Figure AIが、ヒューマノイドロボットを再び議論の中心に押し出した。
2026年5月14日から、Figure AIは3体のF.03ヒューマノイドロボットを物流仕分けの場面に投入し、連続ライブ配信を始めた。視聴者からはBob、Frank、Garyと呼ばれたロボットたちが、コンベヤー横で荷物を認識し、つかみ、回転させ、バーコードをスキャンし、指定どおりにベルトへ戻している。
このライブ配信は、当初から疑念への公開テストのように見えた。ヒューマノイドロボットが実用価値を示すには、編集済みの短い動画だけでは足りない。フルシフト、反復作業、長時間稼働に耐える必要がある。
The Paperの報道時点で、Figure AIはすでに5日間配信しており、ロボットが仕分けた荷物は10万件を超えたと発表していた。ライブ配信はYouTubeで確認できる：F.03 Livestream。
このライブ配信が重要な理由
ヒューマノイドロボット業界で長く見られた問題は、デモ動画が短すぎることだ。
数分間のデモは「できる」ことを見せられるが、「ずっとできる」ことは証明しにくい。実際の物流、製造、倉庫では、1回の把持が成功するかだけでなく、連続稼働時の安定性、例外処理、保守のリズム、単位コストが問われる。
Figure AIがライブ配信を選んだことで、次の問いが表に出た。
- ロボットは何時間、あるいは何日も連続して働けるのか。
- 人間による遠隔操作が必要なのか。
- バッテリー、引き継ぎ、保守をどう扱うのか。
- 反復作業におけるエラー率は許容できるのか。
- 柔らかい包み、硬い箱、異なるサイズの荷物に対して安定して動けるのか。
編集済み動画と比べて、長時間配信は問題を露呈しやすい。荷物の落下、把持ミス、一時停止、コンベヤーのリズム変化は、すべて視聴者に見える。
そこに価値がある。ロボットが完璧だと証明するのではなく、工業的な反復作業で実用にどれほど近いのかを、外部からより直感的に見られるようにした。
Figure F.03は何をしているのか
今回のタスクは複雑ではないが、非常に典型的だ。
ロボットはコンベヤー上の荷物を観察し、バーコードの位置を判断し、荷物をつかみ、向きを調整し、バーコードが下を向くように戻す。一見すると「持ち上げて置く」だけだが、ロボットにとっては複数の難点が含まれる。
- 形状、材質、サイズが異なる荷物を認識する。
- 把持点と重量の変化を推定する。
- 柔らかい包みを変形させたり、箱を押し落としたりしない。
- 限られた空間で腕を動かす。
- コンベヤーを遅らせないテンポを保つ。
- 失敗後に固まらず復帰する。
Figure AI創業者のBrett Adcockは、ロボットは1個あたり平均約3秒で処理しており、人間に近い速度だと述べた。同時に、このシステムはスクリプトではなく、カメラのピクセルから直接推論と制御を行うと強調している。
これは重要な主張だ。ロボットが決まった動作を繰り返すだけではなく、リアルタイムの視覚入力に応じて把持と配置の戦略を調整できる、という意味だからだ。
Helix-02が中心的な見どころ
Figure AIは今回、F.03が自社開発のHelix-02システムで動作していると強調した。
公開説明によれば、Helix-02は従来の産業用ロボットのように「知覚、計画、制御」を厳格に分けたパイプラインではない。むしろ、エンドツーエンドの全身自律システムに近い。視覚、触覚、固有感覚、全身制御を1つのモデル枠組みに統合し、環境に応じてリアルタイムに動作を調整する。
簡単に言えば、次の3層の能力として理解できる。
- 低レベル制御：バランスを維持し、関節動作を実行する。
- 視覚運動ポリシー：カメラと触覚入力を、把持、移動、配置動作へ変換する。
- 意味推論：タスク目標、場面、異常状態を理解する。
ここが、ヒューマノイドロボットと従来型自動化設備の違いでもある。
従来の仕分け設備は、固定プロセス向けに最適化されることが多く、効率は高い。ただし場面を変えるにはラインの再設計が必要になる。ヒューマノイドロボットは、人間に近い形で既存環境に入り、設備を大きく変えずに複数のタスクを実行しようとする。
