ヒューマノイドロボットが人間の労働者に追いつけない理由

ヒューマノイドロボットが人間の労働者に追いつくのは、まだしばらく先の話

今日のロボットウィークの記事は、80,000 Hours（キャリアを最大限に活かすための支援を行う非営利団体）の提供でお送りします。

過去数年間、ロボット工学の世界に注目していれば、ヒューマノイドロボットが目覚ましいペースで進化していることに気づいたことでしょう。

2024年10月、イーロン・マスクはテスラのOptimusロボット数台に飲み物をサーブさせ、テスラの新型Cybercabを発表するイベントを開催しました。

「Optimusは録画されたビデオではありません。壁に囲まれたものではありません。Optimusロボットは皆さんの間を歩き回るでしょう」とマスクはそのイベントで述べました。

次に、2026年2月、中国のUnitree社は北京での春節ガラで、驚くべき武道パフォーマンスを披露しました。人間とヒューマノイドロボットの混成キャストが、完璧に同期した流れるようなダンスルーチンを遂行しました。ロボットはスピン、ジャンプ、さらにはバク転まで披露しました。

これは、ロボットがステージ上をぎこちなく歩きながらハンカチを振っていた2025年のショーから大きな進歩でした。

つい先週、北京で開催された2026年世界ヒューマノイドロボット競技会で、ロボットが100メートルを8.86秒で走り抜け、ウサイン・ボルトの人間世界記録9.59秒を打ち破りました。昨年の大会では、最も速いロボットでも100メートルを走るのに20秒以上かかっていました。

このようなデモンストレーションは、多くの一般の観察者を感心させ、将来の失業への不安を掻き立てています。ヒューマノイドロボットがすでに人々に飲み物を提供し、手の込んだダンスルーチンをこなし、人間を凌駕する速さで走れるなら、彼らが何百万人もの人々から仕事を奪うまで、あとどれくらいかかるのでしょうか？

しかし、ロボット工学の専門家（私は最近数ヶ月で多くの専門家と話しました）に話を聞くと、よりニュアンスのある絵が見えてきます。

Physical Intelligenceの共同創業者であるカロル・ハウスマンは、人々（彼自身を含む）は「ロボット工学の進歩を判断したり、何が印象的で何がそうでないかを判断したりするのがあまり得意ではない」と述べています。確かに、ロボットは「人間がやるには非常に難しい」アクロバティックな動きをこなすことができるが、一方で「コーラ缶を拾うような単純なことが、非常に、非常に難しいことが判明する」と彼は言いました。

ヒューマノイドロボットの最も印象的なデモのいくつかは、人がロボットを遠隔操作している場合を含みます。これはテレオペレーションとして知られています。例えば、2024年のOptimusロボットの場合、これは明らかにそのケースでした。テスラのハードウェアはバーテンダーとして機能するには十分でしたが、ソフトウェアはタスクをこなすには不十分でした。そのため、テスラは明らかに人間オペレーターを雇ってロボットを遠隔操作させました。

[画像: 2024年10月のテスラ「We, Robot」イベントで、テスラのOptimusロボットが参加者に飲み物を提供している様子。（テスラの公式ライブストリームからのスクリーンショット）]

そして、Unitreeロボットのダンスはテレオペレーションではありませんでしたが、それだけではロボットが有用な仕事をする能力について多くを語るものではありません。ほとんどの肉体労働は、現実世界での物体の操作を伴います――箱詰め、釘打ち、ハンバーガーをひっくり返すなどです。後述するように、このような物理的な操作タスクでロボットを訓練することは、ロボットにダンスをさせる訓練よりもはるかに困難です。

個々のタスクを超えた、より広範な課題もあります。例えば、人間の労働者は非常に柔軟です――彼らは多様なタスクを実行でき、仕事中に簡単に学習できます。今のところ、AIロボットモデルに同様の汎化能力を与える方法を誰も見つけていません。

