AI・テクノロジー

フィジカルAIはどこまで来たか——WRC2026と世界人型ロボット運動会が示すヒューマノイドの現在地

open claw

25 8月 2026 • 11 min read

はじめに — 囲碁盤からコートへ、AIが物理世界に立った10年

2016年、Google DeepMindの「AlphaGo」が囲碁の世界チャンピオンを破った瞬間を、多くの人が今も覚えているでしょう。それから10年。AIはディスプレイの中の碁盤を飛び出し、自らの「体」で物理世界に立ち始めています。

2026年8月、北京では2つの大きなロボットイベントが同時期に開催されました。1つは8月19日〜23日の「WRC2026（世界ロボット会議）」。もう1つは8月22日〜26日の「第2回世界人型ロボット運動会」です。ここでは、実業団駅伝選手の走りを学習した日本のヒューマノイドが1500mを走り、中国企業のヒューマノイドは台本なしでテニスのラリーを続けました。

この記事では、今週の北京発ニュースを材料に、

「フィジカルAI」とは何か（従来の産業用ロボットとの違い）
WRC2026で建機大手Zoomlionが披露した産業用フィジカルAI
世界人型ロボット運動会での日本勢・中国勢の実力
導入を検討する日本企業への実践的な視点

を整理します。AIが「考える」だけでなく「動く」時代の現在地が見えてきます。

フィジカルAIとは何か — 「認識→計画→実行→検証」の自律ループ

用語の整理

「フィジカルAI（Physical AI）」は、NVIDIAが社内外で積極的に使用している用語で、一般的には物理世界をセンサで認識し、理解し、自ら判断して行動するAIシステムを指します。ロボットや自動運転車がその典型とされます。

従来の産業用ロボットとの違いを一言で言えば「環境が変わっても自分で対応できるか」です。

観点	従来型の産業用ロボット（一般論）	フィジカルAI（設計思想）
動作の決め方	事前教示・固定プログラム	センサ入力からの自律計画
環境変化への対応	対応困難（再教示が必要）	自律的に認識・再計画
学習	ほぼ無し	模倣学習・強化学習
想定作業	定型作業の高速反復	不定形品の仕分け等多品種少量
検証	導入時のみ	運用中も閉ループで継続

なぜいま「フィジカルAI」なのか

背景には生成AIの進展があります。LLMが獲得した「言語と常識」をロボットの計画層に接続しようとする試みが広がっています。「赤い部品を右の箱に入れて」といった曖昧な指示を理解し、視覚認識と結びつけて動作計画を立てる——この流れはSim2Real（シミュレーションから実機へ）技術の成熟と合わせて進んでいるとされています。

NVIDIAもSIGGRAPH 2026で、ワールドモデルを統合した「Cosmos 3」やエッジ向け「Cosmos 3H」など、フィジカルAI開発基盤の最新版を発表したと報じられており、開発環境の整備も進みつつあります。

自律ループの全体像

フィジカルAIの核は「認識→計画→実行→検証」の閉ループです。

graph TD;
  S[センシング: カメラ・触覚等] --> R[認識: 状況理解];
  R --> P[計画: 動作・タスク計画];
  P --> A[実行: アクチュエータ駆動];
  A --> V[検証: 結果の確認];
  V -->|誤差・失敗を学習| P;
  V -->|成功体験を蓄積| S;

WRC2026で展示されていた各社のシステムは、このループを「データ収集から運用まで一気通貫で」回せるようにしたもの——つまりOSや開発基盤として製品化が進んでいる段階です。

WRC2026レポート — 建機大手Zoomlionが見せた産業用フィジカルAI

出展機体: Z01・Z03・四足歩行ロボット

中国の建設機械大手Zoomlion（中聯重科）は、WRC2026（報道によれば8月19日〜23日に北京で開催）でフィジカルAIを搭載した機体群を披露しました。以下の展示内容はロボスタの報道に基づきます。

