体が上場し、頭が成績表を出した。
フィジカルAIが工場の床に届くには、ロボットVLAとは異なるオペレーティングシステムが必要だ。
1株あたり150.80元。中国のUnitree Roboticsが上海スターマーケットで記録した公開価格だ。 8月19日の初日、株価は600%以上も 급騰（急騰）した。ヒューマノイドと四足歩行ロボットの「体」に対し、公開市場が値をつけた瞬間である。
それから1ヶ月も経たない7月30日、Google DeepMindはその体を動かす「頭」を3つに分けて公開した。 Gemini Robotics 2、エンボディド推論モデル ER 2、そしてロボット本体で動作する On-Device 2。
体が値になり、頭が数字になる中、工場の問いは変わりつつある。「ロボットに何ができるか」ではなく、 「そのモデルを、自社の設備・規制・閉域網（エアギャップ）の上にどう載せるのか」だ。
Mithrilが過去2年半にわたり、25箇所を超える現場で積み上げてきた答えがまさにそこにある。
1. 「体の価値」と「頭の価値」、同月にかみ合った2つの市場
Unitreeの新規上場（IPO）は、中国本土における初の純粋なヒューマノイド・フィジカルAI企業による公開市場へのデビューであった。 2025年の売上高は約17億元、純利益は約2.8億元。赤字を計上するヒューマノイドスタートアップが乱立する中、すでに四足歩行ロボットやヒューマノイドを販売して黒字化を達成した同社は、資本市場における明確な基準点（ベンチマーク）を打ち立てた。
同じ年の夏、資金は「体」だけでなく「脳」にも殺到した。Figure AIは約390億ドルの企業価値でフルス택に賭け、Physical IntelligenceやSkilled AIはハードウェアから独立した汎用ロボットモデルを提示した。 XPeng Robotics（小鵬鵬行）は2026年8月、単一ラウンドで9億ドルを調達した。DeepMindはモデルとベンチマークを同日に発表し、先に成績表を公開するという第3の道を選んだ。
方向性は3つに分かれている。「体をスケールさせる陣営」、「脳を汎用型として売る陣営」、そして「ベンチマークをオープンにする陣営」だ。
Mithrilが立つ位置は、そのいずれでもない「第4の道」である。すでに稼働している工場のMES・SCADA・FDC・PLCをリプレイスすることなく、その上に「判断レイヤー」を重ね合わせるアプローチだ。
2. 電球を外す作業は92%、ちり取りで掃き集める作業は32% — そして工場の「アクションスペース」は関節ではない。
DeepMindの発表において最も重要なものは、デモ動画ではなく自ら公開した成功率のデータ表だ。
全身操作（Apollo 2, Inspire Hand）
デスクからのピックアップ：68.4% $\cdot$ 棚からのピックアップ：76.3% $\cdot$ 床からのピックアップ：45.7%
多指精密操作（Apollo 2, ShapeWave Hand）
電球を外す：92% $\cdot$ 電球を取り付ける：36% $\cdot$ ゴミ袋を結ぶ：44% $\cdot$ ジッパーバッグを密閉する：40% $\cdot$ ちり取りで掃き集める：32%
グリッパー操作（Franka Duo）
Pick & Place：74.2% $\cdot$ 工具のキッティング：78.9% $\cdot$ 精密挿入：89.6%
同じ手、同じモデルによる結果である。電球を外す作業は10回中9回成功するのに対し、取り付け作業は3回に1回しか成功しない。
56ポイントもの開きが生じている。 ここには明確な法則性がある。物体の位置が予測可能な環境での成功率は高く、姿勢を大きく変更したり、力加減とアライメント（整列）を同時に合わせる必要がある作業での成功率は低い。
Gemini Robotics 2 brings whole body intelligence to robots — Google DeepMind
DeepMind Gemini Robotics 2: 全身操作と緻密な手先動作（手器用さ）を単一のポリシーへと統合したモデル。
棚からのピックアップ、チェス、キーボード、コップの整理、精密挿入。課題ごとに成功率は大きく分かれる。
この表はきめて誠実だ。しかし、これをそのまま製造現場へと持ち込むと、もう一つの決定的な問いが浮かび上がる。
ロボットVLAが出力する指示は、6自由度エンドエフェクタの連続制御（軌道）である。
一方で、製造現場が受け取る指示は、温度、ガス、RF（高周波出力）、Recipe IDである。
