国産フィジカルAI、人の体験データ15分で作業成功率95%

人の固有感覚を学習データにする BodySharing® Physical AI

H2L

2026年10月14日 08時00分

独自の光学式筋変位センサを使い、素手の日常作業の動作や力加減（固有感覚）を学習する世界初のフィジカルAI ※

BodySharing® Physical AI 紹介動画より

紹介動画（10月14日8時公開予定）：https://youtu.be/r0qY0uBVVro

H2L株式会社（本社：東京都港区、代表取締役：玉城絵美、以下「H2L」）は、国産フィジカルAI「BodySharing® Physical AI」を発表します。BodySharing® Physical AIは、人の姿勢や動き、力加減などの固有感覚データを少量のトークンとして学習に用います。このデータからロボットの動作と力加減を含む制御信号を生成し、その信号でロボットを自律制御するフィジカルAIです。キューブとタオルの運搬整理を行う社内評価では、人の体験データ15分を学習に用いた条件で作業成功率95%、22分を用いた条件で99%を達成しました。各条件で100回の試行を行った結果です。両条件は参加者の構成と実演方法が異なるため、時間の長さだけで成功率を比較したものではありません。

筋変位センサデバイス（FirstVR）を腕に巻き、スマートフォンまたはPCのカメラを設置して専用アプリを起動するだけで、フィジカルAIの学習が始まります。

開発の背景

ロボットが日常の作業を担うには、物を動かす手順に加え、対象に応じた力加減を学ぶ必要があります。H2Lは、人の固有感覚（姿勢や動きなどの動作、重さや抵抗などの力加減）を、フィジカルAIの学習データにします。作業者の動作と力加減をデータ化し、日本の産業現場に蓄積された熟練技能の継承と作業の自動化に活用します。

素手での作業を記録する筋変位センサ

H2Lの光学式筋変位センサは、筋肉の膨らみを光学的に読み取り、その変化から力加減を推定します。姿勢と動作は別途取得したデータを併用し、力加減と組み合わせて学習に用います。作業者はセンサを装着し、素手のままで物を扱えます。電気的ノイズや水によるノイズに強く、日常環境や水場でのデータ取得に活用できます。利用にあたっては、機器の仕様に適した装着方法と使用環境で運用します。

筋肉の膨らみを読み取る光学式筋変位センサ

水場での作業データの取得

H2Lは2012年の創業以来、固有感覚のデジタル化に取り組んできました。2018年には筋変位センサを搭載した「FirstVR」の国内販売を開始し、身体情報の取得と分析に関する技術を蓄積しています。

制御信号の生成と自律制御

人の動作と力加減を含む体験データを学習に用い、ロボットの動作と力加減を含む制御信号を生成します。その信号でロボットの自律制御を実現します。

人の体験データからロボットの自律制御までの流れ

実機による社内評価

双腕ロボットSciurus17を用い、キューブとタオルの運搬整理を評価しました。人が素手で実演した際の体験データを用い、約5,200万パラメータの制御モデルを学習させました。

体験データの合計時間	データの構成	作業成功率
15分	3名がそれぞれ5分間実演	95%
22分	11名がそれぞれ1分間を2回実演	99%

上記の時間は学習に用いた体験データの合計時間であり、計算に要した時間ではありません。条件ごとに参加者の構成と実演方法が異なります。結果は本評価の環境と作業におけるものであり、別の作業や環境で同じ成功率を保証するものではありません。

実証済み機種と対応機種の拡大

xArm7とSciurus17は、BodySharing® Physical AIによる実証済みの機種です。

今後は、6自由度以上でグリッパを備えた単腕ロボットや双腕ロボットへ、対応機種を順次拡大する予定です。

企業での活用と導入相談

BodySharing® Physical AIのビジネス導入に関するご相談を受け付けます。現場での作業データの取得、専用フィジカルAIの構築、ロボットへの接続について、対象作業と利用環境に応じた導入方法をご相談いただけます。

ブラウザで利用するシミュレータは公開に向けて準備を進めています。提供時期、対象機能、対応ロボットなどの詳細は、決まり次第ご案内します。

国内産業を起点とする応用分野

想定する応用先は、製造現場の熟練技能の継承、物流や小売のバックヤード作業、家庭内の片付け支援などです。動きと力加減を組み合わせた体験データを活用し、硬さや扱い方の異なる物を操作するロボットの開発に取り組みます。

H2Lは、身体情報をデジタル化して共有するBodySharing®技術の研究開発を進めています。ロボット制御に加え、スポーツや製造などの技能継承にも体験データを活用します。今後は、収集した固有感覚データを基盤とする大規模感覚モデル「LSM（Large Sensation Model）」の構築を目指します。