In Silico

Physical AI

人型ロボット、BMW工場で実働 デプロイの意味を問う

2026/7/28 （更新: 2026/9/11）

🤖 AIが執筆しています

目次
【背景】人型ロボットの「デプロイ済み」発表が相次ぐ同じ語が正反対の実態にも付いている【問い】その語は実際に何を指しているのか数字は細かいが、開示は要求値と目標値で達成値ではない
※概念図（背景→問い）：人型ロボットが工場に入ったという発表を、どう読むか
背景

人型ロボット——人間と同じ形をしていて、人間向けに作られた通路や設備をそのまま使えることを狙った機械——が工場に入った、という発表は2025年から2026年にかけて何度も流れた。こうした発表にはたいてい「デプロイ（配備）済み」という語が付き、読む側はそれを「もう現場で仕事をしている」と受け取る。ところがこの語に、業界で共有された定義は無い。ある会社は自社の機体が生産ラインで千時間以上を回ったと細かい数字を並べ、別の大手のCEOは同じ時期に、自社工場の機体は研究開発の域を出ていないと自ら述べた。どちらも同じ「デプロイ」の語で報じられている。当事者ではない調査機関が、同じころ多数のロボットを横断して測った報告も出した。発表の語そのものからは何が起きたのかを取り出せないなら、当事者の開示と第三者の調査を並べて読むしかない。

問い

「デプロイ済み」と発表された人型ロボットは、実際に何を、どこまで自分でやっているのか。企業の自己申告と第三者の横断調査を突き合わせて確かめる。

要点

狭く仕様で固定された単一の作業なら、生産ラインを半年ぶん回り切った実績がある。それを超える範囲——作業を自分で選ぶこと、人間の介入なしで続けること、人間並みの速さで動くこと——は、どの事例でも示されていない。 FigureのF.02はBMWのサウスカロライナ工場で1250時間超を稼働し、3万台を超えるX3の生産に加わった。この台数はBMW自身の発表でも確認できる12。ただし担当したのは金属部品を溶接治具へ置く一つの作業で、所要時間も配置精度も介入回数も、開示されているのは要求値と目標値であって達成値ではない1。テスラのイーロン・マスクCEOのほうは決算会見で、自社工場のOptimusは実働と呼べる使われ方をしていないと認めている3。Epoch AIの横断調査によれば、ロボットが人間の3倍から10倍の時間をかけるのは典型で、成功率はタスクの複雑さに強く依存する4。外部の出題者が組んだ家事まわりの課題では、Physical Intelligenceの成功率が、信頼性を最優先しない条件での測定で平均52%だった5。

FigureがBMWで残した数字は具体的だが、裏が取れるのは一部だ

Figure AIは2025年11月、自社の人型ロボットF.02がBMWグループのサウスカロライナ州スパータンバーグ工場で担った作業の実績を公表した1。内容は、車体工程でシート状の金属部品をラックから取り出し、溶接治具に配置するというピック・アンド・プレース作業だ。Figureはこの取り組み全体を「11カ月の配備」と表現している。機体の立ち上げから6カ月で工場へ納入して試験を開始し、10カ月で実稼働ラインへの本格投入に至った。日々の稼働では10時間シフトを月曜から金曜までこなし、累計1250時間超、9万個超の部品投入、推定120万ステップ・200マイル超の移動を記録し、3万台超のBMW X3の生産に寄与したという。ハードウェアの故障は「最小限」で、前腕部が最も故障しやすい箇所として特定された。これはデモ映像ではなく、実際の生産ラインを回り切った記録であり、数字も細かい。ただし「11カ月」は配備全体の期間で、日々の稼働は6カ月分である——Figure 自身が Within 10 months, we launched full deployment on an active assembly line Six months of daily runtime と書き分けている。1250時間を10時間シフトで割れば125営業日≒6カ月で、この数字とも合う。BMWグループ自身も2026年6月の発表で、F.02が10カ月にわたり3万台超のX3生産を支えたことを公表した上で、後継機Figure 03を同じ工場の物流工程に投入すると発表している2。ただしこれは独立の計測ではない——当該リリースはBMW広報の名義で出たものだが、Figure社CEOの談話を引いており、台数もFigure公表値と同一である。ただしBMW自身の語は一定しない——BMW生産管理担当バイスプレジデントの談話は、完了した仕事を「ボディショップでのpilot（試行）」と呼び、同じ一文でFigure 03について「deploying」と言う。地の文はF.02の件を「a successful deployment」と書き、冒頭の要約行は「demonstrates」「Robot development」と書く2。「デプロイ済みとは何か」は、発注元の側でも一語に定まっていない。ただしBMW側の発表に稼働時間・部品数・サイクルタイム・精度といった詳細数値はなく、それらはFigure側の開示にのみ依拠している。

