Agility Roboticsは特別買収目的会社（SPAC）との合併を完了し、2026年11月5日に米ナスダック市場で「AGLT」の取引を始めました。ヒューマノイドロボット専業企業として米国で初めて上場しましたが、2025年の売上高は180万ドル（約2億9,000万円）で、事業の拡大と収益化が課題です。
SPAC合併で上場し、4億6,500万ドル（約740億円）を調達
AgilityはChurchill Capital Corp XIとの事業統合を完了しました。従来型の新規株式公開（IPO）ではなく、上場済みのSPACと非公開企業が合併する方式です。合併後の普通株は「AGLT」、ワラント（株式を一定条件で購入できる権利）は「AGLTW」の銘柄で取引されます。
SPACは、買収先を決める前に資金を集めて上場し、その後、非公開企業との合併を通じて対象企業を上場会社にする仕組みです。合併では、SPACがIPOで集めた資金に加えて、民間投資などの追加資金が組み合わされる場合があります。Agilityの取引では、新たな資本として4億6,500万ドル（約740億円）を調達すると報じられました。
SPACとの合併では、スポンサーや追加の民間投資家への株式発行により、株式が希薄化する可能性があります。そのため、資本構成は従来型IPOと異なります。Agilityの既存株主とChurchillのスポンサーが保有する株式には、取引完了後180日間の売却制限が設けられました。調達資金の規模に加え、契約の達成条件や株式の売却制限も、上場後の事業や株式の動きに関わります。
Digitは物流・製造現場で荷物を運ぶ
Agilityの主力機体Digitは、物流や製造の現場で容器を運ぶ二足歩行ロボットです。GXO、Schaeffler、トヨタ自動車のカナダ工場などで商用稼働しており、GXOの施設では10万個を超えるコンテナを運びました。Agilityは、顧客施設での稼働時間が累計6万5,000時間を超えたと発表しています。
倉庫では、棚やコンベヤー間で容器を移す作業がヒューマノイドの初期用途の一つとされます。人向けに作られた設備の高さや配置に合わせて荷物を扱える点が利点です。車輪型の自律移動ロボット（AMR）は主に区域間の水平搬送を担い、ヒューマノイドは棚からの取り出しやコンベヤーへの受け渡しを担う役割分担があります。AMRには、障害物を避けて経路を変えたり、コンベヤーへ自動で接続したりする製品もあります。
Agilityは、Digitを倉庫や工場で反復的な荷役に使っています。ペギー・ジョンソンCEOは、人が繰り返し行う重い物の持ち上げ作業をロボットに任せる方針を示しました。同社は、従来の機体が人から隔離された作業区画で使われるのに対し、次世代機Digit 5では人の近くで安全に動くことを目指しています。
Digit 5の受注は達成条件付き
AgilityはDigit 5について、複数年で3億ドル（約480億円）を超える確約済み受注があると発表しました。受注には、契約上の節目や製品機能、仕様の達成が条件として付いています。ジョンソンCEOは、契約を進めるには処理量、稼働率、荷物を置く位置の正確さなどの目標を満たす必要があると述べています。
Digit 5は人の近くで動く安全機能を備える計画です。試作機はCES 2027で披露し、2027年末に広く提供する予定です。Agilityは、オレゴン州の製造施設RoboFabを年間最大1万台の生産が可能な設計にしたと発表しました。これは施設の設計上の能力で、実際の生産台数は顧客展開や製造の進捗に応じて決まります。
顧客向け料金の試算では、ロボットをサービスとして利用する場合、1台あたり導入時に約2万5,000ドル（約400万円）、月額8,500ドル（約130万円）のソフトウェア・保守料がかかります。機体を買い取る場合は20万ドル（約3,200万円）に加え、導入費2万ドル（約320万円）と年額3万6,000ドル（約570万円）のソフトウェア・保守料が示されました。
売上規模とロボットの性能が課題
Agilityの2025年売上高は180万ドル（約2億9,000万円）で、営業損失は1億4,000万ドル（約220億円）でした。2026年上半期の売上高は17万4,000ドル（約2,800万円）で、その大半は関連当事者からの収入でした。同期間の損失は3億6,200万ドル（約570億円）と報じられています。ジョンソンCEOは、今回の調達資金で当面の必要額を賄えるとしつつ、自立した事業運営に十分かどうかについては見通しを示しませんでした。
ロボットの動作学習では、実機を遠隔操作して集めるデータは高品質ですが、収集に手間がかかります。シミュレーションや人の動画は比較的集めやすい一方、実機との身体や視点の違いが学習上のずれになります。CVPR 2026 Findings掲載の研究は、3種類のデータを使って3つの物体操作課題を調べました。シミュレーションの約8サンプルが遠隔操作データ1サンプル相当の汎化効果を示す一方、人の動画約10サンプルが遠隔操作データ1サンプルの効果を打ち消す場合があると報告しています。
この研究は特定の課題を対象としており、Agilityの機体を直接評価したものではありません。Agilityは顧客施設で得た6万5,000時間超の運用データをDigitの訓練に使うと説明しています。一方、Digitは重い荷物を持ち上げて置く作業では98％の正確さを示すものの、複雑な物体操作にはまだ制約があると報じられました。
