ヒューマノイドロボットは、2026年に入り「デモの段階」から「実際の工場・倉庫・一部の家庭で稼働する段階」へ移りつつある。Tesla、Figure AI、Boston Dynamics、Unitree、Agility Robotics、1X Technologies、Sanctuary AIといった企業が、それぞれ異なる賭け方(自動車メーカーとしての垂直統合、VLA基盤モデル、油圧からの転換、価格破壊、家庭市場、企業向け汎用ワーカー)で競い合っている状況を整理する。

HondaHonda
ToyotaToyota

画像: Honda / Toyotaロゴ、Wikimedia Commons。両社ともヒューマノイド研究(ASIMOの系譜、Toyota Research InstituteによるBoston Dynamicsとの提携)に関わる企業として掲載

一枚でつかむヒューマノイド制御

センサーからの観測を全身制御ポリシーとVLA基盤モデルが処理し、電動または油圧アクチュエータを駆動して、実世界との接触を通じて観測へ戻すヒューマノイドロボットの処理ループ

図: Duskcoil作成。強化学習で訓練した全身制御と、テレオペレーション由来の学習データ、VLA基盤モデルの関係を単純化している。

ヒューマノイドロボットを理解する軸は、ハードウェア(アクチュエータと機構)とソフトウェア(全身制御・タスク遂行)を分けて見ることにある。二足歩行というだけで転倒・接触・電力密度の制約が付きまとうハードウェアの問題と、汎用的な作業指示を実行するための知能の問題は、別々の技術的課題であり、進捗の速さも異なる。現在の勢力図は、この2軸のどちらに賭けているかで大きく分かれている。

系譜: ASIMOの引退から現在まで

Honda ASIMOは2018年に開発が終了し、2022年に活動そのものが正式に終了した。Hondaは当時、ASIMOで培った技術をより実用的な用途(介護・災害対応支援など)へ転用する方針を示しており、ASIMOの直接後継となる完全なヒューマノイドは以後発表されていない。2026年にはHondaがASIMOの精神を受け継ぐとされる新型ロボットのデモを行っているが、これは商用の汎用ワーカーというより研究・技術実証の位置づけに近い。ASIMOが体現していた「高精度な二足歩行そのもの」という目標から、現在の主要プレイヤーは「工場・倉庫で実際に稼働する経済性」という目標へ、業界全体の重心が移ったことを示す変化である。

アクチュエータの分岐点: 電動 vs 油圧

ヒューマノイドの物理的な性能を左右する最大の設計判断の一つが、関節をどう駆動するかである。油圧アクチュエータは単位重量あたりの出力(パワー密度)が高く、瞬発的で力強い動作を作りやすい一方、油漏れ・騒音・保守の手間・産業現場での扱いにくさが課題になる。電動アクチュエータ(モーター+減速機)は静かで保守しやすく、AIの制御ループとの相性も良いが、油圧と同等の瞬発力を出すには高いトルク密度のモーターと、それに耐える減速機構が必要になる。

この分岐点を象徴するのが、Boston Dynamics Atlasの転換である。長年油圧駆動で開発されてきたAtlasは、2024年に「油圧版Atlasの引退」を発表した直後、全電動の新型Atlasとして再始動した。この切り替えの動機は、単純な性能向上ではなく、量産・保守・産業現場への配置という「スケールする実用性」への前提条件だったとされている。油圧システムは強力だが嵩張り、うるさく、標準的な工場環境での保守が難しい。電動化は、より静かで俊敏な動作、保守性の向上、AIの制御ループとの親和性向上をもたらす一方で、油圧が得意としていた瞬間的な高出力の再現は、モーターとギアの設計でどこまで追いつけるかが課題として残る。Boston DynamicsはCES 2026で電動Atlasの量産版を披露しており、電動化は既に「研究段階の選択」から「量産段階の前提」へ移行しつつある。