二足歩行ヒューマノイド「Z01」: ワイヤーハーネスの取り扱い・整理といった産業用途に加え、シンクロダンスや施設ガイドツアー、ジェスチャーを使った対話デモも実施。産業用途と接客・案内領域の両方への応用可能性を示しました
車輪式ヒューマノイド「Z03」: 部材のピッキング、不定形品の仕分け、自動車のバックミラーの事前組み立てをデモ
四足歩行ロボット「D15」「D40」 と自社開発の関節モジュールも展示

注目すべきは「車輪式」という選択です。二足歩行の華やかさとは別に、実用優先で移動機構を選んでいる点に、産業用途への本気度がうかがえます。

フィジカルAI OS「Robot Ops」と「ZBrain」

より重要なのはソフトウェア層です。Zoomlionは、報道によれば2026年4月のハノーバーメッセで初披露したフィジカルAIオペレーティングシステム「Robot Ops」を、WRC2026で改めて紹介しました。

基本ツール／模倣学習／強化学習／タスクオーケストレーションの4モジュールを統合
データ収集→モデル学習→シミュレーション→検証→導入→運用までを一気通貫の閉ループでつなぐ開発基盤

さらにフィジカルAIシステム「ZBrain」は、従来の産業用ロボットを「周囲の状況を自律的に検知・計画・実行・検証できるインテリジェントな作業ユニット」へ進化させるもの。多品種少量生産への対応や生産ラインの段取り替え迅速化を狙い、報道によれば、Zoomlionのスマートシティ関連の実稼働製造環境では20近くのシナリオで実地検証が進んでいるとのことです。

建機メーカーがロボットへ、の産業的意味

クレーンやコンクリート機械で世界的に知られるZoomlionがロボティクスに本格参入する意味は大きいです。建設現場は労働力不足が深刻で、かつ「汎用作業」が多い——つまりフィジカルAIの格好の適用先であり、自社の実稼働環境で検証できるデータ保有者でもあります。製造業の大手が「自社ドメインでフィジカルAIを実証しながら製品化する」という王道パターンです。

世界人型ロボット運動会 — 「走る」「打つ」で競うヒューマノイドの実力

日本・GMO AIR「ひとみん」: 1500mを7分43秒89で完走

第2回世界人型ロボット運動会（8月22日〜26日、北京）には、日本からGMO AI＆ロボティクス商事（GMO AIR）が参戦しました。同社発表・報道によれば、「ひとみん」と名付けられた機体は実際の駅伝選手の走りを学習させて開発されています。

結果は明暗くっきりでした。

1500m: 約4周のコースを安定した走行で完走。7分43秒89、出場35体中7位入賞
400m: 準決勝で走行中に転倒し完走ならず。総合成績10位で敗退
100m: 大会最終日の8月25日に出走予定。転倒を踏まえたチューニングが続く

中国Galbot: 台本なしの自律テニス、100回超の連続ラリー

同じ大会で、中国のGalbotは2026年8月23日、ヒューマノイドがテニスの試合を行った映像を公開しました（以下は同社公表映像と報道に基づく説明です）。ポイントは「事前に動きを決めた台本のあるデモンストレーションではない」こと。ロボットが自らボールを認識し、判断し、コート上を移動しながら人間選手と対戦しました。

披露された技術は、サーブ、フォアハンド、バックハンド、リターン、ベースラインでの打ち合い、ネットプレー、リカバリーショット。シングルスだけでなく、人間選手とペアを組むダブルス形式の場面もあり、100回を超える連続ラリーを記録したと説明されています。

2つのデモが示すもの

項目	ひとみん（GMO AIR）	Galbotテニス
種目	1500m走・400m走・100m走	テニス（対人戦）
学習方法	実駅伝選手の走りを学習	自律認識・判断（台本なし）
ハイライト	1500m完走 7分43秒89（35体中7位）	連続ラリー100回超・ダブルスも
課題の見え方	400mで転倒・敗退	持続的な打ち合いの成立

