ヒューマノイドロボットとは？主要9社の実装段階と事業機会

ヒューマノイドロボットは、人と同じ空間で働ける次世代の労働力として注目されています。動画では、歩く、箱を運ぶ、工具を使うといった動きが次々に披露されています。

ただし、見栄えのよいデモと、顧客が料金を払い続ける仕事は別です。実際、2026年9月時点で実装が先行するのは、工場や倉庫にある、範囲を限定しやすい作業です。

一方、家庭で何でもこなす汎用ロボットが広く普及した段階ではありません。

イノベーション総研は、一つの仕事を安全に続けられるかが、事業性を判断する軸になると考えます。というのも、人のように動けるだけでは足りないからです。

そのため、見るべき数字は、動画の再生回数や予約台数ではありません。むしろ、作業成功率、人の介入回数、停止時間、復旧時間、1時間当たりの総費用です。

本記事では、国内外の主要9事例を解説します。海外勢は、Figure AI、Agility Robotics、Apptronik、Boston Dynamics、UBTECH、Unitree、1X、NVIDIAです。

日本からはZEALSを取り上げます。そのうえで、完成機を開発しない企業も含む6つの参入ルートを示します。

参入・提携・待機・見送りの判断基準も整理します。

この記事の結論：売るのは人型の機械ではなく、止まらない仕事

ヒューマノイドロボットで新規事業をつくるなら、最初に「どの機体を扱うか」を決める必要はありません。先に決めるのは、顧客現場のどの仕事を、どの条件まで引き受けるかです。

事業として確認したい点は、次の3つです。

• 人型でなければ解きにくい仕事か
• 人が介入する費用を含めても、顧客の総費用を下げられるか
• 事故、停止、データ、保守の責任を契約で分けられるか

人型の価値は、人のために作られた階段、通路、棚、扉、工具を使えることです。一方、床が平らで、同じ荷物を同じ場所へ運ぶだけなら、自動搬送ロボットや固定式ロボットの方が安く、安定する場合があります。

したがって、「人型だから新しい」は参入理由になりません。設備を大きく変えず、複数の作業へ移れることが、追加費用を上回る現場を選びます。

自社の技術、顧客、保守体制を先に整理したい場合は、新規事業の無料診断で現在地を確認できます。

まず、ヒューマノイドロボットとフィジカルAIの関係を短く整理します。

ヒューマノイドロボットとは？フィジカルAIとの違い

ヒューマノイドロボットは、人に近い外形や動きを持つロボットです。一般には、胴体、腕や手、脚、頭部などを備え、人向けの環境で作業する機体を指します。

一方、フィジカルAIは、センサーで現実を捉え、AIが判断し、機械が実際に動く仕組みの総称です。自動運転車、ドローン、ロボットアーム、自動搬送ロボットも含みます。

つまり、ヒューマノイドは、フィジカルAIの一つの形です。

ヒューマノイドが注目される理由は、移動と作業を一体で扱える点にあります。カメラや力覚センサーで周囲を認識し、AIが行動を決め、脚で移動し、手で物を扱います。

近年は、言葉や画像とロボットの動きを結びつけるVLAが進んでいます。なお、VLAは、Vision-Language-Actionの略です。

これは、「この箱を棚へ置く」といった指示を、視覚情報と動作へつなぐモデルです。

ただし、AIが賢くなっても、手首の配線が切れれば仕事は止まります。また、滑りやすい包装、照明の変化、人の飛び出しにも対応が必要です。

つまり、知能、機体、現場運用の三つがそろって初めて、商品になります。

より広い概念と参入方法は、フィジカルAIの新規事業で整理しています。本記事は、その中でも人型ロボットに絞り、企業の実装段階と事業機会を詳しく見ます。

なぜ今、導入が現実味を帯びているのか

ヒューマノイド研究の歴史は長く、二足歩行そのものは新しくありません。現在の変化は、AI、部品、開発環境、顧客実証が同時に進み始めたことです。

大きな変化は4つあります。

1. 人の実演から作業を学ぶ方法が増えた
2. シミュレーションで大量の失敗を試せるようになった
3. センサー、計算機、アクチュエータの選択肢が広がった
4. 工場や倉庫が、実際の工程を使った検証に参加し始めた

