LOG441考察記事2026/11/4

倉庫ロボットは遠隔の人が直して回す ― 差がつくのは修正データの扱い

AIで読む ChatGPT・Claude などで、この記事に質問できます

倉庫で箱を積むロボットは、2026年11月の時点では、完全に自律して動くより、迷った場面だけ遠くの人が直し、その直しをそのまま学習データに戻す運用の方が現実的、というのが今の考えです。米国の Tutor Intelligence が、この形の倉庫ロボットで7,500万ドル（約118億円）を調達したという発表を読み、どこが新しく、どこで詰まりそうかを Claude（Anthropic の AI）と考えました。

この整理で、次の3つが変わります。

遠くの人が直す形のロボットを見たとき、その運用が続くかどうかを「人が手を出す割合」と「遠隔の1人が何台見られるか」の2つで見られる。Tutor も、報道も、この2つの数字はまだ出していない
直した場面を学習に効く形で残すために、記録しておくものが分かる。手を出し始めた時刻と離した時刻、直す前のロボットの指令、直した理由の一言
同じモデルで動くロボットの群れは、同じ所で一斉に詰まる。その前提で、遠隔の人が1回の判断で全台を助ける組み方が見える

きっかけは、X に流れてきた Lukas Ziegler さん（@lukas_m_ziegler）の投稿でした。Tutor は、遠くにいる「tutor（家庭教師）」と呼ぶ人が、迷ったロボットに入力と手助けを出し、そのやりとりを学習に使ってロボットを育てる、と説明しています。お客さんはロボットを買わず、人の作業と同じく時間かピッキングの数で払う。添付の動画には、パレットからパレットへ段ボールを積み直すロボットが映っていました。

最初の問いは「これはパレタイジング（箱をパレットに積む作業）のロボットだけの話か」でした。答えは違いました。ロボットは2種類あり、新しいのは作業の種類ではなく、人の手直しを運用しながらデータ集めにする仕組みの方でした。そこから、遠隔の画面をどう作るか、遠隔で直すときに何が詰まるか、まで話が広がっています。

これは実験の記録ではなく、対話しながら考えた記録です。

問い	考えたこと
パレタイジングのロボットだけの話か	違う。1個ずつ取る Sonny と、箱を積む Cassie の2種類。新しいのは運用のしかた
動画からどんな運用が読めるか	ロボットは止まったまま作業し、人が台車ごとパレットを寄せる。現場の画面は停止ボタンと言語の切り替えが大きい
完全な自律と、遠くの人が直す形のどちらが現実的か	直す形。残りの1割の失敗を人が直せば現場は止まらず、直した場面がいちばん学習に効く
どう直せば良いデータになるか	ずれた区間だけ直す。ロボットの指令と人の直しが並んで残る
遠隔の画面は簡素にするべきか	操作は少なく、判断に要る情報は削らない。普段は全台問題なしだけ
差がつくのはどこか	モデルより、修正データの集め方・選び方・測り方・持ち主
遠隔操作の問題は何か	根が深いのは、呼び出しの重なりと、直し方のばらつき
呼び出しの重なりは予測できるか	難しい。少なく始めて測り、待てる作りにする
群れのロボットは同じ所で詰まるか	詰まるのが普通。裏返すと1回直せば全台に効く

遠くの人が直す層は、配膳ロボットの導入シミュレーションにはまだ入っていません。配膳ロボットを自分の店に入れたらどうなるかは、このプロジェクトの試算をもとにした別のページで試せます。

導入前シミュレーション配膳ロボットを、導入前に自分の店舗でシミュレーション店舗の図面と人数から、何人で回るか・どこで止まるか・月いくらかかるかを出します

作業ログ ― Claude との対話を、そのまま残す

ここから下は、対話の全量です。ユーザーの発言を引用で、Claude の答えを本文で載せています。各節の頭の太字の一文は、その節で Claude が答えようとした問いです。調べたものをメモとして保存したやり取りと、記事化の段取りのやり取りは外しました。投稿のリンクを読みに行ったやり取りは、調達額を確かめた結果だけを1つの節に残しています。Claude の答えの中の太字は記事の太字の決まりに合わせて外し、このプロジェクトの中だけの呼び名は、ふだんの言葉に置き換えました。金額は1ドル＝158円で円にしています。