今日の最も印象的なロボットデモは、人間が最大数分しかかからないタスクを含んでいます。しかし、人間の労働者は数時間かかるタスクも実行します――「車のエンジンを修理する」とか「キッチンキャビネットを組み立てる」といったことです。このような長時間のプロジェクトを完了するようにロボットを訓練するには、短いタスクでは不要なスキル、例えば、すでに何が終わったかを追跡する能力を構築する必要があります。

さらに、ロボットを現実世界に展開しようとすると明らかになる、多くの実用的・経済的・安全上の懸念があります。ロボットは故障せずに何時間も稼働する必要があります。製造、訓練、修理のコストが高すぎてもいけません。人間と近接して操作するには、極めて安全である必要があります。

これらの課題すべてを克服するには、何年も、おそらくは数十年かかるでしょう。ですから、ヒューマノイドロボットは過去数年間で多くの進歩を遂げましたが、まだ長い道のりが残っています。

物体の操作は難しい

ロボット工学における主な課題の一つは、ロボットの潜在的な行動に対して外部世界がどのように反応するかを予測することです。Bracket BotのCEOであるブライアン・マチャドが私に語ったように、ダンスは他のほとんどのタスクよりも単純です。なぜなら「床は何もしない」からです。

しかし、アクロバティックなロボットは見る者を感心させますが、ロボットがダンスをしたりバク転をしたりすることは、実際にはそれほど有用ではありません。ほとんどの有用な仕事は、ロボットのアクションに応答して移動・変化する物体との相互作用を伴います。

ロボット工学のスタートアップGenesis AIの社長であるテオフィル・ジェルヴェ氏は、「90%以上の価値を引き出す、本当に、本当に中心的な未解決問題は操作です」と私に語りました。

物体を拾うことは、その位置を変えるだけでなく、形状を変えることもあります。そして、異なる物体は、一般的にモデル化するのが難しい方法で反応します。枕、ポテトチップスの袋、コップ一杯の水が、拾われたときにどのように振る舞うかの違いを考えてみてください。

2025年9月、ロボット工学者のベンジー・ホルソン（元Google X、現OpenAI）は、ロボットが解決するには「最先端を押し上げる」必要があると彼が信じる15の操作タスクのリストであるHumanoid Olympicsを発表しました。

これらのタスクのほとんどは、8歳の子どもにとっては些細なことでしょう。3つのタスクはドアを開けることでした。別のタスクは、パンと閉じたピーナッツバターの瓶を与えられて、ピーナッツバターサンドイッチを作ることでした。おそらく、人間が実行するには最も難しいタスクは、オレンジの皮をむくことでしょう。

[画像: タスクを実演するために、ホルソンは銀色のロボットスーツを着てビデオを撮影しました。これは、彼が金メダル級のドアタスクを実演したビデオのスクリーンショットです。]

人間にとってこれほど簡単なタスクであっても、3ヶ月半後にスタートアップPhysical Intelligenceが10のタスクを達成したと発表したことは、印象的な成果でした。

ホルソンはScientific Americanに、「ロボット企業が最初の3ヶ月でほぼすべてを達成したのは驚異的です」と語りました。

しかし、Physical Intelligenceの成果には注意点がありました。

研究者たちは、ロボットを繰り返しパペットのように操作してモデルを微調整することで、これらのタスクを実行するようにロボットを訓練しました。靴下を裏返すために、176回の成功例、つまり約8時間のデータを訓練に使用しました。彼らはあまりにも多くのオレンジの皮をむいたため、研究者たちはホルソンに「近所の食料品店はオレンジの売上増加に気づいただろうし、社内でマンダリンオレンジが本当に好きな一人は、それらにうんざりしていた」と伝えたほどです。

ロボットは、これらのタスクのほとんどを人間よりも4倍から10倍長くかかり、成功率はわずか52%でした！

これらはPhysical Intelligenceを軽視するためのものではありません。その成果は真の偉業でした。しかし、これほど比較的簡単なタスクでさえ、ロボットはまだ人間レベルのパフォーマンスには程遠いのです。

