研究開発ウォッチ（11/13）：荷崩れを動く前に映像で予測し、棚積みの成功率を73.1%から92.3%へ。NTTが空港手荷物の積込みに向けて開発

今週の研究開発ウォッチは10件で、日本から4件が並んだ。荷崩れを動く前に映像で予測するNTTのフィジカルAI、1種類の樹脂から筋・腱・靭帯を刷り分けた東京大学のロボット脚、迷いを見せるロボットの受け取られ方を調べた大阪大学ほかの研究、ホンダ・リサーチ・インスティチュート・ジャパン（HRI-JP）の身ぶり生成だ。もう1つの流れは、人と組む・人を支える研究だった。健康な相手とロボット越しに組む脳卒中のリハビリ、片手で両手の作業をこなす追加の親指、医療者に最初の見取り図を渡す災害ロボットがある。欧州の研究と、家庭の中で動く機体の研究は今週は並ばなかった。成熟度は各件の冒頭に「シミュレーション／実験室／実環境の実証／製品」の4段階で示し、査読の有無も併記した。

荷崩れを動く前に映像で予測し、棚積みの成功率を73.1%から92.3%へ。NTTが空港手荷物の積込みに向けて開発

成熟度: 実験室 ｜ ジャンル: 基盤モデル・学習・データ ｜ 企業発表 ｜ 日本・NTT

何ができたか: 複数の行動候補それぞれで荷崩れや落下が起きるかを動く前に予測し、成功しやすい候補を選ぶ。NTTの発表では、小型ロボットで荷物の積付けを模した棚積みタスクの成功率が73.1%から92.3%に上がった。映像予測の公開ベンチマークOBJ3DのLPIPS（×100、低いほど良い）は7.81で、既存の最高精度手法OCKは7.92だった。

どうやったか: 映像から物体ごとの位置・向き・速さ・重さを推定し、運動方程式で次の動きを計算する「物理制御アダプタ」を映像生成モデルに組み込んだ。VLAなどが出した候補ごとに将来の映像を作り、成否をスコアにする。

まだできないこと: 試行回数や物体の種類、予測にかかる時間は発表になく、論文も確認できなかった。空港手荷物ではMujinと社会実証を進める。

HuRoC の視点: 形も重さも揃わない荷の積み方は人が目で決めてきた。予測の根拠の物理量を出せるので、なぜその積み方かを現場の人が確かめられる。

一次情報: NTT ニュースリリース（2026年11月11日） ／ 英語版リリース ／ NTT R&D FORUM 2026

1種類の樹脂を3Dプリントして筋・腱・靭帯・足裏を作り分ける。東京大学の等身大の筋骨格ロボット脚

成熟度: 実験室 ｜ ジャンル: ハード・アクチュエータ・OSS機体・デジファブ ｜ 査読済み（Advanced Intelligent Systems） ｜ 日本・東京大学

何ができたか: 筋、腱、靭帯、足裏のクッションを1種類のTPU（熱可塑性ポリウレタン）の3Dプリントで作り分け、等身大の脚を組んだ。プロジェクトページによると、筋の協調で膝を約105°、股関節を約90°曲げ、歩幅0.4m・周期1.6秒と0.8m・2.4秒の2条件で左右交互に足踏みした。

どうやったか: 格子の密度や枝の太さをパラメータで変え、柔らかい筋から硬い腱へ1回の印刷で移る部品も作る。関節はベアリングを使わず印刷した靭帯で拘束し、モーターで巻くワイヤで筋を縮める。

まだできないこと: 足踏みは吊って体重の一部を支え、胴の回転を±20°に制限した状態で、自律歩行は示していない。試験した構造は999回の負荷で破断しなかったが、剛性は変わった。

HuRoC の視点: 形と硬さをパラメータで決めて汎用の材料で刷る流れは、作り込みの重い筋骨格ロボットを、デジファブ工房や高専でも追試しやすくする。論文はCC BY 4.0で公開されている。

一次情報: 論文（Advanced Intelligent Systems, DOI: 10.1002/aisy.70537） ／ プロジェクトページ ／ 公式動画