投稿と動画は、Tutor の発表と Lukas Ziegler さんのものなので、画面写真は載せず、何が写っていたかを文で書いています。

この記事に出てくる言葉

言葉	ふだんの言葉で言うと
Tutor Intelligence	倉庫と工場で物をつかんで移すロボットを、時間単位で貸している米国の会社。投稿によると、MIT（マサチューセッツ工科大学）の研究所 CSAIL から2021年に生まれた
tutor	Tutor の言葉で、遠くからロボットに入力と手助けを出す人のこと
パレタイジング	段ボール箱を、運ぶための木の台（パレット）に積み上げる作業
ケースピッキング・ピースピッキング	ケースピッキングは箱ごと取ること。ピースピッキングは箱の中から商品を1個ずつ取ること
セミヒューマノイド	人のような上半身（腕が2本など）を持つが、脚ではなく台や車輪で動くロボット
吸着式の手	指でつかまず、吸盤で物の面を吸って持ち上げる手。平らな面のある段ボール箱に向く
RaaS	Robot as a Service の略。ロボットを買わず、使った時間や作業の量で払う形
遠隔操作	ロボットから離れた場所の人が、画面を見ながらロボットを動かしたり手助けしたりすること
修正データ	ロボットが失敗しかけた場面で、人が直した動きを記録したもの。学習に戻すとロボットが同じ場面で迷いにくくなる
群れ（フリート）	同じ会社・同じモデルで動く、たくさんの台数のロボットのまとまり
a16z	米国の投資会社 Andreessen Horowitz の略称
Locus Robotics	倉庫で人と一緒に動く運搬ロボットを、時間単位の料金で貸している米国の会社
導入シミュレーション	このプロジェクトで作っている、配膳ロボットを店に入れる前に、何台でどこが詰まるかを確かめる試算と映像（ServiceSim）

Tutor のロボットはパレタイジングだけでなく、1個ずつ取るピッキングもしていた

（X の Lukas Ziegler さんの投稿を、X の Grok が日本語に訳した画面の写真5枚を共有して。Tutor Intelligence が a16z の主導で7,500万ドルを調達し、総額1億1,700万ドルになった。遠隔の tutor が入力と手助けを出し、そのやりとりが実世界のデータになり、より良いモデルを訓練し、より多くの環境に展開される。お客さんは時間単位かピッキング単位で払い、初期費用も長期契約もない。2027年末までに契約で1,000台以上の見込み。ロボットは二腕のセミヒューマノイド Sonny と、移動するアームの Cassie。動画には、tutor のロゴの入ったアームがパレットの段ボールを積む場面。返信には「時間で払う所が目立つ。Locus Robotics がもう倉庫ロボットをサービスとして売っている。遠隔の tutor がまだどのくらい作業しているのかを知りたい」という声があった）

これはパレタイジングのロボット限定の話？

— Tutor のロボットは、パレタイジングだけをするのか。

いいえ、パレタイジング限定の話ではありません。投稿の中に、Tutor のロボットは2種類あると書かれています。

Sonny：二腕のセミヒューマノイド。商品を1個ずつ取るピッキング（ピースピッキング）用
Cassie：移動するアーム。箱単位のピッキング（ケースピッキング）とパレタイジング用

動画に映っているのは Cassie なので、パレタイジングの話に見えます。ただ、扱っている品目はシリアル・お菓子・化粧品・日用品・おもちゃで、倉庫と工場の「つかんで移す」作業全般が対象です。

「他と違う」と言っている部分も、作業の種類ではなく運用のしかたのほうです。遠隔の人（tutor）が迷った場面を助け、そのやりとりがそのまま学習データになり、料金は人の作業と同じく時間かピッキング単位で払う。この仕組みは2種類のロボットに共通です。

返信で指摘されているとおり、時間単位の料金（RaaS）自体は Locus Robotics などもすでにやっています。新しいのは「遠隔の人の手助けを、運用しながらデータ集めにする」点です。

