Physical_AI_Consulting_Report_JP_with_Photo_Illustrations

INTEGRATED CONSULTING REPORT Physical AI 事業・技術戦略レポート 技術成熟度、競争構造、IP・安全ガバナンスを踏まえた参入戦略 AI生成イメージ 添付資料2点の統合版｜2026年8月 CONFIDENTIAL

KEY TAKEAWAYS Executive Summary 01 実態は「統合された工学スタ ック」 競争の中心は、知覚・制御・シミュレーション ・ハードウェアを閉ループで統合する能力。 VLA単体より、実機データと統合設計が差別化 要因。 02 成熟度は三層に分かれる 03 勝ち筋は「用途特化 × データ × 安全」 知覚は実証・応用段階、ヒューマノイド全身制 御とsim-to-realは競争激化、VLAは研究先行 で特許化・運用信頼性は初期。 汎用ロボットを正面開発するより、明確なユー スケースでデータフライホイールを構築し、安 全保証とIPを組み込む方が実行確度が高い。 シミュレーション／データ基盤を 先行 ハードは連携、統合・安全・IPは 内製 推奨する3つのノーリグレット施策 1〜2用途に絞る 1 2 工程・環境・安全基準が明確な領域から開 始 出所：添付日本語版・英語版を基に当方再構成。成熟度・推奨はコンサルティング上の統合判断。 実機学習コストと失敗リスクを継続的に低 減 3 資本負担を抑えつつ事業固有の防衛力を確 保 2

SCOPE & METHOD 調査スコープと資料の統合方針 SOURCE A SOURCE B 日本語版：特許・論文エビデンス 英語版：市場・将来技術・安全 4モジュール（HW／知覚／シミュレーション／VLA）で整理 市場需要、アプリケーション、現行ソリューションを概説 2023〜2026年の特許シグナルと、2020〜2023年中心の論文を収 録 ニューロモーフィック、基盤モデル、微分可能物理を将来方向として 提示 成熟度の三層構造、主要プレイヤー、証拠境界を明示 安全・倫理をライフサイクル型の設計課題として整理 データの扱い 本文の集計記述は「特許57・論文36・統計2＝合計93」とされるが、算術上は95。引用一覧は特許38・論文13＝51件。 本レポートの定量図は、追跡可能な引用一覧51件を基礎とし、広いエビデンスプールは未検証として扱う。 外部未検証 注：市場数値・法的状態・特許ファミリーは外部データベースで再検証していない。 3

OPERATING MODEL Physical AIの事業価値は「閉ループ統合」で生まれる 世界モデル Simulation / Digital Twin 方策・VLA 事業上の 含意 Language / Policy / Planning 知覚 制御・実行 1 Visual / Tactile / Force Whole-body / Motion モデル性能だけでは防 衛力にならない 2 実機データがループを 強化 実世界 Human / Environment 学習 Real data / Correction 3 安全・運用知見が参入 障壁化 価値の中心： インターフェース × データ × 保証 出所：両添付資料の定義・技術モジュールを基に当方再構成。 4

MARKET PULL 市場プルは強いが、数値は「仮説」として扱う 英語版資料記載値｜出典未付与・外部未検証 $218B 約35% >$20B +25〜40% 2030年 世界ロボティクス市場 製造業の需要構成 2027年 医療ロボティクス 平均生産性改善 CAGR 14.3%（2023-30） 英語版資料の推定 英語版資料の推定 導入企業の想定レンジ アプリケーション機会マップ（定性的整理） 製造 医療 AI生成イメージ 価値 潜在 力 読み解き 製造・物流は、課題の反復性とROI測定のしやす さで先行 医療は価値が大きい一方、安全・説明責任が導入 条件 農業は人手不足がドライバーだが、環境変動への 頑健性が鍵 物流・倉庫 農業 導入準備度 → 注：市場KPIは英語版添付資料の記載をそのまま可視化。投資判断前の外部検証が必要。 5

MATURITY 技術成熟度は一枚岩ではなく、三層に分かれる 実証・応用拡張 成熟度 知覚・センシング 視覚・触覚・力覚の基盤技術が蓄積。組立等の応用へ展開。 開発競争が本格化 ヒューマノイド全身制御／sim-to-real 集中出願が増加。一方、現実ギャップは依然として未解決。 研究先行 → 実用移行 動作制御・VLA 経営上の示唆 短期収益：知覚・制御・シミュレーション 中期オプション：VLA・汎用性 投資配分は成熟度に応じて分離 論文・ベンチマークが先行。特許化と運用信頼性は初期。 出所：日本語版「成熟度の三層構造」を基に当方再構成。 6

