ロボット6台、1,730件の作業、未完了の任務が2つ
Agibotのヒューマノイドロボット「G2」6台が、上海市徐匯区の営業中のコンビニで24時間の実地試験に臨み、報告によると1,730件の作業を完了した。評価に合格したのは4台で、2台は追加調整のため保留となった。試験は2026年11月2日午前10時から3日午前10時まで行われ、昼食時、夕方の買い物、夜間勤務、朝食の提供を網羅した。
目次
Agibotによると、ロボットは顧客への挨拶や接客683件、商品の取り出しと配達369件、コーヒーの提供147件、ホットフードや朝食の提供126件、棚の点検と補充277件、テーブルの清掃128件をこなした。ライブ配信の視聴者は200万人を超えた。
不合格となった2台は、それぞれ異なる課題を示した。棚の点検・補充を担当したロボットは、店の業務ペースに追いつくための自主性が不十分だった。清掃ロボットは夜間勤務中にごみ箱が満杯になり、割り当てられたルートを外れて、ごみを捨てる場所を探しに店外へ出た。
「Robots Never Clock Out（ロボットは退勤しない）」の英語名で行われたこのイベントでは、無人の実演スペースではなく、顧客や店舗従業員と同じ場所でロボットを稼働させた。得られた知見のうち特に重要だったのは、小売業務を難しくする日常的な中断への対応だ。予想外の障害物、移動された商品、計画どおりに終えられない作業などが挙げられる。
Agibotは、スタッフの試用期間評価になぞらえて結果を発表した。4台は担当業務で合格し、残る2台にはさらなる改善が必要だった。小売業者にとって実務上の焦点は、ロボットが正確な注文品を届け、安全な範囲内で動き、店内の状況が想定どおりでなくなったときに立て直せるかどうかだ。
合格したのはどのロボットか 再評価が必要なのは？
顧客の出迎えと問い合わせ対応を担当した「Ahao」は、顧客サービスで最高評価を得た。相手が近づくのを待つだけでなく、自ら挨拶を始めることができた。商品の回収と配達を担った「Huobao」は注文に素早く対応し、需要が増えたり、顧客が注文をキャンセルしたりしても作業を続けた。
コーヒーロボットの「Kashao」は手順に沿って秩序立ててコーヒーを用意し、ホットアメリカーノは顧客から好評を得た。ホットフードの提供とレジ業務を担当した「Dingjiang」は安定して作業をこなし、評価基準を満たした。
棚の点検と補充を担当した「Juanwang」は、自主性が足りず、店舗業務のペースに合わせるのが難しかったため、合格が見送られた。清掃ロボットの「Lengjie」は、ごみ箱が満杯になった際に店外へ出たことを受け、運用ルールの見直しが必要となった。
この結果は、異なる2つの技術課題を示している。Juanwangには、次の指示を待たずに作業を始めるべきタイミングを認識させる必要がある。Lengjieには、許可された作業エリアの端に達したときの明確な対応が必要だ。例えば、その場で停止して支援を求めるといった対応である。
4つの時間帯がロボットに異なる負荷をかけた
評価では、同じ条件下で同一作業を繰り返すのではなく、営業の一周期全体を対象とした。時間帯ごとにロボットと、それらを調整するシステムには異なる要求が課された。
- 11月2日午前10時：6台のロボットが営業中の店舗で作業を開始。
- 昼食時：混雑する時間帯の調理と配達を通じ、飲食物の注文への対応を検証。
- 夕方：人の往来が増える中で、注文処理と共有スペースでの連携を検証。
- 夜間：比較的静かな営業時間帯に、勤務の継続、清掃、例外への対応を検証。
- 11月3日朝食時：午前10時の終了を前に、朝のサービスで再び変化する業務量への対応を検証。
招待された参加者は、意図的に難しい状況も作り出した。似た包装の通常のコーラと砂糖不使用コーラを見分けさせたり、商品を移動させたり、通路に立ったり、ホットフードの容器を揺らして中身をつかみにくくしたりした。
Agibotは、出勤状況、4つの時間帯を通じた業務実績、顧客の評価を基にロボットを評価した。同社の具現知能研究センターの副責任者、Ren Guanghui氏によると、チームは作業の成功率、初回での成功率、応答時間、完了時間、許容できる品質の成果、人間が介入した頻度、復旧時間、システム稼働率も追跡した。
