指先の「手探り」をロボットに：シンカーの近接覚センサーとエッジAI

5月のある日、深夜。JR東日本、横須賀線の品川・西大井間の線路に多くの作業員の姿が。総勢25人、線路の保線作業をするために集まった人たちだ。

この日の作業は設置から8年が経ったレールの交換。その長さおよそ135m。これを品川駅に最終電車が到着する時間、0時27分から始発の4時30分まで、わずか4時間で終えなければならない。

4時間。

レール交換のメインとなる作業が、レールの切断と、1mあたり60kgもあるレールの取り替え。そのほとんどを人の手で行っている。中にはこんな作業も。

これはレールを固定するため、枕木とレールをクリップで留める作業。一見簡単そうにも見えるが、一つ一つ差し込む際にコツがいるという。

保線作業は時間との戦いのほかに、人の感覚がなくてはならない。その2つの理由で、作業には多くの人員が必要となるのだ。

人頼りの保線作業、どれくらいの頻度と規模で行われているのか。

ほぼ毎日、様々なところで、日々の作業によって異なりますが、十数人ぐらいのパーティーで組みまして、平均すると4時間ぐらいの間合いで行っております。

首都圏のJRでは、作業員1人当たり月に20回程度、深夜の作業に当たっているという。

そうだよな。その時間でやるしかないもんな。

去年、JR東日本が首都圏の作業員に対して実施した調査で、作業を昼間にシフトしたいとの回答が67％に上った。

そうだよな。

そこでJR東日本では今年5月、比較的乗客の少ない平日の3日間の日中に、京浜東北線の田端から田町駅の間で運転を別の線路に切り替え、保線作業を行った。今後、人手不足で作業員の減少も懸念されていて、老朽化に伴う保線作業は増加するという試算もある。

人手不足を解消するためにロボットなどを導入する企業も多いが、保線の現場はどうなのか。

やはり機械化しますと、人員の労力軽減につながりますので、我々も積極的に今取り組んでいるところでございます。

しかし、機械化によって全てが解決するわけではない。

どうしても細かい部分の作業となる部分もございますので、その辺はやはり機械より人力の方が得意な部分もあるかと思っています。

人の感覚が必要な作業は、まだ機械やロボットに任せられないという。

今のVTRの線路の交換の作業なんか見ますと、やっぱり人の経験とか勘とか必要なんだろうなと思うと、AIも進化すごいですけど、まだ不得意な、できないだろうなってこともあると思いますよね。

人がやるべきなのか、それともロボットに頼るべきなのか。これが今回の社会課題、人とロボットのすみ分けだ。人とロボットが共生する社会。その実現を目指すのが今回の異能なき挑戦者。日本発、世界へ。今直面している社会課題に挑む、アンパラレルド。

大阪市西区、緑豊かな公園のすぐそばにオフィスを構えるのがシンカー。2022年に設立し、従業員は13人。この2年ほどで中小企業庁長官賞など数々の賞を受賞している注目のスタートアップだ。会社を率いるのはCEOの藤本弘道、56歳。

今までのロボットハンドではできなかったような、器用なロボットハンドを実現していく会社です。

器用なロボットハンドとは、どういうものなのか。それがこちら。一見普通のロボットハンドのようにも見えるが、小さな部品を掴んだかと思えば、細いプラスチック製のバンドも、複雑な形をしたものも器用に掴む。さらには掴むのが難しいうずらのゆで卵も。

おお。割らずに。

ゆで卵っていうすごい繊細なものを、手探りで潰すことなく柔らかく掴むことができる。そんなピッキングのシステムになります。

このロボットハンドは、手探りするように対象物に触れることで状態を感知。それに合わせて調整することができるのだ。その鍵となるのが。

当社のロボットハンドの特徴っていうのは、指先であったりとか手であったりとかが、とにかく柔軟性を持っていると。その柔軟性を持っている状態を全方位で計測している。それを計測、実現しているのが近接覚センサーという、またこれオリジナルのセンサーになります。

このロボットハンドに搭載されている近接覚センサー、一体どんなセンサーなのか。その開発に欠かせない人物が、CTOを務める中野基輝、42歳。

ここに赤外線のセンサーがついていて、自分で赤外線を出して、これをかざすとですね、相手が今どういう姿勢をしているのか、どういう距離なのかっていうのが、これ1枚で分かることができるというような、そういうセンサーです。

