この記事のポイント
- NTTはロボットが動く前に未来を予測して失敗を回避するフィジカルAI技術を開発したと2026年11月11日に発表した
- 物体の位置や向き、速度、質量を明示的に扱い、運動方程式で状態変化を予測する「NTTワールドモデル」を開発した
- 独自の「物理制御アダプタ」を映像生成モデルに統合し、荷崩れや落下などの相互作用を高精度に予測する
- 小型ロボットによる棚積みタスクの成功率は73.1%から92.3%に向上した
動く前に未来を予測、失敗を回避
NTTは、ロボットが動く前に未来を予測して失敗を回避するフィジカルAI(人工知能)技術を開発した。ロボットの行動候補とカメラ・センサー情報から、行動後の周辺環境の変化を映像として生成し、実行前に行動計画の成否をスコアで評価する。日経クロステックが2026年11月20日に伝えた。
NTTは2026年11月11日、ロボットが実際に行動する前に、複数の行動候補について荷崩れや落下などの結果を予測・評価し、成功につながる行動を選択できる技術を実現したと発表した。このスコアに基づき、ロボットは複数の行動候補から成功につながる行動を選べる。
物理制御アダプタが映像生成モデルに統合
物体の質量や向き、動く速さなどの情報を明示的に扱い、運動方程式に基づいて状態変化を予測するワールドモデル「NTTワールドモデル」を開発した。同モデルは、既存のロボット制御ソフトと連携し、その判断を補強する形で適用できる。
NTTは今回、物理法則に基づいて状態変化を予測する「物理制御アダプタ」を開発し、映像生成モデルに統合した。映像から物体ごとの位置や向き、動く速さ、質量などを推定し、物理法則に基づいて物体が次にどのように動くかを計算する。NTTによると、この統合は世界で初めてだ。

従来モデルの弱点を補う、未知の場面にも対応
従来のワールドモデルは物体の物理量を内部で明示的に扱わないため、生成映像の中で物体が消失・変形したり、物体の相互作用を正しく予測できなかったりするケースがあったとNTTは説明する。大量の学習データに依存するため、学習データに含まれない場面では予測が破綻しやすいという課題もあった。
物理制御アダプタにより、学習データに含まれない場面や動きにも対応できるとNTTはしている。空港手荷物や宅配便の小口荷物のように形状・質量・配置が多様な物品を扱い、学習データで網羅するのが難しい現場でも使えるという。予測の根拠となる物理量を明示的に出力できるので、生成結果の理由も把握しやすい。
棚積み成功率は73.1%から92.3%へ
複数物体の衝突を含む公開ベンチマーク(OBJ3D)を用いてNTTワールドモデルの予測映像を評価したところ、人間の知覚に近い感覚で類似度を測る評価指標LPIPSにおいて従来手法を上回る精度を確認した。NTTのプレスリリースが伝える。
さらにNTTは、小型ロボットを使って荷物の積み付け作業を模擬した棚積みタスクを設定し、新技術の適用の有無によるタスク成功率を比較した。その結果、成功率は従来の73.1%から92.3%に向上したとする。
最初の適用は空港手荷物、Mujinと連携
こうした課題が顕著に現れる場面の1つが、空港手荷物や宅配便などの積み込み/積み降ろしだ。新開発の技術の適用領域としては、まず空港手荷物の取り扱いを想定する。
今後、資本業務提携するMujin(ムジン、東京・江東)と連携しながら社会実証を進め、将来は物流・倉庫・製造・建設・小売り分野におけるフィジカルAIへ展開する計画だ。本技術は2026年11月18日から25日に開かれるNTT R&D FORUM 2026で展示される。


