Figure AIは先週、人型ロボットに過酷なテストを課した。72時間で8万8000個の荷物を仕分け、その様子をライブ配信するというものだ。同社のロボットはこれを達成したが、この実演は現実世界での導入を遅らせる可能性のある課題も浮き彫りにした。精度がまだ完璧ではないのだ。
72時間の仕分けマラソン
ライブ配信では、複数の人型ロボットが物流施設で24時間体制で作業する様子が映し出された。3日間で8万8000個の小包を処理し、1日あたり約2万9000個のペースに相当する。Figure AIはこのテストを、倉庫環境で自社のロボットが何を達成できるかを示すために設計した。倉庫では人手不足と電子商取引の増加により、事業者は自動化への圧力にさらされている。
荷物の仕分けは反復作業だが、単純ではない。ロボットは様々な形状やサイズの品物を識別し、把持し、損傷なく配置しなければならない。Figure AIの人型ロボットは処理量をこなしたが、同社は精度の問題が残っていることを認めた。ロボットは時折、誤仕分けや落下を起こし、こうしたエラーは商業環境では積み重なる。1%のミス率でも1シフトあたり数百個の誤配送につながる。
物流ロボットにとって精度が重要な理由
物流企業は薄利多売で運営されている。仕分けミスは、顧客に誤った商品が届いたり、返品が適切に処理されなかったり、出荷が遅延したりする原因となる。ロボットが商業的に成立するには、人間の精度に匹敵するか、それを上回る必要がある。多くの施設では人間の仕分け作業員は99.9%以上の精度を達成している。Figure AIはライブ配信での詳細なエラー率を公表していないが、同社自身が精度を課題として挙げたことから、数値がまだ目標に達していないことが示唆される。
これは人型ロボットに共通の課題だ。固定式の産業用アームとは異なり、人型ロボットは汎用機であり、空間を移動して様々な作業をこなすように設計されている。その代償として複雑さが増す。関節、センサー、ソフトウェア、故障箇所が多くなる。Figure AIのテストはロボットが高負荷に耐えられることを証明したが、何千回もの反復作業における一貫性は別の指標である。
商用展開への道
Figure AIは人型ロボット分野のリーダーとして、物流と倉庫の自動化に重点を置いてきた。72時間のライブ配信は広報的な試みだったが、現実世界でのストレステストとしても機能した。同社はおそらく、連続運用下での故障モード、復旧時間、システム信頼性に関するデータを収集した。これらはすべて、これらの機械の購入を検討する企業にとって極めて重要である。
潜在的な顧客は、発注前にエラー率の低下を確認したいと考えるだろう。72時間で8万8000個の荷物を仕分けるロボットは印象的だが、そのうち500個を誤仕分けするロボットは負債となる。Figure AIは商用出荷の開始時期やロボットの価格についてまだ発表していない。今回の実演で浮き彫りになった精度の問題は、パイロットプロジェクトが本格導入に至るか、それともデモのまま終わるかを左右する細部である。
現時点では、同社はロボットが長時間稼働できることを示した。問題は、それが十分に正確に行えるかどうかである。
