# 見せるだけで仕事を覚えるロボット：Standard Bots CEO が語る物理AIの現在地

- 番組: [The Neuron: AI Explained](https://ai-curator.jp/podcasts/shows/cmv8ukqpj0003711052b4okte)（The Neuron）
- 元のタイトル: Robots That Learn Jobs by Watching You
- 配信日: 2026年10月29日
- 長さ: 48分
- 要約作成日: 2026年10月29日
- トピック: [#ロボティクス](https://ai-curator.jp/topics/%E3%83%AD%E3%83%9C%E3%83%86%E3%82%A3%E3%82%AF%E3%82%B9) [#物理AI](https://ai-curator.jp/topics/%E7%89%A9%E7%90%86AI) [#模倣学習](https://ai-curator.jp/topics/%E6%A8%A1%E5%80%A3%E5%AD%A6%E7%BF%92) [#拡散モデル](https://ai-curator.jp/topics/%E6%8B%A1%E6%95%A3%E3%83%A2%E3%83%87%E3%83%AB) [#ワールドモデル](https://ai-curator.jp/topics/%E3%83%AF%E3%83%BC%E3%83%AB%E3%83%89%E3%83%A2%E3%83%87%E3%83%AB) [#製造業](https://ai-curator.jp/topics/%E8%A3%BD%E9%80%A0%E6%A5%AD)
- URL: https://ai-curator.jp/podcasts/cmvshvt1400005m10bmyu6x4n

## 要約

Standard Bots の共同創業者兼CEO Evan Beard が、産業用ロボットが「点ごとのティーチング」から「実演やAIで学ぶ」方式へ移行しつつある現状を語った。拡散モデルやワールドモデル、テレオペレーションによる学習、生産現場での信頼性の基準、脚型ロボットへの見解、今後の展望にも話が及ぶ。工場の泥臭いエッジケースを扱えることが物理AIの本質的な進歩だという見方が示された。

## ポイント

- 米国の工場でロボットを試したことがあるのは約6%にとどまり、従来機は操作性が悪く、動作の単純再生が中心だと Beard は述べている。
- 自然言語でロボットのプログラムを組む「バイブコーディング」と、テレオペレーションや手袋・手持ち端末による実演学習の2つの方向でAI活用が進む。
- 現状のモデルは学習分布内での汎化に強く、照明変化などが学習データにないと動かない可能性がある。顧客が追加実演や人手の修正を入れて改善する仕組みを用意しているという。
- 本番稼働の基準は用途次第で、1時間に1回の介入でも許容される作業もあれば、高価な部品を損なうため高い信頼性が必須の作業もある。
- 工場・農場・倉庫では車輪型のほうが部品が少なく ROI が高いとして脚型に否定的で、家庭用では脚が必要になると見ている。
- 今後数年で米国の年間導入台数が3万台強から数百万〜数千万台規模へ向かい、ロボット版「ChatGPTの瞬間」が来ると予想している。

## 章立て

- [01:04] **産業用ロボットの現状と課題** — ロボット導入率6%の背景として、使いにくいUIと動作再生中心の旧来方式を説明。Standard Bots は iPhone のような使い勝手を目指した。
- [03:50] **創業の経緯と多様な現場ニーズ** — 350ほどのユースケースや、冷蔵環境で定着期間が約8日の仕事の例。Y Combinator でロボットに出会った経緯も語られる。
- [07:11] **AIでロボットの学び方が変わる** — ロボット向けのコード生成AIと実演学習を紹介。拡散モデルと自己回帰モデル、ワールドモデルの位置づけを議論した。
- [12:20] **実演学習とエッジケースへの対応** — 顧客自身による追加学習、散らばった部品への対応、植物の挿し木など従来は自動化できなかった作業、環境変化への汎化の限界が語られる。
- [22:48] **継続的改善と1973年の比喩** — 長尾事象を収集して改善する仕組みを説明。現在を1973年頃のコンピュータ産業になぞらえた。
- [30:06] **本番品質・導入の流れ・脚型ロボット** — 信頼性の基準は用途次第であること、導入の手順、車輪型と脚型の使い分けを述べる。
- [40:00] **資金調達・国内生産と今後の展望** — 2億ドルの調達、米国内生産でのコスト競争力、数年後に導入台数が桁違いに増えるという見通し。

## 解説記事

ロボットが「ChatGPTの瞬間」を迎える日は近いのか。The Neuron のこの回では、米国最大の産業用ロボットメーカーを自称する Standard Bots の共同創業者兼CEO、Evan Beard が、AIによって産業用ロボットの教え方がどう変わるのかを語った。