Mithrilが製造AX（デジタルトランスフォーメーション）を設計する中で整理した構造的ギャップとは、まさにこの4行（パラメーター）に集約される。
核心要因 | ロボットVLA (RT-2 / $\pi_0$ / GR00T) | 産業現場が求める要求仕様 |
Action Space | 6DoF エンドエフェクタ連続制御 | レシピパラメーター、設備コマンド |
Sensor Modality | RGB + Depth + 関節状態 | FDC時系列 + 映像 + 音響・振動・熱 |
Control Frequency | 30〜200Hz 連続モーター指令 | ウェハー・バッチ単位のイベントトリガー |
Safety & Audit | 衝突回避、ブラックボックス可 | すべての判断に根拠。歩留まり・不良・重大災害の責任追跡 |
汎用ロボットモデルの性能が低いからではない。制御対象そのものが異なるのだ。
アームの関節を駆動させる知能と、チャンバーの圧力変化を許容範囲内で補正する知能は、同じ「VLA」という名称を用いていても、その入出力と負うべき責任の質が根本から異なる。
DeepMindがOn-Device 2を発表した理由は、ロボットの「体」がクラウドとの通信レイテンシーを許容できないからだ。そして、製造現場がクラウドの利用を拒む理由は、さらにもう一つ存在する。プロセスデータは決して現場の外に出せないという鉄則があるからだ。
Power & Data Solutions for Cleanroom Automation | VAHLE USA | VAHLE
半導体ファブ。ここで下される指示は、関節の駆動角ではなく、レシピとインターロックである。
3. Mithrilが選んだ構造：1つのコア、4つのアダプター
Mithrilを単なる「産業安全の専門企業」と捉えるのは、その半分の姿しか見ていない。製品ラインナップは4つ。しかし、それを駆動するエンジンは1つである。
NENYA: 産業現場の映像・センサー・工程・行動データから直接学習す
sVLA (Specialized Vision-Language-Action) コア
Guardian-Alpha: 能動型産業安全。作業者・危険要素・IoT制御
Optima-Alpha / Optima-Vision: 製造オペレーション・設備異常・品質・不良検知
Robotics & Physical OS: ロボット・ドローン・ヒューマノイドの「アクションレイヤー」
GuardianからOptimaへ、OptimaからRoboticsへと移行するプロセスは、事業のピボット（転換）ではない。同一の NENYA コアの上に、領域（ドメイン）別のアダプターを積層していくアーキテクチャの拡張である。
「Perception（認識） -> Context（文脈）-> Evidence（根拠）-> Action（措置）」 — これが4つの製品すべてに共通する核心的な運営哲学である。
この構造が現場で成立する理由は、以下の5点に集約される。
産業データから構築されたコア
NENYAはオープンソースVLMをファインチューニングした単なるチャットボットではない。最新のLLM/VLM手法を吸収しながらも特定のバックボーンに依存せず、産業用エンコーダー・マルチモーダル融合・推論器・XAI（説明可能なAI）・検証ゲート・PLCアダプターを独自レイヤーとして積層した設備特化型ファウンデーションモデルである。汎用モデルが「何が見えるか」を解く一方で、NENYAは「このレシピ、このチャンバー、このSOPにおいて、今何が許容されるか」を解き明かす。
既存システムへのオーバーレイ
MES・SCADA・FDC・PLCをリプレイスする必要はない。現場の上に判断・推奨・診断のレイヤーのみを重ね合わせる。これは導入障壁と運用リスクを同時に低減させる不可欠な条件である。NENYAが提案を生成し、ルールエンジンがそれを検証し、PLCが実行に移す。AIが設備を無制限に直接駆動させるわけではない。
カメラと閉域網（エアギャップ）で完結する運用
新たなセンサーインフラを追加することなく、既設のCCTVを活用して安全監視を実現する。製造工程においては、既存のFDCやセンサーログをそのまま入力データとして受け取る。推論処理はすべてオンプレミスのエッジデバイス上で実行され、Jetson Orin NX環境における社内計測値で200ms未満を達成している。プロセスデータが工場外へと流出することは決してない。
