[イーデイリーHan Kwangbeom 記者]SamsungElectronics(005930)が、新設部門であるRX（Robot eXperience）事業推進室を中核として、次世代ロボット基盤モデル（RFM）とワールドモデル技術を組み合わせた大規模なロボット商用化ロードマップを正式に発表しました。汎用ロボットのボディに独自の知能アーキテクチャを適用し、自社が保有する100カ所以上の製造工場の自動化を優先的に推進し、最終的には家庭用アシスタントロボット市場へ本格的に参入するという構想です。

サムスン電子は30日、ソウル・瑞草洞のサムスン本社ビルで開催された「サムスンAIフォーラム2026」のセッション発表を通じて、ロボット基盤モデルの商用化戦略と次世代フィジカルAIの研究成果を公開しました。サムスン電子RX事業推進室のロボティクス・ラボ長であるクリス・ハウザー氏は、「RX事業推進室は、ヒューマノイドおよびロボットの産業的・消費者的な応用を深く扱うために設立された組織です」と述べ、 「レインボーロボティクスへの投資をはじめ、サムスンの100カ所以上の工場と100本以上の生産ラインの自動化を優先的に推進し、これを足掛かりとして、家事や介護を支援する家庭用アシスタントロボット（Home helper）を提供していく」と明らかにしました。

ハウザー研究室長は、ヒューマノイドの商用化を阻む経済的な限界についても具体的な数値を挙げて指摘しました。1台あたり10万ドル水準のハードウェア費用（CapEx）に加え、初期エンジニアリング費用（NRE）約10万ドル、年間維持管理費（OpEx）約2万ドルがかかり、現状では「地球上で最も高価な労働者」になってしまうという説明です。 同氏は、「年間人件費が4,000～4万ドル水準の人間作業員や既存の産業用ロボットとの格差を縮めるため、ハードウェア単価の引き下げとAI学習コストの削減を同時に推進している」と明言しました。

◇3層構造の「ロボット・ファウンデーション・モデル」を導入…工場現場での99.99％の成功率に挑む

ハウザー研究室長は、ロボットの商用化に向けた技術的鍵として、△全身制御（System 0、100Hz）△精密操作およびVLA（System 1、10Hz）△高水準エージェント（System 2、1Hz）で構成される「3層ロボット・ファウンデーション・モデル（RFM）行動スタック」を提示しました。 ただし、ロボティクス分野では、工場の現場で求められる「99.99％以上の成功率」とミリメートル（mm）単位の精度が必要であるため、現存するどのレイヤーもこれを完全に解決できていないと指摘しました。

これを突破するための核心的な研究開発の方向性として、「顧客志向のロボットAI」と「多機能AI」を強調しました。ハウザー研究室長は、「既存のスタートアップのように、エンジニアが数ヶ月かけてカスタマイズ学習を行う方式には限界がある」とし、「顧客が直接、わずか数時間でロボットを学習させるパーソナライゼーションの段階に到達してこそ、数百万台への普及が可能になる」と説明しました。 続いて、「拙い汎用モデルよりも、スマートフォンのアップデートのように確固たる性能保証に基づき、洗濯物の畳みや食器洗いといった検証済みの機能から段階的に追加していく多機能ロボットAIが優先されるべきだ」と力説しました。

さらに、単一の人間の映像から精密な操作能力を学習する「Real2Sim2Real」技術や、大規模な「ロボットデータファクトリー」の運用計画に加え、行動スタックに空間検知および知識推論を加え、「ピクセル→概念→トルク（Pixels-to-concepts-to-torques）」へとつながる「ハイブリッド3層認知アーキテクチャ」を提示しました。 同氏は、「様々な作業を行うものの、環境の変化に弱く機能しなくなるロボットよりも、範囲は狭くても変数に左右されず99.99％の精度で遂行できる『環境レベルの汎用性』を確保した、信頼性の高いロボットをまず提供していく」と付け加えました。

◇「ワールドモデル」でロボットの長期制御という難題を克服…商用化エンジンを搭載

このようなロボット・ファウンデーション・モデルを支える中核的な物理知能として、サムスンリサーチ・ヨーロッパAIセンターの次世代「ワールドモデル（World Models）」の研究成果が詳しく紹介されました。 サムスンリサーチ・ヨーロッパAIセンター長のティモシー・ホスピデール氏（常務）は、「従来のLLMやVLAなどの観察モデルは、受動的に観察されたデータを中心に学習されるため、物理的な世界における直接的な介入や、原因・結果に関する定量的な物理推論には限界がある」と指摘しました。

同氏は脳科学的な視点を提示し、「迷路の分かれ道に立ったネズミが、脳内で将来の経路の結果を想像して最適な道を選ぶように、物理世界におけるロボットもまた、単純な反応型である『システム1』を超え、様々な行動の結果を事前に想像し、熟考する『システム2』による制御へと進化しなければならない」と強調しました。

ティモシー・センター長は特に、ワールドモデルの実現における最も致命的な難題として、「長期計画の策定時に発生する誤差の蓄積と幻覚」を挙げました。ロボットをリアルタイムで制御するには、再帰深度が1000回以上必要となり、演算速度が極端に低下し、エラーが蓄積されるという説明です。

サムスン電子は、これを正面から突破するため、同日、アーカイブ（arXiv）で初公開した新技術「Metro-WM」を発表しました。これは、ロボットが直接経験したことのない仮想の状態を任意に生成する過程で誤りに陥る従来の方式の限界を克服するため、過去に検証された実際の移動経路のみを地図として作成し、最短距離を探索する技術です。

ティモシー・センター長は、「潜在空間で幻覚のような幽霊目標が生成される既存のプランナーの弱点を克服するため、過去の学習セットにおいてロボットが直接観察した状態のみをサブ目標として指定するよう制約を設けました」と述べ、「検証済みの経路網に基づいて最短経路探索アルゴリズムを適用し、演算効率を大幅に高めました」と説明しました。

これにより、様々なロボット制御および計画課題において、作業成功率を従来比で32％以上大幅に向上させるとともに、学習コストを最大56倍削減し、推論・計画時間を最大76％短縮する成果を収めたと明らかにしました。実際に、「ライツ・アウト（Lights Out）」のゲーム環境や、精巧な摩擦力が作用する物理ロボット（F3）のブロック押し出し課題においても、実証の成功率を実証しました。

ティモシー・センター長は、「ワールドモデルの予測を評価する際は、視覚的なリアリティではなく、ロボットが動的な環境において課題を成功裏に完遂できるよう支援する『実質的な有用性』に着目すべきです」と述べ、 「階層構造の高度化と、適切な帰納的バイアスの導入に関する研究を継続し、システム1とシステム2の制御を柔軟に行き来するワールドモデルを、次世代ヒューマノイドおよびロボット制御エンジンとして完全に搭載する」と明言しました。