AI×製造2026年9月28日読了約5分

コーディングAI、ロボ計画で人手超え

保存

米欧研究チームが、汎用のタスク・動作計画（TAMP）問題にコーディングAIエージェントを適用し、従来の手作業設計プランナーを上回る成功率を達成した。ロボット制御ソフトの自動生成に道を開く成果である。

研究の概要

ロボットが物体を運んだり組み立てたりする際に必要な「タスク・動作計画（TAMP）」は、離散的な行動選択と幾何・運動・力学的な制約が密接に絡み合うため、環境の全情報が既知でも解くのが難しい問題として知られている。物体数や配置が変わるたびに再設計が必要となり、これまでは専門家によるTAMP特化のエンジニアリングが不可欠であった。

今回、Matteo Merlerらの研究チームは、コーディングエージェントにこの設計作業を代替させられるかを検証した。具体的には、Claude Code（Opus 5）とCodex（GPT-5.6 Sol、GPT-6 Astra）の3構成に、タスク説明とシミュレータへのアクセス権を与え、一定の合成予算内で汎用プログラムを開発させた。完成したプログラムは固定した上で、KinDERとPDDLStreamの28環境、元のベンチマークを上回る物体数の未見インスタンスで評価し、生成した980プログラムを用いて計98,000回の評価エピソードを実施した。

その結果、3つのエージェント構成はいずれも、手作業で設計したプランナーやワンショット生成、既存のLLMベース汎用プランナーを上回り、プランナーが利用可能な16環境において平均成功率56〜95%を記録した（プランナーは47%）。物体数が増えるほどエージェントの優位性は拡大し、1インスタンスあたりの計算量はプランナーの1桁少ない水準にとどまった。ログ分析からは、エージェントが環境との対話を通じて物理モデルを較正し、エッジケースを試し、戦略を改善していく様子が確認されている。

しくみをやさしく

タスク・動作計画（TAMP）問題は、ロボットが物体を扱う際に直面する複雑な課題である。これを解決するために、研究チームはコーディングAIエージェントを利用した。具体的には、エージェントが与えられたタスクを理解し、シミュレーション環境内で実行可能なプログラムを生成する。エージェントは、環境とのインタラクションを通じて学習し、物理モデルを調整することで、より効果的な戦略を構築していく。これにより、従来の手作業による設計プロセスを大幅に短縮し、成功率を向上させることが可能となる。

ビジネスへの示唆

この成果は、ロボット制御ソフトウェアの開発工程そのものを変える可能性を持つ。製造業の生産技術部門やロボティクス統合企業では、新しい物体形状や配置パターンに対応するたびに専門エンジニアが制御ロジックを個別調整しており、この工数がロボット導入の大きなコスト要因となってきた。自部署で該当する業務は何か、いま誰がどれだけ手をかけているかを考えることが重要である。

影響が想定される部門とKPIは以下の通りである。

生産技術・工場自動化部門：ライン変更時の制御ソフト再設計にかかるリードタイムとエンジニア工数
ロボティクス開発・R&D部門：新規タスク対応時のプロトタイプ開発期間、成功率などの性能指標
物流・倉庫自動化事業：ピッキング対象物のバリエーション増加時の対応コストと稼働率

特に、計算資源を1桁少なく抑えながら高い成功率を維持できる点は、エッジデバイスでのリアルタイム制御や、多品種少量生産のようにコンピュータ資源が限られる現場での運用コスト削減に直結する。人手による設計工程を圧縮できれば、ロボット導入の初期投資回収期間の短縮にもつながる。

現場での導入イメージ

仮に導入支援に入るなら、以下の4つのステップで進めることが考えられる。

棚卸し：現在の業務フローや使用しているロボット制御ソフトウェアの棚卸しを行う。これにより、どの業務にコーディングAIを適用できるかの見通しを立てることを目指す。
差し込み先の設計：既存ツールや業務のどこにコーディングAIを組み込むかを設計する。新ツールを増やさない現実解を模索し、業務の効率化を目指す。
小さく試す（PoC）：選定した業務に対して、コーディングAIを用いたプロトタイプを小規模で試験運用する。実際の運用データを収集し、効果を検証することを目指す。
運用と横展開：PoCの結果を踏まえ、成功した業務フローを他の部門や業務にも展開する。全社的な導入を進め、持続的な改善を図ることを目指す。

この一連のプロセスを通じて、最終的にはロボット制御ソフトウェアの開発や運用にかかるコストを削減し、業務の効率化を図ることが目指される。

今後の展望

本研究はあくまでシミュレーション環境での検証であり、実機ロボットへの適用や、生成プログラムの安全性検証プロセスの確立が今後の課題となる。またAPI利用コストや合成予算の設計は、企業が実務導入を検討する際の費用対効果評価に直結する要素であり、継続的な検証が必要である。それでも、専門的なTAMPエンジニアリングを大幅に代替しうる本手法は、ロボティクス関連企業にとって開発体制の見直しを迫る材料となりそうである。