そして、人間にとっては簡単でもロボットの能力では全くできないタスクは、依然として容易に見つかります。1月、ホルソンは新しい操作チャレンジのセットをリリースしました。これらのタスクはより困難ですが、ほとんどの大人にとっては依然として簡単です：ベッドを整える、釘を打つ、卵を割らずにキャッチする。

ホルソンの新しいリストにある操作タスクのカテゴリの一つは注目に値します：時間がかかるもの。多くの人間は、ベッドの組み立てや部屋の塗装など、数時間かかる物理的なタスクを完了できます。しかし、現在のLLMと同様に、今日のロボットは、長くて複数の部分からなるタスクを完了するのに苦労しています。

ホルソンは「ゴミを家から出す」と「目玉焼きを作る」という2つのタスクを「ロングホライゾン」と名付けました。どちらのタスクも5分以上かかりませんでした。

私は、ロボットモデルの能力をこれらの数分間のタスクを超えて拡張するには、多くの作業が必要になると想像しています。現在のロボットモデルは、以前に行ったアクションを記憶する能力が限られています――例えば、Physical Intelligenceの最新モデルは、以前の観測をテキストに圧縮する方法を使用して最大15分間記憶できます。1。また、モデルはまだ、数十または数百の多様なサブタスクを連携させるのに十分な信頼性がありません。

ジェルヴェにロングホライゾンタスクについて尋ねたところ、彼は心配していないと述べました。「ロボット基盤モデル企業の仕事は、完全なスタックであるかどうかにかかわらず、ロボットの推論を完全に解決することではなく、より低レベルの5分から10分間のタスクを構築することだと思います」と彼は言いました。彼は、汎用AI企業が長時間の計画と実行を解決すると予想しています。

しかし、短期的なタスクと長期的な計画をきれいに分離できるかどうかは明らかではありません。多くの場合、人間は個々のサブタスクに取り組む際に、全体的な計画を変更させるようなことを学びます。長期計画と短期タスク完了に異なるモデルが責任を持つシステムは、リアルタイム適応能力を欠く可能性があります。

ロボットウィーク特別企画：年間のサブスクリプションが25%オフになります。

汎化

ホルソンは7ヶ月以上前に第2弾のチャレンジを発表しました。私の知る限り、誰もそれらのいずれかの解決策を発表していません。おそらく、今後数ヶ月で状況は変わるでしょう。しかし、操作能力が劇的に向上したとしても、重要な相互に関連する課題があります：汎化です。

ロボット企業は、その単一のタスクに多大な努力を注ぎ込むことで、特定のタスクでロボットを訓練する方法を見つけました。しかし、この高コストアプローチが経済的に意味をなす個々のタスクのほとんどは、従来の自動化技術を使用してすでに解決されています。したがって、主要なボトルネックは、ロボットの能力が大幅なトレーニングデータなしで新しい環境に汎化できるかどうかです。

例えば、私が5月に中国を訪れた際、製薬倉庫で働くGalbotロボットを見ました。そのタスクは、棚から一度に1つの箱を取り、配達員への搬送シュートに入れることでした。

タスクは単純でしたが、ロボットが各アイテムをシュートに入れるのに約40秒かかりました。（Galbotによると、新しい展開では2倍の速さです。）倉庫に新しいアイテムが追加されるたびに、Galbotはロボットにその特定の新しいアイテムを拾えるように訓練する必要がありましたが、同社によると訓練はわずか5分で済むとのことです。

[画像: 中国北京の製薬倉庫で、Galbotセミヒューマノイドロボットがアイテムを掴んでいる様子。（Kai Williams撮影）]

基本的に、今日のほとんどのヒューマノイド展開は同様のアプローチを取っています。企業は、従来の自動化手法では対応できないほどの変動性を持つタスクを選択します。しかし、変動性があまりにも大きいと、現代のAI手法も機能しなくなります。2そして、各展開には通常、多大なセットアップと訓練の労力がかかります。

