ただし、この結果は主に同社のライブ配信やメディア報道をもとにしたもので、独立した第三者による検証ベンチマークではない点には注意が必要です。それでも、ヒューマノイドロボットが短時間のデモから実際の長時間作業へ移行しつつあることを示す事例として注目されています。

Helix‑02：ロボットの全身を制御するAI

この実験の中核となるのが、Figure AIの自律モデルHelix‑02です。

同社によるとHelix‑02は、カメラから得た視覚情報を直接入力としてロボットの全身を制御する単一のニューラルシステム。歩行、バランス、物体操作といった動作を同時に統合して制御できます。

従来の産業ロボットは、固定されたロボットアームや事前にプログラムされた動作シーケンスが主流でした。それに対してHelix‑02は、視覚データを処理しながらリアルタイムで行動を生成するため、研究者が**「ロコマニピュレーション（移動しながら物体を扱う作業）」**と呼ぶ複合タスクをこなせます。

今回の倉庫デモではロボットが以下のような作業を行いました。

• 荷物を視覚で検出
• バーコードの位置を認識
• 手で荷物を持ち上げる
• ベルトコンベヤーへ正しい向きで配置

このデモは当初、8時間の自律シフトを目標として開始されました。しかし問題が発生しなかったため、ライブ配信を継続し、そのまま24時間以上の連続稼働へと延長されたと報告されています。

実験で示された性能指標

今回のテストで強調された主な成果は次の通りです。

• 24時間で2万8,000個以上の荷物を仕分け（3台合計）
• 平均2.6秒／個の処理速度で、人間レベルに近いスループットと説明
• 当初の8時間シフト目標を無故障で達成し、そのまま24時間以上稼働

これらの数字から単純計算すると、1台のロボットが1日あたり数千件規模の荷物処理能力を持つ可能性が示唆されます。

ただし、実験は比較的制御された環境で行われており、実際の物流現場で同様の安定性が出るかどうかはまだ検証段階です。

複数ロボットで止まらない「フェイルオーバー」設計

このデモのもう一つのポイントは、単体ロボットではなく小規模なロボット群（フリート）で動いている点です。

報道によると、もし1台が問題を検知した場合、そのロボットは作業ラインから自動的に離脱し、残りのロボットが作業を継続します。

これはクラウドコンピューティングの冗長設計に似ています。つまり、

• 1台の完全な信頼性に依存しない
• 複数ユニットで処理を分散
• 一部停止してもライン全体は止まらない

という仕組みです。

具体的なオーケストレーションソフトウェアや故障判定のアルゴリズムなどの詳細は公開されていませんが、システム全体の稼働率をフリート単位で確保する設計とみられます。

量産と大規模導入への布石

今回の実験が注目される理由は、単なる記録更新ではなく実運用を見据えたスケール戦略にあります。

Figure AIは、自社のヒューマノイド製造拠点BotQで生産能力を拡大していると説明しています。すでに350台以上のロボットを出荷し、生産速度も1日1台から約1時間に1台へと大幅に向上したと報告されています。

これはつまり、研究用プロトタイプではなく、**複数ロボットをまとめて導入する「フリート型運用」**を想定していることを意味します。

特に物流倉庫は、ヒューマノイド導入の初期市場として有望と考えられています。理由は次の通りです。

• 作業が反復的
• 環境が比較的整備されている
• 人手不足が深刻

こうした条件が、汎用ロボットの実験場として適しているためです。

ヒューマノイド実用化への一歩

今回のデモは、ヒューマノイドロボットで難しいとされてきた3つの要素を同時に示しました。

• 人間に近い作業スピード
• 24時間以上の長時間自律稼働
• 複数ロボットの協調運用

一方で、実際の物流現場で重要になる安全認証、コスト効率、長期信頼性などはまだ十分な公開データがありません。

それでも、数年前まで基本的な物体操作に苦戦していたヒューマノイドが、今では倉庫作業を丸一日続ける実験段階に到達しているのは大きな変化です。

もし同様の性能が実運用でも維持できれば、物流倉庫は汎用ヒューマノイドロボットが最初に大規模導入される産業の一つになる可能性があります。

ただし、この結果は主に同社のライブ配信やメディア報道をもとにしたもので、独立した第三者による検証ベンチマークではない点には注意が必要です。それでも、ヒューマノイドロボットが短時間のデモから実際の長時間作業へ移行しつつあることを示す事例として注目されています。