Choosing The Right Monitor For CCTV And Location-Critical Video Surveillance | AG Neovo Global
既設のCCTVと監視モニターがすでに備わっている工場。Mithrilの出発点は、この画面をリプレイスすることではなく、その上に「判断（レイヤー）」を重ね合わせることにある。
判断に「根拠」が紐づく。
Optimaの運用クローズドループ（閉ループ）は、4つのステップで構成される。
Perception（映像・センサー・ログ）-> Decision（原因推論・行動推奨） -> Action（許容された Control Envelope 内での実行）-> Audit（Evidence Chain）
アラート画面そのものが製品なのではない。データフローと判断根拠が完全に完結する構造こそが製品なのだ。
誤ったアクションが歩留まりの低下や重大災害へと直結する現場において、説明のない設備停止は「解明」ではなく新たな「紛争（争点）」を生んでしまう。
論文ではなく、現場（サイト）で検証する。
2023年11月の設立以来、2年半。現場導入25箇所以上、累積学習フレーム数2,300万。
危険行動検知の再現率（Recall）は98.7%、偽陽性率（False Positive）は0.8%、安全事故削減率は94%（導入前対比、社内運用基準）。
Hanil Hyundai Cement（韓日現代セメント）、Samyang/Sampyo（サムピョ）、Sungshin Cement（星信洋灰）、SPC、AJU（アジュ）、Dongwon Systems（東원システムズ）、Hankook Tire（ハンコックタイヤ）。
セメントから食品・飲料、半導体設備、2次電池へと適用領域（ドメイン）が拡張する間も、コアエンジンが揺らぐことはなかった。
Process of Making Hard Hats. Safety Product Manufacturer in Korea
Guardian-Alphaが最初に見据えたものの一つ。安全ヘルメットは単なる「装備」ではなく、「規定」である。
4. DeepMindの「200個」と、Mithrilの「25サイト」の間に存在するリアル
On-Device 2が新しいロボットに適応するには、200個未満のデータ例（サンプル）があれば十分だとDeepMindは明かした。
200個というのは極めて少ない数字だ。しかし「0個」ではない。ファウンデーションモデルであっても、未知の「体」や現場を前にすれば、その現場特有のデータを要求する。
工場において、この事実はより重い意味を持つ。工程や設備ごとにパラメーターやエラーモード（失敗のパターン）は全く異なり、なおかつデータは機密保持のため社外へ搬出できない。汎用モデルが産業現場の文脈を一挙に理解できない理由はここにある。「転移学習（Transfer Learning）」ではなく、「ドメインアダプター」が必要となる理由も同様だ。
それゆえ、Mithrilの拡張アプローチは「新しいモデルを作り直す」ことではない。「同一のコアエンジンに、ドメイン別のアダプターを装着する」ことだ。
Guardian アダプター: 安全ヘルメット着用、作業区画違反、接近・衝突リスクを検知し、PTZカメラおよび設備信号と連動して危険を回避・遮断する。
Optima-Alpha アダプター: FDC・PLC・センサーのログから工程のドリフト（変動）や設備の異常挙동を捉える。半導体の洗浄・エッチングラインでは、チャンバー内の圧力・温度・流量・RF出力・ガス・レシピ情報を単一画面に統合可視化する。
Optima-Vision アダプター: 傷（スクラッチ）、異物（パーティクル）、パターン不良を正確に分類する。
Robotics アダプター: まったく同一の「判断言語」を、四足歩行ロボット（ロボット犬）・ドローン・ヒューマノイドによる巡回監視や各種操作タスクへと展開する。
2次電池（リチウムイオン電池）のコーティング工程における適用事例では、顧客からのフィードバック基準で不良率26%減少、設備ダウンタイム31%減少、歩留まり3.8%p向上を達成した。また、半導体製造装置のブラインドテストにおいては、従来システムが2/5の正解率にとどまる中、NENYA Gen1が5/5の満点を記録した実績を持つ。
これらの数値の出処は、実験室のリーダーボードではなく、リアルに稼働している生産ラインである。
Lithium ion batteries production - How does it work – TYCORUN