食べ物をつかむのが見つけるより難しい理由
包装された飲み物と柔らかい食品では、扱い方が異なる。ロボットは正しい商品を特定できても、接触の段階で失敗することがある。柔軟な包装は形が変わり、滑りやすい表面は動き、壊れやすい食品は強く握りすぎると崩れてしまう。
Ren氏は、トングを使って黄金色のケーキを扱う作業を、正確な動作の連続だと説明した。ロボットは道具を握り、開き具合を制御し、食品に触れる位置を選び、つぶさずに持ち上げられるだけの力を加えなければならない。その後、袋の位置に合わせて食品を離し、トングを引き抜き、持ち方を変えて袋を持ち上げる必要がある。
終盤の小さなミスで、それまでうまくいっていた作業がすべて無駄になることもある。包装された菓子を棚のフックに掛ける作業にも、同じ問題がある。包装を引っ掛けたり隣の商品を動かしたりせず、小さな穴を正確に合わせなければならない。
Unitree創業者のWang Xingxing氏も、正確な物理的接触をロボット工学における未解決の課題の一つに挙げている。同氏の指摘は、周囲を認識することと、実際に触れて操作するための最終的な動作を制御することの隔たりに焦点を当てている。店舗では、こうした最後の動作が、顧客に食品を崩さず届けられるか、商品を正しい場所に置けるかを左右する。
共有の売り場には共有の計画が必要
小さな店でロボット6台を稼働させるには、物品の取り扱いだけでなく、作業のスケジュール調整も課題となる。商品の補充が注文品の受け渡しに必要なスペースを占めることがある。清掃で通路が塞がれることもある。ある作業場所で遅れが出れば、その後の複数の配達に影響しかねない。
Agibotは、ロボットの連携に「Genie Master」フレームワークを使用した。同社によると、このフレームワークは店舗での試験に先立つ10月27日に公開された。具現実行プロトコル（EEP）を通じて、タスクの割り当て、実行の案内、フィードバックを連携させる。
簡単に言えば、調整ソフトウェアが、どのロボットがどの仕事をするかを決め、実行結果を確認し、その結果に基づいて次の作業を判断する。また、注文の優先度、ロボットの状態、利用可能な作業スペースも考慮する。同じ棚の場所を使う必要がある作業は順番を分け、両立できる作業は並行して進められる。
顧客の存在も、状況を変化させる要素となる。人が作業スペースに入った場合、ロボットには減速、一時停止、道を譲る、または新たなルートの計算が求められた。Ren氏によると、不確実性が高まれば、より慎重な運転に切り替え、必要なら停止して支援を求めるべきだという。速度が落ちるとしても、安全に待機できることは実用的な性能に欠かせない。
Agibotが説明する、失敗からの学習方法
Agibotは、学習手法を「Physical RSI」と呼んでいる。実作業で得られた経験を、その後の改善に生かす仕組みだ。同社はこのプロセスを、役立つ経験を記憶する方法と、動作を制御するモデルを再学習させる方法の2つに分けている。
「Harness RSI」と呼ばれる1つ目の方法では、成功した作業と失敗した作業の一連の手順を保存し、要約する。後に似た問題に直面したロボットは、その記録を参考にできる。2つ目の「Policy RSI」では、選択した事例を使って行動方策、つまりロボットの動きや物の扱い方を導くモデルを訓練する。
Ren氏によると、作業手順や連携上の問題は当日中に検証でき、翌日には回避できる。行動方策の変更には通常、開発サイクルで数日かかる。ライブ配信のデータは、学習に使う前に選別し、個人を特定できる情報を除去して品質を確認する。こうした変更は通常、1～2週間以内に後続のソフトウェアバージョンに反映されるという。
Agibotはまた、食品の包装、商品の回収、補充などを含む作業について、手順の成功率が初日の28.6％から5日目には85.7％に上昇した過去の試験期間についても説明した。これは57.1ポイントの上昇で、当初の約3倍にあたる。
これらの数値は過去の試験期間に関するものだ。同社は、24時間の公開実地試験について、各作業の同等の詳細な成功率を公表していない。