ポイ捨てを注意する前に迷いを見せるロボットは「勇気がある」と映る。大阪大学など3大学が131人の評価で確かめる

成熟度: 実験室 ｜ ジャンル: HRI・社会受容・コミュニケーション・倫理 ｜ 査読済み（Frontiers in Robotics and AI） ｜ 日本・大阪大学、京都橘大学、追手門学院大学

何ができたか: 公園でごみを捨てる人を見たロボットが、注意したい動機と避けたい動機の間で迷う様子を吹き出しで見せた。研究1（オンライン、131人）では、迷う条件のほうがロボットの勇気の評価が高かった（偏η² = 0.086）。研究2（126人）では、迷う条件を見た後の自分の勇気の自己評価が、もともと勇気の低い群では高め（d = 0.238）、高い群では低め（d = 0.271）に傾いた。予測外の傾向だ。

どうやったか: 円筒形のロボットの背後の壁に動機の吹き出しを投影した動画を4条件作り、日本語版の勇気尺度（CM-J）でロボットと自分の勇気を評価させた。

まだできないこと: 研究2で予測した3要因の交互作用は有意でなく、群ごとの差もHolm補正後は有意でない（ともにp = 0.064）。実際に行動したかは測っていない。

HuRoC の視点: 迷いを見せるロボットの受け取られ方は見る人で変わりうる。声かけ役をロボットに任せるなら、相手に応じた内面の見せ方の設計が要る。

一次情報: 論文（Frontiers in Robotics and AI, DOI: 10.3389/frobt.2026.1988670）

文章と感情から、意味を表す身ぶりと拍子の動きを同時に生成。ホンダの研究所HRI-JPがロボットHaruに実装

成熟度: 実験室 ｜ ジャンル: HRI・社会受容・コミュニケーション・倫理 ｜ 査読前（arXiv。短縮版はACM HAI 2026採択） ｜ 日本・ホンダ・リサーチ・インスティチュート・ジャパン、メキシコ・モンテレイ工科大学

何ができたか: 発話の文章と感情（喜び・怒り・悲しみ・恐れ）から、内容を表す身ぶりと拍子を刻む動き（ビート）を一続きで作り、ソーシャルロボットHaruで動かした。英語母語話者60人が4方式の動画を比べ、発話と身ぶりの一致の評価で提案法がLLM方式とランダムを有意に上回り、最良に選ばれた回数も最多だった。

どうやったか: データセットBEAT2で軽量な言語モデルを学習し、身ぶりの有無・位置・強さとビートの強さを予測する。音声は使わず、身ぶりの有無の推定は平均3.733ミリ秒（LLMは596.369ミリ秒）。

まだできないこと: 評価はオンライン動画で、対面での遅延の影響は未検証。人らしさと好感度に有意差はなく、試したのはHaruだけ。

HuRoC の視点: 音声合成を待たずに動きを決められ、受付や見守りの会話ロボットで返事の間を詰めやすい。身ぶりの一覧を作る動きのデザイナーの仕事は残る。

一次情報: 論文（arXiv:2611.13472）

健康な相手とロボット越しに力をやり取りする腕のリハビリ。ペンシルベニア大学が慢性期の脳卒中10人で試験

成熟度: 実験室 ｜ ジャンル: アシスティブ・医療・介護・リハ ｜ 査読前（arXiv） ｜ 米国・ペンシルベニア大学、コロンビア大学

何ができたか: 発症6か月以上の脳卒中の10人を、1人で練習する群と健康な相手（5人）と組む群に5人ずつ分けた。論文では、組んだ群は練習中に追従誤差が自分の基準より最大5.67下がり、努力量の指標は3つの練習区間すべてで1人の群より高く、動きの複雑さも増えた。

どうやったか: 1自由度のロボット2台で動く的を追う。組む条件では2人のハンドルを150N/mの仮想のばねで結ぶ。1回15秒を30回練習した。

まだできないこと: 追従誤差に群の差はどの時点でも出ず、組んだ群の誤差もつながりを外すと基準に戻った。6〜14日後の保持も両群ではっきりしない。1人の群は評価時に誤差が下がったが、突出した1人を除くと有意差が消えた。著者は課題の難しさ、人数、病態のばらつきを挙げる。

