ロボット作業成功率65％、パナソニックHDが現場起点のフィジカルAIを加速

このものづくりニュースのまとめ

・パナソニックHDがものづくりの知見とAIを組み合わせる「現場起点のフィジカルAI」を推進
・触覚を用いたロボット制御で、実機作業の平均成功率を約35％から65％へ向上
・約250人の研究開発体制を構築し、3～5年後を見据えてAI技術の外販を目指す

パナソニック ホールディングス(パナソニックHD)は11月11日、技術戦略や研究開発の方向性を示す「Technology Day」を開催し、ものづくりで培った技術や知見とAIを組み合わせる「現場起点のフィジカルAI」の研究開発を推進する方針を示した。

同社が目指すのは、AIによって人を置き換えるのではなく、現場で働く人の経験や技能、判断をAIが学び、AIによる分析や提案を人が活用する関係となる。そこから得られたデータや新たな知見を再びAIへ還元し、人、現場、AIが相互に学習する循環を構築する。

パナソニックHD 執行役員 グループCTOの小川立夫氏は、材料、デバイス、センシング、制御、製造プロセスなど、同社が培ってきた技術にAIを組み合わせ、AIインフラと社会オペレーションを支える考えを説明した。

同社執行役員 グループCAIOの榊原彰氏は、先端研究を担う「Research」と、研究成果を現場へ適用する「Applied AI」を一体で運用し、研究成果と現場課題の間でデータや知見を循環させる体制を構築する方向性を示した。

• 

  パナソニックHDの「Technology Day」に登壇した執行役員 グループCAIOの榊原彰氏(左)と執行役員 グループCTOの小川立夫氏(右)

約250人のAI・ロボティクス研究開発本部を新設

パナソニックHDは2026年10月、フィジカルAIを中心とするAI・ロボティクス分野の研究開発を集約する「AI・ロボティクス研究開発本部」を新設した。

同本部の人員は約250人で、このうち約200人が直接的な研究開発を担当する。パナソニックHDの研究開発部隊の人員と、パナソニック コネクトの研究開発に携わっていた人員を中心に構成されており、各事業会社に向けたAI技術の研究開発というよりも、複数事業で利用できる汎用的なAI研究に関する人材と投資を集約した形となるという。

• 

  パナソニックHDが2026年10月に新設したAI・ロボティクス研究開発本部の役割。先端研究を担うResearchと、研究成果を現場へ適用するApplied AIを一体で運用し、Client Zeroでの実証結果を研究へ還元する (出所:パナソニックHD)

ResearchはパナソニックHD側の研究者たちを中心に、3次元空間認識、世界モデル、精密制御、マルチモーダルAI、エッジAI、人の行動理解・予測など、フィジカルAIの基盤となる研究を進める。

研究テーマを外部の視点から評価するアドバイザリーボードも整備。北米、欧州、アジアの大学や研究機関との連携を拡大していくとする。

一方のApplied AIはパナソニック コネクトの研究者たちを中心に、パナソニックグループが世界各地に持つ工場、物流拠点、顧客現場へ研究成果を適用する役割を担う。現場で得られた課題や検証結果をResearchへ戻し、AIモデルや制御技術の改善につなげる役割を担うという。

同社は、まず社内の現場を「Client Zero」として利用する。社内で有効性を検証した技術やノウハウは、将来的に製品やサービスとして外部へ提供し、新たな事業へ発展させる方針となる。

3D空間の入力情報量を10分の1へ圧縮

先端研究の1つが、ロボットなどが現実世界に存在する物体の位置関係を、少ない情報から理解する3D空間認識技術となる。

一般的な3D空間認識では、カメラの視点が変わるたびに入力画像を細かいトークンへ分割して処理する必要がある。視点や画角が変化すると情報を作り直す必要があり、計算量と処理時間が増加することが課題だった。

パナソニックHDは、物体の形状や領域、位置関係といった意味の近い情報を「プロキシ」と呼ぶ代表的な情報へまとめ、段階的に学習する技術を開発した。これにより、空間の意味や物体同士の位置関係を維持しながら、3D空間を表す入力情報量を一部の従来手法と比べて10分の1へ圧縮したという。

• 

  物体の位置関係を少ない情報から理解する3D空間認識技術。意味の近い情報をプロキシへ集約することで、空間の位置関係を維持しながら入力情報量を一部の従来手法比で10分の1へ圧縮する (出所:パナソニックHD)

