脳波と筋電位が物理AIの壁を突破する、データ生成ビジネスの最前線

ロボット開発の最大の制約はモデルのアーキテクチャではなく「物理データの不足」である。エンコード社が挑む、脳波センサーや筋電位計測を活用した次世代の訓練データ製造の実態に迫る。

【インパクト分析】物理AIの成長を阻む「データ不足」の壁と新たなアプローチ

生成AIの発展において、大規模言語モデル（LLM）はインターネット上の膨大なテキストを糧にして驚異的な進化を遂げた。しかし、物理世界で動作するロボットやヒューマノイドの開発現場では、同じ手法が通用しない深刻な「データの壁」が存在している。インターネット上にロボットの指先の動きや力加減を記録したデータは存在しないためである。これまで自律走行車メーカーやロボット企業は、独自の映像収集やリモート操作によってデータを集めてきたが、それではYouTubeのようなインターネット規模のデータ量には到底及ばない。この限界を打破するため、データを「収集する」のではなく「製造する」というビジネスモデルが急速に台頭している。米国のエンコード社が取り組む、人間の脳波や筋電位を組み込んだデータ生成の試みは、物理AIの学習効率を劇的に高める可能性を秘めており、今後のロボット業界におけるデータ調達のスタンダードを塗り替えるインパクトを持っている。

「物理AIの進化速度は、高品質な訓練データをどれだけ工業的に製造できるかで決まる。」

【技術の深掘り】脳波と筋電位が捉える人間の「暗黙知」のデータ化

エンコード社がドイツの神経科学スタートアップであるサンダー・ラボ社と共同で行っている実証実験は、ロボットの訓練データに革命をもたらそうとしている。作業員がヘッドセットを装着してジェンガなどの細かな作業を行う際、脳波センサーがエラー、意図、驚きといった人間の「メンタル状態」を計測する。これにより、AIモデルの構築者はどの瞬間により高度な処理能力（ハイエフォート・モデル）を割り当てるべきかを判断できるようになる。さらに、前腕に装着したセンサーで筋肉の電気信号を検出し、人間の手の3D位置を高精度に復元する技術も開発されている。映像だけでは捉えきれない微細な力の加減や手の位置情報をアノテーション（注釈）と組み合わせることで、従来の「雑多な映像データ」と比較して、特定タスクの学習効率において圧倒的な価値を持つ高密度データの生成に成功している。

「映像に映らない人間の『感覚』をデータ化することが、ロボットの器用さを引き出す鍵となる。」

※[エゴセントリック映像（一人称視点映像）]：作業者がウェアラブルカメラなどを装着して自身の視点から撮影した映像のこと。

【日本の視点】レガシー産業と熟練工の技を継承する新たなロードマップ

労働力不足が深刻化する日本において、倉庫のピッキングやデータセンターのケーブル抜き差し、さらには製造業の高度な組み立て作業の自動化は急務である。しかし、日本の工場や現場には熟練工の「暗黙知」に依存した作業が多く、既存のロボットでは対応しきれない領域が数多く存在する。エンコード社が試みている脳波や筋電位を用いたデータ生成アプローチは、まさに熟練工が作業している瞬間の「認知状態」や「力の入れ具合」をデータとして抽出し、ロボットに移植するための強力なヒントになり得る。日本企業がロボット導入を進める際、単に市販のロボットアームを導入するだけでなく、自社の熟練作業員の動きをデータ化してモデルの微調整（ファインチューニング）に活用する視点を持つことが重要である。明日から意識すべきNext Stepとして、自社内の手作業で行われている工程の中で「どの動作が最も熟練度を要するか」を言語化し、将来的なデータ収集のターゲットを明確に定義することから始められたい。

「日本のものづくりが持つ『匠の技』は、センサー技術によってデジタルデータへと変換される時代を迎えている。」

【編集部の予測】ロボットトレーナーが花形職業になる未来の風景

これからの時代、AIエンジニアの価値は「優れたアルゴリズムを書くこと」から「AIが学習すべき上質な物理体験をデザインすること」へと完全にシフトしていくと予測しています。かつてプログラマーがコードを書いたように、今後は専門的な作業員がセンサーを身につけてロボットに技を教え込む「フィジカル・データ・クリエイター」や「ロボットトレーナー」という職業が、産業の根幹を支える花形として認知されるようになるでしょう。あらゆる産業の自動化が完了した未来において、人間の役割は肉体労働から「機械に世界を教えるメンター」へと変わり、私たちの脳の動きそのものがAIの進化を駆動する原動力になっているはずです。