GMO AI＆ロボティクス商事、ヒューマノイドの動作精度を稼働データで改善

ニュース紹介

「GMO AI＆ロボティクス商事、人型ロボット（ヒューマノイド）の動作精度を継続的に高め続ける新サービス「GMO LOOP for Physical AI」の提供を開始」

GMO AI＆ロボティクス商事株式会社は、人型ロボット（ヒューマノイド）の稼働データをもとに動作精度を継続的に改善する新サービス「GMO LOOP for Physical AI」の提供を開始したと発表しました。

本サービスは、①現場で稼働する機体から必要なデータを取得し、②追加学習や動作パラメータの調整、シミュレーション環境の更新でモデルを強化し、③その成果を現場の機体へ動作精度の改善として還元する、という3つの工程を繰り返す枠組みです。データはカメラ映像と関節の動作ログのみに絞り、GMOインターネットグループ内で保管・学習する運用としています。同社は「導入して終わり」にせず、現場のデータを精度改善に還元することで「使い続けるほど賢くなる環境」を整えるとしています。

出典：GMOインターネットグループ 2026年9月8日プレスリリース
https://prtimes.jp/main/html/rd/p/000005523.000000136.html

FrontJournalの解説

この分野について

ヒューマノイドは、人と同じような二足歩行の姿かたちを持ち、人が使う道具や環境をそのまま使えることを目指したロボットです。近年、AIとの組み合わせで工場や倉庫、物流の現場に入る動きが世界で広がっています。

一方で、実際に現場へ入れると、そこで扱う物や配置、床の状態は毎回変わります。シミュレーションと実機の差（Sim2Realギャップ）や、現場ごとの稼働データの少なさが、動作精度の維持を難しくする課題として知られています。

①データが集まらないと精度が上がらない

大規模な言語モデルや画像モデルは、公開データが大量に集まったことで精度が伸びました。これに対して身体を持つAI（Physical AI）は、機体を現場で動かして初めて手に入る動作ログや映像が学習の材料になります。

導入した現場で得られる稼働データが学習に還元されなければ、機体は納品時の状態から先に伸びません。ロボットメーカー1社だけでは扱える現場の種類が限られるため、複数の現場を横につないでデータを集める枠組みが求められていました。

②稼働データを追加学習に還して機体へ戻す

「GMO LOOP for Physical AI」は、機体そのものを開発するのではなく、現場で稼働するヒューマノイドから必要なデータだけを取り出し、追加学習や動作パラメータの調整、シミュレーション環境の更新でモデルを強化して、その成果を現場の機体へ動作精度の改善として戻す仕組みです。

取得するデータはカメラ映像と関節の動作ログに絞り、GMOインターネットグループ内で保管と学習を完結させる運用としています。同社は先行して安全機能サービス「GMO SAFE」を発表しており、本サービスはロボットメーカーと協業する立ち位置で運用面を担う設計です。

編集部からひとこと

ヒューマノイドを「1回導入したら終わり」ではなく、「使いながら育てる」対象と捉えたサービスです。導入現場が広がるほどモデルが強くなる関係にあるため、参加する現場が今後どれだけ増え、どの用途で動作精度が伸びたかが、次に確かめたい数字になります。データの扱いをカメラ映像と関節ログに絞り、グループ内で完結させる設計は、現場が導入判断をしやすくする意図があると読み取れます。

FrontJournal編集部