VALUE THESIS 価値は上位モデルではなく、スタック横断の“運用資産”に蓄積する 持続的な競争優位を生む3つの資産 01 実機インタラクションデータ 失敗・例外・介入履歴を含む学習資産 方策・VLA 指示理解／計画／アクション生成 安全・ガバナンス 02 シミュレーション・学習 知覚・センシング センサー配置、制御周期、BOM、保守性 デジタルツイン／synthetic data／補正 視覚／触覚／力覚／融合 ハード×ソフトの共同最適化 03 安全保証と運用ノウハウ 制約、監視、説明、責任分界、現場手順 ロボット本体・アクチュエータ 量産性／安全制約／保守 汎用モデルは調達可能になりやすい。自社固有の現場ル ープが“堀”になる。 当方整理。技術スタックは添付日本語版の4モジュールに基づく。 7

EVIDENCE L A NDSCAPE 引用エビデンスは、特許が2025〜26年に加速／論文は2020〜23年に偏る 引用一覧：公開年別件数 特許 引用一覧：モジュール別件数 論文 ロボット本体・HW 17 特許 / 0 論文 知覚・センシング 11 特許 / 4 論文 シミュレーション・学習 8 特許 / 3 論文 動作制御・VLA 1 特許 / 6 論文 15 10 5 VLAは「論文先行・特許少数」という構造が明確 0 2020 主要観察 2021 2022 2023 2024 2025 2026 ① 2026年は途中集計 ② 特許件数はファミリー未統合 ③ 論文セットが古く、最新VLAを過少代表する可能性 出所：日本語版の引用一覧[1]〜[51]を当方集計。 8

MODULE 1 Deep Dive 1｜ロボット本体・ハードウェア 全身制御 競争軸は「派手な自律性」より、実装を支える工学要素 逆運動学、バランス、複合制約下のタスク効率 アクチュエータ 共通部品化、小型・高出力密度、量産性 器用なハンド 拮抗駆動、視触覚統合、モジュール化 1 2 3 制御安定性 量産性 操作能力 安全制約下の全身IK バランス・自己修正 共通アクチュエータ BOM・保守性 ハンド・把持 人間環境適応 主要シグナル FIGURE AI：全身制御・アクチュエータ標準化｜UBTECH ：分離制御｜APPTRONIK：人間エンベロープ内設計｜中国 系：マイクロアクチュエータ・器用なハンド AI生成イメージ 示唆：汎用ヒューマノイドの正面開発より、用途固有の制御・部品標準化・保守性に絞る方が勝率が高い。 出所：日本語版 [1]〜[5], [13]〜[24]。 9

MODULE 2 Deep Dive 2｜知覚・センシング マルチモーダル知覚は、最も実証が進んだ参入ポイント 主要シグナル 視覚 触覚 力覚 RGB / Depth / Event Optical / Surface Force / Torque 固有感覚 NUS：NeuTouch + VT-SNN Samsung：半透明触覚センサー Joint / Motion Khalifa：イベントカメラ付き指 融合・表現 把持・組立・移動 低遅延／省電力／頑健性 現場タスクへの適用 Intel／Momenta／Metawave： 車載隣接 AI生成イメージ 約514万件は広義集計 Physical AI固有シェアではない 事業示唆 センサー単品ではなく「融合モデル＋シミュレーション＋タスク評価」まで束ねると、独立した収益源とデー タ獲得装置を両立できる。 出所：日本語版 [6]〜[9], [25]〜[31], [39]〜[42]。 10

MODULE 3 Deep Dive 3｜シミュレーション・学習／world model sim-to-realは横断的なボトルネックであり、同時にプラットフォーム機会 Reality Gap 高忠実度 シミュレーション AI生成イメージ Synthetic Data Domain Randomization 実機評価・ 失敗データ 補正方策・ 再学習 動力学・接触 センサー特性 アクチュエータ非線形 環境・物体の多様性 継続学習ループ MENTEE：是正ポリシー｜Google：タスク認識型sim2real｜NVIDIA：母集団ベース学習｜Amazon：シ 代表シグナル ミュレーション管理｜GDM：報酬予測・オフライン学習 示唆：用途ごとのデジタルツインと失敗データを共通基盤化できれば、複数ロボット／複数工程へ横展開しやすい。 出所：日本語版 [10]〜[12], [32]〜[36], [43]〜[45]。 11

MODULE 4 Deep Dive 4｜動作制御・VLA 論文シグナル 特許シグナル CALVIN：言語条件付き長期操作 SkillFusion：ハイブリッドナビゲーション AI生成イメージ 少数デモ・模倣学習・遠隔操作 直近の明示例 自然言語→コード／軌跡生成 東南大学：LLM＋記号プログラミング検証による長距離 操作（2026年出願） 商用化ギャップ 信頼性・安全 データ標準 リアルタイム性 責任分界 例外時の挙動保証 行動空間・形態差 推論遅延・計算量 人間介入と説明 出所：日本語版 [37], [45]〜[51]。当面は「オプション価値」として管理することを推奨。 12