作業件数から店舗運営者が読み取れること
報告された1,730件の作業は、ロボット6台で平均すると、1時間あたり約72件の作業を完了した計算になる。顧客対応と商品の回収は合わせて1,052件で、全体の約61％を占めた。
こうした計算は業務量を把握する助けになるが、作業の内容には大きな違いがある。顧客への挨拶と温かい食事の調理では、所要時間、物の扱い、確認の手間が異なる。導入を評価する店舗管理者は、待ち時間やサービスの仕上がりも含め、役割ごとに検討する必要がある。
イベントの資料には、第三者が監査した作業記録、介入件数、失敗率、人間のスタッフの成果やコストとの比較は示されていなかった。充電の間隔やメンテナンス時間も公表されていない。こうした情報がないため、自律稼働時間の合計や必要なスタッフ支援の程度は明らかになっていない。
カメラに映った時間ではなく、役立つ仕事を測る
Agibotは、「効果的な知的労働時間」を意味する生産性指標「Worken」を提案している。稼働中のロボット数、自律稼働時間、成果の効率比を組み合わせて算出するという。
この考え方は、一定の品質を満たす成果に注目する。ロボットが自律的に動く時間内に、許容できる品質の作業をどれだけ提供できるかということだ。店舗で言えば、正しい商品、注文どおりにそろった品物、提供可能な状態の食品や飲み物を、許容できる待ち時間内に届けられるかを測る。
Agibotの共同創業者兼共同社長で、具現事業グループの責任者を務めるYao Maoqing氏は、同社の「イノベーション・デー」で、実演と生産的な作業の違いについて説明した。発言の訳は次のとおり。
実演は単一の能力の上限を試すものだが、生産性はシステムの下限を試すものだ。
同氏の指摘は、小売業務にとって具体的な意味を持つ。簡単な注文を見事にこなす機械でも、難しい注文への確実な対応が必要だ。上海での試験についてWorkenを算出するには、公表された作業件数だけでなく、自律稼働時間と成果効率のデータも必要になる。
導入拡大の前に必要な改善は？
Ren氏によると、商用化の準備が整う時期は、固定された日程ではなく、作業の内容によって異なる。同氏は実務上の判断基準として、担当業務の範囲が明確か、成果を確認しやすいか、システムが自力で復旧できる程度に例外の発生頻度が低いか、という3点を挙げた。
整然とした環境での棚の整理、補充、清掃支援は、早期導入の候補になると同氏はみている。複雑な顧客対応、本人確認、予測しにくい物の取り扱いを伴う業務には、より長い検証期間が必要だ。棚の点検ロボットと清掃ロボットが示したように、一見導入に適した役割でも、慎重な設計が欠かせない。
1店舗から数百店舗へ導入を広げるには、標準化されたツール、小売業務システムとの接続、迅速な設置、効果的な遠隔メンテナンスが必要となる。また、レイアウトや商品構成の異なる店舗間で有用な経験を共有し、各店舗で新たに必要となる設定作業を減らすことも求められる。
Ren氏は、変化への適応、正確な動作を素早く完了すること、例外への対処において、経験豊富な店舗従業員との差が残ると認めた。同氏が示した商用化の判断基準は、導入期間の短縮、手作業による調整の削減、より有用な成果の実現だ。上海での試験では、機能した定型業務と見直しが必要なルールの両方が明らかになった。今後の技術開発では、異なる店舗や複数の勤務時間帯でも、そうした業務を確実に実行できるようにすることが課題となる。
要点
- AgibotのG2ロボット6台が、2026年11月2～3日に上海市徐匯区のコンビニで24時間の実地試験を行った。
- Agibotによると、完了した作業は1,730件で、ライブ配信の視聴者は200万人を超えた。
- 4台が担当業務の評価に合格し、棚の点検ロボットと清掃ロボットには追加調整が必要だった。
- 1台は自主性が不足し、もう1台はごみ箱が満杯になると店外へ出た。
- 「Genie Master」が、タスク、共有スペース、ロボットからのフィードバックを調整した。
- 自律稼働時間、介入件数、監査済みの失敗率、人間のスタッフとの比較に関する詳細は公表されていない。
