Amazonは倉庫で100万台を超えるロボットを稼働させ、今後はロボットアームの台数を今年中に倍以上へ増やす計画です。一方、同社は人間の従業員も150万人以上雇用しており、自動化が進む現場では、作業負担の軽減と安全性の両面が問われています。
移動ロボットからアームへ広がる自動化
Amazonは2012年にロボット企業Kiva Systemsを買収し、商品棚を作業者のもとへ運ぶ移動ロボットの導入を進めました。現在のロボット群の大半も移動型で、倉庫内の棚を運ぶHerculesやTitanなどが使われています。
商品を棚から取り出したり、荷物を仕分けたりするロボットアームも増えています。Amazonのロボット部門幹部は、アームの稼働数が数千台規模で、今年中に現在の2倍以上へ増える見通しだと説明しました。同社はテキサス州オースティンとインディアナ州グリーンウッドに新たな生産拠点を建設すると発表しています。
人の近くを自律的に動く移動ロボットProteusには、周囲の人や物を検知するセンサーが搭載されています。従来の移動ロボットは床の目印に沿って動き、人が立ち入らない区画で使われてきました。ロボットの動線と人の作業場所が近づくほど、速度や作業ペースを誰がどう管理するかが現場の論点になります。
商品を扱うアームは学習で選択を改善
Robinは、ベルトコンベヤー上で重なった封筒や箱を認識し、吸盤で一つずつ持ち上げて仕分けるロボットアームです。Amazon Roboticsの研究者は、導入済みアームの39万4,000回超のピッキング結果を使って、成功しやすい動作を順位付けする機械学習モデルを訓練しました。
研究チームの比較では、学習方式の成功率は93.73％で、従来の手作業で設計した方式の92.28％を上回りました。100万回を超える作業では、失敗が約1万6,500回減る計算です。別の実験では200万回のピックを評価し、ヒューリスティック方式に比べて失敗率を20％下げました。
後継機のCardinalは最大50ポンド（約22.7キログラム）の荷物をカートへ積み、Sparrowは形や大きさが異なる多様な商品を容器間で移し替えます。AmazonはSparrowに基盤モデルを導入し、商品を識別・分類して、つかみ方を決める仕組みを開発したと説明しています。個々の商品ごとに認識モデルを手作業で作る方式を避け、未見の商品にも対応することが狙いです。
基盤モデルの汎用性と残る制約
ロボット分野の基盤モデルは、大規模で多様なデータを使って訓練し、複数の作業へ適用できるモデルです。ロボット研究のレビューは、個別タスク向けの従来型機械学習では再設定が必要になりやすい一方、基盤モデルは異なる作業への再利用を目指すと整理しています。
この違いは、Amazonが扱う商品の多様さと関係します。個別商品ごとに認識モデルを用意せず、共通の視覚認識や動作の仕組みを使えば、新しい商品を倉庫で扱う際のモデル開発を減らせます。Amazonはさらに、吸盤や指先の構成が異なるアームにも使える汎用動作モデルを開発したと説明しています。
ただし、基盤モデルを使えば異なるロボットへの適用が自動的に成功するわけではありません。2026年の世界モデル研究は、訓練時に含まれないロボットを扱う評価で、現行モデルが物理的な動きより見た目の類似性に左右され、未見のロボットの動作予測に失敗すると報告しました。同研究は、外見と物理的な動きを切り分ける設計が課題だとしています。
人の負担を減らす効果と安全面の懸念
Amazonは、ロボットが持ち上げや積み重ねなどの反復作業を担い、従業員が人の判断を要する仕事に集中できると説明しています。Amazon ScienceによるRobinの紹介では、同社のロボット担当者が、反復的で単調な作業を減らすことで、従業員がより高度な業務を担えると述べています。
一方、ジョージ・メイソン大学のブライアン・グリーンウッド教授は、協働ロボットが人の近くで稼働し、作業ペースを左右しうる点を指摘しました。米国の倉庫業では、労働者の負傷・疾病率が全産業平均の2倍を超える傾向があると、米労働安全衛生局の統計をもとに紹介されています。
Strategic Organizing CenterのOSHA報告分析では、Amazonの倉庫における負傷率は2020年に一時低下した後、2021年に20％上昇したとされます。同団体の分析は、Amazonが米国の倉庫労働者の約3分の1を雇用する一方、倉庫労働者の負傷の半数が同社施設で起きたとも報告しました。WIREDが紹介した独立研究者の指摘では、速く反復的な動作や荷積みなどが負傷につながる懸念があり、ロボットの導入だけでは作業ペースや人間工学上の問題は解消しません。