HuRoC の視点: 2人で同時に練習できれば、療法士1人が見られる人数が増え、人と関わる場にもなる。通所リハで試すなら、認知機能や感覚に応じた組み合わせが要る。著者2人は、本研究に金銭的利害を持ちうるRecupero Roboticsの共同創業者だと開示している。

一次情報: 論文（arXiv:2611.13307） ／ 論文PDF

片手で瓶を持ったまま蓋を開ける。手のひらのカメラで握る瞬間を決めるロボット親指、UCサンディエゴが設計を公開

成熟度: 実験室 ｜ ジャンル: アシスティブ・医療・介護・リハ ／ ハード ｜ 査読済み（IROS 2026採択と著者が記載、arXivで公開） ｜ 米国・カリフォルニア大学サンディエゴ校、スイス・Sudo AI

何ができたか: 立方体の持ち上げ、瓶の蓋開け、紅茶をかき混ぜる、カップを傾けて玉を移す、の4作業を各10回。論文では、学習データを集めた本人で平均成功率90%、データ集めに加わっていない2人で92.5%と87.5%。物の置き場所を広げると、玉の移し替えは平均17%に下がった。

どうやったか: 3関節の指を腱2本ずつで動かし、モーター3つは前腕に置いて指先を軽くした。手のひら側の魚眼カメラの画像から、模倣学習の方策が関節の角度を決める。教示は足指で押す力センサーで遠隔操作し、作業ごとに50回集めた。

まだできないこと: 方策は外部PCで動く。速い動きや手を近づける角度の違いは未評価で、突き出たカメラは装着感を損ねうる。評価は各条件10回の成否だけで、手に障害のある人が含まれるかは記載がない。

HuRoC の視点: 片手が不自由な人や、片手がふさがる調理・作業の現場に効く。CADとファームウェアはプロジェクトページで公開され、作業療法士やメイカーが試作しやすい。

一次情報: 論文（arXiv:2610.37582） ／ プロジェクトページ（動画あり） ／ ファームウェア（GitHub）

20インチ車輪の二足ロボット「RAIWAY」、カメラなしで16cmの段差を20回すべて登る。KAISTが接触を学習で推定

成熟度: 実験室 ｜ ジャンル: 移動・全身制御 ｜ 査読済み（IEEE Robotics and Automation Letters採択、arXivで公開） ｜ 韓国・KAIST（Robotics and Artificial Intelligence Lab）

何ができたか: 20インチの自転車用タイヤを脚に付けた約28kgの二足ロボット。論文では、屋内の16cmの段差を20回すべて登り、接触の仕組みがない比較手法は5回と14回。岩場20m往復では、走り切った距離の割合が5回平均で95%（比較は69%と39%）。屋外で14cm・20段の階段を11往復した。

どうやったか: シミュレーターで分かる車輪と地面の接触を潜在表現にまとめ、実機では関節とIMUの履歴だけから推定する。カメラも接触センサーも使わない。

まだできないこと: 角の丸い御影石の15cm・10段の階段では10回中3回。タイヤの溝やたわみをシミュレーターが再現できていない。今後は外界センサーを足す。

HuRoC の視点: 坂は車輪で走り、段差は脚で越える機体は、段差の多い日本の住宅地の配送や点検に向く。失敗した段差の形を集めて学習に戻す仕事が人に残る。

一次情報: 論文（arXiv:2610.33172、IEEE RA-L採択） ／ 公式動画

小売・物流・組立・ホテルの15作業で5本指ハンドを採点。RLWRLDがNVIDIAと作った評価基準「DexBench」を公開

成熟度: シミュレーション ｜ ジャンル: 安全・評価・標準・セキュリティ ／ ハンド・器用操作 ｜ 企業発表（ベンチマーク公開、技術報告は未公開） ｜ 韓国・米国・RLWRLD、米国・NVIDIA

