Rivian、工場作業の20％をロボットに移管へ　CEOが将来80％の目標

電気自動車メーカーのRivianは、工場で人が担う作業をロボットへ移管する方針です。創業者兼CEOのRJ・スキャリンジ氏は、当初は工場内の作業の20％を対象とし、将来的に80％へ広げたいと語りました。最初に取り組むのは、部品を容器から取り出し、別のロボットが加工する位置に置く反復作業です。

最初の対象は部品を取り出して置く作業

Rivianが導入を目指すAI搭載ロボットは、容器内で位置が少しずつ異なる部品を認識して扱います。対象となる「ピック・アンド・プレース」は、部品をつかんで所定の場所に置く作業です。スキャリンジ氏は、工場の区画によっては、この作業が労働の最大50％を占めると述べました。

開発には、Rivianから分離して2025年に設立されたMind Roboticsが関わっています。両社は民生用電子機器の分野からも人材を採用しており、スキャリンジ氏は、同分野で培われた触覚を検知する技術などをロボットにも活用すると語りました。

Mind Roboticsでは、工場で行われる数千の作業を動画で記録し、それぞれに必要な手先の器用さや推論の難しさを分類しています。作業映像の各場面をソフトウェアで解析し、ロボットへの動作指示につなげる取り組みです。スキャリンジ氏は、将来の改良の余地を持たせたハードウェアを用意し、ソフトウェアを継続的に改善する考えを示しました。

人の動画をロボットの動作へ変える仕組み

人の実演をロボットの学習用データへ変換する研究に「MimicDreamer」があります。人の手とロボットアームの外観、撮影時の視点、実行できる動きの違いを、それぞれ調整する仕組みです。

具体的には、人が物を扱う映像からロボットアームが動く映像を生成し、動くカメラで撮影した映像の視点もそろえます。さらに、人の手の移動軌跡をロボットの座標へ変換し、関節の可動範囲や速度の制約に沿う動作指令を作ります。これらは、画像と言語の指示から動作を出力するVLAモデルの学習に使うデータです。

この方法では、動画の見た目に加え、手の位置や姿勢の軌跡、ロボットの動作制約に合わせた関節指令も学習に使います。

部品の位置のばらつきには既存の認識技術も対応

Rivianが対象とする、位置や向きがそろっていない部品の取り出しには、画像や3D計測を使う技術もあります。産業向けAI製品のNsight Edgeでは、バラ積みされた物体とその姿勢の認識から、つかむ位置の推定、ロボットへの動作指示までを現場の端末で処理します。

エイアイキューブの「AlliomPicking」は、対象物の3Dモデル、少量のバラ積み画像、物をつかむハンドの情報を使ってAIモデルを作ります。シミュレーターで大量の画像を生成し、実写に近い画像へ変換したうえで、学習に必要な情報を自動付与します。学習するのは、対象物をつかむ位置や吸着する位置です。

エイアイキューブは、形状の照合では扱いにくい不定形物や透明物にも対応できるとしています。

最終組立には多様な部品と取り付け方法がある

Rivianが将来の目標に据える広い範囲の自動化では、部品を取り出して置く以外の作業も対象になります。マツダの車両組立ラインでは2800点以上の部品を扱い、締結、はめ込み、貼り付けなど複数の取り付け方法が混在しています。

マツダでは、構造やサイズの異なる車種を同じラインで生産しており、車種ごとの作業時間の差を吸収する必要もあります。同社は、自動化の課題が多い組立工程で作業者の技能を生かすことと、車両の変化に合わせて設備や配置を変更できることを重視しています。

人と機械の分担は、一つの部品を扱う工程の中にもあります。2019年時点のホンダの例では、シートを車内へ入れる工程を機械が担い、取り付けは人が行っていました。溶接ラインでも、部材の投入は人が担当し、その先の溶接と車体の組み上げを機械が担う例があります。

Rivianは車両でも、ハードウェアを先に備え、ソフトウェアを後から更新する計画を進めています。第2世代のR1SとR1Tには、出発地点から目的地までハンドルから手を離して走行する機能に必要なハードウェアを搭載しています。同機能のソフトウェアは、無線経由の更新により2026年後半に小規模な提供を始め、2027年に対象を広げる予定です。