カウンターで丸一日、4台のロボットが審査に合格
人型ロボット「AgiBot G2」6台が、上海市徐匯区で営業中のコンビニエンスストアにおける24時間の試験運用で、昼食時から夕方、深夜、朝食時まで、計1,730件のタスクを完了した。タスクの完了度、応答速度、予期せぬ状況への対応、顧客の評価を審査した結果、6台のうち4台が試験運用の評価に合格した。
目次
試験は11月2日午前10時から11月3日午前10時まで実施された。各ロボットには、来店客への挨拶や商品の受け渡し、コーヒーの抽出、テーブルの清掃など、固定の担当業務が割り当てられた。AgiBotによると、ライブ配信はオンラインで200万人以上が視聴した。
同社の最終集計で最も件数が多かった業務は接客で、683件に上った。ロボットはこのほか、商品のピッキングと配達を369件、コーヒーの提供を147件、朝食の注文対応を126件、補充と棚の点検を277件、テーブル清掃を128件こなした。
この試験では、顧客の要望を理解し、正しい商品を見つけ、物を丁寧に扱い、人の間を移動するという複数の難題が一つの場所に集まった。招待されたテスターが意図的に商品を並べ替えたり、通路をふさいだりする一方、店では通常営業が続けられた。
AgiBotは、店舗で人間による実演や手動調整を行わず、「人間が介在しない」運用だったと説明した。一方、公表された結果だけでは、性能の全体像を把握するには不十分だ。同社はライブ配信前の導入運用におけるタスク完了件数と成功率を公表したが、24時間試験の成功率や、人間が介入した回数は明らかにしていない。
6台のロボットによる業務分担
1台は入口で来店客を迎えた。2台は商品のピッキング、補充、棚の巡回を担当した。4台目はコーヒーを入れ、5台目はレジと温かい食品を担当。6台目はテーブルを清掃した。
担当業務が固定されていたため、ロボットごとに作業内容は異なった。挨拶と飲み物の提供、食品の包装では、それぞれ異なる一連の動作が求められる。同じ業務の中でも、要望の変化や商品の置き間違い、通路をふさぐ客などに直面する可能性があった。
接客と商品のピッキングを合わせると、完了した1,730件のうち1,052件、約61％を占めた。この数字から活動の多くがどこで行われたかがうかがえる。ただし、所要時間や労力が大きく異なる可能性のあるタスクが、件数では同じ重みで数えられている。
内訳は以下の通り。
- 接客：683件。
- 商品のピッキングと配達：369件。
- コーヒーの提供：147件。
- 朝食の提供：126件。
- 商品の補充と棚の点検：277件。
- テーブル清掃：128件。
6台合計では、チーム全体で1時間当たり約72件のタスクを完了した計算になる。実際の需要は、店が混雑する時間帯や深夜の比較的落ち着いた時間帯に応じて変動した。
顧客とテスターが変えた状況
招待されたテスターは、商品の通常の置き場所を覚えているだけでは対応できない状況を作り、ロボットに課題を与えた。通常のコーラと糖類ゼロのコーラを混ぜてから、糖類ゼロの商品を指定して注文した。また、棚いっぱいに並んだガムもばらばらにした。
報告によると、ロボットは飲み物の口頭注文と目視確認を組み合わせ、正しいコーラを見分けた。ガムについては、値札が示す位置に頼らず、棚を整えながら目視で商品を数えた。
いずれの試験も、小売店でよく起きる問題を対象にしていた。つまり、作業者が目にする店内の状態が、想定した陳列と異なることだ。顧客が商品を誤った場所に戻すことがあり、パッケージが似ていれば、異なる商品でもほとんど見分けがつかないこともある。
テスターは通路に立ちふさがったり、ロボットの進路に箱を置いたりもした。報告によれば、ロボットは停止して障害物を避ける新たな経路を選んだ。営業中の店舗では、移動と接客は切り離せない。棚まで安全にたどり着くことも、顧客の要望を完了する一部だ。
パンや冷凍庫の扉が難しい理由
AgiBotの身体性研究センター副責任者、任光輝氏は、コンビニエンスストアは商品が多種多様で、顧客の要望も幅広く、ロボットが使う道具もあるため、難度の高い環境だと説明した。工場の作業は、扱う物や動作の範囲が限られた、より固定的な環境で行える場合がある。
