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けない理由 ヒューマノイドロボット工学の現状を深く掘り下げる。 Kai Williams 2026年9月1日 1883027 共有 今日のロボットウィークの記事は、キャリアの初期段階にある専門家がキャリアを最大限に活かすのを支援する非営利団体、80,000 Hoursのスポンサーでお届けします。 過去数年間、ロボット工学の世界に少しでも注意を払っていれば、ヒューマノイドロボットが目覚ましいペースで向上していることに気づいたかもしれません。 2024年10月、イーロン・マスクはテスラのサイバーキャブの新製品発表イベントで、テスラのOptimusロボット数台に飲み物を提供させました。「Optimusは缶詰のビデオではありません。壁に囲まれていません。Optimusロボットはあなたたちの間を歩くでしょう」とマスクはそのイベントで述べました。 その後、2026年2月、中国のUnitree社は北京で開催された春節ガラで、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合キャストが、完全に同期した流れるようなダンスルーチンを実行しました。ロボットはスピン、ジャンプ、さらにはバク転も披露しました。 Unitreeロボットが2026年春節ガラでシンクロして動く様子。 これは2025年のショーから大きく進歩したもので、2025年のショーではロボットがぎこちなくステージ上を歩きながらハンカチを振っていました。 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ゲームでは、ロボットが100メートルを8.86秒で走り、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、最も速いロボットが100メートルを20秒以上かけて走りました。 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、将来の失業への多くの不安を生み出しました。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実行し、人間よりも速く走ることができるなら、数百万人の人々を職から追いやる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（そして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現れます。 Physical Intelligenceの共同設立者であるカロル・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得意ではない」と述べています。確かに、ロボットは「人間が実行するのが非常に難しい」アクロバティックな操作を実行できますが、「コーク缶を拾うような単純なこと」は非常に、非常に難しいことが判明します。 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、例えば2024年のOptimusロボットの場合のように、遠隔操作として知られています。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 apparently 人間のオペレーターを雇ってロボットを遠隔操作させたようです。 2024年10月のテスラの「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ロボットのダンスの動きは遠隔操作ではありませんでしたが、それらはロボットが有用な作業を行う能力について多くを教えてくれ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トレーニングすることは、ロボットをダンスさせるトレーニングよりもはるかに困難です。 個々のタスクを超えた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。彼らは幅広いタスクを実行でき、仕事中に簡単に学習できます。これまでのところ、AIロボットモデルに同じ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工学のデモンストレーションは、人間が数分以内で完了するタスクを伴います。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。「車のエンジンを再構築する」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。ロボットにこのような長時間のプロジェクトを完了するようにトレーニングするには、短いタスクでは不要なスキル、例えば、すでに完了したことを追跡する能力を構築する必要があります。 さらに、ロボットを実際の展開で試す際に明らかになる、多くの実用的で経済的および安全上の懸念があります。ロボットは、故障せずに数時間稼働する必要があります。製造、トレーニング、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。 これらのすべての課題を克服するには、何年も、おそらく数十年かかるでしょう。ですから、はい、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。しかし、まだ長い道のりが残っています。 スポンサーメッセージ 80,000 HoursからAI時代のインパクトのあるキャリアについてのキャリアアドバイスを入手しましょう。 私たちは今日、80,000 Hoursのスポンサーでお届けしています。80,000 Hoursは、キャリアの初期段階にある専門家がキャリアを最大限に活かし、未来にポジティブな影響を与えるのを支援する非営利団体です。 彼らは、高度なAIがこの10年間を歴史上最も重要で挑戦的な移行の1つにする可能性があると考えており、才能のある人々はそれをうまく進めるために働くことで多くの善を行うことができると考えています。 彼らはUnderstanding AIの読者に価値のある多くのリソースを持っています。専門家との詳細なインタビューを含むポッドキャスト、多数のAI関連の求人がある求人ボード、さらには1対1のキャリアカウンセリングです。これらのリソースはすべて無料です。ぜひチェックしてみてください。 80,000 Hoursをチェックする 物体の操作は難しい ロボット工学における重要な課題は、外部の世界がロボットの潜在的な行動にどのように反応するかを予測することです。この点において、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（Bracket Bot CEOのBrian Machadoが私に語ったように）「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のが印象的ですが、ロボットがダンスしたりバク転したりすることは実際にはあまり役に立ちません。ほとんどの有用な作業は、ロボットの行動に応答して移動および変化する物体との相互作用を伴います。「ロボット工学における本当に、本当に中心的な未解決の問題であり、価値の90％以上を解き放つのは、操作です」と、ロボット工学スタートアップGenesis AIの社長であるTheophile Gervetは私に語りました。 物体を拾うことは、その位置を変えるだけでなく、その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応答します。枕、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Benjie Holson（元Google X、現OpenAI）は、ロボットが解決するために「最先端を押し上げる」必要があると彼が信じていた15の操作タスクのリストであるヒューマノイドオリンピックを発表しました。 リストのほとんどは、8歳の子どもが実行するには些細なことでした。タスクのうち3つ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。リストの中で人間が実行するのが最も難しいタスクはおそらくオレンジの皮をむくことでした。 タスクを実演するために、Holson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、彼が金メダルを獲得した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。 人間にとってはこれほど簡単なタスクであっても、スタートアップのPhysical Intelligenceが10のタスクを正常に実演したと発表したのは、3か月半後でしたが、印象的な成果でした。 ロボット企業が「最初の3か月でほぼすべてを実行した」というのは驚くべきことです、とHolsonはScientific Americanに語りました。 しかし、Physical Intelligenceのパフォーマンス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操作することでロボットにこれらのタスクを実行する方法を教え、モデルを微調整してタスクを完了できるようにしました。靴下を裏返すために、彼らは176の成功例、つまり約8時間のデータをトレーニングしました。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Holsonに「近所の食料品店はオレンジの売上増加に気づいたはずで、会社でマンダリンが本当に好きな一人はそれらにうんざりしていた」と語りました。 ロボットは、ほとんどすべてのタスクを人間よりも4倍から10倍長くかかりましたが、成功率はわずか52％でした！ これらはすべて、Physical Intelligenceを却下するためのものではありません。その結果は真の成果でした。しかし、これらのかなり単純なタスクでさえ、ロボットはまだ人間レベルのパフォーマンスにはほど遠いです。 そして、まだ見つけるのが簡単なタスクがあります