中国のロボット戦略は「身体」から「教材」へ

2026年8月に北京で開かれた世界ロボット大会（WRC 2026）は、中国のヒューマノイドロボット産業が、性能の高い機体を組み立てる段階から、その「頭脳」を訓練するデータ基盤を整える段階へ移りつつあることを示した。

Interact Analysisの調査として紹介された内容によると、中国では少なくとも90カ所のヒューマノイドロボット向けデータ収集・訓練センターが、すでに稼働しているか建設中だという。投資の重点が、モーターやバッテリー、フレームといった「身体」だけでなく、ロボットが現実世界を理解し、動き、失敗から学ぶためのデータへ移っていることがうかがえる。もっとも、大量のデータを集めることと、異なる機体や作業現場に応用できる知能を生み出すことは同じではない。 13

具身知能に必要なのは「身体を伴うデータ」

ロボットの訓練に必要なのは、画像や文章だけではない。人間が何を見て、どう動き、物体がどのように反応し、動作が時間の中でどう進むのか——こうした情報が、現実の物理世界で働くAIには必要になる。

そのため、第一視点映像、手や全身の姿勢、深度、触覚、ロボットの状態情報などが、いわゆる「具身知能（embodied AI）」の重要な入力になる。

Lightwheel AIはこの考え方を、計画中の大規模データセット「EgoSuite-Open100K」で具体化した。同データセットは、第一視点で撮影した人間の行動を最終的に10万時間収録し、1万5,000超のタスクと実世界の1万5,000超の収集シーンをカバーする計画だ。頭部と手首に装着したカメラの映像に加え、手と全身の姿勢、意味ラベル、深度情報も収録する。最初の1万時間はHugging Faceで公開され、AtomGitでの配布も予定されている。 1 12

人間の実演を使えば、高価なロボットを1台ずつ動かして収集するよりも、日常的な操作や移動の幅広いパターンを低コストで集められる。しかし、人間の行動データがそのままロボットの経験になるわけではない。人間はバランスや摩擦、接触の変化を無意識に補正できる一方、ロボットは自らの機体を通じて、それらを検知し制御しなければならないからだ。

収集方法は6種類、それぞれに代償

SenseTimeのIntelligent Industries Research Instituteに所属するTian Feng氏は、遠隔操作、モーションキャプチャー、合成データ、実際の生産ラインでの収集など、6種類のデータ収集手法が並行して使われていると説明した。 13

主な手法には、それぞれ異なる強みと弱点がある。

• 遠隔操作：ロボット固有の動作や物理的なフィードバックを記録しやすいが、機体、操作者、専用設備が必要になる。
• モーションキャプチャー：人間の動きを大規模に取得できる一方、ロボットが直面する力や接触の制約まで捉えられるとは限らない。
• 合成データ：現実にはまれな状況を効率よく生成できるが、シミュレーション上の動きが実世界へ移るかを検証する必要がある。
• 生産ラインでの収集：商用利用に最も近く、作業固有の条件や失敗、環境上の制約を記録できる。
• 人間の第一視点データ：幅広い行動を比較的安く集められるが、関節トルクや接触力など、ロボット特有の動力学を欠く可能性がある。

報告では、ロボットを使わない人間の動作収集は、実機による実演データの収集費用のおよそ5分の1で済むとされる。ただし、そのデータが熟練作業者ではなく、収集のために雇われた人の動作に偏る可能性もある。 13

だからといって、人間のデータを排除すべきだという意味ではない。遠隔操作、ロボットの状態データ、シミュレーション、実運用からのフィードバックと組み合わせる一つの層として扱うべきだということだ。

ロボットの部品供給網はデータ収集網になる

大会で浮かび上がったのは、ロボット産業のインフラが、モーターや電池、機体フレームだけではなく、実演や感覚運動を記録する機器まで含むようになっていることだ。第一視点・ハンディー型の収集装置、データグローブ、触覚インターフェース、カメラ、マイクロコントローラー、メモリー、アナログ部品などが、データパイプラインの一部になる。 13

