この回の動画
ナレーションは AI 合成音声です。 動画の章・文字起こし・出典
文字起こし
文字起こし
知行の問い
AIは文章が書けるのに、どうして机を片づけられないの？今回は、物理AIとは何かをはっきりさせます。話せるAIと、いったい何が違うのでしょうか。
話すから、動かすへ
まずは、話せるAIから。それは画面の中に住んでいます。文字が入って、文字が出てくる。間違えたら、もう一度生成すればいいだけです。物理AIは、画面の外に出なければなりません。入力は、カメラやセンサーがとらえた世界。出力は、モーターが生み出す本物の力です。現実の世界では、積み木が倒れたら、倒れたままです。取り消しも、やり直しもできません。だから物理AIは、現実の世界で、この輪を何度も回し続けます。見る、考える、動く。さらに難しいのは、途中で何かがずれても、最後までやり遂げることです。2026年、ある論文が、ロボットの訓練とテストのために、こうした回復の場面を二千個つくりました。話すのは難しくない。手を動かすほうが難しいんだ！
なぜ手を動かすのは難しいのか
机の上に、コップと水のボトルがあるとします。ロボットはまずそれらを見分け、次に手を伸ばす道すじを計画します。手を伸ばしたら、コップをしっかり持ち、ボトルをよけなければなりません。一つ一つの動きを、目の前の状況に合わせて調整します。これが、手を動かす難しさです。変化を見て、次の一手を考え、モーターに実行させる。それを、くり返し続けるのです。なるほど！机の片づけって簡単そうだけど、やってみると何段階もあるんだ。いまの機械は、どこまでできるの？
物理AIはどんな姿か
物理AIは、人の形をしているとは限りません。工場のロボットアーム、倉庫の搬送車、道路を走る自動運転車、そして注目のヒューマノイドロボット。どれも、その体になりえます。規模はどれくらいでしょう？国際ロボット連盟のデータによると、2025年、世界の工場で動いている産業用ロボットは、約五百万台に達しました。七年前の二倍以上です。しかも、2025年に世界で新しく設置された産業用ロボットの、六割近くは、中国に設置されたものです。ただ、決まった経路のままだと、部品の位置が変わっただけで、ロボットアームは届かないかもしれません。そこで物理AIが目指すのは、機械が見て、考えて、変化にも対応できることです。ふりかえりです。ポイントは三つ。一つ、物理AIは画面の外に出て、現実の世界で行動する。二つ、手を動かすには、環境を見て、動作を計画し、モーターを制御する。三つ、ロボットの形はさまざまで、変化への対応にも挑戦しつつある。だから、文章が書けるAIが机をうまく片づけられないのは、頭が足りないからじゃない。机の片づけが、本当に難しいんだ！じゃあ、なぜいまになって、ロボットは急に手を動かせるようになったの？また次回！
根拠と出典
2,000個 · の「途中でずれる」回復の場面（訓練用とテスト用に分割） [R] · arXiv 2609.28952 · RoboRecover
約500万台 · の産業用ロボットが世界の工場で稼働（2025年の稼働台数、前年比+9%） [O] · 国際ロボット連盟 IFR · World Robotics 2026 プレスリリース
59% · 2025年に世界で新たに設置された産業用ロボットのうち、中国に設置された割合 [O] · 国際ロボット連盟 IFR · World Robotics 2026 プレスリリース
練習とセルフチェック
小テストは公開で、回答するとすぐ解説が出ます。読み物の練習問題の答えはログイン会員向けです。
詩を書ける AI が、なぜテーブルを片づけられないのでしょうか。これは「フィジカルAIラボ」第 0.1 回の冒頭の問いです。この記事はその回のテキスト版で、フィジカルAIと会話AIの違い、手を動かすことが会話よりも難しい理由、現在のロボットの規模を説明し、本編に出てくるすべての数字の出典と確認方法を示します。
補足：この回は中国語・英語・日本語の動画を公開済みです。各言語に文字起こしと出典があります。この記事は単独で読めるようになっていて、末尾に確認問題があります。
1. 会話するAIから手を動かすAIへ
会話AIは画面の中にいます。テキストが入って、テキストが出てくる。答えを間違えても生成し直せばよく、失うのは数秒だけです。
フィジカルAI（Physical AI）は、画面の外に出ていかなければなりません。入力はカメラやさまざまなセンサーがとらえた現実の世界で、出力はモーターが実際に出す力です。この回では、フィジカルAIを「現実の世界を知覚し、判断し、実際に手を動かして実行する AI」と定義しています。
| 会話するAI | フィジカルAI | |
|---|---|---|
| 入力 | テキスト | 見えている世界（カメラ、深度、力などのセンサー） |
| 出力 | テキスト | モーターの力（関節トルク、速度） |
| 失敗したら | 生成し直す | 物はもう倒れている |
鍵になるのは最後の行です。現実の世界には取り消しボタンがありません。積み木が倒れたら倒れたままで、コップを倒せば水はこぼれます。だからフィジカルAIは、現実の世界で同じループを何度も何度も回さなければなりません。見る、考える、動くのループです。今の状態を見て、次の一手を考え、少し動き、その結果をまた見る。これが閉ループです。
ログインすると、このレッスンの続きと確認問題、解答を読めます。
制約と注意点
- この回は L0 の入門編で、あえて技術的な詳細には触れていません。「見る・考える・動く」は単純化した説明で、実際のシステムでは知覚、計画、制御が絡み合っていることが多く、動作周波数もそれぞれ異なります。計画中の 0.3（見る・考える・動く）と 1.2（制御と制御周波数）で詳しく扱います。
- モラベックのパラドックスは経験的な観察であって、定理ではありません。「10 億年」は Moravec 本人の推定で、本編でもこの記事でも R レベルとして引用しています。
- IFR の統計の対象は産業用ロボットで、サービスロボット、自動運転車、ヒューマノイドロボットは含みません。