動画の Cassie は止まったまま積み、人が台車ごとパレットを寄せていた

（動画を一時停止した画面写真5枚を共有して。レンガの壁の倉庫で、白い機体に縦の柱とアームが付いたロボットが、黄色い台車に載ったパレットのあいだに止まっている。アームの先の青い吸盤で段ボールを持ち上げている。台車の側面には QR コード、白黒の四角い目印が3つ、バーコード、tutor のロゴ。機体の上には画面があり、「Calliope」という名前と、パレットに積む箱の立体図、緑の PAUSE MOTION と赤の STOP JOB のボタン、下の段に FEEDBACK・電話番号・ENGLISH などが並ぶ）

— 動画の静止画から、どんな運用が読めるか。

この動画に映っているのは全部 Cassie（箱を積む方）です。Sonny は出てきません。静止画から読み取れる運用の形をまとめます。

作業の形

ロボットは動き回らず、1か所に止まって作業しています。箱の載ったパレットと空のパレットを、それぞれ黄色い台車ごと機体の横につけています
画面の指示は「後ろの置き場から左の置き場へ箱を移す」。つまり、届いた箱を別のパレットに積み直す作業です
「移動式」は、作業中に走るというより、台車を寄せる場所を変えたり別の場所へ移したりできる、という意味だと推定します

人の役割（推定）

台車を押して運び、機体の横につける
台車には QR コード・位置合わせの目印・バーコードが貼ってあり、ロボットはこれで台車の位置と中身を見分けていると思われます
つかむのは吸着式の手で、箱の上面を吸って持ち上げます

現場の人向けの画面

積む計画を立体図で表示し、何段目まで済んだかを進み具合の線で見せる
大きな「一時停止」（緑）と「作業中止」（赤）
速く・遅く、意見を送る、助けを呼ぶ、サポートの電話番号、言語の切り替え、今日の実績

台車の目印、大きな停止ボタン、言語の切り替えは、どれも「その場の作業員が迷わず扱えるか」のための工夫です。ロボットの賢さより先に、置き場所と人の手順を決めて成り立たせている例で、このプロジェクトの設計の考え「精度より体験の成立を優先する」とそのまま重なります。

完全な自律より、遠くの人が直してデータに戻す形が現実的

今のところ完全に自律的なロボットより、遠隔操作でサポートして手直し、そのデータを活用するという方が現実的だね。

— 完全に自律したロボットと、遠くの人が直す形のどちらが現実的か。

そう思います。今の学習モデルは、9割うまくいっても残りの1割で止まります。その1割を人が遠くから直せば、現場は止まらずに回り、直した場面がそのまま学習データになります。しかも人が直した場面は「失敗しかけた所」なので、普通に成功した場面より学習に効きます。

ただ、この形が商売として成り立つかは、2つの数字で決まります。

人が手を出す割合：作業100回のうち何回直しているか。返信で「遠隔の tutor がまだどのくらい作業しているのか」と聞かれていたのもここです。ここが下がらないと、中身は人の作業のままです
遠隔の1人が何台見られるか：1人で10台見られれば人件費は1/10。1台に1人なら手作業と変わりません

投稿は「データが増えるほど賢くなる」と書いていますが、この2つが実際にどう下がってきたかは書いていません。そこが一番知りたいところですね。

このプロジェクトで、ゲームパッドで小型のロボットアーム mechArm 270 の動きを手で直す道具を作ったのも（LOG419）、小さいけれど同じ形です。直した回数と、直すのにかかった時間を記録しておけば、自分の手元で「手を出す割合が下がっていくか」を測れます。

ずれた区間だけ直すと、ロボットの指令と人の直しが並んで残る

そうだね。遠隔操作は外せない運用の形だと思ったし、部分的に動きを修正する工程を挟めるとデータもより良いものになるしね。

— 部分的に直すと、なぜデータが良くなるのか。

はい。全部を人が操作し直すのではなく、ずれた区間だけ直す形だと、データに「ロボットはこう動こうとした」と「人はこう直した」が並んで残ります。この差が、何が足りなかったかをそのまま示すので、学習にも分析にも使いやすいです。