この流れは、大量の実演データをより低コストで集める道を開く一方、標準化という難題を生む。センサー、キャリブレーション手順、動作空間、ミドルウェア、ラベル付けのルールが異なれば、データを単純に結合することは難しい。

その結果、業界では「島データ」と呼ばれる問題が生じる。あるハードウェアやソフトウェアの構成で集めたデータが、その環境の中に閉じ込められ、別のロボットで再利用できない状態だ。オープンデータは問題を和らげるが、公開されているだけで再利用性が保証されるわけではない。共通のスキーマ、校正情報、時間同期のルール、インターフェース、評価手順があって初めて、データ量が共通の能力へ積み上がっていく。 13

大規模言語モデルの「スケーリング則」はロボットにも通用するのか

もう一つの未解決問題は、言語や画像のAIで知られる「データとモデルを大きくするほど性能が上がる」というパターンが、ロボットにも当てはまるのかどうかだ。

Generalist AIが2025年11月に公開したGEN-0の報告は、限定的ながら前向きな結果を示した。同社の実験では、センサーと運動に関するデータが多様化すると、小規模モデルは新しい情報を吸収できなくなる「ossification（硬直化）」のような状態に陥った。一方、モデルを大きくすると性能は伸び続け、およそ70億パラメーター付近で一つの転換点が見られたという。 36

ただし、これは一社のモデル、データ、評価設計に基づく実験結果であり、ロボット分野全体に通用する法則が証明されたわけではない。ロボットには、テキストモデルとは異なる追加の難しさもある。方策は特定の機体を通じて、特定の環境の中で、現実の物理的制約を受けながら行動しなければならない。

問われるのは、モデルの大きさだけではない。必要な物理信号がデータに含まれているか、そして学習した方策が別の機体や実際の作業へ移るかどうかだ。

出荷台数が商用需要を意味するとは限らない

中国は製造規模を生かし、実験やデータ収集のために多数のロボットを配備できる。この点は大きな強みだ。しかし、配備台数だけでは市場の実力を測りにくい。多くの機体が、継続的な経済価値を生むためではなく、性能の実演や研究に使われている可能性があるためだ。

Interact Analysisによると、2025年の世界のヒューマノイドロボット生産台数は2万台を超えたが、実世界の用途に配備されたのは約10％にとどまり、大半は研究、データ収集、エンターテインメント向けだった。同じ分析では、中国が供給と初期導入の双方をけん引したとされる。 21

この点は、データセンターの増加を考えるうえで重要だ。政府支援、大量調達、データ買い取り制度があれば、ロボットの台数、施設数、収録時間は短期間で増やせる。学習エコシステムの形成には役立つが、それだけで、顧客が「コストを下げる」「生産量を増やす」「人間には難しい作業を担う」ロボットに継続的に対価を払うことが証明されるわけではない。

本当のボトルネックは「収束」

北京の大会が示したのは、中国がすでに具身知能を完成させたということではない。むしろ、解決に向けた部品を、異例の規模で集め始めているということだ。

1. 人間の実演と多様な環境から得られる幅広いデータ
2. 遠隔操作、ロボットセンサー、実際の生産作業から得られる物理的に裏付けられたデータ
3. 記録を異なる機体やソフトウェア基盤で利用するための相互運用可能なインフラ
4. 実演を暗記するだけでなく、規模拡大と転移が可能なモデル
5. 失敗、復旧、オペレーターによる介入を記録する実運用からのフィードバック
6. 補助金に恒久的に依存せず、次のデータ収集を支える商業収益

Lightwheelが掲げる構想も、オープンなデータ標準、評価を起点にした収集、データとモデルの協調設計によって、この循環を目指している。 1

結論は、「中国がロボットの脳を完成させた」という大きなものではない。中国は、その脳を実現するための工場、計測機器、データセットを整え始めている。そこから幅広く使えるヒューマノイドが生まれるかどうかは、データの品質、物理的な忠実度、ハードウェア間の互換性、そして展示会や研究室の外でロボットが持続的な価値を生む証拠にかかっている。