主要プレイヤーの現在地

Tesla Optimus は自動車の量産ラインを転用する垂直統合を武器にしている。第3世代(V3)は37関節、22自由度・50アクチュエータの手部を備え、身長173cm・体重57kgで、2026年後半にFremontで量産立ち上げが進められている。初期の量産分はまず訓練データ収集に回され、Muskは立ち上げ初期の歩留まりについて「かなり遅くなる」と慎重な見通しを示している。目標価格は2万〜3万ドル。

Figure AI はBMW Spartanburg工場での実運用を武器にしている。前世代のFigure 02はBMWの車両約3万台の組み立てに関わり、後継のFigure 03は「Helix 02」というAIシステムで手・腕・胴体・脚を協調させ、部品の識別・選別・並べ替えという、位置や向きにばらつきがある部品を扱うシーケンシング作業を担っている。重い台車を押しながら同時に部品を操作するといった、移動と操作を同時にこなすタスクへ用途が広がっている点が特徴である。

Boston Dynamics Atlas は、Toyota Research Institute(TRI)との提携によるLarge Behavior Model(LBM)の統合を武器にしている。2025年8月にはLBMを搭載したAtlasが、物体操作と移動を組み合わせた長く連続的なタスク系列をこなすデモを公開しており、これまで人手でプログラムしていた新しい動作を、コードを書かずに素早く追加できる点が強調されている。HyundaiとはRobot Metaplant Application Center(RMAC)を2026年に開設し、Hyundai工場で集めたデータを使ってAtlasを訓練する計画が進んでいる。

Unitree は価格破壊を武器にしている。G1(身長1.32m、約35kg、23自由度、EDU版で最大43自由度)は直販1万3,500ドルからという価格で、2025年だけで5,500台以上を出荷し世界シェア約32%を握ったとされる。上位機のH2(身長1.80m、70kg、31自由度)は中国国内価格2万9,900ドルからで、北米ではToborlifeが2026年2月から予約を開始している。研究機関から購入可能な価格帯という点が、Unitreeがヒューマノイド研究のデファクト実験プラットフォームになりつつある理由である。

Agility Robotics Digit は物流現場での実稼働時間を武器にしている。GXOのジョージア州フルフィルメントセンターではRobots-as-a-Serviceでの稼働がパイロットから本格運用へ移行し、単一拠点で10万トート達成という節目を迎えている。SchaefflerのCheraw工場では2025年初頭から洗濯機の積み下ろし作業に投入されており、GXO・Schaeffler・Toyota Motor Manufacturing Canada・Mercado Libreを合わせて累計6万5千時間以上の稼働実績があるとされる。Agility自体は2026年にSPAC合併で上場を進めている。

1X Technologies は家庭市場を武器にしている。NEOは身長168cm程度、価格2万ドルで、2026年に米国の一般家庭への出荷を計画している。OpenAIが主導したシリーズA2ラウンド以降、資金・モデル面での協業が続いている。カリフォルニア州Haywardに開設した工場は年間1万台の生産能力を持ち、2027年末までに年10万台超を目指すとしている。

Sanctuary AI は「Carbon」というAI制御システムを武器に、Phoenixという汎用ワーカーロボットを開発している。第8世代のPhoenixは、十数業種にまたがる顧客企業が指定した数百のタスクをこなせるとされ、新しい作業を24時間程度で習得できると謳われている。ただし商用出荷台数や価格の第三者検証は現時点で限定的であり、他社と比べて実機ベースの検証情報が少ない点には留意が必要である。

学習ベースの全身制御へのシフト

かつての二足歩行制御は、ZMP(Zero Moment Point、重心と床反力から転倒しない条件を求める古典的な指標)やDCM(Divergent Component of Motion)に基づく歩行パターン生成と、二次計画法(QP)による全身制御(Whole-Body Control, WBC)が主流だった。これらはモデルベースで解釈しやすい一方、未知の地形や外乱への適応には追加のチューニングが必要になる。