特に重要なのは、実機データの循環です。具体的には、人が遠隔操作して作業を教え、ロボットが失敗した場面を集め、シミュレーションで学び直して実機へ戻します。

この循環が速い企業ほど、例外への対応を増やせます。

政策面では、経済産業省がAIロボティクスの社会実装を分野別・時間軸別に進めています。産業技術総合研究所の2026年7月発表によると、Noetraと同研究所による国産マルチモーダル基盤モデル事業は6月に採択され、7月に研究開発を始動しました。

ただし、採択と開発着手は、現場で利用できる製品の完成とは別の段階です。

ここで注意したいのは、開発が速いことと、導入が簡単であることは同じではない点です。国際ロボット連盟は、量産準備が進む一方、用途、信頼性、安全性、費用対効果は実地で証明する必要があると整理しています。

次は、市場予測を事業判断にどう使うかを見ます。

ヒューマノイドロボットの市場規模はどう読むべきか

ヒューマノイドロボットの市場予測には、大きな幅があります。機体売上だけを数える調査もあれば、ソフトウェア、保守、サービスを含む調査もあるためです。

Goldman Sachsの2024年予測は、2035年の市場を380億ドル、年間出荷を140万台と見積もりました。これは一定の技術進歩や価格低下を前提にした予測であり、確定した需要ではありません。

Omdiaの2026年報告（7頁）は、2025年の対象ロボット出荷を1万3,318台と推計しています。ただし、対象は二足歩行だけでなく、人型の上半身を持つ車輪式なども含む「汎用身体知能ロボット」です。

また、研究・教育向けも含むため、工場や家庭で料金に見合う働きを続けた台数としては扱いません。

市場を見るときは、次の4種類の数字を分けます。

新規事業では、世界市場の金額から自社売上を割り戻さない方が安全です。

次の順に、足元から積み上げます。

1. 対象業務がある拠点数を数える
2. 1拠点で代替・支援できる作業時間を出す
3. 人の介入、保守、安全設備を含む総費用を見積もる
4. 現場条件と法規制で対象を絞る
5. 自社が販売・保守できる地域と台数まで落とす

この考え方は、TAM、SAM、SOMの順に市場を絞る方法です。詳しくは、TAM・SAM・SOMの使い分けと市場規模の調べ方を参考にしてください。

市場全体よりも実装の中身を見ると、事業の現在地がはっきりします。ここから主要9社を、実績と計画に分けて見ていきます。

主要9社の実装から見える現在地

企業によって、売っているものも、実装段階も異なります。完成機メーカーだけでなく、AI基盤、現場統合、遠隔支援まで含めて比べることが大切です。

下表の「段階」は、企業の優劣ではありません。公表情報から、どこまで確認できるかを示したものです。

表の全社が「大規模な本番導入」に到達したわけではありません。ここから、各社が何を商品にし、何をまだ証明していないかを解説します。

Figure AIは、工場の失敗を次の機体設計へ戻した

注目したいのは、台数より故障の学びです。

Figure AIは、BMWの米国スパータンバーグ工場でFigure 02を運用しました。同社の公表では、11か月で1,250時間を超えて稼働しました。

さらに、扱った部品は9万点を超え、3万台を超えるBMW X3の生産に関わりました。

たとえば、狭い前腕に入れた配線、冷却、電子部品が停止要因になりました。

そして、Figureは、その経験をFigure 03の設計へ反映したと説明しています。

同じ発表は、現場の要求をサイクル全体84秒、うち部品を装填できる時間37秒と説明しています。一方、3部品すべてを正しく置く成功率99％以上をシフト単位で満たし、人の介入をゼロにすることは目標です。

そのため、稼働時間の実績と、成功率・介入回数の要求を分けて読むと、自社の検証でも何を測るべきかが明確になります。

つまり、AIモデルだけで商品力は決まりません。曲げを繰り返す配線、熱、保守しやすさ、交換時間が稼働率を左右します。

Figure 03のBMWでの取り組みは次の段階です。ただし、公開時点では実演や展開中の内容です。

旧機種と同じ長期実績としては扱えません。

新規参入への示唆は、故障が集中する部位にあります。手首、手指、配線、コネクター、熱設計、診断ソフトは、完成機企業へ供給できる可能性があります。

Agility Roboticsは、機体より「仕事の運用」を契約した

Agility RoboticsのDigitは、GXOが運営するSPANXの物流拠点で、トート搬送を担っています。両社は2024年に複数年の商用契約を発表しました。