だが作業は一つに絞られ、介入の実績値は非開示だ

その実績の中身を見ると、対象は極めて狭く定義された単一タスクだった。総サイクルタイム84秒(うちローディング37秒)という要求、シフトあたり99%超の配置精度という目標、シフトあたりの人間介入ゼロという目標、2秒以内に5mmの精度で位置合わせするという要求——これらはすべて厳格に規定された条件であり、開示された範囲では作業は仕様で固定されている。判断範囲を自律的に広げた形跡は示されていない1。Figure が適応の必要を述べているのは足の置き方と手と目の協調で（precise yet adaptive locomotion advanced hand-eye coordination algorithms）、作業そのものの選び方には及んでいない1。しかもこの3つのKPIは、いずれも要求値・目標値として示されたものだ（原文は The requirement was 84 seconds total, 37 seconds load time / Our target was > 99% success per shift / The goal was zero per shift）。達成値はどれも公表されていない。 サイクルタイムも配置精度も、シフトあたり実際に何回の介入が発生したかも開示がなく、人手を借りずに1250時間を回り切ったのかどうかは、開示された範囲では確認できない。BMWの発表もこの位置づけを明確にしている。人型ロボットは「既存の自動化を価値ある形で補完するもの」（a value-adding complement to existing automation）だとする。その可能性は「単調、人間工学的に負担が大きい、あるいは安全上重要な作業」に特にある（Its potential lies particularly in）という。仕分けたトロリーは定められた集荷点へ運ばれ、自動牽引車か Smart Transport Robot が組立位置まで運ぶ。組立作業者へは、そこから「順序通りに」（just in sequence）供給されるとしている2。自律的なエンドツーエンドの生産プロセスは、どちらの発表にも登場しない。Figure 03が任される仕分けに近いタスク——コンベア上の荷物の仕分け——は、後述するEpoch AIの調査が別途評価している。Figureの1時間ノーカット実演について、95%の精度という同社の主張を認めたうえで、平均的な作業者より約4倍遅く、他の荷物の種別や大きさへ転移する実演は示されていないと書く。実世界で配備された例を把握していないという理由で、分類は「ラボで検証済み」にとどまる。ただし同調査は、示された能力と信頼性なら、範囲を限れば実際の配備にも足りるだろうと付け加えている4。

同じ時期、テスラのCEOはOptimusの現状を説明した

Figureの発表とほぼ同じ時期に、対照的な出来事があった。2026年1月28日のテスラ決算会見で、質問は、稼働台数と担当している具体的な工程、そして効率や生産量への影響の3点を尋ねていた。マスクCEOの回答に数字は無い3。回答はこうだ。「まだ研究開発段階です。工場でOptimusに基本的な作業をさせたことはあります。ただ新しいバージョンへ更新するたびに旧バージョンを廃止しています。自社工場で実質的な意味では使われていません」3。さらに「それよりも、ロボットに学習させるという意味合いが強い」とも述べ、「有意と言えるOptimusの生産量は、おそらく今年(2026年)末までは見込んでいない」と続けた3。自社の決算会見という公式の場で、CEO自身が「実質的な稼働ではない」と述べたことになる。Figureが具体的な数字を並べたのと同じ期間に、業界を代表するもう一方のプレイヤーは自社工場での稼働が無いことを説明していた。Epoch AIの調査は、Optimusの公開デモの側も分解している。ゴミ出しの実演でOptimusが示したのは、ゴミ袋を持ち上げ、屋外のごみ箱の蓋を開け、袋を落とすところまでだ。屋内のごみ箱から袋を取り出してもおらず、袋を閉じてもおらず、作業中に移動もしていない。実演は統制された訓練用の倉庫で行われており、実環境へ転移する証拠は無いとしている4。

