ロボットが1本の動画から新しい作業を学習｜Skild AIとNVIDIAの取り組み

NVIDIAは2026年9月10日、Skild AIのロボット基盤モデル「S1」を紹介しました。S1は新しい作業を示した1本の動画を入力として、個別の追加学習なしに作業を理解し実行することを目指すモデルです。

従来の産業用ロボットは、作業手順や製造ラインの変更に合わせた再プログラミングが必要になることがあります。動画を使って作業を伝えられれば、変更への対応時間を短縮できる可能性があります。

【動画から作業を学ぶとは】動画による教示は、動作の順序や対象物との関係を視覚的に伝える方法です。ただし映像に映る動きを理解することと、実際のロボットの関節や把持機構を正しく制御することは同じではありません。モデルには視覚情報と実機の動作を結びつける能力が求められます。

【従来方式との違い】従来の産業用ロボットでは、決められた位置や軌道を教示し、作業変更時に調整する運用が一般的です。動画から新しい作業の意図を読み取れるなら、個別の手順作成を減らせる可能性があります。一方で精密な位置決めや力の制御では、従来方式との組み合わせが必要になる場合があります。

【一本の動画で十分なのか】発表が示すのは、特定の技術構成と実証条件での能力です。映像の視点、対象物の形状、作業台の高さ、照明、使用するロボットが変われば難易度も変化します。あらゆる作業を一度の動画入力で成功させられると解釈することはできません。

【力加減と接触の難しさ】物体をつかむ、押す、差し込むといった作業では、画像だけでは把握しにくい接触力や摩擦が結果を左右します。ロボットの力覚や位置情報、失敗時の再試行方針をどう組み合わせるかが、実用化を考えるうえで重要です。

【製造現場での評価方法】対象作業を限定し、成功率、サイクルタイム、部品への損傷、作業変更に要した時間を記録します。初回の成功だけでなく、対象物の位置ずれや照明変化、連続稼働といった条件でも再現性を確認する必要があります。

【安全性と今後の展望】新しい作業を柔軟に実行できるロボットほど、想定外の動作を検出して停止する仕組みが重要になります。動画による教示は現場の自動化の選択肢を広げる可能性がありますが、実証結果と量産環境での安定運用を分けて評価することが欠かせません。

【仕組みと背景】動画から作業を学ぶ方法は、手順をコードで記述する負担を減らす可能性があります。

【導入時の課題】しかし、動画に映っていない力加減、摩擦、障害物への対応まで正確に理解できるとは限りません。

【検証と今後】安全な導入には、作業ごとの成功率、失敗時の停止条件、実機での反復検証が必要です。

【今後の注目点】技術の新しさだけでなく、既存の作業へ無理なく組み込めるか、導入費用に見合う効果があるか、利用者が結果を検証できるかが普及を左右します。実際の運用事例と継続的な評価が、今後の判断材料になります。

NVIDIAによると、Skild AIは合成データ生成、モデル学習、シミュレーション、実機展開まで同社のAI基盤を活用しています。動画を見せるだけであらゆる作業が確実に実行できるという意味ではありません。

製造現場に導入する場合は、動画で示されていない例外処理や作業環境の変化にどう対応するかが課題です。成功率や安全性は対象のロボットと作業条件ごとに評価する必要があります。