フィジカルAI、日本は「脳」で勝てる。職人の「なぜ」をロボットに教える、アトラックラボ伊豆代表に聞く

ロボットに、職人の「勘」は教えられるんだろうか。 ここしばらく、ずっと気になっています。

AIがロボットの体を動かす「フィジカルAI」の話題を、見ない日はありません。たとえば、北京で開かれている人型ロボットのハーフマラソン。2025年の優勝タイムは2時間40分42秒でした。それが2026年4月には、50分26秒で人間の世界記録より速くゴールしています。たった1年で、3倍以上速くなったんです。ロボットの「体」は、驚くほどの速さで良くなっています。

一方で、日本の現場で困っていることは、少し違うところにありそうでした。

たとえば建設の現場。働く人の3人に1人以上が55歳以上で、29歳以下は1割ほど。ものづくりの会社に「引き継がなければいけない技能は何か」を聞いた調査では、半分を超える会社が、状況に応じて加減を調整する「カン・コツ」を挙げています。

ベテランが現場を離れると、体の動かし方だけでなく、「ここは少し力を抜く」「この音がしたら止める」といった判断も、一緒に消えていきます。人の動きをロボットにまねさせることは、もうできるようになってきました。でも、その「なぜ、そう動いたのか」まで、ロボットに引き継げるのか。

そんなとき、8月に出た一本のプレスリリースが目に留まりました。タイトルは「熟練者の作業をロボットへ」。熟練者の動きだけでなく、作業しながら口にする言葉まで、ロボットのAIに学ばせるという発表です。

出したのは、埼玉県三芳町のアトラックラボ。調べてみると、7月下旬からのおよそ1か月で、ドローン、レールの上を走るロボット、6本脚のロボット、無人のボート、そしてロボットの「頭脳」になるAIまで、約30本のプレスリリースを出していました。いったい、どんな会社なんだろう。

代表の伊豆智幸さんは、日本でまだ「ドローン」という言葉がなじみの薄かった2011年ごろからドローンを作り、産業用ドローンの会社を2つ立ち上げてきた人です。その人が、いまはロボットの機体よりも、「脳」のほうに力を注いでいる。

そして今回、なんとアトラックラボの代表、伊豆智幸さんに、直接お話を伺えることになりました！

先に答えを言ってしまうと、伊豆さんの考えの芯は、2つありました。

• 教えるのは、動きより「なぜ」
  熟練者に、作業しながら考えていることを話してもらう。その言葉を動きと一緒に学ばせると、ロボットは「作業者」から「熟練者」に近づく。
• 体は世界から、脳は日本で
  ロボットの機械は、世界中の部品で作れる時代。日本が勝負できるのは、現場の常識やノウハウを持った「脳」のほう。

ドローンの「AIパイロット」から、建設現場、そして地方の暮らしまで。ひとつずつ伺っていきます。

WHO IS

伊豆 智幸Tomoyuki Izu

株式会社アトラックラボ 代表取締役

「熟練者の動きは記録できます。でも本当に大事なのは、なぜそう動かしたのか、なんです」── 伊豆智幸（本記事の取材より）

1. 〜2006横河ヒューレット・パッカードで約19年現在の日本ヒューレット・パッカード。サーバーやワークステーションのマーケティングを担当
2. 2006〜エンルートを創業ラジコン機のメーカーとして創業し、2011年ごろから産業用ドローンへ。2016年にスカパーJSATグループの出資を受ける
3. 〜2018エンルートラボを率いるドローンの研究開発の会社。2018年にイームズラボ（現イームズロボティクス）として福島の企業グループへ
4. NOWアトラックラボ 代表取締役2018年1月に設立。ドローン、無人車両、無人ボートと、それらを動かすAIを開発