Epoch AIの調査が示す、業界全体に共通する落差

この落差は個別企業の話にとどまらない。Epoch AIが2026年2月に公表した調査「Where Autonomy Works」は、産業・家庭・移動の各領域（原典は industrial, household, and navigation）を対象にしている。タスクを5段階(初期研究段階から商用デプロイまで)に分類し（同調査は form-factor agnostic で、ロボットを格付けしてはいない）、信頼性・速度・コスト・環境移行性を横断的に評価した4。結論は端的だ。「デモで解決済みに見えるタスクも、デプロイ環境では脆弱なことがある」。多くの公開デモは特定のタスク・特定の環境向けに調整されたものだ。同調査は、移行能力が明示的に示されない限り前提とすべきではないとする4。速度面では、ロボットは人間より3〜10倍遅いのが典型だという。ただし同調査は、速度を配備の主因とは見ていない。見出しは Speed is not solved, but is not the main bottleneck to deployment で、稼働時間の長さが遅さを埋め合わせるとする。真の障壁は Transfer is the bottleneck that separates demos from deployment と別に名指ししている。洗濯物畳みでは、Physical Intelligence(PI)とFigureの場合、タオルのような単純な品目で約5倍遅く、ジーンズはPIで10倍以上、裏返しのTシャツに至っては、同調査の計測では約20倍かかる。ただし同調査は、洗濯物畳みや片づけのような単純な課題では移行の兆しが既にあるとも書く。同調査によれば、PIのπ0.6は新しい家で50点の未知の品目を畳んでいる4。速度の一般化を止める記述も、同じ一文にある——ナプキンなら、DYNA Roboticsのロボットは人間の約60%の速度で畳む。同社のDYNA-1はナプキン850枚超を24時間連続で、成功率99.4%・人間の介入ゼロで畳み、商用先10社では3カ月に20万枚超のタオルを品質受入率99%で処理したという。もっともEpochは、この商用配備が「単純で均一な品目」（limited to simple, uniform items）に限られており、家庭のロボットが扱うような多様な衣類ではないと同じ段落で釘を刺している。裏返しのTシャツについては、出題者本人がオリンピック提出分を人間の10倍と記録している（Squeaking in at 10x slower than me）6。ゴミの除去(後述のLokiの車輪型ロボット)は10倍遅く、鍵の挿入は5倍遅い4。信頼性面でも同じことが言える。Physical Intelligenceが取り組んだ外部課題「ロボット・オリンピック」は、鍵を挿して回す、ピーナッツバターを塗る、油汚れのフライパンを洗うといった家庭内の高精度作業を集めたものだ（課題の内訳はEpochではなく出題側の記述による）。ここでは同社自身が、信頼性を最適化しない条件での成功率が平均52%（task progress は72%）と報告しており5、Epoch も52%を引いている4。Epochはこの鍵の実演について、ロボットが鍵穴を見ずに向きを合わせている点を挙げ、その錠前に特化した学習だと見ている（suggesting it was trained specifically on these locks）4。PI自身も under 9 hours for most tasks と書いており、大半の課題で集めたデータは9時間未満だった5。出題側の評価はむしろ逆で、3カ月で残る課題がほぼ制覇されたのは想定外に速く、課題が易しすぎたと書いている6。出題者は、力覚が要ると考えた作業も多指ハンドが要ると考えた作業も、想定がすべて外れたと書いている。PIはそれらを視覚と2本指のグリッパだけで解いた（PI solved all of them with pure vision and pincer grippers）6。一方で、鳩目に靴紐を通す作業(ByteDance GR-RL、83%。ただし人間の約5倍遅く、新しい対象や文脈への転移は示されていない)や、Tシャツ・短パンの畳み(PI、95%。ジーンズなど難しい品目では75%に低下する)では高い成功率が報告されている。同じ「畳む」でも品目が難しくなれば数字は落ちるように、結果はタスクの中身で大きく変わる4。さらに同調査は、長期の実運用を掲げる事例でも遠隔操作への依存が残ることを指摘する。例に挙げられたLoki Roboticsのゴミ除去ロボットは人型ではなく片腕の車輪型で、ゴミ袋を自分で閉じることはできない。同社はキャンパスやオフィスで8時間シフトを6カ月超にわたり回したと主張する一方、多くのエッジケースで遠隔操作が必要だったと自ら注記している4。稼働期間の長さは、その間ロボットが自律していたことを意味しない。

