車輪付きの機械のほうがうまく仕事をこなせるなら、人間のように歩くロボットを倉庫に導入する必要はない。
ヒューマノイドロボットは、デモンストレーションの段階を越え、日常的な倉庫作業へと進み始めている。Agility RoboticsのDigitはGXOで10万個を超えるトートを搬送し、Boston DynamicsのStretchはトレーラーの荷降ろし専用に設計された。どちらも有用な作業をこなすが、倉庫自動化へのアプローチは大きく異なる。
倉庫の運営者にとって問題なのは、ヒューマノイドが従来型ロボットより印象的かどうかではない。すでに専用機が多くの作業をこなしているなかで、その柔軟性がコストに見合うかどうかだ。答えは、作業内容、施設、そして各ロボットがどれだけ安定して稼働するかによって決まる。
ヒューマノイド倉庫ロボットは実証実験から具体的な業務へ
すでに日常的な倉庫作業をこなしているヒューマノイドがある一方、実際の業務でどれほど機能するかを検証中のものもある。
DigitはすでにGXOでトートを処理
GXOのジョージア州の倉庫では、 Agility RoboticsのDigitが既存の自動化設備と並んでトートをコンベヤーに移載している。GXOとAgilityは10月、10万回を超えるトートの移載を報告し、2027年初めには米国の別の2施設にもこのロボットを導入する計画だ。
これは商用利用の実例ではあるが、ヒューマノイドが従来型の機械を上回ることの証明ではない。両社は、1時間当たりの処理能力、介入率、トート1個当たりのコストを直接比較できるデータを公表していない。
ApolloとFigureはより幅広い搬送作業を検証
GXOは2026年初め、小物のピッキングを伴うApptronikの実証実験を完了した。同社が 最大1,000台のApolloへ拡大する提案を実行するかどうかは、さらなる試験と、合意した安全性・生産性の目標にかかっている。現時点で1,000台のロボット群が稼働しているわけではない。
Apptronikの Apollo 2には車輪型と二足歩行型の構成が用意されている。人間のような搬送作業に、必ずしも2本の脚が必要とは限らないことを示す重要な例だ。
Figureによると、Helix 02を搭載した同社のヒューマノイドは、5月に200時間にわたって配信したライブストリーム中に、24万9,560個の荷物を処理したという。 Ars Technicaが報じたものだ。このデモでは、ロボットが長時間にわたって反復作業を行う様子が示されたが、結果は商用倉庫で独立に検証されたものではない。
従来型ロボットは倉庫の特定のボトルネック向けに作られている
さまざまな作業に対応するよう設計されたヒューマノイドとは異なり、従来型の倉庫ロボットは通常、在庫の搬送、商品のピッキング、荷物の荷降ろしなど、特定の作業に特化している。
Amazonは搬送とピッキングを分担
AmazonのHerculesは商品を積んだ棚を搬送し、Sparrowは商品をトートにピッキングし、Vulcanは在庫のピッキングと棚入れを行う。同社はこれらのシステムを、 2028年の開業を予定するブリスベンのフルフィルメントセンター向けに説明している。この施設では、まだ稼働実績はない。
搬送ルート、商品、作業ステーションが予測可能なら、専用システムは効率的に機能する。一方で、導入にあたっては保管レイアウトの変更や、追加のコンベヤーとソフトウェアの統合が必要になる場合がある。
Stretchはトレーラーを荷降ろしし、UnboxSortは荷物を仕分ける
Boston Dynamicsは Stretch Gen 2をトレーラーの荷降ろし用に設計した。同社が示す最大処理速度は、段ボール箱の重量と積み方によって異なるが、1時間当たり1,000箱だ。これはメーカー仕様であり、シフト全体の平均値として検証されたものではない。
Unbox RoboticsのUnboxSortは、物流施設内で荷物を振り分ける専用機を使う。どちらのシステムも、割り当てられた作業をこなすために、汎用ヒューマノイドのようなあらゆる動作を必要としない。
1種類のロボットより混成 fleetのほうが有用かもしれない
5月、 LG CNSは箱を梱包するヒューマノイド、その箱を運ぶ4脚ロボット、棚に収める車輪付きロボットを実演した。機械同士は共有システムを通じて連携したが、このデモによって商用上のコスト削減が実証されたわけではない。
Gartnerは1月、2028年までにサプライチェーンや製造の現場にヒューマノイドを導入する企業は20社未満になると予測した。統合、コスト、器用さ、バッテリー寿命は依然として障壁だ。そのため、既存設備を置き換えるよりも、専用ロボットと柔軟なロボットを組み合わせるほうが理にかなう可能性がある。