同技術はUC Berkeley、清華大学との共同研究によるもので、AI・コンピュータービジョン分野の国際会議「CVPR 2026」に採択された。

計算量の削減によって、ロボットによる物体探索や製造現場の空間認識を効率化できるほか、利用可能な演算能力や消費電力が限られるエッジ機器への実装にもつなげる。

触覚で力加減を補正しロボット作業成功率65％

もう1つの研究成果が、ロボットに触覚情報を与え、物体へ触れた後の力加減や動作を素早く補正する制御技術である。

ロボットの基盤モデルでは、映像、言語、行動を一体で学習させるVLA(Vision-Language-Action)が活用されるようになってきているが、主に視覚情報を基に動作を生成するVLAでは、物体へ触れた後に発生する滑りや引っ掛かりを検知し、その場で動作を補正することが難しかった。

人間が物体をつかむ際は、目で確認するだけでなく、指先の触覚から滑りや形状、材質を把握し、無意識に力加減を調整している。今回の研究では、ロボットに触覚を持たせることで、動作計画と触覚による補正を組み合わせ、ロボットが接触後の状態に応じて力や位置を変更できるようにした。

鍵を開ける作業では、鍵の引っ掛かりを触覚で検知し、位置や力を調整しながら解錠。電球を取り付ける作業では、電球が滑らないように保持する力を調整し、押し込みながら回転させるといったような12種類の作業(タスク)をそれぞれ16回実行するベンチマークでは、従来手法が約35％だった平均成功率を65％へ高めることができたとする。従来手法との比較では30ポイントの向上となる。

• 

  視覚と言語による動作計画に触覚を組み合わせたロボット制御技術。鍵の解錠や電球の取り付けなど12種類の実機作業で、平均成功率を従来手法の約35％から65％へ高めた (出所:パナソニックHD)

同研究はUC Berkeley、Stanford University、NVIDIAなどとの国際共同研究として進められ、ロボット学習分野の国際会議「CoRL 2026」に採択された。パナソニックHDとしては、精密組み立てや繊細なピッキングなど、人間の力加減が必要だった作業への応用を目指すとしている。

AIで現場CPSを「可視化」から「解釈」へ

パナソニックグループは、製造現場をセンサで計測し、デジタル空間で分析した結果をロボットや製造設備へフィードバックするCPS(Cyber-Physical System)に取り組んできた。

IoTを活用する従来の「現場CPS 1.0」では、人や設備の動作、工程の停滞、品質の変動などを可視化できた一方、具体的な改善方法を考える作業は人が担っていた。

同社が目指している「現場CPS 2.0」は、可視化した現象の意味や、効率が低下した原因をAIが解釈し、改善方法や製造条件まで提案するものとなる。

設計では、過去の設計知識、シミュレーション、実測データをAIへ学習させ、要求条件に合う設計案を生成する「Generative Design」を進める。

生産プロセスでは、加工中の物理現象を捉える「反応場センシング」でデータを蓄積し、開発から量産までの最適な加工条件をAIで導出する。

製造工程では、熟練者の視線や動作、判断を分析し、規格書や手順書に記載されていない暗黙知を抽出する。熟練者と初心者の視線、姿勢、作業順序の違いを学習し、技能伝承や作業支援に活用する。

先端後工程向け3D積層装置を開発

ものづくりとAIを組み合わせる具体的な事業の1つが、次世代半導体へ向けた先端後工程(先端パッケージング)用の設備ソリューションとなる。

AI半導体は高性能化と引き換えに消費電力が増加。その性能指標は計算能力を示すFlopsではなく、電力消費を示すGWで表されるようになるなど、電力をいかに抑えるかが重要な指標となっている。複数のダイを搭載する先端パッケージングにおいては、3次元積層を含めて各ダイの設置距離を短くすることで、ダイ間の通信距離と消費電力の削減が求められている。

パナソニックグループは、前工程におけるプラズマ処理、表面改質、洗浄、成膜、エッチングといった各種プロセス技術に加え、後工程の高精度ボンディング、印刷、検査、搬送といった技術を有しており、それらの知見を先端後工程領域へと展開し、材料、製造プロセス、装置、AIを組み合わせた3D積層装置の実用化を目指すとする。

すでに接合界面の観察装置と物理シミュレーションモデルの原型を開発済みで、接合面で発生する現象を実測とシミュレーションで解析する。工程データや検査画像をAIで分析して不良原因を特定し、品質予測や製造条件の探索結果を装置へフィードバックする。

