HuRoC Human-Robot Commons
ニュースレター
LATEST
産業と実装

つかむ瞬間はVLA、置くのはティーチング。Forcesteedの「Agentic Robotics」はAIが工程ごとに手段を選んで組む

Forcesteed Roboticsが2026年10月29日、Physical AI OS「FOS」の新機能「Agentic Robotics」を開発したと発表した。ローカルAIエージェント「Forcesteed-Luqua」が言葉で伝えた作業を工程に分け、ティーチング・ルールベース・VLAから工程ごとに手段を選んで、ヒューマノイドコントローラ「Forcesteed-LEIVOR」のノードプログラムに組み立てる。現場で動くのは人が承認したプログラムで、作った動作は再利用できる資産として蓄積される。今後は社内とパートナー企業で実証を進める。

HuRoC 編集部
編集部 · HuRoC
7分

「柔軟物をつかみ、所定の位置に置く」。人なら一言で済む作業を、ロボットに任せるには何段もの準備が要る。対象を見つけ、近づき、つかみ、置き、うまく置けたかを確かめる。工程ごとに向いている技術も違う。

東京・江東区のForcesteed Robotics（フォースティード ロボティクス）は2026年10月29日、この切り分けと組み立てをAIエージェントに任せる機能「Agentic Robotics」を開発したと発表した。同社が10月1日に構想を公表したPhysical AI OS「Forcesteed OS “FOS”」の新機能という位置づけで、今後は社内とパートナー企業で実証を進める。

Agentic Roboticsのキービジュアル。中央にノードとロボットアームの画面、下に「組む」「確かめる」「直す」「動かす」「育てる」の5つの工程が並ぶ（株式会社Forcesteed Robotics）

1つのタスクの中で、手段を切り替える

仕組みの中心にいるのは、FOSのローカルAIエージェント「Forcesteed-Luqua」（ルクア）だ。人が言葉で伝えた作業を読み取って工程に分け、工程ごとにティーチング、ルールベース、VLA（画像と言語から動作を出すVision-Language-Actionモデル）などから手段を選ぶ。組み上がったものは、汎用ヒューマノイドコントローラ「Forcesteed-LEIVOR」（レイバー）のモーション、スキル、タスクでできたノードプログラムになる。

冒頭の例では、対象に近づくまではルールベースの画像処理とモーションプランニング、形の定まらない柔軟物をつかむ瞬間はVLAなどの学習済みモデル、所定の位置に置く動作はティーチングを使う。うまくいかない工程があれば、その工程だけを別の手段に差し替えた案も出す。

LEIVORの画面とLuquaの対話欄。「カメラで見つけた柔軟物をつかんで、指定の場所へ置くフローを作って」という依頼に対し、Luquaが見つける・近づく・つかむ・置く・確かめるの5ブロックでタスクを組み、「ロボットの動作は実行していません」と返している（株式会社Forcesteed Robotics）

リリースに載った画面では、LuquaがSTARTからENDまで5つのブロックを並べ、「つかむ」に学習済みモデル、「置く」に登録済みのティーチングを割り当てている。画面上部のロボット欄の表示は「UGO_PRO」で、3D表示には車輪の台車に上半身を載せた双腕の機体が映る。Luquaは構造と参照を確かめたうえで、ロボットはまだ動かしていないと書き添えている。

LuquaはAPIキーもクラウドも使わず、完全にローカルで動くことを売りにしている。リリースは、運用時にはインターネットにつながらない可能性が高いことを、ローカルのエージェントを使う理由に挙げる。

AIが受け持つのは「組む」と「直す」の提案

機能は「組む・確かめる・直す・動かす・育てる」の5つでできている。提案されたプログラムは担当者が画面で確認し、その場で修正するか承認する。進入禁止エリアや停止条件も人が定め、AIが単独でプログラムを現場に反映することはないとしている。いわゆるHuman-in-the-loop（人が判断の輪の中にいる設計）だ。

Agentic Roboticsの全体の流れ。AIエージェントの提案、人の判断・調整、ロボットの従来の制御、資産の4色で、組む・確かめる・動かす・直す・育てるの5つのサイクルを示す。右上に「AIが担うのは『組む』と『直す』の提案だけ」とある（株式会社Forcesteed Robotics）

「滑った」「ぶつかった」「1回あたりの時間が延びた」といった失敗が起きたら、担当者が問題のあった工程を指定し、Luquaはその工程に絞った改善案を出す。ティーチングポイントの手直しなどは人が受け持つ場合もある。Luquaが考えるのは稼働前と失敗後に限られ、実際の動作は従来の制御と組み込まれた学習済みの動作が担う。リリースは、シミュレーションでの成功を実機での安全とはみなさず、実機への反映には導入先の環境に応じた人の確認が要るとも明記している。

5つ目の「育てる」が、この機能の持続性を決める部分だ。LEIVORで作って承認したモーション、スキル、タスクは再利用できる資産として蓄積され、人がティーチングで作った動作も、AIが組み立てたプログラムも、同じ形で残る。資産が増えるほど、AIエージェントが新しい作業で選べる手段が増え、一から作る範囲が小さくなるという。