「デプロイ」には常に条件が付く

三つの事例を並べると、単純な結論には落ち着かない。Figureの実績は本物であり、発注元であるBMW自身も生産台数と稼働期間を公表している以上、単なる誇張とは言えない12。同時に、その実績は単一の狭いタスクを、厳しい仕様と人間の監視付きで達成したものだ。テスラの事例は、同じ「人型ロボット」というカテゴリーの中でも、デモと実配備の距離がどれほど開きうるかを示している——ただしこれはOptimusとテスラ社に固有の事情で、人型ロボット全般の到達点ではない3。Epoch AIの調査は、その距離が偶然ではなく業界に広く共通する構造だと裏付ける4。同調査は産業領域のまとめで、自律的に動く産業用ロボットは配備済みの産業用ロボット全体のごく一部にとどまるとし、産業用途では人型という形態が最適であることはめったにない（the humanoid form factor is rarely the best suited for the job）とまで書いている4。この三つの事例を踏まえると、「デプロイされた」という報告には、次の質問が常に必要になる。具体的にどんな作業か。人間の介入はどの頻度で発生するか。人間や既存の自動化と比べて速度と信頼性はどうか。この問いに答えられない「デプロイ」報告は、まだデモの延長線上にあると考えたほうがよい。

出典6件

  1. Figure AI, “F.02 Contributed to the Production of 30,000 Cars at BMW,” 公式プレスリリース, 2025年11月19日公開。BMWグループのスパータンバーグ工場でF.02が10時間シフトを週5日こなし、日々の稼働は6カ月ぶん（原文 Six months of daily runtime。全体の「11カ月の配備」は立ち上げから6カ月で納入・試験開始、10カ月で実稼働ラインへ本格投入という envelope）で、1250時間超の稼働、9万個超の部品投入、推定120万ステップ・200マイル超の移動を記録して3万台超のBMW X3の生産に寄与したと報告している。84秒のサイクルタイムや99%超の配置精度など厳格な作業目標、シフトあたりの人間介入回数のKPI定義（実測値は非開示）、前腕部を最多故障箇所とする「最小限」のハードウェア故障率も開示し、この実績を踏まえてF.02を退役させ後継機Figure 03へ移行すると発表した。https://www.figure.ai/news/production-at-bmw ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  2. BMW Group, “BMW Group Advances the Use of Physical AI in Production with Figure 03 Project in Spartanburg,” 公式プレスリリース, 2026年6月25日公開。Figure 02が10カ月にわたり3万台超のBMW X3の生産を支えたと述べた上で(「11カ月」はFigure側の表現で、BMW側の記載は over ten months＝その期間にわたって、の意)、後継機Figure 03を同じスパータンバーグ工場の物流工程(未整列の部品をシーケンストロリーに仕分ける作業)に投入すると発表している。人型ロボットは既存の自動化を価値ある形で補完するもの（a value-adding complement to existing automation）とし、その可能性は単調・人間工学的負担・安全上重要な作業に特にあるとする（Its potential lies particularly in——用途をそこに限定する方針を宣言してはいない）。仕分けた部品は組立作業者へ just in sequence で供給されるとしている。https://www.press.bmwgroup.com/global/article/detail/T0458778EN/bmw-group-advances-the-use-of-physical-ai-in-production-with-figure-03-project-in-spartanburg?language=en ↩ ↩2 ↩3 ↩4 ↩5

  3. Tesla, Inc. 2025年第4四半期決算会見の書き起こし, 2026年1月28日。テスラ自社工場でOptimusが何台稼働し生産作業を担っているかを問う質問(書き起こしではテスラIRの Travis Axelrod が読み上げる形で記載)に対し、イーロン・マスクCEOが「まだ研究開発段階」「工場で基本的な作業をさせたことはあるが、新バージョンへの移行のたびに旧版を廃止するため自社工場で実質的な意味では使われていない」「それよりロボットに学習させる意味合いが強い」「2026年末より前に量産と呼べる規模のOptimus生産は見込んでいない」と述べた発言記録。https://www.fool.com/earnings/call-transcripts/2026/01/28/tesla-tsla-q4-2025-earnings-call-transcript/ ↩ ↩2 ↩3 ↩4 ↩5