そのためには、記録に少し工夫が要ります。

人が手を出し始めた時刻と、手を離した時刻を残す
直す前のロボットの指令も捨てずに残す
直した理由を一言つけられると、後で失敗の種類ごとに数えられる

もう一つ、直す道具の使いやすさがデータの質を決めます。直すのに手間がかかる道具だと、人は「まあいいか」と見逃し、本当に直すべき場面がデータに残りません。Tutor が現場の画面に大きな停止ボタンや意見を送るボタンを置いていたのも、同じ理由だと思います。ここは、ロボットの動きと人の体験を設計する側の仕事そのもので、このプロジェクトが立とうとしている場所と重なる部分ですね。

ねらい・変わったこと・見込める効果（直したデータの記録の仕方）

ねらい：人が直した場面から、ロボットに何が足りなかったかを読めるようにする
変わったこと：直した後の動きだけでなく、手を出した・離した時刻、直す前の指令、理由の一言を一緒に残す
見込める効果：失敗の種類ごとに数えられ、どの場面を学習に戻せば手を出す割合が下がるかを選べる。まだ見込みで、mechArm 270 で直した回数を記録して確かめる

遠隔の画面は、操作を少なく、判断に要る情報は削らない

遠隔操作のUI部分も簡素にした方がいいよね。

— 遠隔の画面は、何を簡素にするべきか。

はい、ただ「何を簡素にするか」は分けたほうがいいと思います。

操作は少なく

直す瞬間の操作は、なるべく少ない手数で済むようにします。関節を1つずつ動かすより、「この箱をつかむ」「ここに置く」と画面上で指すだけで済む形のほうが速く、1人で多くの台数を見られます。ロボットが候補をいくつか出し、人は選ぶだけ、という形も考えられます。

見せる情報は削りすぎない

一方で、判断に必要な情報は減らせません。カメラの映像、ロボットが何をしようとしていたか、どこでつまずいたか。ここが足りないと、直すのに迷って時間がかかります。

大事なのは場面ごとに出し分けること

普段は「全台問題なし」だけを見せ、助けが要る1台が出たときにその台の情報だけを大きく出す。Tutor の現場の画面も、普段は進み具合と停止ボタンだけで、細かい設定は隠していました。

もう一つ注意点があります。指して選ぶだけの直し方は速い反面、残るデータが「どれを選んだか」だけになり、細かい動きの直しは残りません。どの粒度で直させるかは、どんなデータが欲しいかとセットで決めることになります。

直し方	速さ	1人で見られる台数	残るデータ
関節を1つずつ動かす	遅い	少ない	細かい動きの直しまで残る
つかむ所・置く所を画面で指す	速い	多い	どこを指したか
ロボットが出した候補から選ぶ	いちばん速い	いちばん多い	どれを選んだかだけ

差がつくのは、モデルより修正データの集め方・選び方・測り方・持ち主

これからは修正データの扱い方がロボット運用のキモになりそうになってきたね。割と現実的というか、技術的にはまずはそのくらいで当面進みそうだなーという感想。

— 遠くの人が直す形で、会社どうしの差はどこでつくのか。

同感です。技術がすぐ跳ねるというより、「人が直す → 直した場面を学習に戻す → 直す回数が減る」という輪をどれだけ速く、安く回せるかの競争になりそうです。

そうなると、差がつくのはモデルそのものより、その輪の周りです。

集め方：直した場面を、前後の状況と一緒に漏れなく残せるか
選び方：直したデータを全部使うのではなく、効く場面を選んで学習に戻せるか
測り方：手を出す割合が実際に下がっているかを、現場ごとに示せるか
持ち主：お客さんの現場で生まれたデータを誰が使えるか。契約の形にも関わります

