AI×製造2026年10月15日読了約5分

装着型機器で人の作業100時間を記録

保存

視線映像・全身動作・指の動き・触覚を同時に記録した100時間のデータセット「EgoExplorer」が公開された。人型ロボットに現場作業を教えるための基盤となり得る。

研究の概要

Yunsong Zhou氏らの研究チームは、人間が歩きながら物を扱う動作、いわゆるロコ・マニピュレーションを記録した大規模データセット「EgoExplorer」を発表した。総量は100時間に及び、作業者の視点で撮影した映像に、再構成した全身の動き、指一本ずつの細かな関節運動、触覚の観測値を時間軸でそろえて収めている。各作業には手順単位の説明文も付く。収録は専門的な職業活動を重視している。

これまでのデータセットは、映像だけ、手の動きだけといった部分的な記録にとどまっていた。人型ロボットが人の作業を学ぶには、移動、姿勢、物との接触がどう連動して進むかを一続きで観察する必要がある。本研究はその空白を埋めることを狙う。

データ収集には軽量で持ち運べる装着型システムを用いる。研究室の外、すなわち多様な現場で撮るには、大がかりな設備を避ける必要があるためである。

しくみをやさしく

課題は、体に付けるセンサーが少ないと、全身の動きを正確に復元しにくい点にある。そこで研究チームは「Calibrate-Complete-Constrain」という三段階の処理手順を開発した。

第一の「較正」では、参加者の体格やセンサーの取り付け位置を事前に測り、再利用できる形で固定する。これにより、センサーのずれと実際の関節の動きを切り分けられる。服の上に付けた計器の位置ずれを、先に補正しておく作業に近い。

第二の「補完」では、時間的な事前知識、つまり人の動きが通常どう連続するかという統計的な傾向を使い、センサーで直接測れない関節の動きを埋める。

第三の「制約」では、層状の条件を課す。計測値との一致、時間方向のなめらかさ、幾何学的な整合性である。もっともらしい動きというだけでは、これらの性質は保証されないと研究チームは指摘する。

追跡装置で当てはめた基準データと比べると、体の各点の誤差は最も強い比較手法に対し71.9%減となった。同条件の評価では、手の安定性と接触推定にも改善がみられた。予備的な検討として、マルチモーダル生成や、シミュレーション上での人型ロボットへの動作転写と全身制御も試している。

ビジネスへの示唆

最も直接的に関わるのは、製造業の生産技術部門と、物流の現場改善部門である。たとえば組立ラインで熟練者が部品を運び、締め付け、確認する一連の作業は、現在は動画とマニュアルで新人に伝えられている。誰がどれだけ時間をかけて教えているか、自部署で振り返る価値がある。

本研究のデータは、映像では見えない指先の力加減や接触の感覚まで残せる。技能伝承の領域では、教育担当者の工数や新人の習熟までの期間、作業品質のばらつきといったKPIに効く可能性がある。

影響が見込まれる部署と指標は次のとおりである。

生産技術・保全：標準作業書の作成工数、不良率、手戻り件数
物流・倉庫：ピッキング作業の習熟期間、労災件数
医療・介護：手技の教育にかかる指導時間、ケアの品質のばらつき
ロボット開発：実演データの収集コスト、現場適応までの試行回数

自社に「勘とコツ」で回っている作業がないかを洗い出すことが、出発点になる。

現場での導入イメージ

仮に導入支援に入るなら、次の流れを想定する。

棚卸し：熟練者に依存し、教えにくい作業を部署ごとに可視化する。歩行を伴い、手で物を扱う工程を優先する。到達点は、記録する価値のある作業の候補一覧と、現在の教育負担の把握である。
差し込み先の設計：新しい仕組みを増やさず、既存の作業手順書や教育用の動画資料、社内の検索基盤に、記録データを紐づける形を優先する。到達点は、現行の教育フローを大きく変えずにデータを活用できる状態である。
小さく試す：一部署、数週間の範囲で、熟練者の作業を装着型機器で記録し、新人教育で試用する。評価は担当者の実感、たとえば説明の手間が減ったか、新人の迷いが減ったかで確かめる。到達点は、効果の有無を現場の言葉で判断できる状態である。
運用と横展開：記録の取り方や個人情報の扱いの基準を整え、他部署へ広げる。到達点は、作業の記録が継続的に蓄積され、教育とロボット活用の双方に使える状態である。

全体として目指すのは、熟練者の暗黙知が組織の資産として残り、人にもロボットにも伝えられる状態である。装着型で軽量という特性から、小さく、安く始められる余地がある。

今後の展望

本研究は予備的な検討の段階にあり、実際の人型ロボットでの動作は、シミュレーション上の確認にとどまる。誤差の評価も追跡装置による基準データとの比較であり、現場での実効性は今後の検証課題である。それでも、人の作業を多面的に記録する基盤が整うことで、ロボットへの技能移転は現実味を増す。企業にとっては、データ収集の体制づくりが先行投資の論点となろう。