大学を卒業して横河ヒューレット・パッカードに入り、約19年、サーバーやワークステーションのマーケティングを担当しました。趣味のラジコンが高じて、2006年に会社を辞めてエンルートを創業。ラジコン機のメーカーから産業用ドローンへと事業を移し、2016年には東北大学や国際航業などと、雲仙普賢岳でドローンを使って土砂を採取する実証にも加わっています。土石流を予測するための実験でした。エンルートは同じ年に、スカパーJSATグループの出資を受けてグループに加わりました。2018年にアトラックラボを設立しています。

もともとは大学を出て、ヒューレット・パッカードの日本の会社で、IT系の開発ツールなどの販売やマーケティングをしていました。19年ほど、ふつうの会社員です。

ただ、昔から電子工作が好きで、ラジコンも趣味だったんです。飛行機や車を、自分のオリジナルで作りたい。ほかのメーカーの製品を見て、「自分だったら、もっと面白いものを作れるよ」くらいの気持ちで会社を辞めて、2006年にラジコンのメーカーを立ち上げました。それがエンルートです。マニアの方に買っていただけるような飛行機や車を作っていました。自分がマニアでしたから（笑）。

2011年ごろから、ドローンが飛び始めたんです。最初はラジコンの延長でした。ヘリコプターも飛ばして遊んでいましたし。ドローンは電子制御で飛ぶので、電子工作が好きな自分と、ラジコンが好きな自分を、両方楽しめたんですよね。

そのころ、東北大学などと一緒に、ドローンを産業に使おうという取り組みを始めました。火山の観測に行ったり、自動で飛ばしたり。今では当たり前ですが、当時はなかなかなかったことで、それが面白かった。土石流の調査や、農薬の散布もありました。飛行機やヘリコプターで空から測量するのは大変なので、ドローンなら簡単にできるよね、と。災害に関わるテーマが多かったですね。

それで、ラジコンの事業はやめて、産業用ドローンに絞りました。

お客さんには、ずいぶん言われました。今でも「あのころの製品をまだ使ってるよ」と言ってくださる方がいます。ただ、産業のほうが面白くなってしまったんです。

エンルートは、その後スカパーJSATのグループに入りました。次に立ち上げたイームズラボ（現在のイームズロボティクス）も、福島県の会社に引き継いでもらっています。そして2018年に始めたのが、いまのアトラックラボです。

ざっくり言うと、私は開発が好きなんです。メーカーをやると、ものづくりもサポートも、全部を自分たちで抱えることになる。だから、開発に集中できる会社にしました。基板を作るにしても、何を作るにしても、製造は外に頼む。お客さんのサポートも、外の力を借りる。自分たちはテクノロジーの開発だけをやる、というスタイルです。

一緒にやっているのは、AIやソフトを担当するタイのエンジニアと、機械の設計を担当するフィリピンのエンジニアです。昔からずっと付き合いのある2人で、私が会社を作ると言ったときに、一緒に始めてくれました。

それには理由があって、うちはオープンソースを積極的に使っているんです。自分たちで全部作っていたら、工数がいくらあっても足りません。何かやりたいと思ったとき、世界中を探すと、だいたい誰かが似たものを作っているんですよね。

ただ、オープンソースは、GitHubでもコミュニティでの会話でも、英語が中心です。英語が得意なエンジニアのほうが、そういう世界になじみやすいんです。

うちのやっていることは、日本では少し先進的に見えるかもしれません。でも世界のレベルで見れば、標準的な流れなんです。それを日本の現場に届けるのが、私たちの役目だと思っています。世界のトレンドに乗っているので、方向を大きく間違えることはない。ただ、日本ではちょっと早すぎて、なかなか伝わらないこともあります。この夏もプレスリリースをたくさん出しましたけど、まだピンとこない人が多いだろうな、と思いつつ、ですね。

日本には、いろいろな知恵があるんですよね。料理人には料理人の技があるし、発破をかけて穴を掘る熟練者もいる。そして日本人は、重箱の隅をつつくくらい細かいことにこだわるし、ゴミをポイ捨てしない、時間を守る、といった常識がベースにありますよね。

それがAIに入っていたら、日本の競争力になると思っているんです。

たとえば、バックホー（ショベルカー）や、ロボットアームの操作。熟練者が操作すれば、どう動かしたかは記録できますよね。でも本当に大事なのは、なぜそういう動かし方をしたのかなんです。

