川崎重工業、大阪大学、ファナック、FingerVision、安川電機は2026年7月2日、製造現場で収集した視覚・触覚・言語・動作データを統合的に扱う「VTLA（Vision-Tactile-Language-Action）モデル」向けデータセットの構築プロジェクトが、経済産業省・NEDOのAI研究プロジェクト「GENIAC」の公募事業に採択されたと発表した。

実施期間は2026年8月から2027年7月までの1年間を予定している。製造現場でロボットが視覚や触覚などの情報をもとに作業するための基盤データを整備し、フィジカルAIの社会実装につなげる狙いだ。

ロボット大手3社がデータ基盤を共通化

今回のプロジェクトでは、川崎重工業、ファナック、安川電機の国内ロボット大手3社が連携する。各社は、データ仕様やデータ収集基盤を共通化し、さまざまなロボットやデバイスで利用できるデータセットの構築を目指す。川崎重工業が代表企業を務め、安川電機、ファナック、FingerVision、大阪大学が共同実施先として参画する。ABEJA、名古屋大学、産業技術総合研究所も委託先として関わる体制だ。

フィジカルAIは、デジタル空間だけでなく、ロボットや機械など実世界のデバイスを動かすAIを指す。製造現場での活用には、画像だけでなく、物体に触れたときの力や滑り、ロボットの動作履歴など、多様なデータの組み合わせが必要となる。

視覚・触覚・言語・動作を統合

プロジェクト名は「製造現場視触覚データ収集によるVTLA基盤モデルに向けたデータセットの構築」。VTLAは、Vision（視覚）、Tactile（触覚）、Language（言語）、Action（動作）を組み合わせた考え方で、ロボットが作業環境を認識し、必要な動作を判断するための基盤モデルにつながる。

これまでのロボット制御では、作業ごとに細かくプログラムを組む必要があった。一方、製造現場では、部品の形状や位置、素材の硬さ、接触状態などが作業ごとに異なる。とくに、手先の器用さが求められる作業では、画像だけでは判断しにくい場面も多い。