中国のロボット戦略は「身体」から「教材」へ

2026年8月に北京で開かれた世界ロボット大会（WRC 2026）は、中国のヒューマノイドロボット産業が、性能の高い機体を組み立てる段階から、その「頭脳」を訓練するデータ基盤を整える段階へ移りつつあることを示した。

Interact Analysisの調査として紹介された内容によると、中国では少なくとも90カ所のヒューマノイドロボット向けデータ収集・訓練センターが、すでに稼働しているか建設中だという。投資の重点が、モーターやバッテリー、フレームといった「身体」だけでなく、ロボットが現実世界を理解し、動き、失敗から学ぶためのデータへ移っていることがうかがえる。もっとも、大量のデータを集めることと、異なる機体や作業現場に応用できる知能を生み出すことは同じではない。 13

具身知能に必要なのは「身体を伴うデータ」

ロボットの訓練に必要なのは、画像や文章だけではない。人間が何を見て、どう動き、物体がどのように反応し、動作が時間の中でどう進むのか——こうした情報が、現実の物理世界で働くAIには必要になる。

そのため、第一視点映像、手や全身の姿勢、深度、触覚、ロボットの状態情報などが、いわゆる「具身知能（embodied AI）」の重要な入力になる。

Lightwheel AIはこの考え方を、計画中の大規模データセット「EgoSuite-Open100K」で具体化した。同データセットは、第一視点で撮影した人間の行動を最終的に10万時間収録し、1万5,000超のタスクと実世界の1万5,000超の収集シーンをカバーする計画だ。頭部と手首に装着したカメラの映像に加え、手と全身の姿勢、意味ラベル、深度情報も収録する。最初の1万時間はHugging Faceで公開され、AtomGitでの配布も予定されている。 1 12

人間の実演を使えば、高価なロボットを1台ずつ動かして収集するよりも、日常的な操作や移動の幅広いパターンを低コストで集められる。しかし、人間の行動データがそのままロボットの経験になるわけではない。人間はバランスや摩擦、接触の変化を無意識に補正できる一方、ロボットは自らの機体を通じて、それらを検知し制御しなければならないからだ。

収集方法は6種類、それぞれに代償

SenseTimeのIntelligent Industries Research Instituteに所属するTian Feng氏は、遠隔操作、モーションキャプチャー、合成データ、実際の生産ラインでの収集など、6種類のデータ収集手法が並行して使われていると説明した。 13

主な手法には、それぞれ異なる強みと弱点がある。

• 遠隔操作：ロボット固有の動作や物理的なフィードバックを記録しやすいが、機体、操作者、専用設備が必要になる。
• モーションキャプチャー：人間の動きを大規模に取得できる一方、ロボットが直面する力や接触の制約まで捉えられるとは限らない。
• 合成データ：現実にはまれな状況を効率よく生成できるが、シミュレーション上の動きが実世界へ移るかを検証する必要がある。
• 生産ラインでの収集：商用利用に最も近く、作業固有の条件や失敗、環境上の制約を記録できる。
• 人間の第一視点データ：幅広い行動を比較的安く集められるが、関節トルクや接触力など、ロボット特有の動力学を欠く可能性がある。

報告では、ロボットを使わない人間の動作収集は、実機による実演データの収集費用のおよそ5分の1で済むとされる。ただし、そのデータが熟練作業者ではなく、収集のために雇われた人の動作に偏る可能性もある。 13

だからといって、人間のデータを排除すべきだという意味ではない。遠隔操作、ロボットの状態データ、シミュレーション、実運用からのフィードバックと組み合わせる一つの層として扱うべきだということだ。

ロボットの部品供給網はデータ収集網になる

大会で浮かび上がったのは、ロボット産業のインフラが、モーターや電池、機体フレームだけではなく、実演や感覚運動を記録する機器まで含むようになっていることだ。第一視点・ハンディー型の収集装置、データグローブ、触覚インターフェース、カメラ、マイクロコントローラー、メモリー、アナログ部品などが、データパイプラインの一部になる。 13