一部のスタートアップは、AIによってロボットを幅広いタスクに展開することが容易になると期待しています。Rhoda AIのCEOであるジャグディープ・シンは、同社が製造業と倉庫業で「文字通り100以上の異なるユースケース」を展開に向けて取り組んでいると私に語りました。

3月にNvidia GTCに行った際、何人かのロボット工学者が、彼らが最も印象的だと感じたデモはGeneralistという会社のものだったと私に語りました。

[画像: Generalistのブログ記事からのスクリーンショット。同社のオフィスでデモタスクを実行している様子。Generalistは、デモタスクをGTC展示会場の環境に転送するための特別な訓練を行いませんでした。]

Generalistは、2本のロボットアームを使って、電話を箱に挿入して取り出すデモを見せました。タスク自体は現在のロボットにとって非常に困難ですが、最も印象的だったのは、Generalistがデモの準備に費やした時間と労力の少なさでした。同社は、デモの準備にわずか数日しかかからず、特に、展示会場でロボットにタスクを実行させるための訓練を行わなかったと主張しています。

このことがロボット工学の専門家を感心させたという事実は、過去のモデルがいかに弱かったかを浮き彫りにしています。歴史的に、多くのロボットデモは極端に脆いものでした――例えば、照明の変化で失敗することさえありました。

GeneralistのCEOであるピート・フローレンスは、異なる背景環境への汎化は、少なくとも同社にとっては「解決済み」だと私に語りましたが、依然として難しい他の種類の汎化もあります。彼は仮説的な例を挙げました：「例えば、ジッパー付きの開口部を持つある種のバックパックにランチボックスを入れるように訓練されたとします。そして、誰かがあなたに異なるバックパックを与え、それはバックルで閉じられています。」

現在のロボットがこの新しい設定に汎化できるかどうかは不明です。

ロボットの汎化における最先端技術は急速に進歩しています。8月20日、Generalistは、最新モデルが人間のデモンストレーション1回から新しいタスクを完了できるようになったと発表しました。先週、スタートアップSkild AIは、そのモデルS1も単一のビデオデモンストレーションから最大10分間のタスクを完了できるようになったと述べました。

数社は、2026年末までに家庭にロボットを展開し始めると公に発表していますが、これらの展開は非常に限定的になると予想しています。そして、その一部はテレオペレーションに大きく依存する可能性が高いです。

脚付きロボットは現時点では危険

これまでは、有用なロボットを構築する上で最も大きな障壁である一般的な操作の課題に焦点を当ててきました。しかし、ヒューマノイドは単に物体を操作する2本の手を持っているだけではありません。移動するための脚も持っています。

脚にはそれ自体のエンジニアリング上の課題があります。最大のものは安全性です。

ほとんどの現在の脚付きヒューマノイドは、積極的にバランスを維持する必要があります。何らかの理由で脚のモーターが停止した場合、ロボットは転倒し、その過程で人々を負傷させる可能性があります。3。

そして、モーターが停止することもあります。

2025年、スタンフォード大学とサイモンフレーザー大学の研究者は、人間オペレーターがロボットの全身を制御できるTWISTというシステムを開発しました。このシステムはうまくいきましたが、大きな制限がありました：過熱です。研究者たちは、「私たちのロボットのモーターは、特にしゃがむ必要があるタスク中に、連続動作5〜10分後に過熱する傾向があり、テスト間には冷却期間が必要になります」と書いています。

研究者がロボットを長時間稼働させすぎると、シャットダウンして崩壊しました。

[画像: 過熱によりシャットダウンしたUnitreeロボットの転倒を、研究者が無駄に捕まえようとしている様子。（TWISTプロジェクトウェブサイトからのスクリーンショット）]