#### 点ごとのティーチングの限界

Beard によれば、米国の工場でロボットを一度でも試したことがあるのは約6%にすぎない。理由のひとつは使いにくさで、既存製品は専門家しか扱えないメニューや操作体系を持つという。さらに、従来のロボットは人がジョイスティックで少しずつ位置を保存し、その軌跡を再生するだけだ。溶接や塗装に使われる年間3万台強のロボットも同様で、対象物が毎回まったく同じ位置にあることが前提になる。部品が変わればグリッド（整列用の枠）を作り直す必要があり、非常に壊れやすい運用になると指摘した。

同社は「一般の人が扱える iPhone のような体験」を掲げ、多くの製品が箱で届き、顧客自身が設置できるという。現在は石油・ガス、自動車、データセンター、航空宇宙などで数百社、約350のユースケースに展開していると述べている。

#### 見せて教える：実演学習とモデルの選択

AI活用には二つの方向がある。一つは自然言語で指示すればロボットのプログラムを生成してくれる、いわばロボット版の「バイブコーディング」で、同社の夏のソフト更新に組み込まれたという。もう一つは、テレオペレーション、専用グローブ、手持ち端末などで作業を実演し、ロボットに学習させる方法だ。Beard は言葉での教示は最良の手段ではないと語る。

モデルについては、ロボットの把持位置などの出力には、反復的なノイズ除去で修正しやすい拡散モデルが直感的に向くと説明した。ただ、研究を踏まえると最終的にはアーキテクチャの違いは重要ではなく、自己回帰型でも拡散型でも機能させられるという見解を示した。また、インターネット規模の動画で学習するワールドモデルは物理の感覚を持つため、ロボットの基盤モデルの土台として有望で、NVIDIA の Cosmos のような例もあると述べた。

入力はグリッパーの状態、現在位置、手首や俯瞰のカメラ画像で、出力は今後の約20点の軌跡だという。IROS の研究者の間では、記号的プログラミングとニューラル手法を組み合わせるべきだという合意があるとも紹介した。

#### 汎化の限界と現場での改善

現状のモデルは学習データの範囲内での汎化が得意で、例えば見たことのない形状の缶でも扱える。一方、照明が変わるなど学習分布の外では動作しない可能性がある。そのため、顧客自身が追加実演を行えるポストトレーニング用ツールを用意し、ロボットが迷ったときは人が修正や補正のラベルを与える仕組みを構築していると説明した。箱から靴が出てくるような長尾（ロングテール）の事象を多数の導入先から集めることが、モデルの強みになるという考えだ。購入後も改善していく点が従来機との違いだと述べている。

動かし方の基準も用途次第で、1時間に1回人が見に来ればよい作業もあれば、高価な部品を壊しかねず高い信頼性が必須の作業もあるという。長時間にわたる多工程の作業や、柔らかい物の扱い、見えない内部状態が絡む作業は、まだ断ることがあるとも認めた。

#### 脚型ロボット、コスト、導入のかたち

Beard は、工場・農場・倉庫では脚型は適さないとの考えだ。部品が多く高価で、車輪型のほうが単純で安定し、ROI が高いという理由である。通路が確保された環境ならこの判断が成り立ち、階段のある家庭では脚が必要になるとも述べた。導入は、顧客が動画を送り、アプリケーションエンジニアが可否と構成を提案し、箱で届けるという流れだ。必要に応じてインテグレーターによる設置も用意するが、顧客が自走できることを目標にするという。製造は米国内で行い、自社ロボットも使って自動化を進めることで価格競争力を保つ考えを示した。同社は6月に2億ドルの資金調達を発表したと司会者が言及し、Beard は事業拡大に充てると述べている。

#### まとめ

この回の要点は、ロボットの進歩を派手なヒューマノイドの実演ではなく、位置がずれた部品を技術者を呼ばずに処理できるかという地味な能力で測るべきだという視点にある。Beard は現在を1973年頃のコンピュータ産業になぞらえ、年間導入台数が数百万〜数千万台へ向かうと予測した。ただし、これは本人の見通しであり、実証済みの事実ではない。日本の製造業にとっても、導入の障壁がプログラミングの専門性や段取り替えのコストにある点は共通の課題だろう。実演で学び、現場の失敗データで改善するという運用モデルが、中小企業の自動化の選択肢として注目される。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The Neuron: AI Explained「Robots That Learn Jobs by Watching You」