刀鍛冶の人は、鉄の様子を見て「こんな感じだから、こうする」と作っている。料理人は、ジャガイモの色なのか何なのか、何かを見て「いまが食べごろだ」と判断して、火を止める。カメラの映像と、画像を読むAI（VLM）を使えば、機械の動きは学習できます。でも、「なぜ」の部分は学習できないんです。

熟練者が弟子に教えるときは、「これがこうだから、ここで火を止めたんだよ」と、言葉で説明しますよね。

いまは大規模言語モデル（LLM）がすごく進んでいます。だから、熟練者がぶつぶつ説明しながら操作したものを、動きと一緒に学ばせる。そうすると、弟子を育てる感覚で、ロボットの脳みそを育てられると思っているんです。

まずは両腕のあるロボットで、作りながら検証しています。人のお手本からロボットが学ぶ「模倣学習」に、この「説明」を味付けとして加える。それが8月のプレスリリースの趣旨です。

料理をするロボットは、どちらかというと機械的な学習だと思うんです。ロボットに動きの手順を一つずつ入れていくとか、ドローンに飛ぶ地点を入れていくのと、同じような感覚ですね。

それだと、作業者にはなれるけど、熟練者にはなれないんですよね。

熟練者というのは、「こうだったら、ああする」という理由を持って動いている人です。そこの脳みそを作れるかどうかが、大きいと思っています。

そうなんです。もともと農業のAIを考えたとき、農家さんは、たとえばお米の育ちがいいかどうかを、色を見て「なんとなくフィーリングで分かるんだよ」と言うんですよね。匂いも含めてなのかもしれません。

ただ、いまはいろいろなものをデータにできますし、植物の元気さを示す指数のように、人間の目より広い範囲を見られるものも出てきています。そこに、農家さんの勘やフィーリングを、しゃべってもらって取り込む。それに挑戦しようとしています。分かりやすいので農家さんの例で話していますが、実際のターゲットは建設などです。

勝負は、その人が言語化できるかどうか。無意識に作業している人が、あまりにも多いんです。これまでの経験で、あまり考えずにそうしてきました、と。その人が生まれ持ったものや、いろいろな経験の上に、作業が積み上がっているんですよね。

だから、ベースになる人間の部分、たとえば時間を守る、約束を守るといった日本の常識を、まず一つ作っておく。その上に、作業の常識を載せていく。そういう試みをしています。

そうですね。子育てと一緒で、こういうふうに教えたら、こういう子が育つんだな、というのが分かる。違うのは、相手がコンピューターなので、リセットをかけながらやり直せるところです。

資料を参照させる仕組みでも、追加の学習でも同じだと思いますが、これをやったらうまく育たなかったから、これはやめておこう、ができる。子育てよりはだいぶやりやすい、というのが今のAIじゃないでしょうか。

AIに教えるのを、AIにやらせることもできます。先生役のAIを何パターンか用意して、どんな子が育つかを見る。AIが相手なら、遠慮なく「それはダメ」と言えるのも、いいところです。

ロボットを動かすときも、途中の様子をモニタリングできる仕組みを作りました。AIが出しているものをウェブのブラウザで見られるようにしただけなんですが、ロボットが何を考えて、その行動をしたのかが人間に見える。それが好ましいかどうかを確かめながら、開発しています。

熟練者がいい説明をしてくれるかどうかは、一つありますね。私が教えるなら、AIの特性をある程度知っているので、こういう言い方にしないと誤解されそうだな、と考えながら話せます。でも、ダジャレを言いながら操作する人もいるかもしれない（笑）。

そこがチャレンジだと思っています。まだ方法論が確立されていないので、まずは自分の分野、ドローンのパイロットから始めているところです。

私自身、ドローンを長くやってきたので、自動で飛ばすときに事前に何を考えなければいけないか、といったことを教えています。いま目標にしているのは、ドローンに「AIパイロット」を載せることです。