Tutor の「初期費用なし・時間単位で支払い」も、この輪を回すために自社でロボットとデータを持ち続ける仕組みと見ることができます。

このプロジェクトの課題地図（フィジカルAI を社会に入れる前に解くべき課題の一覧）に、「修正データの集め方と持ち主」を1項目足しておく価値はありそうです。

遠隔操作で根が深いのは、呼び出しの重なりと直し方のばらつき

現時点で、遠隔操作での問題があるとしたらどのようなことがあると思いますか？

— 遠くの人が直す形には、今どんな問題があるか。

大きく分けると、次のあたりだと思います。

遅れと感覚の不足：通信の遅れがあり、見えるのはカメラ映像だけです。奥行き、重さ、滑りやすさが分からないので、細かい力加減や接触の多い作業は遠くからだと難しい。だから「直接操縦する」より「指して選ぶ」形に寄っていきます
呼び出しの重なり：助けを求めるロボットが同時に何台も出ると、待ちが発生し、その間ロボットは止まります。1人が見られる台数には上限があり、ずっと画面を見ていれば疲れて見逃しも出ます
通信が切れたとき：途中で切れたら安全に止まれるか。止まったあと、現場の誰が対応するかを決めておく必要があります
直し方のばらつき：操作する人ごとに癖や上手い下手があり、疲れていれば判断も雑になります。それがそのまま学習データに入ると、モデルが迷う原因になります
安全と責任：遠くの人の操作で物を壊したり人に当たったりしたとき、誰の責任になるのか。現場に人がいる環境では安全の決まりも絡みます
映像の扱い：お客さんの工場の中や、そこで働く人の姿が外に出ていきます。どこまで見せてよいかの取り決めが要ります
隠れた人手：見かけは自動でも、人が手を出す割合が下がらなければ、結局は遠隔の人手を集める商売になります

遅れや感覚の不足は、「指して選ぶ」形にすることである程度かわせます。根が深いのは、呼び出しの重なりと直し方のばらつきの2つです。前者は台数を増やすほど効いてくる上限で、後者は直したデータそのものの質に関わります。

呼び出しの重なりは予測より、少なく始めて測り、待てる作りにする

呼び出しの重なりはタスクや業務内容によってバラツキが出そうで、先に予測するのは難ししそう。

— 呼び出しの重なりを、どう扱えばいいか。

はい、事前の予測は難しいと思います。しかも呼び出しはばらばらに起きるとは限りません。見慣れない箱が入荷すると、同じ箱を扱う全台が一斉に困る、という形で重なります。平均だけ見ていると、この「一斉に来る」場面を見落とします。

なので、予測より「測りながら広げる」と「重なっても困らない作り」で対処する形になりそうです。

少なく始めて測る：最初は1人あたりの台数を少なくし、作業の種類・時間帯・商品の入れ替わりごとに呼び出しの回数と対応時間を記録してから台数を増やす
待てる作りにする：助けを待つ間、その箱を後回しにして次の箱へ進めるなら、重なっても止まらない
順番をつける：止まると後ろが詰まる場所のロボットを先に助ける

ここは配膳ロボットの導入シミュレーションと同じ構造です。「止まる頻度」と「人が来るまでの時間」を入れて、台数を変えたときの詰まり方を見る。測った呼び出しの記録があれば、倉庫でも同じ考え方で「1人何台まで回るか」を試算できます。

同じモデルで動く群れは、同じ所で一斉に詰まる

群制御というか、複数台を1人の人が同時に見るのも詰まる問題が同じなら、全台同じポイントで詰まってもおかしくないよね。

— 1人で何台も見るとき、全台が同じ所で詰まることはあるか。

はい、むしろそれが普通だと思います。全台が同じモデル・同じ学習データで動いているなら、苦手な場面も全台同じです。人の作業員なら得意不得意がばらけますが、ロボットの群れは弱点までそろっています。

ただ、裏を返すと良い面もあります。同じ所で詰まるなら、1回直せば全台に効きます。なので、扱い方は次のようになりそうです。

最初の1台を合図にする：1台が詰まったら、同じ商品や同じ場面に向かっている他の台にはいったん後回しにさせ、一斉に止まるのを防ぐ
同じ原因の呼び出しはまとめる：遠隔の人は10件を1件ずつ直すのではなく、1回の判断で全台に返す
作業の順番をずらす：同じ新商品に全台が同時に当たらないよう、仕事の割り振りをずらす

