの多くがこの形をしています。 出典 ↗
楕円形の部品で薄く柔らかい歯車をたわませ、外側の歯車とかみ合わせて回転を大きく減速するしくみ。小型・軽量でも精密に動かせるため、ロボットの関節で広く使われています。 出典 ↗
触った感覚(触覚)や、押したときの手ごたえ(力覚)を扱う技術。ロボットが卵のような壊れやすい物を力加減してつかんだり、遠隔操作する人に手ごたえを伝えたりするのに使われます。
AIが事実と違う内容や、存在しないものを、もっともらしく出力してしまう現象。「幻覚」という意味の言葉です。データの偏りなどが原因とされ、AIの答えを確かめる大切さを示しています。 出典 ↗
学習で見たことのない新しい状況や物、場所でも、うまく対応できる力。決まった作業しかできない従来のロボットと、フィジカルAIのロボットとを分ける、とても大事な性質です。 出典 ↗
米国のスタートアップ Physical Intelligence が2024年10月に公開した、汎用のロボット基盤モデル。8種類のロボットのデータなどで学習し、言葉の指示でさまざまなロボットを動かせます。 出典 ↗
複数のアームを並べてつなぎ、先端をすばやく動かすロボット。軽い物を高速で運ぶのが得意で、食品や医薬品、化粧品などを箱に詰めたり並べたりする作業に使われています。 出典 ↗
段ボールや袋などの荷物を、パレット(荷台)の上に決まった並べ方で積み上げていく作業。重い荷物を何度も積む大変な仕事のため、ロボットによる自動化が進んでいます。 出典 ↗
体に着けて、持ち上げなどの動作を助け、体への負担を軽くする装置。モーターや空気圧で動く人工筋肉などで力を補います。工場や農作業などの現場での活用が進められています。
人の体の形をまねて作られたロボット。二本の足で歩き、二本の腕と手で作業します。人のために作られた道具や設備をそのまま使えるため、フィジカルAIの本命の一つとして注目されています。 出典 ↗
倉庫や工場で、たくさんの商品や部品の中から必要な物を取り出す作業。ロボットで行う場合は、カメラやAIで対象物を見分け、ハンドでつかんで取り出します。物流の自動化で注目されています。 出典 ↗
目標の値と実際の値のずれをもとに、比例・積分・微分の3つの計算を組み合わせて動きを調整する制御方法。昔から産業界で広く使われており、モーターの位置や速さの制御などの基本です。 出典 ↗
すでに学習を終えたAIモデルに、特定の仕事向けのデータを追加で学ばせて調整すること。一から作るより時間とコストを抑えられます。汎用のロボットAIを、自社の作業向けに合わせ込むときにも使われます。 出典 ↗
身体を持ち、現実の世界で行動するAIのこと。カメラやセンサーで周りの様子をつかみ、考えて、手足や車輪で実際に動きます。ロボットや人型ロボット、自動運転車、工場の機械を動かすAIなどが含まれます。 出典 ↗
画像や動画と、言葉の両方を理解できるAIモデル。写真を見て「何が写っているか」を説明したり、質問に答えたりできます。ロボットが目の前の状況を理解する「目と頭」の役割を担います。 出典 ↗
カメラの映像と人の言葉を受け取り、ロボットの動き(行動)を直接出力するAIモデル。「赤いコップを取って」と言うと、腕の動かし方まで決めます。RT-2、π0、Gemini Robotics、Helix などが代表例です。 出典 ↗
車と、ほかの車や信号などの道路設備などをつなぐ通信の総称で、「Vehicle to Everything」の略です。車のセンサーだけではとらえにくい情報も受け取れるため、自動運転を支える技術として期待されています。 出典 ↗
画像の中にある物体が「どこに」「何が」あるかを見つけ出す技術。ニューラルネットワークを使って位置を特定し、種類を分類します。ロボットのピッキングや自動運転の周囲認識に使われています。 出典 ↗