Helix‑02：ロボットの全身を制御するAI

この実験の中核となるのが、Figure AIの自律モデルHelix‑02です。

同社によるとHelix‑02は、カメラから得た視覚情報を直接入力としてロボットの全身を制御する単一のニューラルシステム。歩行、バランス、物体操作といった動作を同時に統合して制御できます。

従来の産業ロボットは、固定されたロボットアームや事前にプログラムされた動作シーケンスが主流でした。それに対してHelix‑02は、視覚データを処理しながらリアルタイムで行動を生成するため、研究者が**「ロコマニピュレーション（移動しながら物体を扱う作業）」**と呼ぶ複合タスクをこなせます。

今回の倉庫デモではロボットが以下のような作業を行いました。

• 荷物を視覚で検出
• バーコードの位置を認識
• 手で荷物を持ち上げる
• ベルトコンベヤーへ正しい向きで配置

このデモは当初、8時間の自律シフトを目標として開始されました。しかし問題が発生しなかったため、ライブ配信を継続し、そのまま24時間以上の連続稼働へと延長されたと報告されています。

実験で示された性能指標

今回のテストで強調された主な成果は次の通りです。

• 24時間で2万8,000個以上の荷物を仕分け（3台合計）
• 平均2.6秒／個の処理速度で、人間レベルに近いスループットと説明
• 当初の8時間シフト目標を無故障で達成し、そのまま24時間以上稼働

これらの数字から単純計算すると、1台のロボットが1日あたり数千件規模の荷物処理能力を持つ可能性が示唆されます。

ただし、実験は比較的制御された環境で行われており、実際の物流現場で同様の安定性が出るかどうかはまだ検証段階です。

複数ロボットで止まらない「フェイルオーバー」設計

このデモのもう一つのポイントは、単体ロボットではなく小規模なロボット群（フリート）で動いている点です。

報道によると、もし1台が問題を検知した場合、そのロボットは作業ラインから自動的に離脱し、残りのロボットが作業を継続します。

これはクラウドコンピューティングの冗長設計に似ています。つまり、

• 1台の完全な信頼性に依存しない
• 複数ユニットで処理を分散
• 一部停止してもライン全体は止まらない

という仕組みです。

具体的なオーケストレーションソフトウェアや故障判定のアルゴリズムなどの詳細は公開されていませんが、システム全体の稼働率をフリート単位で確保する設計とみられます。

量産と大規模導入への布石

今回の実験が注目される理由は、単なる記録更新ではなく実運用を見据えたスケール戦略にあります。

Figure AIは、自社のヒューマノイド製造拠点BotQで生産能力を拡大していると説明しています。すでに350台以上のロボットを出荷し、生産速度も1日1台から約1時間に1台へと大幅に向上したと報告されています。

これはつまり、研究用プロトタイプではなく、**複数ロボットをまとめて導入する「フリート型運用」**を想定していることを意味します。

特に物流倉庫は、ヒューマノイド導入の初期市場として有望と考えられています。理由は次の通りです。

• 作業が反復的
• 環境が比較的整備されている
• 人手不足が深刻

こうした条件が、汎用ロボットの実験場として適しているためです。

ヒューマノイド実用化への一歩

今回のデモは、ヒューマノイドロボットで難しいとされてきた3つの要素を同時に示しました。

• 人間に近い作業スピード
• 24時間以上の長時間自律稼働
• 複数ロボットの協調運用

一方で、実際の物流現場で重要になる安全認証、コスト効率、長期信頼性などはまだ十分な公開データがありません。

それでも、数年前まで基本的な物体操作に苦戦していたヒューマノイドが、今では倉庫作業を丸一日続ける実験段階に到達しているのは大きな変化です。

もし同様の性能が実運用でも維持できれば、物流倉庫は汎用ヒューマノイドロボットが最初に大規模導入される産業の一つになる可能性があります。