何ができたか: RLWRLDは11月9日にDexBench v1.0を公開。5本指ハンドの双腕ロボットで、缶の取り出し、ボルトの回し込み、水100mLの注ぎなど15作業をシミュレーションで再現し、未見の物体・物理特性・配置ごとに成功率を測る。公開された4モデルの結果では、15作業の平均成功率は最高のFastWAMで20.7%、同社のRLDX 1.1が16.5%。

どうやったか: NVIDIAのIsaac Lab-Arenaと物理エンジンNewtonで、指の接触やたわむ袋、揺れる水を計算する。

まだできないこと: 値はすべてシミュレーション上のもの。実機との相関は測定中で、技術報告も未公開。対象機体は1種類。

HuRoC の視点: 2割という数字は、店や倉庫の手作業を任せるまでの距離を共通の物差しで示した。協力企業にはANAや三井化学も並ぶ。同社が大手町で試した手渡しのような日本の現場の作業が加わるかに注目したい。

一次情報: RLWRLD ニュース（2026年11月9日） ／ DexBench 公式サイト

ドローンが負傷者を探し、地上ロボットが離れて脈と呼吸を測る。CMUのTeam ChironがDARPA決勝へ

成熟度: 実環境の実証 ｜ ジャンル: 生活の場（災害） ／ 競技・教育・コミュニティ ｜ 大学発表・DARPA公式発表 ｜ 米国・カーネギーメロン大学、ピッツバーグ大学、Lockheed Martin

何ができたか: DARPAトリアージ・チャレンジは災害で負傷者を探して容体を判定する無人機を競う3年がかりの大会。決勝は11月5〜13日、テキサス州のDisaster Cityで暗闇や煙、火、瓦礫の中で行う（DARPA）。DARPA資金のChironは、公式の結果表で第1回が62.0点で11チーム中4番目、第2回が357点で9チーム中6番目だった。

どうやったか: 高所を飛ぶドローンがカメラで負傷者を見つけ、地上ロボットが心拍や呼吸を触れずに測る（CMUの発表）。第2回に向けて四足ロボットが暗闇で心拍・呼吸・意識を測った。

まだできないこと: 決勝の結果は13日（現地）の表彰式で発表される。競技規則では、位置特定・初期判定・外傷評価・バイタル計測の4ゲートを完全自律で通過したチームが、医療者と組むレーンに進む。

HuRoC の視点: 判断は医療者に残し、ロボットは最初の見取り図を渡す。日本の消防やDMATの現場に近いが、倒壊家屋での通信とドローン運用の許可が壁になる。

一次情報: CMU Robotics Institute（2026年11月6日） ／ DARPA Triage Challenge 決勝 ／ DARPA 競技規則（Systems決勝） ／ DARPA 第1回・第2回の結果 ／ DARPA 公式動画

コンテナ200万TEU超を自律で扱った港のクレーン「Autane」。香港科技大学（広州）などが複数の港で終日運用

成熟度: 実環境の実証 ｜ ジャンル: 生活の場（港湾・物流の現場） ｜ 査読済み（Science Robotics） ｜ 中国・香港科技大学（広州）、東南大学、Shanghai Master Matrix Information Technology

何ができたか: コンテナヤードのタイヤ式門型クレーン（RTG）を自律化した。論文によると、複数の港に導入して終日の運用を示し、20フィートコンテナ換算（TEU）で200万個超を自律で扱った。コンテナをつかみ、運び、置くまでを自動で行う。

どうやったか: 複数センサーの融合、障害物検出、自己位置推定と地図作成（SLAM）でコンテナの特徴をとらえ、軌道を調整してセンチメートル単位で位置を合わせる。運搬車両との受け渡しも自動で行う。

まだできないこと: 要旨は「介入の少ない」自動化をめざすとするが、導入した港の名前、作業の成功率、人が介入する頻度は要旨からは確認できなかった。対象は規格コンテナを扱うRTGに限られる。

HuRoC の視点: 港の人手不足は日本も同じだ。運転士の仕事は、運転室での長時間の操作から、自律運転を見守り異常を引き取る役へ移っていくだろう。日本のヤードの配置や手順に合わせた調整が要る。

一次情報: 論文（Science Robotics, DOI: 10.1126/scirobotics.ady5784）