近接覚センサーが内蔵されているのは、ロボットハンドのこの部分。放たれた赤外線はロボットの爪と連動する板に反射。返ってきた光量を測定する。そして、それを正確に測るためにもう一つ。

その光のバランスを機械学習させることで、相手の姿勢とか距離が3次元的に分かる、そういう推論をしてくれる、そういうちっちゃいAIが入っています。

この小さいAIとはエッジAIと呼ばれるもので、クラウドなどに依存せず、文字通りエッジ、端末側だけで推論するAIのこと。爪と連動する板から跳ね返ってきた赤外線の量から、対象物の距離と傾きを瞬時に計算。その役割を担っているのがAIだ。

これは1秒間に200回計測できる。すごい高速なんです。

秒に200回。

なので、ご覧いただいているように滑らかな動きが実現できるというものになります。

例えばこちら、大きさがわずか0.5mmしか違わない2つのビー玉を、掴んだだけで素早く仕分けられる。これもエッジAIだからこそなせる技だ。

0.5mm。

この技術をもとに目指すのは、手軽に人の器用な動きを自動化できる社会。今宵はそんな2人をスタジオに迎える。

0.5mmのものを仕分けるってところまで行っているのがすごいですね。そのAIが得意っぽいところにも徐々に徐々に進出しているんだなっていうのが、すごい伝わってくるVTRでございましたが、改めましてシンカーのお2人です。よろしくお願いいたします。

お願いします。

ロボットが本当に人の手のようにやるっていうのが、シンカーさんの真骨頂っていうことでよろしいでしょうか？

そうですね。ロボットって決まったものは得意なんですよ。結構、多種多様なものを色々つまむって苦手なんですね。

なんか苦手そうです。

感覚的なもの、苦手なんですね。

感覚的な。

そういうのをできるようにするのが、我々の近接覚センサーになります。

確かにAIって、これをやってねって言って、たくさん大量に学習させることもできるようになったけど、感覚って、なんとなくやってよとかいうことって難しいんですね。

そうですね。感覚ですからね。

そうですよね。なんかありますよね。真っ暗の中、スマホの充電器をコンセントに入れようとする時とか、めっちゃ手探りで、この辺かっつって入れるけど、あれすごいこと人間やってるんですね。

あれはすごいですよ。暗闇ですからね。

そして、ロボットが苦手な作業を可能にしたのが、技術責任者の中野さんということで、よろしくお願いいたします。うずらを潰さないっていうのは、力加減はどうしているんですか？

正確に言うと、あれ、うずらは0.5mmなら潰していいよっていう指示を出しているんですよ。実際お持ちしたものがありまして。

それですか。

先ほどうずらの卵を掴んでいたのが、こちらのロボットハンドになるんですけれど。0.5ぐらい潰してもいいよってしておくと、潰さず滑らずっていうちょうどいいところが見えると同時に、うずらの大きさの違いとか向きの違いも全部吸収できるんですよ。

だから、ちょっとへこませてもいいよってことですか？ 0.5までは。

そうです。

その指示があるから、こうやったらつまみ上げることもできるんだ。それが指示を与えなかったら、つるって滑って、引っ張り上げられないかもしれないですもんね。

そうです。そうです。

でも人間ってやっているってことですよね。うずらの卵を掴む時。掴むって、素手ではあんまり掴まないけど、よくやるんですよ、お箸でうずらを皿に何個移せるかゲームみたいな。スクール革命ですけど。番組名言う必要ないですけど。あれ、なんか人間って、なんとなくちょっと強く潰さなきゃって時ありますもんね。

そうです。そうです。

人間が目でやるべき仕事と、手先の感覚だけでやる仕事っていうのは、やっぱり違うと思うんですよ。家に帰って、例えば鍵を入れるっていう時に、ドアの位置とか鍵穴の位置っていうのは目視でパッと見ると思うんですけれど、その横目で鍵が入っているかどうか、じっと見ながらはやらない。