ブラシと呼ばれる機械的な接点を持たず、電子回路で電流を切り替えて回るモーター。ブラシ付きのモーターより効率がよく、省エネにつながります。ロボットの関節やドローンなどで広く使われています。 出典 ↗
生成AIに対して人が入力する指示や質問の文章のこと。プロンプトの書き方しだいで、AIの出力の質が大きく変わります。よい結果を引き出す工夫を「プロンプトエンジニアリング」と呼びます。 出典 ↗
米国の Figure AI が2025年2月に発表した、人型ロボット用のVLAモデル。考える部分と素早く動かす部分の2層構造で、指先まで含む上半身全体をロボット本体のコンピューターだけで動かします。 出典 ↗
ロボットが手やアームで物をつかむ、動かす、組み立てるなどの「手先の作業」をすること。ロボットにとって特に難しい分野で、フィジカルAIの進歩が特に期待されています。 出典 ↗
文章だけでなく、画像・音声・動画・センサーのデータなど、いろいろな種類のデータをまとめて扱えること。フィジカルAIは、目や耳や触覚にあたる複数の情報を組み合わせて判断します。 出典 ↗
少し先の未来の動きを予測しながら、その時点で最もよい操作を計算し直していく制御方法。「MPC」と略されます。センサーの最新の値を使って、毎回計算をやり直すのが特徴です。 出典 ↗
人がお手本として見せた動きを、ロボットがまねて覚える学習方法。人がロボットを遠隔操作して作業データを集め、そのデータから学ばせるのが一般的です。細かな手作業の再現にも使われています。 出典 ↗
レーザー光を当てて、はね返ってくるまでの時間から物までの距離を測るセンサー。周りの様子を立体的に読み取れるため、自動運転車やロボットの「目」の一つとして使われます。 出典 ↗
荷物が受け取る人の手元に届くまでの、配送の最後の区間のこと。地域の暮らしと深く関わる一方、再配達の多さなどが課題になっており、配送ロボットなどを使った効率化が注目されています。 出典 ↗
シミュレーションと現実の世界との違いのこと。摩擦、ぶつかったときの反応、モーターの動き、カメラの見え方などの差で、仮想ではうまくいった動きが現実では失敗することがあります。 出典 ↗
ロボットの手先などにかかる力や、ひねる力(モーメント)を測るセンサー。ロボットに「力の感覚」を与え、部品のはめ込みや磨きなど、力かげんが必要な作業を可能にします。 出典 ↗
ロボットが歩く・走る・移動すること。二足歩行や四足歩行、車輪での移動などがあります。転ばずにバランスをとる制御が重要で、シミュレーションの中での強化学習による訓練がよく使われます。 出典 ↗
ロボットのソフトウェアを作るための、オープンソースの道具やライブラリの集まり。センサーやモーターの制御、地図作りなどの部品を組み合わせて使え、世界中の研究や開発で広く使われています。
運転手が乗らずに、自動運転で乗客を運ぶタクシー。NVIDIAはフィジカルAIの例として、工場のロボットとならんでロボタクシーを挙げています。周りの様子をセンサーで読み取り、AIが運転を判断します。 出典 ↗
人の腕のように動いて、物をつかんだり運んだりする機構。骨にあたるリンク、関節にあたるジョイント、動力を生むアクチュエータでできています。産業用ロボットの中心的な部分です。 出典 ↗
ロボットが、物をつかむ・歩く・見分けるなどの新しい技能を、シミュレーションや現実の環境で身につけるための方法の総称。強化学習や模倣学習など、いろいろな学び方が含まれます。 出典 ↗
さまざまなロボットや作業のデータで学習した、ロボット用の汎用AIモデル。一つのモデルで多くの作業や機種に対応することを目指します。NVIDIA の GR00T N1 や Physical Intelligence の π0 などがあります。 出典 ↗
製造業で働く人1万人あたりに、何台の産業用ロボットが使われているかを示す数字。国や地域ごとの自動化の進み具合を比べる目安になり、国際ロボット連盟(IFR)が発表しています。 出典 ↗