二次電池（リチウムイオン電池）生産ライン。コーティングラインにおけるわずか一筋のドリフト（変動）が、そのまま歩留まりの数値へと直結する。
自律OSの領域へと移行するにつれ、制御ループの時間軸はさらに短縮される。
設備内部のエッジGPUがセンサーデータ、ビジョン映像、およびログをダイレクトに解析し、異常検知から適切な対応措置に至るまでの全プロセスを2秒以内で完了させることを目指す。
この際、生の原典データ（Raw Data）が設備の外に出ることは一切ない。デジタル署名されたモデルの重み（Weight）とメタデータのみが、社内ローカルレジストリを介して同期される。連合学習（Federated Learning）とエアギャップ（網分離）環境でのデプロイこそが、その運用を支える基盤体系である。外部クラウドからのOTA updates（Over-The-Air）が完全に遮断された半導체ファブ等において、モデルを継続更新するための唯一現実的な解法だ。
NENYAの世代別ロードマップも、この厳격な「責任構造」に正確にアラインされている。
Gen 1（理解と説明）: 現状の現象を把握し、説明可能な根拠を提示する（現在商用サービス中）。
Gen 2（措置と検証ゲート）: 事前定義された許容範囲内の Typed Action のみを安全検証ゲート経由で通過させる。
Gen 3（PLC連動とフィードバック再学習）: PLCと完全連動し、現場データからの自律的なフィードバック再学習サイクルを完結させる。
目指すべき到達点は「完全自律型製造知能（Autonomous Manufacturing Intelligence）」である。しかし、現在実際の製造現場で稼働しているコアロジックは、あくまで「提案するAI ＋ 検証するルールエンジン ＋ 実行するPLC」の厳密な分業体制だ。
この段階的な順序を飛び越えれば、デモの見た目は華やかになり開発速度も上がるだろう。しかし、後に残されるのは「責任の所在という巨大なリスク」に他ならない。
A robot dog spends its days patrolling Posco's steel mill in Pohang, North Gyeongsang, on the lookout for hazards that humans once checked for — and were endangered by. It is just
ポスコ（POSCO）製鉄所を巡回する四足歩行ロボット（ロボット犬）。「体」が現場へと投入されたとき、最後に残る決定的な問いは、単なる巡回動作ではなく「判断」とその「根拠」である。
Industrial Inspection Solutions | Boston Dynamics
産業点検用四足歩行ロボット（ロボット犬）。Physical OSが真価を発揮する主戦場は、展示場（ショールーム）ではなく、まさにこの暗く過酷な通路（現場）である。
5. エンタープライズ（企業）が今、仕様書に刻むべき3つの 鐵則
1）導入の評価単位を「ロボット」から「作業と設備」へと転換せよ。
DeepMindが成功率32%の課題を正直にデータ表へ掲載したことは、一つの前進である。しかし、発注仕様書に書くべき言葉は「ヒューマノイドの導入」ではない。「この工程におけるこの作業、目標成功率、失敗時のインターロック、そして判断根拠を誰が・どこに記録に残すのか」である。検証用データセット（Evaluation Dataset）は供給ベンダーではなく、発注事業者側が握っていなければならない。
2）評価項目は、自社の安全・品質規定から逆算して策定せよ。
ASIMOV-Agenticのような汎用ベン치マークは確かに必要だ。しかし、その評価項目が「密閉空間作業許可」「LOTO（Lockout/Tagout）」「高所転落リスク」「コンベヤ巻き込まれ事故」「IATF品質追跡」をカバーしていないのであれば、そのハイスコアは自社現場の安全性を何一つ保証しない。Mithrilが Evidence Chain（証拠チェーン） をクローズドループの最終ステップに配置した理由はここにある。
3）レガシーシステムを「敵」として扱うな。
汎用モデルが強力になればなるほど、現場にすでに存在するFDC、既設CCTV、そしてPLCの資産価値はむしろ高まる。システムのリプレイス費用が導入のボトルネックとなる工場であればあるほど、「レトロフィット（後付け適合）が可能なオーバレイ・レイヤー」が最も早くROI（投資対効果）を創出する。25を超える現場がまずGuardianによって切り開かれ、その上にOptimaがスムーズに積層されている理由がまさにこれだ。