無人機には、パイロットが乗っていませんよね。人が乗っていれば、「振動が増えてきたな」「このモーターにエネルギーをたくさん入れているのに、力が出ないな」と、調子が悪くなってきたことに気づけます。

そうしたら、今すぐ緊急着陸しなきゃいけないのか。あと500m飛べるなら、その範囲で道路などを避けて空き地を見つけて、そこに降りよう。パイロットなら、そう判断しますよね。そのくらいは、できるようになっています。

いや、そこはそんなに難しいことじゃないんです（笑）。いま、フライトコントローラー（ドローンの飛び方を制御する基板）も自分たちで作っていて、そのデータと、正常に飛んでいるときのデータを比べれば、調子が悪いのはすぐに分かります。IMU（傾きや揺れを測るセンサー）の振動が増えてきた、というのも数値で見えます。

AIパイロットと言うのはちょっとおこがましくて、車のメーターを見て「ガソリンが少なくなったから、スタンドに行こう」と判断するのと同じレベルなんです。プログラムでも書ける内容です。でも、それをLLMに任せて、考えさせているんです。

どこに降りるかは、セグメンテーションという、昔からある画像のAIで、空き地、建物、道路を見分けます。そこに安全の係数をつけるんです。道路は危ない、人の上がいちばん危ない、と。そして、見えている中でいちばん安全なところに降ろす。この制御は、一応形にしています。

初心者のパイロットでも分かるレベルの話ですし、数値計算でもできることです。でも、そこにLLMを使うところに、脳みその使い方のミソがあると思っています。

今回、「AT-SYNAPSE（エーティーシナプス）」というフレームワークを作って、ローカルのLLMを使ったり、言葉でものを動かしたり、という一連のことをやっています。これは基本的に、脳みそを作ったあとの出口として、ロボットも必要だよね、という順番で作った仕組みなんです。

脳みそがあれば、手足はいろいろな形にできます。皆さんがChatGPTを使うときも、レシピを聞く人もいれば、数学のレポートを書く人もいますよね。でも、脳みそは同じ。どういう常識を持った脳みそか、が大事なんです。

だから、業種に特化した脳みそなら、あまり大規模なものでなくても作れると思っています。

各会社には、作業マニュアルや手順書があると思うんです。点検をしている会社なら、点検の手順書もある。それを脳みそにしていく、というのも、どんどんやっていきたいことです。

いまは、人が手順書を見ながら、さびを見つけたり、バルブの圧力を見たりしていると思います。将来は、ロボットやドローンが見に行く。でも、集めてきたデータをどう読み取るか、という脳みそも必要ですよね。そこに、日本の差別化ポイントを出せると思っています。

土台になるモデルは、中国のQwenのようなものでも、アメリカのものでもいいんです。ただ、ノウハウは外に出さない。だから、ローカルのLLMにこだわっています。そのうえで、脳みそを作っていく。そう考えています。

まずは建設系だと思っています。本当は災害対応と言いたいんですが、災害は、そのためのロボットを作る予算がなかなかつかないんです。

汚い、危ない、怖い。そういう仕事は、たぶんロボットにどんどん移っていくと思うんですよ。そのときに、脳みそがあったらいいよね、という話です。

以前、雲仙普賢岳で、ドローンを使った土石流の調査に関わらせていただいたことがあります。あそこは、人が乗らずに建設機械を動かす「無人化施工」の現場なんです。山の上の溶岩ドームが崩れてきたら、みんな逃げなきゃいけない。だから人は川の中に入らずに、映像を見ながら建設機械を運転していました。

人が近づくと危ないところで、建設ロボットを動かす。それも遠隔操作というより、AIが操作して、人間がモニターしている。そういうレベルから、まずスタートすると思います。

日本でいま認められている車の自動運転は、高速道路ではハンドルを握らなくても走れるけれど、前は見ておいてくださいね、というものですよね。あれと同じような感覚の建設ロボットです。点検なら、全部フルオートでできるかもしれません。

