JDSCとダイフク、物流ロボットの自律制御を検証し成功率97%

JDSCとダイフクは、AIエージェントが物流ロボットを自律制御するフィジカルAI技術を検証しました。
自然言語の指示と周囲の状況をもとに、AIエージェントが作業を分解して実行します。
シミュレーションでは、未学習の商品と仕分け先の組み合わせで97％の成功率を達成しました。

記事の概要

検証対象は、物流工程で人手が残るピッキングと仕分けです。
作業者が自然言語で指示すると、AIエージェントが内容と周囲の状況を理解します。
そのうえで、ロボットが実行できる単位に作業を分解し、自律的に制御します。
事前登録されていない作業にも対応できる仕組みを目指しています。
未学習の商品と仕分け先の組み合わせで100回試行し、97回の仕分けに成功しました。
AWSジャパンの「フィジカルAI開発支援プログラム」の採択プロジェクトとして進めました。
Amazon SageMakerなどを活用し、構築から評価までを約4カ月で実現しました。
今後は実際の物流・生産現場で実証し、品目変更への対応力向上などにつなげます。

記事のポイント

1. 自然言語で作業を指示： 作業者の指示をAIエージェントが解釈し、ロボットが実行できる作業単位へ自律的に分解します。
2. 未学習の条件で97％： シミュレーションで未学習の商品と仕分け先を100回試行し、97回で適切な仕分けに成功しました。
3. AWS基盤で約4カ月： Amazon SageMakerなどを活用し、AIモデルの学習からシミュレーション評価までを約4カ月で進めました。

このニュースがもたらす影響

• 導入を検討する企業： 固定的なティーチングに依存せず、自然言語で変化する作業へ対応できる可能性が示されました。導入前に、実環境での再現性や例外時の運用を検証することが重要になりそうです。
• 同業のサービス提供者： ロボット単体の性能だけでなく、未登録の品目や作業へ適応する力、現場導入までの期間が比較軸になる可能性があります。未知条件での評価結果を示すことが求められそうです。
• 物流現場の管理者： 作業者の指示を起点にロボットが作業を組み立てる運用では、人は判断や監督へ役割を移せる可能性があります。失敗時の介入方法や責任分担を事前に設計する必要がありそうです。

このニュースの背景

物流現場では自動化が進む一方、入荷から出荷までの工程に人の判断や手作業が残っています。
従来のシステムは事前登録やティーチングへの依存があり、品目や作業内容の変化への対応が課題となっていました。
JDSCとダイフクは、マテリアルハンドリングの知見とAI・データサイエンスなどの知見を組み合わせ、自律的に判断・行動する仕組みを検討してきました。
AWSの支援とサービス群を活用したことで、AIモデルの学習からシミュレーション評価までを繰り返す基盤を約4カ月で構築できました。

関連するニュース

• ABEJAは東日本旅客鉄道と連携し、双腕ロボットで館内デリバリーの荷物受け渡しを自動化しました。
• ABEJAと村田製作所は、VLAモデルで双腕ロボットの部品受け渡しを検証しました。
• JDSCとアグリルーツが、熟練農家の判断を取り込む露地栽培向けAI農業アシスタントの実証を始めます。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

JDSC、ダイフクと物流の完全無人化に向けたフィジカルAI技術を検証

株式会社JDSCのプレスリリース（2026年9月8日 14時00分）JDSC、ダイフクと物流の完全無人化に向けたフィジカ…