衣類折り畳みAIロボが実用域に到達

研究の概要

サンクトペテルブルク工科大学の研究者イリア・ラルチェンコ氏は、ICRA 2026のロボット競技「LeHomeチャレンジ」において、衣類の両手折り畳みタスクをAIで自動化するシステムを開発した。オンライン（シミュレーション）部門で62チーム中1位、実機を用いたオフライン決勝でも2位の成績を収めた。

本システムの核心は、**視覚・言語・動作モデル（VLA）**と強化学習（RL）を組み合わせた制御方式にある。同一のニューラルネットワークが動作予測と同時に「タスク達成確率」「進捗度」「将来状態」を推定し、その予測値をリアルタイムの失敗検知や行動候補の選択に活用する。従来は別々のモジュールが担っていた評価と制御を一体化したことで、推論の高速化と精度向上を両立している。

さらに、シミュレーション環境から実機への転用（Sim-to-Real）を支援する独自手法も実装した。カメラ映像の位置合わせツール、画像の大規模な拡張処理、そして人間のオペレーターが実機操作を通じてデータを追加収集するDAgger方式のヒューマン・イン・ザ・ループ（HIL）収集パイプラインを組み合わせることで、仮想環境で学習したポリシーを実際の物理環境でも高い精度で機能させることに成功した。

ビジネスへの示唆

本研究が示す技術的到達点は、複数の産業セクターに対して具体的な経営インパクトをもたらしうる。

アパレル・繊維業界では、検品・出荷前の折り畳み・梱包工程が最も労働集約的な工程の一つである。国内大手アパレルの物流センターでは、繁忙期に大量の季節雇用を確保することがOPEX（営業費用）圧迫の主因となっている。本システムのような両手協調ロボットが導入可能な精度水準に達したことで、折り畳み工程の自動化による人件費削減率や1時間あたりの処理枚数（スループット）改善が現実的なKPIとして設定できる段階に入りつつある。

EC・3PLロジスティクス企業にとっては、返品処理の自動化が直接的な恩恵となる。衣類の返品品は状態が不均一であり、自動仕分けと再梱包の両立が難しかった。進捗度と達成確率をリアルタイムで推定する本手法は、処理中断の自動判定にも応用でき、作業員への依存度を下げながら返品処理のリードタイムを短縮できる可能性がある。

影響を受ける主要な部門とKPIは以下の通りである。

• 製造・物流部門：折り畳み工程の自動化率、1時間あたり処理点数
• 人事・労務部門：季節雇用コスト、作業関連の労働災害件数
• 品質管理部門：折り畳み品質の均一性スコア、出荷前不良検出率

今後の展望

本手法の商業化に向けた課題は依然として残る。実機での最終成績が2位にとどまった点は、Sim-to-Realのギャップが完全には解消されていないことを示唆している。素材の多様性（ニット、デニム、シルク等）や折り畳みパターンの複雑さへの対応は、汎用導入に向けた次の検証事項となる。

一方、学習済みモデルの配布にHuggingFace Hubを活用した非同期分散トレーニング基盤は、企業が自社データで追加学習（ファインチューニング）を行うコストを大幅に低減する可能性を持つ。推論時のハイパーパラメータ自動最適化にトンプソンサンプリングを採用した点も、現場環境の変化に柔軟に対応できる実用的な設計として評価できる。

ロボットアームの低価格化とVLAモデルの汎用化が進む中、本研究が示した「既存RLアイデアの工学的統合」というアプローチは、特定用途向けロボットのPOC（概念実証）期間を短縮する方法論として、製造業のDX推進部門が注目すべき成果である。