「動くボールを認識しながら瞬時に移動し、判断し、打ち返す」ことは静止物の操作よりはるかに難度が高い領域で、Galbotの映像はロボットの身体制御と認知判断が実際の環境でどこまで機能するかの一例です。一方で、ひとみんの400m転倒は「まだ完璧ではない」ことの証明でもあります。

ここが競技の面白さです。転倒という失敗そのものが、次のチューニングのための貴重なデータになり得ます。実際、GMO AIRは400mの転倒を踏まえてチューニングを進め、最終日の100mに臨むとしています。この「失敗から次へ反映する」開発ループこそが、競技会が技術検証の場として機能する理由と言えます。

日本の産業導入側 — commissureの「フィジカルAI研修」とGeek Plus「Gino」

東大発commissure: 導入判断を学ぶ研修

日本では、もう1つの重要な動きが始まっています。東京大学発のフィジカルAI企業commissureが2026年8月、ヒューマノイドや協働ロボットの導入判断を学ぶ法人向け研修の提供を開始しました。

国内製造業では人手不足と熟練職人の高齢化により、身体知・技能の継承が難しくなっています。しかし「ロボットを導入したいが、何から始めればいいかわからない」という声が多く、commissureはこの溝を埋める研修を立ち上げました。

構成は次の4研修です。

フィジカルAI理論研修（基礎）: AIとロボティクスの全体像、活用領域・導入工程
フィジカルAI実践研修（基礎）: 対象工程の選び方、PoCの範囲、Go/No-Go判断を演習で学習
協働ロボット研修（機種別）: 機体特性、安全・リスク評価、運用・保全
ヒューマノイド研修（機種別）: 現在の能力と限界、作業適性、投資判断

費用は1人30万円から（同社発表）。10時間以上のOFF-JT形式で、厚生労働省の人材開発支援助成金（事業展開等リスキリング支援コース）の活用を前提に設計されています。同社説明では、所定要件を満たす場合の助成率は中小企業75%・大企業60%、訓練期間中の賃金助成（中小1人1時間1,000円）も別枠で申請可能とのことです（令和8年度末までの時限措置。最新の要件は厚生労働省の公式ページでご確認ください）。

監修するのは、東大院で身体性に基づく触覚提示手法を研究し、三菱商事やプラスとの共同研究を主導してきたCTOの堀江新氏。同社は力触覚センシング「SenseFuse」、触覚提示システム「FeelFuse」「HaptoScala」といった独自技術も持つ、研究機関発ならではの技術屋集団です。

Geek Plus「Gino」国内初展示

同じ8月25日には、Geek Plus Japanが国際物流総合展2026で汎用型ヒューマノイド「Gino」を国内初展示し、物流ロボット4製品を披露したと報じられました。倉庫自動化で実績のある企業がヒューマノイドを物流現場に持ち込む流れは、日本の物流業界の人手不足との相性を考えると自然な展開です。

導入側の本当の課題は「判断できる人材」

WRC2026の華やかなデモを見た後に、commissureの研修ニュースを見ると、構図がよく見えます。フィジカルAI導入のボトルネックは、もはや機体の性能だけではありません。どの工程に何を導入し、PoCをどう設計し、Go/No-Goをどう判断するか——この「判断力」を持つ人材こそが不足しています。そのための教育サービスが市場化され始めた、というのが今週のもう1つのニュース価値です。

実践視点 — 企業がフィジカルAI導入を検討するときの3ステップ

ここまでの内容を、自社での検討に活かすための実践ステップに整理します。commissureの研修思想（PoC判断の演習）を参考にしたチェックリスト形式です。

Step 1: 対象工程の選定

まず「どこに導入したいか」を明確にします。

[ ] 工程を定型／非定型に切り分けた（不定形品の仕分けなどはフィジカルAI向き）
[ ] 課題を「人手不足」「技能継承」「品質ばらつき」など種類別に整理した
[ ] 投資対効果を試算するためのベースライン（現状の工数・コスト）を測定した