この方向は魅力的だが、難しい。手、目、身体、頭脳が一緒に働かなければならず、どこか一つでも不安定なら最終的な性能は落ちる。
ライブ配信は問題も露呈した
この配信は完璧ではなかった。
The Paperや他の観察者の説明によると、配信中には把持判断の誤り、荷物位置のずれ、荷物をコンベヤー外へ押し出す場面など、短い失敗も見られた。
こうした問題はデモ動画ではカットされるかもしれないが、実作業では無視できない。
物流現場では精度が特に重要だ。1個の荷物が落ちるだけなら小さなミスかもしれない。しかし大規模倉庫で頻繁に起きれば、人的確認、遅延、破損、責任問題につながる。
米国のロボット専門家Ayanna Howardも似た見方を示している。このデモは成熟した商用サービスというより科学プロジェクトに近い。速度は重要だが、実際の現場では精度、例外処理、監督コストも同じくらい重要だ。
仕分け作業者はすぐ失業するのか
短期的には、このライブ配信を「仕分け作業者がすぐ失業する」と読む必要はない。
Figure AIが示したのは、比較的制御され、反復的で、境界が明確なタスクだ。ヒューマノイドロボットが一部の物流動作で実用の入り口に近づいていることは示したが、倉庫全体のワークフローを滑らかに引き受けられることまでは証明していない。
実際の物流現場では、さらに多くの複雑な状況が起きる。
- 破損した荷物、液体漏れ、異常な形状。
- 汚れたバーコードや見えない位置のバーコード。
- 積み重なり、遮蔽、詰まり。
- 人間作業者の一時的な介入。
- 設備アラームやコンベヤー停止。
- 安全規則と責任分担。
人間の作業者は、こうした非標準の例外処理に強い。ロボットが商用配備に入るには、標準動作で人間に近づくだけでなく、長尾の問題を安定して処理できることを証明する必要がある。
より現実的な変化は、完全な代替ではないだろう。まずは反復的で単調、夜間や高負荷の仕事の一部をロボットが担い、人間は監督、保守、例外処理、プロセス最適化へ移る可能性が高い。
業界にとって何を意味するのか
このライブ配信の意義は、ヒューマノイドロボットの競争基準を「動作ができるか」から「働き続けられるか」へ押し上げた点にある。
これまで業界は、歩行、箱運び、服たたみ、料理、皿洗いといった単発能力を競いがちだった。いまFigure AIは、ヒューマノイドロボットが実タスクで長時間動作できることを示し、その過程を公開しようとしている。
これは同業他社への圧力になる。
他社が編集済み動画だけを出し続ければ、外部は自然に問うだろう。なぜライブ配信しないのか。なぜ8時間走らせないのか。なぜエラー率を公開しないのか。なぜ実際の工業リズムに近い状態で働かせないのか。
もちろん、ライブ配信は最終回答ではない。商用化では次の数字が必要になる。
- ロボット1台の販売価格とレンタル費用。
- 保守頻度とバッテリー寿命。
- 導入とチューニングのコスト。
- 単位時間あたり処理量。
- エラー率と事故率。
- 既存倉庫システムとの統合難度。
- 顧客が「人型」という形状に対して支払う意思があるか。
これらの採算が合わなければ、どれだけ話題になっても美しい技術デモにとどまる。
まとめ
Figure AIのF.03荷物仕分けライブ配信は、ヒューマノイドロボット商用化に向けた重要なシグナルだ。
人形ロボットが、実験室で数個の動作を見せる試作機にとどまらず、長時間、反復的、工業的なタスクに挑み始めたことを示した。Helix-02のようなエンドツーエンド全身自律の路線も、ロボットを「固定動作の機械」から「場面を理解する労働ツール」へ近づけている。
ただし、人形ロボットが倉庫作業者を大規模に置き換える準備ができたとまでは言えない。
速度、精度、例外処理、コスト、安全、保守は、まだ答えるべき問題だ。本当に注目すべきなのは、ライブ配信の一瞬の迫力ではなく、これらのロボットが実際の顧客現場で、制御可能なコストのもと数カ月連続して働けるかどうかである。
それができるなら、物流自動化の次の段階は本当に到来する。