この流れは、大量の実演データをより低コストで集める道を開く一方、標準化という難題を生む。センサー、キャリブレーション手順、動作空間、ミドルウェア、ラベル付けのルールが異なれば、データを単純に結合することは難しい。

その結果、業界では「島データ」と呼ばれる問題が生じる。あるハードウェアやソフトウェアの構成で集めたデータが、その環境の中に閉じ込められ、別のロボットで再利用できない状態だ。オープンデータは問題を和らげるが、公開されているだけで再利用性が保証されるわけではない。共通のスキーマ、校正情報、時間同期のルール、インターフェース、評価手順があって初めて、データ量が共通の能力へ積み上がっていく。 13

大規模言語モデルの「スケーリング則」はロボットにも通用するのか

もう一つの未解決問題は、言語や画像のAIで知られる「データとモデルを大きくするほど性能が上がる」というパターンが、ロボットにも当てはまるのかどうかだ。

Generalist AIが2025年11月に公開したGEN-0の報告は、限定的ながら前向きな結果を示した。同社の実験では、センサーと運動に関するデータが多様化すると、小規模モデルは新しい情報を吸収できなくなる「ossification（硬直化）」のような状態に陥った。一方、モデルを大きくすると性能は伸び続け、およそ70億パラメーター付近で一つの転換点が見られたという。 36

ただし、これは一社のモデル、データ、評価設計に基づく実験結果であり、ロボット分野全体に通用する法則が証明されたわけではない。ロボットには、テキストモデルとは異なる追加の難しさもある。方策は特定の機体を通じて、特定の環境の中で、現実の物理的制約を受けながら行動しなければならない。

問われるのは、モデルの大きさだけではない。必要な物理信号がデータに含まれているか、そして学習した方策が別の機体や実際の作業へ移るかどうかだ。

出荷台数が商用需要を意味するとは限らない

中国は製造規模を生かし、実験やデータ収集のために多数のロボットを配備できる。この点は大きな強みだ。しかし、配備台数だけでは市場の実力を測りにくい。多くの機体が、継続的な経済価値を生むためではなく、性能の実演や研究に使われている可能性があるためだ。

Interact Analysisによると、2025年の世界のヒューマノイドロボット生産台数は2万台を超えたが、実世界の用途に配備されたのは約10％にとどまり、大半は研究、データ収集、エンターテインメント向けだった。同じ分析では、中国が供給と初期導入の双方をけん引したとされる。 21

この点は、データセンターの増加を考えるうえで重要だ。政府支援、大量調達、データ買い取り制度があれば、ロボットの台数、施設数、収録時間は短期間で増やせる。学習エコシステムの形成には役立つが、それだけで、顧客が「コストを下げる」「生産量を増やす」「人間には難しい作業を担う」ロボットに継続的に対価を払うことが証明されるわけではない。

本当のボトルネックは「収束」

北京の大会が示したのは、中国がすでに具身知能を完成させたということではない。むしろ、解決に向けた部品を、異例の規模で集め始めているということだ。

1. 人間の実演と多様な環境から得られる幅広いデータ
2. 遠隔操作、ロボットセンサー、実際の生産作業から得られる物理的に裏付けられたデータ
3. 記録を異なる機体やソフトウェア基盤で利用するための相互運用可能なインフラ
4. 実演を暗記するだけでなく、規模拡大と転移が可能なモデル
5. 失敗、復旧、オペレーターによる介入を記録する実運用からのフィードバック
6. 補助金に恒久的に依存せず、次のデータ収集を支える商業収益

Lightwheelが掲げる構想も、オープンなデータ標準、評価を起点にした収集、データとモデルの協調設計によって、この循環を目指している。 1

結論は、「中国がロボットの脳を完成させた」という大きなものではない。中国は、その脳を実現するための工場、計測機器、データセットを整え始めている。そこから幅広く使えるヒューマノイドが生まれるかどうかは、データの品質、物理的な忠実度、ハードウェア間の互換性、そして展示会や研究室の外でロボットが持続的な価値を生む証拠にかかっている。