やらないですね。なんとなく。

なんとなく当ててみて、カチャカチャって振ってみるとはまる瞬間があるじゃないですか。

夜なんかね、特に。

そうですよね。なので、そういう目でやっていることと手先でやったことの上手な役割分担っていうのが大事で、我々はそういった意味では、目よりもこういう指先のところにすごくフォーカスをしているというようなものです。

一般的なピッキングロボットは、カメラで対象物を捉え掴むのに対し、シンカーのロボットハンドは、カメラで対象物を捉えた後、実際に掴む動作は人間のように手探りで行っている。

人間がやっているその「なんとなく」を、ちゃんとエッジAIを使って数字にしてくれる。数字にしてあげさえすれば、ロボットは動けるようになる。

面白いなあ。

感覚を数値化するために欠かせないのがエッジAI。聞き慣れない名前だが、私たちに馴染みのあるAIと何が違うのか。

よく巷で言われる、AI、AIって呼ばれているものは、その大半が大きい、すごく規模の大きい、例えば人と対話をするとか、見たものをこれは何だって把握するAI。要は大規模AIの話が多いんですよ。

大規模。

実際、人が生活をする、生きていく中で、例えば熱いものを触ったとか、指を挟んだって言った時に、いちいち頭で考えずに反射的にパッと手を引っ込める。我々はどっちかっていうと、その生き物の反射を司る、例えば脊髄であるだとか、そっちの方の小さいAIをやっているというようなものです。

AIでイメージするものといえば、ChatGPTなどの生成AI。これはネットを介しサーバーやクラウドに行き、画像や文章を生成する。一方、技術の核となるAIは、ネットに接続せず現場の基板の中だけで計算処理を行う、エッジAIと呼ばれるもの。これが中野の小さなAIだ。

どうですか？ 山川さんから見て、近接覚のロボットっていうのは、すごいですか？

そうですね。すごいと思いますね。やっぱり動かすためには、きちんとセンサーで感じる、その感覚の部分をいかに数値化してあげて、それでロボットにどう指示する、指令するかっていうところが重要になりますので。

今回一緒に話を聞くのは、東京大学大学院情報学環・学際情報学府准教授で、ロボットの技術に詳しい山川雄司。

山川さんもロボットの製作をしていらっしゃる。

はい。私の方は、人間を超えるような速さを持ったロボットを作りたいなっていうことで、研究を進めさせていただいております。

人間を超える。

はい。勝率100％のじゃんけんロボットっていうのを作ったことがあります。

何ですか、それ？ 急に勝率100％じゃんけん。

はい。必ず人に勝つっていう。

なんでそんなことできるんですか？

高速にものを見るっていう技術と、高速に動くロボットっていうのを開発してですね、瞬時にグー、チョキ、パーどれかっていうのを判断して、それに勝つ手をどんどん出していくよっていうロボットになっています。

じゃあ100％の後出しじゃんけんロボットですか？

そうですね。こちらですね。人間の手で。

これ、3本指だからこれがパーで。

そうですね。

これ、チョキ、パー、グーって速いから、微妙に後出しなんですか？

厳密に言うと。

微妙。速い。全然後出しに見えないなあ。

ただ、これすごくスローで流しているので、ようやく分かるだけであってですね。

ちょっと遅く見えますね。

何を出すかはAIが判断しているんですか？

いや、実はあれはAIは全く使っていなくてですね。画像を撮ってきて、それに対してある処理、画像処理をかけてあげて、そこからグー、チョキ、パー、何かっていうのを。

画像処理がね、3つ、3パターンですもんね。入れればいいから。

はい、そうですね。

人の器用な感覚を再現するシンカーのロボットハンドをスタジオで体験。

こちらがロボットハンドでございます。これ、指先っていうんですかね。指先の方はちょっと小さめな感じですけど。

まず動きをぜひ見ていただきたいと思います。コネクターはここにありますけど、このコネクターを優しく掴んで、手探りしながら入れるということをやってみます。

自動車の部品のコネクターをロボットハンドで掴み、差し込み口に手探りしながら入れるという作業。

見つけて。これ今、カメラで見つけてピッキングするし、ここから。

人の手探りの感覚を再現するロボットハンド。その実力とは？

うお。

今から入れます。

ちょっと手探りしていたの分かります？

分かります。分かります。