ECOSYSTEM 競争構造：プレイヤーはレイヤーごとに異なり、統合者が不足している インフラ／プラットフォーム HW・制御 ロボットOEM／専業 大学・研究機関 産業実装／隣接 FIGURE / UBTECH / APPTRONIK 中国研究機関 / 浙江大 FANUC / MERL 知覚 Intel Samsung NUS / Khalifa / BIT Momenta / Metawave Sim・学習 NVIDIA / Google / Amazon / GDM MENTEE ASU Preferred Networks VLA・認知 Google系基盤 Sanctuary Freiburg / Imperial / UCSD / 東南 大 Tencent / Pudu 米国・イスラエル ヒューマノイド／sim-to-real専業 アジア 出所：日本語版の直接エビデンスと、英語版の広域プレイヤー記述を区別して統合。企業順位を示すものではない。 センシング／ハード／出願加速 欧州・中国アカデミア VLA・模倣学習に存在感 13

INNOVATION BETS Horizon 2｜将来技術は「基盤強化」と「汎用化」に分けて投資する AI生成イメージ ニューロモーフィック Embodied Foundation Models 微分可能物理 低遅延・低消費電力のセンサモータループ 視覚・言語・触覚・固有感覚の統一表現 知覚→制御まで勾配を通すシミュレーショ ン 用途限定PoC オプション投資 基盤へ先行投資 NUSのSNN系シグナルと整合。センサー／プロセッサ 共同設計が鍵。 高い汎用化余地。ただし安全・リアルタイム性・データ 標準が課題。 sim-to-realと設計最適化を同時に改善。横断基盤とし て実行価値が高い。 推奨優先順位 1 微分可能物理／シミュレーション基盤 出所：英語版のFuture Innovation Directionsを基に当方優先順位付け。外部技術評価は未実施。 2 Embodied FMの用途限定実験 3 ニューロモーフィックの選択的PoC 14

SAFETY & GOVERNANCE 安全・倫理は「後付けコンプライアンス」ではなく、製品アーキテクチャ 5｜ガバナンス・責任 責任分界、監査、事故対応、継続モニタリング AI生成イメージ ライフサイクル管理 4｜保証・人間介入 HITL、説明可能性、介入権限、フェイルセーフ 3｜方策・推論 1 設計 安全要求と責任分界 2 学習 データ・制約・評価設 計 3 検証 シナリオ／形式検証 4 導入 限定環境・介入体制 5 運用 監視・更新・事故学習 制約付き計画、危険行動の抑止、信頼度評価 2｜知覚・学習 1｜物理制約・実行 バイアス、OOD検知、データ品質、ドリフト監視 衝突回避、力制限、速度制限、停止系 経営上の意味：安全保証は市場アクセス、顧客信頼、保険・責任コスト、データ利用権を左右する“商用化機能”。 出所：英語版 Safety and Ethics Frameworkを基に再構成。 15

BUILD / PARTNER / WATCH 戦略オプション：差別化領域を内製し、資本集約層は連携する BUILD｜内製 PARTNER｜連携 WATCH / OPTION 自社の“堀”を形成 速度と資本効率を確保 オプション価値を維持 用途固有データと評価基準 ロボット本体・アクチュエータ 汎用ヒューマノイドの自社開発 システム統合・例外処理 センサー／エッジ計算 汎用VLA基盤モデル 安全制約・監視・運用設計 基盤シミュレータ・GPU ニューロモーフィック全面採用 顧客ワークフロー／UX 汎用モデル／クラウド クロス形態の標準行動空間 IPポートフォリオとFTO 保守・現場インテグレーション 完全自律・人間非介在運用 ノーリグレット：データ基盤 × シミュレーション × 安全 × IP － どのハード／モデルを選んでも資産として残る 当方推奨。資本制約・既存アセットに応じてBuild/Partner境界を調整。 16

ROADMAP 36か月ロードマップ：用途定義から横展開可能な運用基盤へ 0–3M 3–9M 9–18M 18–36M DEFINE BUILD 用途・顧客課題を1〜2件に限定 デジタルツイン／データ収集 限定現場でHITL運用 複数拠点／複数タスク 成功KPI／安全境界 知覚・制御スタック 失敗ライブラリと再学習 コストダウン・保守標準 アーキテクチャとFTO基線 制約・監視の実装 初期IP出願・法的状態確認 モデル更新とガバナンス 主要ゲート G1 価値仮説 当方推奨ロードマップ。用途・規制・ハード調達リードタイムに応じて調整。 G2 PILOT 実機再現率 G3 安全・ROI SCALE G4 スケール経済 17

