ベンチャーキャピタルの資金が奔流のように流れ込み、YouTubeのデモ動画は数百万回の再生数を叩き出し、四半期ごとにその公約は大胆さを増していく。OpenAIのChatGPTのような大規模言語モデル（LLM）が、一夜にしてデジタル世界を席巻したのを目の当たりにした今、誰もが数千億円規模の問いを投げかけている。「ロボット工学における『ChatGPTの瞬間』は、一体いつ訪れるのか？」と。
しかし、物理的な実体を持つAI（エンボディドAI）の最前線で戦ってきた2人の男によれば、その答えはシンプルだ。「そんな瞬間は来ない」。そして、我々はその言葉に耳を傾けるべきだろう。Agility Roboticsの共同創業者であり、ヒューマノイド「Digit」の生みの親であるJonathan W. Hurstと、Google Xで「Everyday Robots」プロジェクトを率いたHans Peter Brøndmo。彼らは、過熱するハイプ・サイクル（熱狂の周期）に対し、産業用グレードの強力な冷却材をぶっかけるような、極めて冷静なリアリティ・チェックを提示した。彼らの主張はこうだ。魔法のようなAIのブレイクスルーが、ある日突然すべてを解決してくれるわけではない。役に立つロボットが溢れる世界への道は、過酷で、漸進的で、そしておよそ「セクシー」とは言い難い泥臭いエンジニアリングの積み重ねの先にあるのだ。
2024年のロボット工学へのベンチャー投資額は61億ドルに達し、2023年の51億ドルからさらに加速している。賭け金は天文学的な数字に膨れ上がっているが、HurstとBrøndmoが指摘するように、派手なデモ動画と、商業的に存立可能で安全かつ信頼できるロボットとの間には、依然として深い奈落が横たわっている。
華麗なるイリュージョン：YouTubeデモの解体
誰もが一度は目にしたことがあるはずだ。ヒューマノイドが完璧なバク宙を決め、一糸乱れぬダンスを披露し、あるいは緻密に振り付けられた格闘技の動きを見せる動画を。最近では、中国の2026年春節祭（旧正月）のガラ公演で、Unitree Roboticsのロボットたちが子供たちのすぐそばでカンフーを披露し、その見事なコーディネートが大きな話題を呼んだ。
しかし、HurstとBrøndmoは、業界の人間なら誰もが知っている事実を即座に突きつける。「YouTubeのロボット動画を鵜呑みにしてはいけない」と。これらのパフォーマンスは、技術的には素晴らしいものの、ロボット工学における「ブロードウェイの舞台装置」に過ぎない。高度なモーター制御や振り付けの精度は示せても、その自律性のレベルは、思考するマシンというよりは工場の組立ラインに近い。雑然として予測不能、そして頑なまでに「台本通りにはいかない」現実世界は、全く別次元の怪物だ。これはまさに「モラベックのパラドックス」の典型例である。人間にとって、散らかった部屋を歩き回るような些細なタスクは、ロボットにとっては途方もなく困難であり、逆に複雑な計算はロボットにとって容易なのだ。
データという名の、ヘラクレス級の難題
LLMには圧倒的なアドバンテージがあった。インターネットという、人類が長年蓄積してきたテキストと画像の巨大なデータベースを学習に利用できたことだ。しかし、ロボットにそんな贅沢は許されない。ロボットが学習するためには、物理世界からのデータが必要だ。そこは、関節の角度や力のフィードバックから、照明条件、周囲の人々の予測不能な動きに至るまで、あらゆる変数が絡み合う高次元の空間である。
この課題の規模は、想像を絶する。Brøndmo率いるEveryday Robotsのチームは、2022年、ゴミを分別するという「それなりの精度」のスキルを習得させるためだけに、シミュレーション上で2億4000万回ものロボット試行を走らせた。しかも、それは単一の、比較的単純なスキルセットに過ぎない。これを、汎用ロボットに期待される無限に近いタスクの数々に当てはめてみてほしい。これは、これまでとは全く次元の異なるデータ収集の問題であり、いまだに根本的な解決策は見つかっていない。なお、このプロジェクト自体は、親会社Alphabetのコスト削減策の一環として、2023年初頭に惜しまれつつ閉鎖されている。
単一の「ロボットAI」は存在しない
車輪型、足漕ぎ型、飛行型、あるいは水中型など、あらゆるロボットを操縦できる単一のモノリス（巨大な一つ岩）のようなAIモデルという考え方は、純然たるサイエンス・フィクションだ。機体の形状や動作環境がもたらす物理的な制約は、あまりにも多岐にわたる。著者たちは、最終的な勝者となるアーキテクチャは「エージェンティックAI（Agentic AI）」になると主張している。これは、推論や計画を司る上位の調整モデルが、特定のタスクに特化した小型AIツールのセットに指示を出すというものだ。あるモデルは二足歩行を、別のモデルは緻密な手先の操作を、また別のモデルは人間との安全なやり取りを担当する。
このモジュール型のアプローチこそが、有能でインテリジェントなマシンの「カンブリア爆発」を引き起こすと彼らは説く。それは一度のビッグバンではなく、多様で専門化された能力が花開き、それらが正しくオーケストレーション（調和）されることで、真に実用的なマシンが誕生するプロセスなのだ。
悶絶するほど難しいハードウェアの壁
AIばかりに注目が集まりがちだが、ロボットはどこまでいっても「物理的な物体」である。そしてハードウェア、特に世界と物理的に接触する部分は、依然として最大のボトルネックだ。多くの産業用ロボットは、堅牢で強力なアクチュエータを使用している。これは柵で囲まれたエリア内での精度には最適だが、人間がいる環境では凶器になりかねない。わずかな不意の衝突が、致命的な事故につながるからだ。
対照的に、人間は「柔軟（コンプライアント）」だ。鍵を鍵穴に差し込む時も、カウンターに手をつく時も、私たちは常に触覚と力のフィードバックを利用している。ロボットがこれを実現するには、高感度で、柔軟性があり、力を検知できる新しいクラスのアクチュエータが必要だ。これらは研究室レベルでは存在するが、大量導入に必要な規模、コスト、信頼性を満たすには至っていない。世界最高のAIを搭載していても、その体が不器用で危険な負債であれば、何の意味もないのである。
真の価値は「地味な問題」の解決に宿る
最後にして、おそらく最も重要な真実は、現実世界での価値は「バク宙」からは生まれないということだ。それは、人間がやりたがらない、平凡で反復的、かつ身体的に負担のかかる仕事を確実にこなすことから生まれる。これこそが、理想が現実に直面する場所――すなわち、ロボットの足が倉庫の床を踏みしめる場所なのだ。
両著者は経験から語っている。Agility RoboticsがGXO Logisticsなどのパートナーと共にDigitの導入を開始した際、最初に直面した大きな壁は、タスクの遂行能力ではなく「安全性」だった。その結果、人間の活動スペースで安全に稼働させるために、ロボットを再設計するという数年越しのエンジニアリング努力が必要となった。同様に、GoogleのEveryday Robotsチームも、オフィスのカフェテリアでテーブルを拭くという一見単純な作業が、ロボットにとってどれほど混沌としていて困難なことかを身をもって学んだ。
この現場での実体験こそが、唯一の進むべき道である。それがAIアーキテクチャを洗練させ、ハードウェアの欠陥を浮き彫りにし、野心的なロードマップを顧客の切実なニーズという厳しい現実に繋ぎ止める。ロボット工学の未来は確かに近づいている。しかしそれは、一歩一歩、慎重に、そして緻密に設計されたエンジニアリングの歩みの先にしか存在しないのだ。