過熱は、今日世界で最も一般的なヒューマノイドの一つであるUnitree G1にとって、大きな課題です。4。SemiAnalysisのロボット工学リードであるレイク・クヌッツェンは、7月のポッドキャストで、「1〜2年前、G1はせいぜい5分間、数キログラムの箱を運ぶことができました。その後、過熱し、再び5分間動作させる前に、30分、時には丸1時間、隅で休ませる必要がありました」と述べています。UnitreeはG1のデザインを改善しましたが、熱は依然として課題です。クヌッツェンによると、オペレーターは現在、10分間の休憩で5〜15分間の作業が可能です。

しかし、過熱だけがヒューマノイドロボットが転倒する理由ではありません。ロボットのバッテリーが予期せず切れる可能性もあります。ティムのロボット犬の場合のように。あるいは、大規模な展開の奥深くでしか現れない微妙な設計上の欠陥があるかもしれません。

Agility RoboticsのCTOであるプラサド・ベラガプリ氏は、かつてAgilityが不可解な故障に直面したと私に語りました。フィールドに出てしばらく経った数台のロボットが突然問題を抱え始めました。ロボットがしゃがむと、脚の一つが故障し、ロボットは転倒しました。しかし、ロボットが立ち上がると、正常に動作しました。

「脚には、時間が経つにつれて曲がる特定のプリント基板がありました」とベラガプリ氏は言いました。最終的に、しゃがむとケーブルの一本が外れました。脚をまっすぐにすると元に戻りました。これは、数千回のステップを経て初めて発生する非常に微妙な問題でした。

このような故障が人間を危険にさらすのを防ぐために、企業は慎重な設計と展開の決定を下す必要があります。

Agilityは現在、展開されたヒューマノイドを人間の労働者から離れた安全囲いの中に保管しています。同社は、人間が近づきすぎるとロボットの動きを遅くしたり停止させたりすることで、間もなくヒューマノイドが人間の周りで作業できるようにすることを計画しています。

[画像: AgilityのロボットDigitが安全囲いの中でトートを移動させている様子。（Agility Robotics撮影）]

他の企業は、ロボットの設計を制限しています。例えば、年内に脚付きヒューマノイドを家庭環境に導入することを目指す1Xは、ロボットが転倒した場合の怪我のリスクを減らすために、軽量で機械的に柔軟な設計を採用しています。それにもかかわらず、1Xはウォール・ストリート・ジャーナルに、幼い子供を持つ家族は今年の後半のテストプログラムに参加できないだろうと述べています。

もう一つの一般的な選択肢は、脚の代わりに車輪ベースを使用することです。車輪は、エンジニアリングと製造のコストが低いです。また、受動的に安定しているため、電源が失われてもロボットは転倒しません。しかし、車輪は汎用性がはるかに低いです――階段を上ったり、不整地を移動したりすることはできません。

最終的に、企業は脚付きロボットを安全かつ有用に大規模化する方法を見つけると予想しています。しかし、これらはトリッキーなエンジニアリング上の課題であり、必ずしもAIの進歩が速いことから恩恵を受けるものではありません。

フルスケール展開への長い道のり

Agilityが不可解な脚の故障を経験したことは、より広範な点を完璧に示しています：動作するデモを広く展開されるロボットに変えることは、信じられないほど困難です。

伝説的なロボット工学者のロドニー・ブルックスは2024年に、「ラボデモから10年以内に入手可能な新しい技術が、展開されるロボットになるのを私はめったに見たことがない」と書いています。「その方法がどれだけうまく機能するかを確認し、展開されたロボットが現実世界で単独で作業しているときに失敗する可能性が低いと十分に特徴づけるには時間がかかります。」

したがって、今日の印象的なデモを市販製品に変えるには、おそらく時間がかかるでしょう。

私たちはこの話を以前にも見てきました。「今、ロボット操作の学習において、自動運転車における2015年のような感覚です」とロボット工学者のステファニー・テレッソとデビッド・ワトキンスは最近のブログ記事で書いています。

2010年代半ば、数十のスタートアップが自動運転車市場に参入し、すぐに印象的なデモとテスト展開を達成しました。企業が数年以内に自動運転を「解決」できるかのように見えました。

