フィジカルAI

富士通が目指すフィジカルAI

ロボットと人が協働する環境において、その空間全体で起こっている様々な活動と、各ロボットの行動、これら双方のデータを連携させて分析・活用することで、ロボットが自律的に行動していくことを可能にするプラットフォーム「Fujitsu Kozuchi Physical OS」を開発しています。クラウドからエッジまで一貫した基盤上で、信頼性・安全性を確保するとともに、データ主権やガバナンスに対応します。
富士通は、製造・物流・建設・インフラ・医療など、さまざまな現場における業務の自動化・最適化を実現する「Fujitsu Kozuchi Physical OS」で、人とロボットが安心して協働できる持続可能な社会基盤の構築に貢献していきます。

Fujitsu Kozuchi Physical OSに搭載する技術

Fujitsu Kozuchi Physical OSでは、過去の行動経験や人の動きの模倣をもとにロボットのタスクへの適応力を高める行動知能と、ロボットが活動する実環境の情報をロボットが利用可能な形で提供する空間知能の両面で、業務指示に従って複数のロボットやシステムの協調を可能にします。

富士通の技術プラットフォームの構成図で、IT、AI、脳、環境の各機能と、ロボットの連携が示されている。

フィジカルAI研究戦略

【行動知能】
模倣学習：疑似力触覚模倣学習技術

ロボットにも搭載されているモーターの負荷(電流値)から人の”手探り”を再現する疑似力触覚模倣学習技術です。
これまでのロボットは「見る」ことには強い一方で、力加減のような見えない情報が分からないため、部品を壊したり、微妙な調整が必要な作業が苦手でした。そこで我々が開発したのが、ロボット自身が持つモーターの電流値を使い、“擬似的な力触覚”を再現する技術です。物に触れたり押したりすると、モーターの電流が微妙に変化します。この変化をAIで読み取ることで、専用センサーを使わずに、「どれくらい力を入れているか」を理解できるようになります。

ロボットが部品取り出し、ケーブル接続、積み上げ、重量物運搬を行う様子を示す四つの事例。

「手探り」するロボット：視覚と擬似力触覚を組み合わせた模倣学習

Sim2Real：自身が置かれている状況を類推するSim2Real適応制御

AIは、学習された範囲内でしかうまく機能しないという課題があります。シミュレータと現実世界にはギャップ（Sim2Realギャップ）があるため、シミュレータのみで訓練されたAIロボットは、実世界で動作させてもうまく動かないことが多いです。
従来のロボット開発では、ロボットが動作しやすいように実環境を整頓したり、高精度なシミュレーターを構築したり、実世界のデータで訓練したりと、非常にコストと手間がかかるアプローチが取られてきました。Sim2Real適応制御では、AIロボットが「自分の状態と周辺の状況」をリアルタイムに推定し、「変化していく状況に適応する」、そして「複数のタスクのバランスを調整する」ことで、ロボットにとって新しい状況にも柔軟に対応していきます。

仮想空間でロボットが修行！？シミュレーションと実世界のギャップを埋めるSim-to-Real技術

【空間知能】　
空間ワールドモデル：空間内の人・ロボ・モノの相互作用をモデル化して未来の行動を想像

人が自由に動きまわるようなオフィスや商業施設では、人や物の動きが予測できず自立したロボットの自律的な行動が困難でした。そこで、空間に配置されたカメラとロボット搭載のカメラの情報を統合して、空間内の人・ロボット・モノの相互作用を表現する空間全体の3Dシーングラフを作成、それをもとに空間内の人・ロボ・モノの相互作用をモデル化して未来の行動を想像する空間World Modelを開発しました。これにより、自律ロボットの衝突事前回避や協調動作を実現できます。