パンを袋詰めする作業は、その難しさを示す一例だ。ロボットはトングを使い、食品をつかみ、紙袋を開けなければならない。一つひとつの動作で物の位置や次の動作に使える空間が変わる。つかむ動作に成功するだけでは、注文を完了したことにはならない。
開発中には、冷凍庫の扉を開ける作業でも別の問題が生じた。ロボットは扉がどちらに開くか、どれほどの力を加えるべきかを判断する必要があった。さらに、片方の腕で扉を押さえ、もう片方で商品を取り出すため、両腕を連携させなければならない。
任氏によると、頭部や手首のセンサーに加え、腕に搭載した力覚センサーが、ロボットの動きの判断に役立つ。力覚センサーにより、押したり引いたりする力の強さを検知できるため、激しい衝突や扉の損傷を避けやすくなる。
特に難しい作業の中には、曲がったり、動いたり、壊れやすかったりする商品を扱うものがあった。フックに吊るしたキャンディーの袋を掛ける作業や、柔らかいケーキをつぶさずに持ち上げる作業は依然として難しく、ロボットが失敗することもあった。こうした例は、店舗での試験では完了件数だけでなく、扱いの質も評価する必要があることを示している。
判断と動作をつなぐソフトウェア
6台のロボットはすべて、AgiBotの身体性エージェント・フレームワーク「Genie Master」によって連携されていた。同社によると、同社の「Embodied Execution Protocol」は、タスクの判断、身体の動き、実行結果からのフィードバックをつなぐ。
簡単に言えば、身体性知能とは、物理的な機械を通じて行動する人工知能だ。店舗のロボットは、要望を動作に置き換え、センサーを使って実行結果を確認しなければならない。飲み物の注文を受ければ目標は定まるが、正しい容器を見つけ、つかみ、届けるには、一連の身体動作が必要になる。
AgiBotは、システムが成功例と失敗例を毎日検証し、有用な経験を長期記憶に保存し、修正した試行を学習データに変えると説明している。学習データとは、システムが後の動作を改善するために利用できる事例のことだ。
任氏によると、導入当初は注文処理の失敗、ステータス更新の未反映、ロボット同士の位置をめぐる競合が起きた。業務フローの連携に関する問題は当日中に検証され、モデル自体を変更することなく、翌日には修正が反映された。
ロボットは閑散時間帯にも練習した。任氏によると、夜間の待機時間には棚へ向かい、難しいタスクを練習していた。こうして店舗は、業務の場であると同時に追加練習の場にもなり、顧客が最も多い時間帯以外にもタスクが続けられた。
同社の説明は、ロボット開発で別々に語られることの多い複数の要素、つまり動作の選択、実行、結果からの学習を結びつけている。コンビニエンスストアでは、これらが一つの導入運用に組み込まれ、一つの手順でのミスが注文の残りの工程に影響する可能性があった。
審査で測ったことと、未公表の情報
タスクの完了度、応答速度、例外への対応、顧客の評価を基に審査した結果、4台が試験運用の評価に合格し、2台は合格しなかった。公表結果では、不合格となった2台それぞれの成績や理由は明らかにされていない。また、24時間試験の成功率と人間の介入回数も公表されていない。
ライブ配信前のコンビニエンスストアでの導入運用では、「GO-3 Preview」を搭載したG2ロボットのワークフロー全体の成功率が、初日の28.6％から、5日目には安定して85.7％に向上した。単一タスクの成功率は、従来型の教師ありファインチューニング（SFT）と比べて17.7ポイント高かった。これらの数字はライブ配信前の導入運用に関するもので、24時間試験そのものの結果ではない。
任氏によると、同社はタスク成功率、初回試行での成功率、応答時間、依頼から完了までの総所要時間、単位時間当たりの許容可能な配達件数、人間の介入頻度、問題からの復旧時間、システム稼働率など、より幅広い指標を追跡する予定だ。
