Sony AIが示すPhysical AI、卓球と21kmで何が起きた

あなたの現場でも、ロボットが一瞬の判断を誤って止まる場面はないだろうか

私がこのニュースで最初に思い浮かべたのは、工場の搬送ロボットや検査装置が、想定外の揺れや光の反射で止まる場面です。画面の中で正解を出すAIと違い、現実の機械は速度、摩擦、振動、滑り、反射光を同時に処理しなければなりません。Sony AIの卓球ロボットと北京のヒューマノイド競走は、まさにその難しさを数値で突きつけた事例です。読者の皆さんも、制御の安定化こそが最後の壁だと一度は感じたことがあるはずです。今回の事例は、その壁がすでに研究室の外へ出ていることを示しました。

9台のカメラと8関節で、人間の高速球に追いついた設計

Sony AIが開発した卓球ロボット「Ace」は、単なる自動球出し機ではありません。記事では、Aceが国際卓球連盟、つまりITTFのルール下で試合を行い、審判も公認審判員が務めたとされています。ここは重要で、研究室内のデモではなく、競技として成立する条件で勝負した点に意味があります。2025年4月の試験では5試合中3勝、2敗という結果でした。これは「たまたま勝った」のではなく、強豪相手に勝ち筋を持ったことを意味します。さらに同年12月から2026年初頭にかけては、プロ選手に対する勝利も記録されました。

技術面で見ると、Aceは9台の同期カメラと3系統のビジョンシステムで球の回転と軌道を追跡します。ここでいうビジョンシステムは、画像認識のための視覚系です。映像を見てから反応するのでは遅く、回転の向きや速度変化を瞬時に推定して、ラケット動作に落とし込む必要があります。ロボット側は8関節を使い、3つで位置、2つで向き、3つで打球の強さと速度を制御します。8関節という数字は、競技卓球に必要な最小限の機械構成を満たすための設計であり、余計な自由度を削って応答速度を稼いだ判断と読めます。

さらに興味深いのは、Aceが人間の動作模倣ではなく、シミュレーションで自己学習した点です。つまり「人の打ち方をまねた」のではなく、仮想環境で勝ち方を掘り出したわけです。Peter Dürr氏が指摘したように、チェスやゲームのようなデジタル空間ではAIが人間を上回ってきましたが、卓球のような物理競技は依然として難題です。この記事を読んで私が強く感じたのは、Physical AIの本質は認識精度よりも、認識から動作までの遅延を削る総合設計にあるという点です。

選手側のコメントも示唆的でした。Mayuka Taira選手は、ロボットには表情や反応がなく、次の一手を読みにくいと述べています。Rui Takenaka選手は、複雑なスピンには強い一方で、単純なサーブでは読みやすい面があったとしています。つまりAceは「人間らしい曖昧さ」がないぶん、逆に予測困難な存在です。この差は、将来の産業用ロボットにもそのまま当てはまります。人間らしさではなく、再現性と無表情な安定性が評価される局面が増えるからです。

同じ記事では、北京E-Townヒューマノイドハーフマラソンの結果も紹介されています。参加ロボットは100体超、参加人間は約12,000人で、両者は別コースでした。最速ロボットはHonor製の「Lightning」で、記録は50分26秒でした。この50分26秒は、21kmを途切れずに動き続ける制御能力を示す数字です。昨年の最速ロボットが2時間40分42秒だったことを踏まえると、1年で実走性能が大きく改善したことが分かります。なお、Lightningは途中でバリケードに接触しながらも完走しました。ここにも、現実世界では失敗を吸収して走り切る設計が必要だという事実が表れています。

日本企業が見るべきは「会話AI」よりも「現場AI」の設計差

日本の製造業や物流、店舗運営では、生成AIの導入が先行する一方で、実際の設備とつながる部分は後回しになりがちです。しかし今回の事例は、現場で動くAIが、もう研究テーマだけではないことを示しました。たとえば検査工程、ピッキング、搬送、接客支援のいずれでも、カメラ、制御、学習の3層を切り分けて考えなければ導入は進みません。Aceが9台のカメラを使ったのは極端な例ですが、要点は「見える化」ではなく「遅れなく動く化」です。そこを取り違えると、PoCは成功しても本番で止まります。

開発者の視点では、シミュレーション学習と実機検証の往復が鍵になります。現実の工場は卓球ほど高速ではなくても、誤差の許容幅が極端に狭い工程が多いからです。読者の中にも、AIモデルの精度を上げることに集中して、制御系のレイテンシー、つまり応答遅延を見落とした経験がある担当者は多いはずです。今回のニュースは、精度だけでは勝てず、推論速度、センサー配置、アクチュエーター設計まで一体で見なければならないと教えています。私はここに、2026年のAI導入競争の厳しさが出ていると見ます。

競技ロボから実務ロボへ、評価軸が性能から運用へ移る局面

今後は「何ができるか」より「何時間、何百回、何台同時に動けるか」が問われます。卓球やマラソンで並んだ成果は派手ですが、本当に大きいのはその背後にある耐久性と再現性です。Physical AIは、展示会のデモから、倉庫、工場、店舗、警備へと評価軸を移します。私はこの流れが、ロボットの競争をスペック競争から運用設計競争へ変えると見ています。次に差がつくのは、派手な動きではなく、止まらずに働き続けるための制御と保守です。