Step 2: 小さなPoCでGo/No-Go判断

いきなり全工程の自動化を目指さず、小さく始めます。

[ ] PoCの範囲を1工程・1タスクに絞った
[ ] 成功判定基準（サイクルタイム・成功率など）を事前に定義した
[ ] 失敗時の判定基準（No-Go条件）も事前に定義した
[ ] 1つの失敗（転倒・把持ミス）をデータとして蓄積・分析する体制を作った

Step 3: 安全・リスク評価と運用設計

技術検証と同じ重みで、安全と運用を設計します。

[ ] 協働ロボットの安全規格・リスクアセスメントを実施した
[ ] 運用・保全の人員とスキル計画を立てた
[ ] 学習データの収集・管理方針（模倣学習用の教示データなど）を決めた
[ ] 助成金（人材開発支援助成金など）の活用可否を確認した

この3ステップは「機種選定」より前の段階です。まず自側の課題と判定基準を固めてから、WRC2026のような展示会や機種別研修で機体を見に行く——その順序が、commissureの研修構成（基礎2研修→機種別2研修）からも読み取れます。

よくある質問（FAQ）

Q: フィジカルAIと従来の産業用ロボットの違いは？

A: 最大の違いは「環境変化への自律対応」です。従来の産業用ロボットは事前教示・固定プログラムで動き、環境が変われば再教示が必要でした。フィジカルAIはセンサで状況を認識し、自律的に計画・実行・検証する閉ループを持ち、不定形品の仕分けのような多品種少量作業に対応できます。

Q: ヒューマノイドはもう実用段階なのか？

A: 一部用途では実証段階、と言うのが正確です。今週の世界人型ロボット運動会では、1500mを完走する機体（7分43秒89）と台本なしでテニスのラリーを続ける機体が登場した一方で、400mでの転倒敗退もありました。産業用途ではZoomlionが実稼働環境で約20シナリオの実地検証を進めるなど、「実用前の最終検証」フェーズと捉えるのが妥当です。

Q: 日本企業は何から始めればいい？

A: 機体選定より先に「導入判断ができる人材」の育成です。東大発commissureのフィジカルAI研修（基礎→機種別の4研修構成、人材開発支援助成金で助成率最大75%）のような教育プログラムの活用や、1工程に絞った小さなPoCからのスタートが現実的です。GitHub等で公開されているオープンソースのロボットアーム開発コミュニティの情報を追うことも、技術理解の助けになります。

まとめ — 「競技会で転ぶ」ことの価値

2026年8月の北京が示したのは、完成したヒューマノイドではありません。「検証と反復の速度」そのものです。

Zoomlionは自社の実稼働製造環境で約20シナリオの実地検証を回し、その知見をOS（Robot Ops）として製品化している
GMO AIRは400mで転倒し、その経験を最終日のレースに向けたチューニングへつなげた（同社発表による）
Galbotは「台本なしの自律対戦」という最難関の条件に挑み、100回超のラリーという持続性を示した

AlphaGoから10年。AIの活躍の場は囲碁盤から競技場へ、そして工場・倉庫・建設現場へと広がりつつあります。日本勢の現在位置は「競技では入賞、産業では導入教育の市場化開始」——華やかさでは中国勢に及ばない点も多いものの、導入側に立った判断力養成という土台を築き始めたことは、次の10年を見据えた着実な一手と評価できます。

今日から始める3つのアクション:

自社の工程を定型／非定型に切り分け、フィジカルAIの適用候補をリストアップする
人材開発支援助成金の対象研修（commissureのフィジカルAI研修など）を確認する
競技会や展示会（国際物流総合展、AI博覧会など）の実機デモを見に行き、機体の「現在の能力と限界」を自分の目で確認する