これらの指標は、それぞれ異なる実務上の疑問に答える。初回試行での成功率は、ロボットが最初の試みで作業を正しく完了できたかを示す。復旧時間は、問題の後に有用な作業を再開するまでにかかる時間を測る。システム稼働率は、予定された運用時間のうち、機器がどれだけ使用可能な状態にあったかを表す。
小売店の運営者にこうした詳細が必要なのは、配達が完了していても、短時間で円滑に実行された場合と、何度もやり直した場合があるためだ。同様に、応答は迅速でも注文の完了に長い時間がかかるロボットと、一連の作業をすばやく終えるロボットでは、顧客体験が異なる。
AgiBotの最終的なタスク件数は、完了した作業の量を示している。より詳細な性能指標があれば、店舗はロボットがどれほど安定して顧客に対応できるか、どの程度の支援が必要か、問題が起きたときにどれほど適切に復旧できるかを評価できる。
製品発表から夜勤へ
今回のコンビニエンスストアでの試験は、10月22日に始まったAgiBotの「AI WAVE」発表シリーズの締めくくりとなった。このシリーズでは、同社のデータセット、シミュレーション基盤、モデル、ロボットのハードウェアを、実際の導入運用で組み合わせた。
主な日程は以下の通り。
- 10月22日：AgiBotが「AI WAVE」発表シリーズを開始。
- 11月2日午前10時：上海市徐匯区のコンビニエンスストアで、ロボット6台が試験を開始。
- 11月2日から11月3日：昼食時と夕方の繁忙時間帯、夜間の勤務、朝の繁忙時間帯を通して作業。
- 11月3日午前10時：試験終了。AgiBotはタスク1,730件の完了と、ロボット4台の審査合格を発表。
任氏は、夜間勤務を同社が検討している実用分野の一つに挙げた。24時間営業の店舗では、通常の睡眠パターンを乱す時間帯にもスタッフが必要となる一方、反復的な業務には長時間の注意が求められる場合がある。
AgiBotは、長時間の稼働を支えるため、自律的なバッテリー交換も検討している。これにより、ロボットは消耗したバッテリーを交換して作業に復帰できる。同社が掲げる長時間稼働の実現に向けた計画の一環だ。
試験が店舗業務に示すもの
上海での導入運用では、顧客が買い物を続ける中、複数の関連する接客業務をロボットに担当させた。実用面で特に注目されるのは、試みた作業の幅広さだ。顧客との会話、商品の識別、食品の扱い、器具の使用、通路の移動、共有スペースの清掃に取り組んだ。
難しい場面も具体的だった。柔らかいケーキには、優しくつかむ動作が必要だ。冷凍庫の扉を開けるには、力を制御し、両腕を連携させなければならない。置き間違えられた商品には、改めて目視での確認が求められる。熟練した作業者にとっては小さな動作でも、ロボットには複数の能力を連携させる必要がある。
同様の機器の導入を検討する小売業者にとって、中心となる問いは、勤務時間を通じた信頼性、繁忙時間帯のサービス品質、人間による支援の必要量だ。AgiBotは相当数の作業実績と、合否が分かれた審査結果を公表した。同社が提示した性能指標は、店舗での日常的な利用を評価するために必要な、次の段階の詳細を示すことになる。
要点
- AgiBotの人型ロボットG2 6台が、11月2日から11月3日にかけて、上海市徐匯区の営業中のコンビニエンスストアで稼働した。
- AgiBotによると、ロボットは1,730件のタスクを完了した。内訳は接客683件、商品のピッキングと配達369件、コーヒーの提供147件など。
- 試験運用の審査に合格したロボットは4台で、2台は不合格だった。
- テスターは商品を並べ替えたり通路をふさいだりして、商品識別、棚の作業、移動能力を試した。
- 柔らかいケーキを持ち上げたり、キャンディーの袋を吊るしたりする繊細な作業は、依然として難しかった。
- AgiBotは、店舗での実演や手動調整を伴わない運用だったと説明した。ライブ配信前には、ワークフロー全体の成功率が初日の28.6％から5日目には85.7％に上昇し、単一タスクの成功率は従来型の教師ありファインチューニングより17.7ポイント高かった。24時間試験の成功率と人間の介入回数は未公表。
- 同社は夜間勤務と自律的なバッテリー交換を検討し、より長時間の稼働を目指している。
