記事一覧へ戻る
ロボティクス・フィジカルAI

テスラの人型ロボット、量産と従業員の反発に直面

読了目安 3 分

導入

テスラは電気自動車だけでなく、人型ロボット「Optimus」を将来の中核事業にしようとしている。人工知能を現実の作業へ広げる構想だが、量産化への道のりは容易ではない。ロボットを試作して動かすことと、複雑な機械を安定して大量生産することの間には、大きな隔たりがあるからだ。

Ars Technicaが紹介したThe Informationの報道によると、最新世代のOptimus V3では、部品の位置合わせ、生産ラインの速度、触覚センサー、作業データの収集などに問題が生じている。テスラはフリーモント工場で、自動車関連の一部従業員と技術者をOptimusに移したとされる。生産量は現在、週数百台まで増えた一方、2026年末には週1000台を超える水準を目標にしている。

主なポイント

  • 器用な手が製造上の難所になっている。 Optimusの手と前腕には、ねじを含む100個を超える小さな部品があり、人間による手作業の組み立てが必要だという。完成直後に修理を要するロボットもあり、設計と製造工程がまだ安定していない可能性がある。
  • 触覚センサーにも課題がある。 手のセンサーの信頼性が十分でないため、テスラはロボットの手全体を交換せずに済む、手袋のような交換式センサー層を開発したと報じられている。
  • 汎用性はまだ限定的だ。 現時点のOptimusは、さまざまな状況へ自律的に適応するというより、管理された環境で特定作業を行うようプログラムされている段階だとされる。
  • 学習データが労働問題を生んでいる。 テスラはカリフォルニアとテキサスの工場で、従業員に特殊なスーツを着てもらい、作業中の動きを記録して模倣学習に使おうとした。一部の従業員は、ロボットが将来、自分たちの仕事を奪うと考えて反発した。その後、専任チームや訓練拠点に役割を移したとされる。
  • 競争と供給網も重い課題だ。 テスラはロボット部品の一部で中国のサプライヤーに依存していると報じられている。米国、中国、日本、韓国の自動車メーカーやロボット企業も、人型ロボットの開発と導入を進めている。

意味と影響

人型ロボットの課題は、AIモデルの性能だけでは解決できない。壊れにくい手を作り、センサーを安定させ、精度を保ったまま生産速度を上げなければならない。さらに、実際の職場で人間と安全に協働し、長期間にわたりコストに見合う成果を出す必要がある。

テスラにとって生産台数の拡大は、実環境のデータを集め、単位コストを下げ、ビジネスモデルを検証する機会になり得る。しかし同時に、品質管理、従業員との関係、国際的な供給網への依存も拡大させる。重要なのは、週当たりの生産目標を達成できるかだけではない。Optimusが限定的な作業用の機械から、安全で信頼でき、経済的価値を生む職場のシステムへ進めるかどうかである。

出典:Ars Technica AI

コメント

ログイン状態を確認中…

コメントを読み込み中…

関連記事

CCTest · Blog
ロボットを世界の中で学習させるRoboScript、重み更新なしで操作技能を適応
ロボティクス・フィジカルAI
cctest.ai

ロボットを世界の中で学習させるRoboScript、重み更新なしで操作技能を適応

RoboScriptは、凍結したモデルにシミュレーション内で操作タスクを反復練習させ、得られたフィードバックを重みではなくコンテキストへ保存する「World In-Context Learning」を提案します。RoboTwin 2.0の50タスクで、各タスク1回のデモンストレーションにより83.4%の平均成功率を報告しました。

続きを読む
CCTest · Blog
LingBot-Touch、異種触覚センサーをつなぐロボット向け基盤モデル
ロボティクス・フィジカルAI
cctest.ai

LingBot-Touch、異種触覚センサーをつなぐロボット向け基盤モデル

Robbyantは、圧抵抗式、磁気式、視覚触覚センサーにまたがる表現を学習するLingBot-Touchを提案した。生成された触覚トークンは、拡散ポリシーやVLAモデルに組み込めるという。

続きを読む
CCTest · Blog
A²-MEASが示す、失敗から立て直すロボット制御
ロボティクス・フィジカルAI
cctest.ai

A²-MEASが示す、失敗から立て直すロボット制御

A²-MEASは、ロボットの失敗からの復旧を独立した機能として扱い、診断、空間的な証拠、実行履歴、次の行動案を学習可能な訂正コードにまとめます。これにより、ポリシー全体を再学習せずに次の動作を調整できます。

続きを読む