車がハンドルを切るときも、スピードが出ていたらゆっくり切るし、遅ければたくさん切る、という判断がありますよね。いまの車は、車線の読み取りにはAIを使っていても、こうした操作はまだ数値計算でやっています。でも将来は、全部AIにしたほうが簡単だよね、ということになる気がします。

プログラムを書く人も、いまはAIを使っていて、自分ではあまりコーディングしないでしょう。ただ、何をやりたいかは指示を出さなきゃいけない。現場でも同じで、AIに指示を出したら、「いつも俺がやっているやり方」でやってくれる。お客さんとは、むしろそちらの方向で話を進めています。

話が進みやすいのは、目的をはっきり持っているお客さんですね。技術に詳しい人どうしで話すと、目的を忘れて技術の話になりがちなんです。農家さんで言えば、技術はよく分からないけど、お米がよく取れるようにしてくれたらいい、という方のほうが、話を進めやすい。

いま、トンネルを掘っている建設の現場では、うちの「レールドローン」をよく使ってもらっています。最初、お客さんは「ドローンを飛ばしたい」と言うんですよ。飛ぶから何でもできるんでしょう、と。

でも、実際に使ってもらっているのは、5kmの区間を点検するロボットです。5kmを往復するとなると、ドローンは充電が必要になるし、狭い空間を飛ぶのは危ない。だったら、レールを引けば省エネでいいじゃない、と話したら、「目的が叶うなら、それでいい」となったんです。

ロボットの形は、目的を達成できればいい。なのに、ドローンを使いたい、AIを使いたい、と手段のほうにこだわってしまうことがある。もっとシンプルな形でいいのにな、と思うことはありますね。

スマホでChatGPTを使っている人たちは、中がどんな原理で動いているかは、分からないと思うんです。答えてくれて、気持ちよく教えてくれたら、それで使う。そういう人のほうが、素直に使ってくれるようになる気がします。

これまで、ロボットは専門職の領域でした。それが、一般の職人さんの考えを入れやすくなった。それが、LLMがもたらした大きな変化だと思います。

脱サラして自分でやってみて思うのは、役に立つものを作ると、お金をいただけるということです。ロボットやドローンを作っていると、「これは役に立ったから、もうちょっとバージョンアップしていこう」と、続けて予算を確保していただける。それが基本のルールだと思います。

じゃあ、AIの技術を、世の中にどう当てはめていくか。私はいま、目の前でロボットが動いているフィールドにいるんですが、こういうことをするために、田舎のほうへ越してきたんです。田舎って、困りごとが多いんですよね。

たとえば、ここで昼ごはんを食べたいと思っても、街中のような料理の配達サービスがない。じゃあ、配達ロボットがあったらいいな、とか。

毎日目にするのが、おばあちゃんがゴミ袋を手押しのカートに載せて、ゴミ捨て場まで運んでいる姿です。大した距離じゃないけれど、大変ですよね。それをロボットが玄関の前まで取りに来て、ゴミ捨て場まで運んでくれる。ロボットが信号を守っているか、危ないことをしていないかは、地域の方がボランティアで遠くから見守ってもいい。そういう社会になっていく気がするんです。

歩いたり走ったりするのは、健康づくりのための趣味でやればいい。労働はほとんどロボットに任せて、人はちょっと頭を使うことで暮らしていけたら、それに越したことはないと思っています。

海外のいろいろなところに行くと、日本はきれいだし、危なくない。この社会を守っていきたいし、日本人の根底にはそういう気持ちが流れていると思います。ただ、体が動かなくなったらどうしようもないし、いまでも介護の問題がありますよね。そういうところに、どんどんテクノロジーを使っていけばいい。

そのとき、誰かがプログラムを書くのではなく、「私のパートナーは、私が作ります」という感覚で、自分で育てられるようになるといいなと思っています。

草刈りでも、「うちの庭を刈っておいて」と言って、AIが「庭」を理解できれば、プログラムで「このエリア」と指定する必要はないですよね。「うちの生け垣を刈っておいて」と言えば、そうしてくれるはずです。車を洗っておいて、と言っても、よその車は洗わないでしょうし。