EVIDENCE WORKPLAN 意思決定前に、特許・論文・市場データを“decision-grade”へ整備する 01 特許ファミリー正規化 02 法的状態・権利者の清掃 同一発明の国別公報・継続・分割を統合 成果物イメージ A1／B2、係属・登録・失効、Applicant／Inventorを分離 1｜ファミリー単位の競争マップ 2｜クレーム×機能×プレイヤー表 03 最新論文の更新 2024〜2026年のVLA・基盤モデル・実機評価を追加 3｜FTOリスクと設計回避案 4｜最新論文／ベンチマーク一覧 04 FTO・ホワイトスペース 主要クレームを機能マップへ落とし、設計回避と出願余地 を抽出 5｜検証済み市場・ROIモデル 05 市場・ROI検証 出典未付与の市場KPIを一次／信頼できる二次情報で検証 当方推奨。現行資料の強みを残しつつ、定量比較・FTOに耐えるデータ基盤へ移行。 投資委員会／経営会議で再利用可能 18

RISKS & BOUNDARIES リスクと証拠境界：現行資料だけでは断定できないこと ! 件数整合 ! 93／95／51件の関係が未整理 ! 公開遅延 直近出願は約18か月遅れて見える 現時点で避けるべき断定 出所：日本語版「証拠境界」および資料レビュー結果。 集計範囲 ! 約514万件は周辺領域を広く含む ! 論文鮮度 引用論文は2020〜2023年中心 法的状態 公開公報A1を「有効」と表記する例 ! 市場数値 英語版のKPIに出典が付与されていな い 企業別の正確な技術順位／Physical AI市場シェア／検証済み市場予測／FTOクリアランス／2026年最新研究の網羅性 19

NEXT DECISIONS 経営のDecision Agenda 次の30日で決めるべき5つの問い 01 02 03 04 05 どの用途で始めるか 各レイヤーをBuild／Partnerのどちらに置くか 反復性、ROI、安全境界、顧客アクセス 資本集約度と防衛力のバランス どのデータを自社資産として確保するか 実機、失敗、介入、シミュレーション 安全閾値と人間の役割をどう定義するか 停止権限、監視、説明、責任分界 パイロット前にどのIPポジションを取るか FTO、設計回避、先行出願、契約 最終メッセージ：Autonomyの物語ではなく、Engineered Reliability（実装・データ・安全）を起点に市場へ入る。 本資料は添付2資料の統合版。外部検証・追加調査前の戦略仮説として使用。 20

KEY PATENT SIGNALS Appendix｜主要特許シグナル 領域 プレイヤー 技術シグナル 参照 HW FIGURE AI 全身制御・安全制約・アクチュエータ共通化 HW UBTECH 逆ヤコビ／分離制御 HW APPTRONIK Sensing NUS Sensing Samsung 半透明触覚表面センサー [26] Sim MENTEE sim-to-real是正ポリシー [10][11] Sim Google 視覚タスク認識型sim2real [12] Sim NVIDIA / Amazon / GDM VLA 東南大学 [2][3][13]〜[16] [4][5] 人間エンベロープ内ヒューマノイド [17]〜[19] NeuTouch + VT-SNN、イベント駆動融合 [6]〜[9] RL基盤、シミュレーション管理、オフライン学習 LLM＋記号検証による長距離操作 [34]〜[36] [37] 注：公報件数であり、特許ファミリーや独立発明件数ではない。法的状態は再確認が必要。 出所：日本語版引用一覧。 21

KEY PAPER SIGNALS Appendix｜主要論文シグナル 領域 論文／テーマ Sensing TACTO Sensing 技術シグナル 年・参照 視覚ベース触覚の高速シミュレータ 2022｜[39] Optical tactile sim-to-real 触覚センサーの現実移行 2020｜[40] Sensing Physics-based tactile sim 物理モデル＋潜在投影 2021｜[41] Sim Embodied AI survey シミュレータから研究課題まで 2022｜[43] Sim SkillFusion ハイブリッドナビゲーション 2023｜[45] VLA CALVIN 言語条件付き長期操作ベンチマーク 2022｜[46] VLA Imitation learning VLA Language-to-code / PRG 少数デモ／遠隔操作／粗密学習 2021–22｜[47]〜[49] 言語→関数、マルチモーダル→軌跡 2021–22｜[50][51] 論文引用は2020〜2023年に限定。2024〜2026年のVLA／ロボット基盤モデルの更新が必要。 出所：日本語版引用一覧 [39]〜[51]。 22