• 

  パナソニックグループが開発を進める先端後工程向け設備ソリューション。材料、プロセス、装置、AIを組み合わせ、観察・解析から品質予測、製造条件の探索までを連携させた3D積層装置の実用化を目指す (出所:パナソニックHD)

チップの積層精度は0.1μm以下を目標とする。imecや台湾工業技術研究院(ITRI)などとも連携し、次世代の標準工程として確立する考えだ。

こうした3D積層技術によってAI半導体のデータ伝送距離を短縮できれば、データセンターの消費電力を数割削減できる可能性があるという。

ペロブスカイト太陽電池にもAIを活用

もう1つの具体例が、ガラス型ペロブスカイト太陽電池「ENEFACE」である。ENEFACEは、建物の窓や壁、バルコニーの手すりなどに使用する建材ガラスへ発電機能を加える製品。都市部や住宅密集地など、屋根面積が限られる場所でも、窓や壁を発電場所として利用する。

パナソニックHDは2026年9月、守口拠点で先行量産品の出荷を開始した。2029年4月には、滋賀県長浜市の量産技術開発拠点で本格量産を始める計画となる。守口拠点の製造設備は最大1m幅に対応するが、長浜拠点では1.8m幅へ拡大することを予定している。

製造では、独自の材料技術に加え、ディスプレイ製造で培ったインクジェット塗布技術、発電層へ模様や透明部分を形成するレーザースクライブ技術、発電層を水分などから保護する封止技術を組み合わせる。

今後は材料開発や製造プロセスへインフォマティクスとAIを導入し、大面積ガラスへ発電層を均一に形成する条件の探索や、発電効率、信頼性、意匠性の最適化を進める。

• 

  ガラス型ペロブスカイト太陽電池「ENEFACE」の技術開発。インクジェット塗布、レーザースクライブ、封止などの製造技術にインフォマティクスやAIを組み合わせ、大面積化と性能向上を進める (出所:パナソニックHD)

産官学の共創拠点「KMC」を2027年4月に開設へ

フィジカルAIの実装をパナソニックグループ内にとどめず、日本の製造業全体へ広げるための構想が「門真マニュファクチャリングコモンズ(KMC)」となる。

KMCは、ものづくり・サービス事業者、AI企業、スタートアップ、大学、研究機関、行政、自治体、地域産業支援機関などが参加する産官学の共創拠点として整備する。交流や企業間のマッチング、共同研究、技術開発、実証、フィールド試験、人材育成などを行う。ロボットやフィジカルAIのハードウェアに加え、AI、CPS、デジタルツイン、現場最適化、安全性を評価できる環境を共同資産として提供する計画だ。

• 

  2027年4月の開設を目指す「門真マニュファクチャリングコモンズ(KMC)」の構想。企業、大学、研究機関、行政などが共同資産を利用し、フィジカルAIやものづくり技術の研究開発、実証、人材育成を進める (出所:パナソニックHD)

自動車分野でAUTOSARが担ってきたような、安全性を考慮した共通アーキテクチャやリファレンスモデルをフィジカルAIでも整備し、現実環境へ安全に実装する仕組みを産官学で構築することを目指す。

京都大学や大阪大学が参加する方針を示しており、パナソニックグループからも研究開発部門に加え、パナソニック インダストリー、パナソニック エナジー、パナソニック コネクトなど複数の事業会社が参画する見通しとなる。

KMCは2027年4月の開設を目指しており、具体的な活動内容や参加企業、評価環境などは開設までに公表する予定としている。

3～5年後を見据えてAI技術を外販へ

パナソニックHDは、AI・ロボティクス研究開発本部で開発する技術を、まずものづくりとサプライチェーンの現場へ適用することを目指すとしている。

最初の対象をものづくりとし、次の段階では物流などのサプライチェーンへ適用領域を広げる想定で、AIを利用した設計、生産条件の最適化、熟練技能の抽出、ロボット制御などを社内の現場で実証し、有効性を確認した技術を製品やサービスとして3～5年度を見据えて外部へ提供する体制を整えていきたいとする。

設計を生成するGenerative Design、デジタル空間で製品や工程を検証するVirtual Engineering、変化に応じて自律的に製造条件を変えるAutonomous Manufacturingの3領域を重点的に強化していくことに向けて、現場にしか存在しないデータや暗黙知をAIが学び、その知見を設計や製造、ロボット制御へ還元する。現場で使うほどAIが賢くなり、AIの提案によって人と現場も進化する循環を構築することで、製造業の競争力と新たな事業価値の創出につなげていきたいとしている。