中部大学の藤吉弘亘教授はリリースに寄せたコメントで、AIエージェントとロボットの技能・制御手段をつなぎ、実行結果を検証して改善につなげる「ハーネス」が重要だと述べた。そのうえで「人が最終的な判断を担いながら技術を現場で磨き、フィジカルAIの社会実装が着実に進むことを期待しています」と結んでいる。

「LLMにロボットのコードを書かせる」研究の延長線

言葉の指示から大規模言語モデル（LLM）にロボットのプログラムを書かせる発想は、2022年ごろから研究で形になってきた。Robotics at Googleの研究者による「Code as Policies」（2022年9月にarXiv公開）は、コード生成に強いLLMに、物体検出の結果を処理し、制御の基本APIを呼び出すポリシーのコードを書かせた。

2023年2月にMicrosoft Autonomous Systems and Robotics Researchなどの研究者が公開した「ChatGPT for Robotics」は、人を「ループの上」に置き、生成されたコードの品質と安全性をシミュレーションなどで確かめてから実機に渡す流れを示した。論文は、LLMにロボットのパイプラインを全面的に任せるべきではなく、実行前に人の監督でコードを確かめることが重要だと書いている。

Agentic Roboticsも、AIが下書きして人が承認するという点ではこの流れの上にある。違いは、出力するのがゼロから書くコードではなく、ティーチング、ルールベース、学習済みモデルという既存の手段を並べたノードプログラムであることだ。LEIVORはもともと、ティーチング、模倣学習、AI推論、実行制御を1つの画面で扱うコントローラとして作られてきた。製品ページには、日本語の指示からブロックのフローを生成・編集する機能、MCP経由でAIエージェントからタスクを検索・検証・起動する機能、実行履歴から成功率や所要時間、失敗傾向を集計する機能が、ベータ提供として並ぶ。

SIerの教示ノウハウを、AIが選べる部品にする

Forcesteed Roboticsは2024年7月29日設立で、代表取締役は大澤弘幸氏と諸岡亜貴子氏。30社以上の企業・研究機関と連携しているとする。ugo社製ロボットの販売代理店でもあり、9月16日にはugoの「ugo Physical AI Fabric」にパートナーとして参画し、ugo Model Labでロボット基盤モデルの開発・評価を受け持つと発表した。Fabricの全体像はugo Novaの記事にまとめている。LEIVORの対応ロボットには、ugoのセミヒューマノイド、RealMan Roboticsの協働ロボットアームとセミヒューマノイド、Unitreeのヒューマノイドが挙がる。

今回の発表で目立つのは、ロボットシステムインテグレーター（SIer）の仕事に寄せた設計だ。同社は10月1日、日本ロボットシステムインテグレータ協会に正会員として入会し、既存のSIerに代わるのではなく、SIerがPhysical AIやヒューマノイドまで扱えるよう補完したいと説明した。Agentic Roboticsのリリースも、人が培ってきたロボットシステムインテグレーションのノウハウを生かすことを目的に掲げる。

現場の担当者の仕事は、プログラムを一から書くことから、AIの案を読み、危ない範囲と止める条件を決め、承認し、失敗した工程を指さすことへ寄っていく。一方で、承認の重みは増す。LEIVORの製品ページは、進入禁止領域を設定するバーチャルフェンスについて、通常再生中の常時監視や安全認証を受けた保護装置を代わりに担う機能ではないと注記している。人が定める停止条件と、設備側の安全装置をどう組み合わせるかは、導入先ごとの設計になる。

発表資料で公表されているのは、機能の構成と実証を始める段階までだ。実証に参加するパートナー企業の名前、Agentic Roboticsの対応機種の一覧、工程ごとの成功率や組み上げにかかる時間、価格と提供開始時期は記載がない。LEIVORの実行履歴の集計機能が成功率を数えられる以上、実証の結果がどの指標で示されるかが、次の発表で見たい点になる。

HuRoCの視点

産業用ロボットのティーチングは、技術者が1点ずつ位置を教える仕事として、長く現場の腕に支えられてきた。リリースが開発背景に挙げるように、決まった物を決まった場所で扱う作業には強い一方、条件が変わるたびに人がプログラムを直す必要があった。Agentic Roboticsは、その1点ずつの手仕事を捨てずに、AIが選べる部品として棚に並べ直そうとしている。

ここで「考える」側に残るのは、どの工程を誰の技に任せるかを決め、最後に承認する人だ。VLAが得意なつかむ瞬間と、ティーチングが確実な置く動作を1本のタスクに同居させる設計は、人の経験と学習モデルのどちらかを選ぶ話ではない。現場の担当者が教えた動きが資産として残り、次の作業でAIに選ばれる。その循環が実証の現場で回りはじめたとき、ロボットに教える仕事の中身が変わっていく。

出典