eWEEKの結論:専用ロボットが大半の作業を担い、ヒューマノイドは隙間を埋める
記録された導入事例を見る限り、反復的で処理量の多い倉庫作業では、専用ロボットが依然として現実的な出発点だ。作業内容が変化する場合や、人間向けに設計された既存の作業ステーションで設備を稼働させる必要がある場合、あるいは施設の再設計が難しい場合には、ヒューマノイドのほうが価値を発揮する可能性がある。
この違いが重要なのは、自動化のコストがロボット本体にとどまらないからだ。固定式システムでは、保管レイアウト、コンベヤー、ワークフローの変更が必要になる場合がある一方、より柔軟な機械なら、こうした要件の一部を減らせる可能性がある。ただしヒューマノイドは、信頼性、処理能力、運用コストが導入を正当化することを、なお実証しなければならない。
これらの結論は、管理された直接比較試験ではなく、公表された導入事例とメーカーの開示情報に基づいている。
倉庫作業 | 最初に検討すべき選択肢 | ヒューマノイドを検討するタイミング |
|---|---|---|
商品または商品を積んだ棚を搬送 | Herculesなどの自律走行搬送ロボット(AMR) | 予測可能なルートでは利点が少ない |
高密度保管エリアから商品を取り出す | 自動保管・搬出システム | 専用ラックではメリットが限定的 |
個別の商品をピッキングして棚入れ | SparrowやVulcanなどのロボットアーム | 既存の手作業ステーションで多様な商品を扱う |
荷物を仕分ける | UnboxSortなどの専用仕分け機 | 変動する搬送作業の実証。Figureが実演済み |
トートをコンベヤーに移載 | 固定式の移載設備 | Digitには商用の受け渡し業務での実績がある |
トレーラーを荷降ろしする | Stretchなどの移動式荷降ろしロボット | 現時点で比較できる証拠は限られている |
この表は出発点となる指針であり、普遍的な順位付けではない。商品の多様性、通路の設計、利用可能なスペース、既存設備によって推奨内容は変わりうる。
ロボットを選ぶ前に、完了した作業を検証する
ロボットは異なる条件下で異なる作業を行うため、性能値を比較するのは難しい場合がある。倉庫の運営者は、見出しになる数字だけに頼るのではなく、各機械が同じ作業量を1シフト通して処理した場合にどう機能するかに注目すべきだ。
実証実験で測定する項目 | 追跡する指標 |
|---|---|
処理能力 | 1時間当たりの成功したピッキング、トート、箱の数 |
人による支援 | 1,000件の作業当たりのリセットと手動修正の回数 |
信頼性 | ダウンタイム、充電、修理、作業を逃したシフト |
品質と安全性 | 誤ピッキング、商品の破損、安全上のインシデント |
総コスト | 料金、導入、保守、エネルギー、人員の作業時間 |
これらの測定値はロボットを比較する際の出発点になるが、購入者は各機械が既存の業務にどう適合するかも理解する必要がある。
ベンダーに尋ねるべき質問
実証実験を決める前に、倉庫の運営者は次の点を確認すべきだ。
- 壊れやすい商品、扱いにくい商品、未知の商品をロボットは処理できるか?
- 倉庫管理システムやコンベヤーと接続できるか?
- 動けなくなったとき誰が介入し、その頻度はどの程度か?
- 支援にかかるすべての費用を含めても、作業1件当たりのコストは改善するか?
答えを知ることで選択肢を絞り込み、どのロボットを試す価値があるかを見極められる。
選定ガイドで実証実験の候補を絞り込む
次のステップは、技術を倉庫の作業に適合させることだ。以下のガイドでは、搬送向けのAMR、仕分け・荷降ろし向けの専用ロボット、より変化に富む作業向けのヒューマノイドまたは車輪付きマニピュレーターの実証実験を取り上げる。
-9.png)
適切なロボットを特定したら、導入を拡大する前に、既存のプロセスと比較して性能を検証できる。
倉庫にはヒューマノイドと従来型ロボットの両方が必要になる可能性がある
従来型ロボットは、倉庫の稼働を支える反復作業の多くをすでに担っている。一方、ヒューマノイドは選ばれたワークフローで有用性を示し始めている。どちらの方式も、すべての業務に適合する可能性は低い。
より興味深いのは、これらの技術がどのように連携できるかという点だ。専用機は予測可能で処理量の多い作業を担い、柔軟なロボットは将来、既存施設を再設計せずには自動化が難しい作業を引き受ける可能性がある。
倉庫の運営者にとって、次のステップはどちらか一方を選ぶことではない。それぞれのタイプのロボットが、生産性、信頼性、コストの面で測定可能な改善をどこで実現できるかを見極めることだ。
関連記事:倉庫にヒューマノイドを導入しようと考えているなら、 ヒューマノイドロボットの実際のコストを確認してから実証実験を計画しよう。