みんなが車を当たり前に使っているのと同じ感覚で、人間とは違うパートナーが身近にいる。いまでもChatGPTを「チャッピー」と呼んで使っている人がいるくらいですから。フィジカルAIという言葉もはやっていますが、ピンとくる人はまだ少ないかもしれません。でも、AIでロボットを動かせたら、それは便利だよね、と自然に社会に入っていく気がします。

そういう未来が来るなら、それを支えるメーカーになっておきたいと思っています。

いま日本が戦えるのは、そこかなと思っているんです。海外のロボットは、ここ数年で急速にすごくなっていますよね。

うちでも、車輪のついた4本脚のロボット「AT-FOX」や、6本脚のスパイダーロボットを作っています。スパイダーには韓国のアクチュエーター（関節を動かすモーター）を、AT-FOXには中国から買ってきたアクチュエーターを使っています。海外では、ロボットに向いた部品を、いろいろなベンチャーが作っているんですよね。それを買ってくれば、同じようなものが作れてしまう。

だから、日本のものづくり、と言っても、機械のところではなかなか差をつけにくい。脳みそかな、と思っているんです。

ありますよね。アニメや娯楽も、よく考えられているじゃないですか。まだその世界になっていないのに、「こういうのは危険だよね」と、細かく考えている。

まだ日本に「いい国」「常識がある」「クリーン」というイメージがあるうちに、日本の脳みそを届けたいんです。

テクノロジーであんなロボットを作れないから日本は遅れている、と言われますが、それはちょっと違う気がしているんです。

たとえば、ボーイングは日本の東レの炭素繊維を使って飛行機を作っていますよね。部品は、どこのものを使ってもいいと思うんです。最終的に、ソリューションとして旅客のサービスを提供しているボーイングのほうが、お金を稼ぐわけですから。

だから、いい部品が海外にあるなら、どんどん使って、脳みそのいいロボットを作ります、でいい。日本はどこで戦うのかと聞かれたら、そういうところで戦えると思っています。

埼玉県が、海外への進出を熱心に後押ししてくれていて、来月は、シンガポールのスタートアップのイベントに参加させていただきます。ピッチで、今日のような話をするつもりです。「日本の脳みそ、買いませんか」と売り込もうと思っているんですけどね（笑）。

ただ、脳みその価値も、模倣学習でどうやって脳みそを作るかも、まだしっかり確立されているわけではありません。こうやって作れば賢くなる、ということを、うちが示していけるようになりたいと思っています。

ただ、うちは本当に裏方で、ヒントを出す会社なんです。最初に石を転がす役、ですね。日本の中核の企業が、そういうアイデアをどんどん取り入れて、世界に展開していってほしい。うちが世界を制覇する、というわけにはいかないので。日本の産業として、日本の経済が良くなれば、私の暮らしも良くなるはずですから。

大きな会社は、もうかると分かってから動くことが多いですよね。だから、うちのようなベンチャーが景気のいいことをやり始めたら、大手さんも乗ってくれるかもしれない。そういう流れを作りたいですね。

伊豆さんが何度も口にした「言語化できるかどうか」。じつはこの悩みには、昔から名前がついています。「暗黙知」です。

ハンガリー出身の科学哲学者マイケル・ポランニーは、1966年の著書『暗黙知の次元』で、体や経験で分かっているのに言葉にできない知恵を「暗黙知」と呼び、「私たちは語れる以上のことを知っている」と書きました。そして1990年代、この考え方を会社の仕組みにしたのが、日本の経営学者、野中郁次郎さんと竹内弘高さんの『知識創造企業』です。暗黙知を言葉や図にして、ほかの人と分け合える形にする。2人はこの段階を「表出化」と呼びました。

ただ、この表出化は、ずっと高くついてきました。ベテランの横に人がついて話を聞き、マニュアルに書き起こす。手間も時間もかかります。ものづくりの会社で、技能の継承にデジタル技術を使っているのは21.7%にとどまります。