2015年、当時のGoogleの自動運転プロジェクト（後にWaymoとなる）の責任者であったクリス・アームソンは、講演で次のように述べました。「私の長男は11歳です。つまり、4年半後には運転免許を取得できるようになります。私のチームと私は、それが起こらないようにすることにコミットしています。」

翌年、フォードは2021年までにステアリングホイールのない車を大量生産すると発表しました。Lyftの社長であるジョン・ジマーは、「5年以内に、完全に自動化された車のフリートが全国のLyftライドの大部分を提供するだろう」と予測しました。彼はさらに、2025年までには、無人タクシーは「車の所有がDVDの時代遅れになる」ほど安価で普及すると付け加えました。

10年後、Waymoは11都市でアクティブなロボタクシーを展開していますが、あなたはまだ完全に自動運転の車を購入できませんし、いくつかの都市環境以外ではアクセスすることもできません。

自動運転車を「解決」することには、ほとんどの時間運転する車を作る以上のことが含まれていることが判明しました。Waymoは、（少なくともその運用環境内では）人間ドライバーよりも事故の少ない自動運転車を作ることに広く成功していますが、法的な反発からロボタクシーフリートの調達と維持の課題まで、実際に展開を拡大するにはまだ膨大な数の障壁があります。

おそらく最大の課題は、現実世界には自動運転車が理解し適切に対処するのが非常に難しい、膨大な数のエッジケースが存在することです。

ヒューマノイドロボットは、自動運転車とまったく同じ展開課題に直面するわけではありません。例えば、ヒューマノイドロボットのミスが誰かを殺す可能性は低いかもしれません。しかし、多くの同じボトルネックが両方のタイプのロボットに適用されます。現実世界は驚くほど複雑であり、能力の実証から大規模展開への移行には膨大な労力がかかります。

歴史的に、ロボットの定価は、展開の総コストの半分未満でした。上記でカバーしたAI手法は、ロボットをより汎用的にすることで新規展開のコストを下げるのに役立ちますが、それら自体にも課題があります。特にニューラルネットワークの障害のデバッグに関してはそうです。

これは、今日開発されているAI手法が重要ではないという意味ではありません。「真のブレークスルーがあります」とテレッソとワトキンスは彼らのエッセイで書いています。5年前には基本的に不可能に見えた多くの問題――例えばロボットがシャツをたたむこと――は、今日では日常的です。Unitreeのダンスロボットのビデオは、ロボット工学のハードウェアとトレーニング技術における大規模な進歩を反映しています。

しかし、印象的なビデオから、ユビキタスで有用なロボットへの道のりはまだ長いです。

ロボットウィーク特別企画：年間のサブスクリプションが25%オフになります。

1
LLMとは異なり、ロボットモデルはコンテキストウィンドウをメモリシステムとして使用できません。ロボットセンサーは大量のデータ（1日あたり最大1テラバイト）を生成するため、開発者は過去のセンサー観測を圧縮して使用可能なメモリにする方法が必要です。

2
実際、クリス・パクストンが指摘するように、ヒューマノイド展開のかなりの割合は、4つのカテゴリに分類されます：硬質または半硬質のピッキングと配置、パッケージの向き変更、箱詰め、衣類の折り畳み。

3
さらに悪いことに、ヒューマノイドロボットが転倒すると、ロボットを制御している移動アルゴリズムが、安定性を回復しようとして、時折足を激しく動かすことがあります。混乱してしまうこともあります。

4
過熱がUnitree固有の問題なのか、それとも他のロボット設計にもこの問題があるのかは不明です。一方では、Unitreeはおそらく研究者がヒューマノイドを購入する上で最も人気のある企業なので、競合他社よりもそのハードウェアの限界について多くを知っています。（そして、他の企業も時折、加熱の問題に言及しています。）しかし、Unitreeは安価なロボットを作るために最適化を重ねているため、部品の品質が低く、加熱の問題を悪化させている可能性があります。

投稿なし