「重なりは避けられない」前提に立って、重なったときに1回で片づける仕組みにする。これが群れで運用するときの落とし所だと思います。

ねらい・変わったこと・見込める効果（群れの呼び出しの扱い）

ねらい：同じモデルの群れが同じ所で一斉に止まっても、遠隔の1人で片づけられるようにする
変わったこと：呼び出しを1台ずつの件として並べるのでなく、同じ原因の呼び出しを1件にまとめ、最初の1台を合図に他の台を後回しにする
見込める効果：遠隔の人が手を出す回数が、詰まった台数ではなく原因の数で済む。上の図の仮の例では、10台が同じ所で詰まったとき、1件ずつ直すと最後の台は300秒待ち、まとめて返すと全台30秒で戻る。数字は考え方を見せるための仮の値で、測ったものではない

投稿の調達額は、Tutor の発表と報道で確かめられた

（投稿のリンクを共有して）

— 投稿の数字は確かか。

X のページは自動で読み取れなかったため、報道で確かめました。対話の時点で見つかったのは、2025年12月に Union Square Ventures の主導で3,400万ドルのシリーズAを調達し、総額4,200万ドルになっていたという報道で、今回の7,500万ドルを足すと投稿の総額1億1,700万ドルと一致する、というところまででした。

記事にする時点で、シリーズBの報道も出ていました。

投稿に書かれていたこと	報道で確かめたこと
a16z 主導のシリーズBで7,500万ドル、総額1億1,700万ドル	同じ。シリーズAを主導した Union Square Ventures、シードを主導した Neo も参加
2027年末までに契約で1,000台以上	同じ。ロボットはすべて米国で作る
直近12か月の新規の約3分の1が既存のお客さんの追加	同じ。ロボットが働く施設の数は1年前の約4倍
時間かピッキングの数で払う・初期費用なし・長期契約なし	同じ。設置と保守と、ソフトとモデルの更新は Tutor が持つ
遠隔の tutor が手助けする	同じ。人が手を出す割合と、1人あたりの台数は、どの報道にも数字がない
—	今動いている台数、会社の評価額、売上は公表していない

対話で「いちばん知りたい」とした2つの数字は、発表にも報道にも出ていませんでした。

ねらい・変わったこと・見込める効果

遠くの人が直す運用を見るときの物差しを、このプロジェクトの観察と導入シミュレーションに入れたときのことを、ここでまとめておきます。

	中身
ねらい	遠くの人が直す形のロボットの運用が、続くのか、人手を集めているだけなのかを、外から判断できるようにする
変わったこと	物差しを2つの数字（人が手を出す割合・遠隔の1人が見られる台数）に絞った。直したデータに残すものを3つ決めた。群れの呼び出しは一斉に来る前提で、1回で全台に返す組み方にした。共有された動画を1本1行で並べている観察台帳にも1行足し、これまでの行が全部「店員がその場で手で直す」だったのに対し、この1本だけ「遠くの人が直す」になった
見込める効果	新しいロボット企業の発表を見たとき、2つの数字が出ているかで読み方を変えられる。導入シミュレーションには、今は「現場のスタッフが来て直す」層しかないので、遠隔で助ける層と、呼び出しが一斉に来る場合を入れる候補ができた。どちらも見込みで、試算と Unity はまだ変えていない

倉庫ロボットは遠くの人が直して回し、差は修正データの扱いでつく

Tutor の発表で新しかったのは、ロボットの賢さではなく、迷った場面を遠くの人が直し、その直しを運用しながら学習に戻す仕組みでした。完全な自律を待たずに現場で働かせ、働いた時間で払ってもらう。この形が続くかどうかは、人が手を出す割合と、遠隔の1人が見られる台数が下がっていくかで決まり、その2つはまだ外からは見えません。

そして、同じモデルで動く群れは、同じ所で一斉に詰まります。だから遠隔の人の仕事は、1台ずつ助けることではなく、同じ原因をまとめて1回で全台に返すことになる。直したデータを、前後の状況と直す前の指令と一緒に残せるかどうかが、その次の学習の質を決めます。

倉庫ロボットの差は、ロボットの賢さより、人が直した場面をどう集め、どう選び、誰が持つかでつく。