AWS Japanが支援プログラムの物理AIプロジェクト13件を公開。51社（半数以上がスタートアップ）を採択し6カ月間支援。
物流自動化や建設塗装、輸出検品などの成果が出た。ダイフクとJDSCは100回中97回の仕分け成功。
メルカリは2028年までに倉庫の20%自動化を計画。
何が起きたか
AWS Japanは2026年8月31日の成果発表会で、物理AI開発支援プログラム参加14社による13件のプロジェクト成果を公開した。2026年1月に開始したこのプログラムは51社（半数以上がスタートアップ）を採択し、3月のキックオフから約6カ月間支援してきた。
なぜ重要か
センサーデータや言語指示に基づいてAIがロボットを制御する物理AIは、物流・建設・ECなどの実業務への応用が進む。例えばダイフクとJDSCは未学習の商品組み合わせでも100回中97回の仕分け成功を達成。メルカリは2028年までに自社倉庫の約20%を自動化し、内部コストを年間最大2億円削減する計画だ。国内の物流・建設・EC企業は物理AI活用の具体例から自社業務への応用可能性を探れるとみられる。
注目点
具体的な成果が進展を示す。豆蔵のVLA（視覚・言語・行動モデル）によるアライメントは垂直85%、水平80%の成功率を達成。竹中工務店は壁ローラーの3Dデータが不足する中、塗装作業用の訓練データを独自構築した。メルカリの検品自動化は、他の倉庫作業の10〜60倍の時間を要する工程を対象としている。
この成果発表会は、2026年1月に開始したAWS Japanの物理AI支援プログラムの進捗を示すものだ。半数以上がスタートアップとなる51社を採択し6カ月間支援することで、AWS Japanは物理的なタスクへのAI適用における革新を促進しようとしている。このプログラムは、AIがデジタル領域に限定されがちな市場のギャップに対処する。ロボットを制御する物理AIは物流・建設・製造に大きな可能性を秘めている。
特筆すべき成果として、ダイフクとJDSCは物流ピッキングの自動化に成功し、未学習のアイテムでも100回中97回の仕分け成功を達成した。これはモデルの適応性を示している。同様に竹中工務店は建設工具の3Dデータ不足に対し、自社でデータを生成してロボットの塗装タスク学習を可能にした。これらの事例は物理AIがドメイン固有の課題に適したデータで克服できることを示している。
メルカリの輸出検品自動化への取り組みは、他の倉庫工程より10〜60倍時間がかかるボトルネックに対処するものだ。力覚・触覚センサーと再投影技術の統合により、2028年までに倉庫の20%を自動化し、年間最大2億円を削減する計画だ。これは物理AIが具体的なコスト削減と効率向上をもたらし、企業にとって戦略的投資となることを示している。
たとえば、いま届くならこの3本です
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
ゴールドマン・サックス、モルガン・スタンレー、シティグループの大手3行が、AIによる業務効率化を理由に外部弁護士の報酬引き下げを要求している
聯発科技の株価は火曜日、10%高で取引を終えた
ウォルマートはオピオイド調剤に関する請求を5000万ドルで和解した
デルはAIサーバーの好調な販売を理由に、通期の売上高見通しを引き上げた
オラクル(ORCL)株は火曜午後の取引で4%安の142.82ドル
テスラのAIスタートアップへの投資額は、マグニフィセント・セブンの他社に大きく後れを取っている