伊豆さんのやり方は、ここを変えます。熟練者は、作業しながら、ぶつぶつ話すだけ。言葉を書き起こし、動きや映像と結びつけるのは、AIの仕事です。日本の経営学が30年前に名前をつけた宿題を、LLMが安く解けるようにした。私はそう受け取りました。

人型ロボットのハーフマラソンの優勝タイムは、1年で2時間40分台から50分台になりました。体の進化は、お金と部品が集まれば、ここまで速い。伊豆さんが言うとおり、いい部品は世界中で手に入ります。

一方で、熟練者の「ことば」は、お金を積んでも増やせません。建設の技能者は、1997年の455万人から、2024年には300万人まで減りました。そのうち60歳以上が25.8%を占めています。

伊豆さんは取材の中で、熟練者の脳みそが「まだ動いているうちに」と言いました。さらっと出た言葉ですが、ここがいちばん重い。体の開発は来年でも追いつけます。でも、いまのベテランが現場を離れたあとに、その人の「なぜ」を聞き直すことはできません。ロボットの値段が下がるほど、先に残しておいた「ことば」の値段が上がっていく。そういう競争なんだと思います。

取材の後半で伊豆さんは、「日本はロボットで遅れている」という声に対して、部品はどこの国のものを使ってもいい、と答えていました。そのとき例に出したのが、飛行機です。調べてみると、ボーイングの787は、主翼や胴体といった機体の大事な部分に、東レの炭素繊維の素材を使っています。日本は、すばらしい部品を作る側にいました。でも、乗客を運ぶサービスとしてお金を受け取るのは、飛行機を組み上げ、安全に飛ばす責任を持つボーイングのほうです。

伊豆さんの提案は、ロボットでは、この立ち位置を入れ替えることでした。部品は世界から買う。日本は、現場の常識を持った脳と、それを安全に動かす仕組みをまとめる側に回る。

アトラックラボの設計を見ると、その「常識」はもう仕様になっています。安全に関わる制御はAIに任せない。迷ったら人に聞く。ノウハウは外に出さず、ローカルのLLMで育てる。そして、人間より弱いロボット。ロボットが中身の信頼で選ばれる時代が来るなら、日本の脳みそが売れる理由は、たぶんそこにあります。

ここから先、注目したいところは立場によって違います。

• 現場を持つ会社の方
  ベテランの手順書に加えて、作業中の「口ぐせ」や判断の理由を、録音や文字で残し始める。それがそのまま、ロボットの脳の材料になります。
• エンジニア、研究者の方
  ROS 2、ArduPilot、ローカルで動くLLM。アトラックラボが使っている道具の多くは、オープンソースで手に入ります。小さく試すための道具は、もうそろっています。
• 学生の方
  AIに仕事を教える、AIの判断を見守る。職人の世界にも、そういう新しい役割が生まれ始めています。

ロボットの体を作る競争から、ロボットに「なぜ」を教える競争へ。今回の取材で、いちばん持ち帰りたかったのはこの見方です。

ロボットに、職人の勘は教えられるのか。取材の前に持っていたこの問いへの、伊豆さんの答えは、思っていたよりずっと具体的でした。動きは記録できる。だから、その動きの「なぜ」を、熟練者自身の言葉で足していく。最初の生徒はドローンのAIパイロットで、次は建設現場です。

その先に伊豆さんが見ているのは、地方の暮らしでした。おばあちゃんのゴミ出しを手伝うロボット。「うちの庭を刈っておいて」で動く草刈り機。誰かがプログラムを書くのではなく、一人ひとりが「私のパートナーは私が作る」と言える社会です。

取材の最後、伊豆さんはこう締めくくってくれました。「ぜひ、日本人の脳みそを輸出産業にしよう、というぐらいで」。

次は現場で、ロボットが育っていく様子を見せてください、とお願いしています。そのときは、AIのモニターに映る「ロボットの考え」も、一緒にのぞかせてもらうつもりです。