6. 数値が公表された、その先に
ロボット・ファウンデーションモデルは今や、客観的な「成績表」を手に工場の門を叩いています。ヒューマノイドメーカーはすでに株式市場でその価値を正当に評価されました。問題は、その間に残された空白です。それは華やかな「スペクタクル」ではなく、泥臭い「現場運用」に他なりません。
2024年7月、Google DeepMindがGemini Robotics 2を公開した際にあわせて提示した成功率のデータ表は、まさにその空白を鮮明に浮き彫りにしています。同一のロボット、同一のハンド（手部）でありながら、電球を外すタスクの成功率は92%であったのに対し、ちり取りでゴミを清掃するタスクは32%にとどまりました。モデルもハードウェアも一切変わっておらず、ただタスクが1つ変化しただけで、成功率に56%ポイントもの巨大な乖離が生じたのです。これは単にモデルの限界を示す数字ではありません。ベンチマークの成績表だけでは、自社の現場において実際に何パーセントの成功率が出るのか、誰にも予測・確定できないという事実を裏付けています。
だからこそ、問いは次のように再定義されなければなりません。
「自社現場のレシピと禁止動作（Interlocks）をこのデータ表の隣に並べたとき、我々は今何パーセントの位置からスタートすることになるのか」 「そして残された不確実性のパーセンテージ、すなわち失敗が発生する領域において、誰が設備を止め、その判断をいかなる根拠として記録に残すのか」
この問いに応える制御・判断レイヤーが存在しなければ、カタログ上の92%は単なる広報用のフレーズとして空文化し、自社現場で直面する現実は32%側に限りなく近づくことになります。
Mithrilの出す回答は至極シンプルです。
判断のコア: NENYA
安全: Guardian
歩留まり: Optima
動作・制御: Physical OS
作業者の傍らにあるCCTVカメラから始まり、チャンバー内のセンサー、そして巡回ロボットに至るまで、まったく同一の「判断言語」がシームレスに貫かれます。このアーキテクチャは、NVIDIA Inception、TIPS、忠南 C-STAR、そして高麗大学 パターン認識・機械学習研究室との強力なR&D連携によって堅固に支えられており、海外市場においてはSunway、TOA、Elsewedy / AOI等を通じてすでにその扉が開かれています。
92%と32%の狭間において、貴社の現場は今どこに位置していますか
DeepMindが公表した表は、あくまでモデル単体の成績表です。そしてこの表自体が証明しているのは、同一のモデルであってもタスクが変われば成功率が56%ポイントも変動するという客観的事実です。工場に必要なのは、その表の隣に存在する「空白」への回答です。すなわち、この工程・この設備・このSOPにおいて実際に算出される成功率は何パーセントなのか、異常発生時に誰が設備をインターロックし、その判断をいかなる証拠（Evidence）として残すのか、という具体的な答えです。
製造現場へのAI導入は、単なる「モデル選定」だけでは完結しません。現場の作業手順、設備データ、品質基準、運用人員、セキュリティポリシー、保守体系が合致して初めて、DeepMindの表に示された数値が自社現場でも再現されます。さもなければ、92%は実験室の数字として一人歩きし、我々が対峙する現実は32%側に偏ることになります。クラウドの応答を待てない「ロボットの体」と、データを外部へ搬出できない「工場」が同時に存在する理由はここにあります。
Mithrilは、課題定義の初期段階からこの「空白」を共創によって埋めていきます。
既設のCCTV・FDC・PLCの上にNENYAの判断レイヤーをどのようにオーバレイ（積層）させるか。Guardianで safe operation を完結させるか、あるいはOptimaで歩留まりの最適化を図るか。PoC（概念実証）を経て本番運用および複数サイトへの展開に至るロードマップを、現場の実データとコンプライアンス規定に合わせて正確に設計します。
保有されているログデータや映像、防ぐべき事故の定義、そして向上させたい歩留まりの目標さえあれば十分です。その現場の資材を起点に、今すぐ適用可能な領域から検証を開始してください。
Mithrilとともに、貴社に最適な製造AIの導入戦略を議論してみませんか。
コメント