現在の潮流は、シミュレーション内での強化学習と、ドメインランダマイゼーション(質量・摩擦・遅延などをシミュレーションごとにランダム化し、実機との差に頑健なポリシーを作る手法。詳細は「モデルベース強化学習とSim-to-Real入門」を参照)を組み合わせ、パルクールやダンスのような動的な動作まで含む多様なスキルレパートリーを、モデルベース制御より少ない手作業で獲得する方向へ移っている。研究動向を俯瞰すると、モデルベースの歩行パターン生成、QPベースの全身制御、深層強化学習によるSim-to-Real転移、そしてこれらを組み合わせるハイブリッド手法という4つの潮流が並存しており、完全に一つの手法へ収斂してはいない。転倒からの自力復帰(getting-up)や、未知の路面への頑健な適応など、実運用で頻発する「地味だが致命的」な課題への対応が、学習ベース手法の実用性を測る指標になりつつある。

VLA・基盤モデルとの接続

タスクレベルの指示理解と行動生成には、Vision-Language-Action(VLA)モデルの技術が流れ込んでいる(詳細は「VLAの技術動向」を参照)。Figure AIのHelix、Boston Dynamics/TRIのLarge Behavior Model、1XのNEO World Modelは、いずれも「見て、理解して、動く」を単一のモデルで統合するという設計思想を共有している。特に1Xは、140億パラメータの動画生成モデルに「タスクを実行する短い動画を想像させ」、その想像した動画をInverse Dynamics Model(生成された映像を具体的なモーター指令へ変換するモデル)で実際の関節指令へ変換するという構成を採用しており、動画世界モデルをロボット制御に直結させる設計は次に扱う「World Model」の潮流とも直結している(詳細は「World Modelの技術動向」を参照)。

未解決の課題

データ収集のボトルネック: 言語モデルがインターネット規模のテキストで学習できるのに対し、ロボットの行動データ(観測と行動が対になったデータ)はインターネット上にほぼ存在しない。VRヘッドセットやモーションキャプチャースーツ、装着型エクソスケルトンを使ったテレオペレーションでの収集が主流だが、専用のハードウェアリグ(5万〜15万ドル規模)を使っても、作業者1人あたり1日200件未満のデモンストレーションしか集められないという報告があり、データ収集そのものが物理AIのサプライチェーンにおけるボトルネックになりつつあると指摘されている。

コスト: 2026年時点の価格帯は、研究用のUnitree G1(1万3,500ドル〜)から、汎用ワーカーとして売り込まれるTesla Optimus・1X NEO(2万〜3万ドル)、企業向けEDU機(4万〜7万ドル台)まで幅広い。ただし人件費との比較で経済合理性が成立する用途はまだ限定的で、初期導入は「人手不足が特に深刻な単純反復作業」に絞られている。

安全性: 人と同じ空間で、人と同程度の質量・出力を持つ機械が自律的に動くという状況に対する業界横断的な安全規格は、産業用ロボットアーム向けの規格ほど成熟していない。転倒時の挙動、通信断時のフェイルセーフ、力制御の上限といった要素は、各社が独自に設計している段階である。

全身制御の頑健性: シミュレーションで訓練したポリシーが実機で示す性能は、路面の摩擦係数や積載物の重心位置など、訓練時に十分カバーされていない条件下で劣化しやすい。パルクールのような派手なデモと、倉庫の床のわずかな段差や滑りやすい表面への日常的な頑健性は、必ずしも同じ達成度を意味しない。

これらの課題は、ハードウェア(電動化・コスト低減)、データ(テレオペレーション・シミュレーション・動画からの学習)、ソフトウェア(全身制御とVLA基盤モデルの統合)という3つの軸それぞれで並行して解かれつつある段階にあり、単一の技術のブレークスルーで一挙に解決するものではないというのが、2026年時点での実態である。

参考リンク

#ヒューマノイド #VLA #アクチュエータ