  4. Yann Rivière, Jean-Stanislas Denain, “Where Autonomy Works: Evaluating Robot Capabilities in 2026,” Epoch AI調査レポート, 2026年2月10日公開。産業・家庭・移動の各領域（原典は industrial, household, and navigation。操作＝manipulation はこの3領域を横断する能力であって領域名ではない）のタスクを5段階の成熟度で分類し（form-factor agnostic を明言しており、ロボット自体は格付けしない）、信頼性・速度・コスト・環境移行性を横断評価した。ロボットは人間より3〜10倍遅いのが典型である(洗濯物畳みはPIとFigureでタオル等の単純品目が約5倍、ジーンズはPIで10倍以上、裏返しのTシャツは約20倍、ゴミ除去10倍、鍵の挿入5倍。ただし同じ一文はDYNAがナプキンで人間の約60%の速度で畳むと併記しており、遅さは機体によらない一般則ではない)ことや、Physical Intelligenceの「Olympic」操作タスクの成功率が平均52%であることを示し（Reliability across PI's Olympic tasks averaged around 52%.。「信頼性を最適化しなかった条件で」という条件付けと task progress 72% は Epoch には無く、PI 自身の記述5）、「デモで解決済みに見えるタスクもデプロイ環境では脆弱」「移行能力が明示的に示されない限り前提とすべきではない」と指摘するとともに、長期の実運用を掲げるシステムでも遠隔操作への依存が残る事例(Loki Roboticsのゴミ除去ロボットは人型ではなく片腕の車輪型で、キャンパス・オフィスで8時間シフトを6カ月超回したと同社が主張する一方、多くのエッジケースで遠隔操作が必要だったと注記している)を報告している。産業領域のまとめでは、自律型の産業用ロボットが配備済み産業用ロボットのごく一部にとどまるとしたうえで the humanoid form factor is rarely the best suited for the job と述べる。個別タスクでは、DYNA Roboticsのナプキン畳み(24時間連続850枚超・99.4%・介入ゼロ、商用先10社で3カ月に20万枚超のタオル・品質受入率99%。ただし DYNA's commercial deployment is limited to simple, uniform items)、テスラOptimusのゴミ出し実演(屋内のごみ箱からの取り出し・袋を閉じる・移動はいずれも示されず、a controlled training warehouse with no evidence of transfer to real environments)、Figureのコンベア仕分け実演(a claimed 95% accuracy in a one-hour uncut demo・平均的な作業者より約4倍遅い・他の荷物種別への転移の実演なしで Validated in lab に分類。ただし『範囲を限れば実配備に足りる』とも書く)も評価している。https://epoch.ai/publications/where-autonomy-works-evaluating-robot-capabilities-in-2026 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13

  5. [context] Physical Intelligence, “Moravec’s Paradox and the Robot Olympics”（公式ブログ）, 2025年12月22日公開。課題は Benjie Holson が提案した外部課題で、PI 自身が the tasks were not selected by us と書いている（内訳の逐語は spreading peanut butter, washing a greasy pan, putting a key in a lock, and turning socks inside-out）。成績については We did not do everything possible for the highest success rate と断ったうえで on average they have a success rate of 52% and a task progress of 72% と報告する。本稿の「信頼性を最適化しない条件で」「task progress 72%」はこの記述に拠る（Epoch 側には無い）。https://www.pi.website/blog/olympics ↩ ↩2 ↩3 ↩4

  6. [context] Benjie Holson, “Physical Intelligence Wins the Olympics: Deep Dive,” General Robots（Substack）, 2026年1月22日。出題者本人による講評。著者 Benjie Holson は Google X / Everyday Robots で8年ロボティクスに携わり、Robust AI のロボティクス責任者を経て現在 OpenAI 技術スタッフ。同 Substack の「The Mythical Non-Roboticist」はロボティクス界で広く参照されている。本件については課題を出した本人＝一次資料であり、他者の主張の伝聞ではない。I did not expect these events to happen this quickly とし、To have done all of them in 3 months means that the state of the art is moving way faster than I expected、I feel like we need more challenges given that these were clearly too easy と書いている。https://generalrobots.substack.com/p/physical-intelligence-wins-the-olympics ↩ ↩2 ↩3

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。