さらに、2025年11月には、10万個を超えるトートを搬送したと公表しています。

この事例の価値は、万能性ではありません。自動搬送ロボットとコンベヤーの間をつなぐ、限られた仕事を繰り返したことです。

機体と組み合わせるAgility Arcは、稼働状況や処理量、障害発生の間隔などを可視化し、WMS（倉庫管理システム）・WES・MESといった業務システムへの接続を支える管理基盤です。また、GXOとの契約はRaaSで、機体の提供に運用支援を組み合わせています。

つまり、ロボットだけを売る場合と、顧客が作業を続けられるよう支える場合では、収益と責任の範囲が変わります。

ただし、契約台数、顧客の投資回収、介入率は公開されていません。一つの現場の成果を、すべての倉庫へ広げて考えないことが必要です。

Apptronikは、顧客現場を「データ工場」に変えようとしている

Apptronikは、Apolloを製造・物流へ展開しています。Jabilとは、検品、仕分け、キッティング、ラインサイド搬送、治具配置などを対象に、製造と現場検証の提携を進めています。

2026年6月、同社は約9万平方フィートのRobot Parkを公表しました。これは、Apollo 2の二足式と車輪式を使い、遠隔操作と自律動作のデータを収集する施設です。

また、Google DeepMind、Mercedes-Benz、GXOなどにも作業・学習環境を展開していると説明しており、次の商用機Apollo 3を支える開発段階にあります。

この取り組みは、現場そのものを学習基盤に変える戦略です。異なる床、棚、部品、人の動きから失敗例を集められれば、改善速度が上がります。

一方、公開情報の中心はパイロットとデータ収集です。たとえば、自律作業の比率、顧客別の台数、商用条件は確認できません。

そのため、提携する企業は、データの所有権、再利用範囲、機密情報の扱いを契約で決める必要があります。

Boston Dynamicsは、グループ内で供給網を組んだ

Boston Dynamicsは2026年1月、電動Atlasの製品版を発表しました。同社発表では、直ちに生産を始める方針を示しました。

また、2026年分は、Hyundaiのロボティクス拠点とGoogle DeepMind向けに割り当てました。

ここでは、Hyundai Motor Groupが顧客現場を持ち、Hyundai Mobisがアクチュエータを支えます。Google DeepMindはAIモデルで連携し、Orbitがロボット群とMES、WMSをつなぎます。

完成機会社がすべてを単独で抱えるのではなく、需要家、部品、AI、運用ソフトを縦につないだ形です。日本企業にも、精密部品、工場SI、安全評価で参加する余地があります。

ただし、「生産開始」「導入枠が決まった」は、顧客工程での長期稼働実績ではありません。しかも、予定台数、価格、現場KPIも非公表です。

そのため、計画と実績を分けて読みます。

UBTECHは、台数を出した後の現場適合へ進む

中国のUBTECHは、Walker S2を自動車、物流、電子、半導体などへ展開しています。同社の2025年年報では、フルサイズの身体知能ヒューマノイド製品・サービスを開示しました。

具体的には、販売量は1,079台、売上は約8.20億元です。ただし、これは当該製品・サービス区分の数値であり、Walker S2だけの販売実績ではありません。

Walker S2は、自動でバッテリーを交換する仕組みを特徴にしています。これは、充電待ちを減らし、長時間運用へ近づける考え方です。

さらに、2026年7月には、日立中国での製造工程の検証と日立電梯での二次開発を発表しました。

販売量が見えることは大きな前進です。ただし、1,079台の機種別、顧客別の内訳や、継続稼働率は公開情報だけでは分かりません。

台数が多いことと、顧客が利益を得たことは同じではありません。

導入後も現場ごとの適合が必要なため、地域SI、交換部品、保守、教育を検討する余地があります。具体的な需要は、購入企業がどの作業で困り、何を外部へ任せるかを確かめて判断します。

Unitreeは、ヒューマノイド開発の入口を広げた

UnitreeのG1は、大学や開発企業が実機を使うための選択肢になっています。実際、同社は標準機と二次開発向けのG1 EDUを分けています。

また、NVIDIAと組み合わせたH2 Plusも、研究用の参照機として公表しました。

重要なのは、二次開発に対応する機体を選べば、完成機を一から作らずにアプリケーションを開発できる点です。日本企業は、機体を調達し、検査、案内、運搬など特定業務のソフトウェアや周辺機器を作れます。

一方、G1の表示価格は、現場導入の総額ではありません。手、安全設備、充電、通信、開発、保守、予備機、輸送を加える必要があります。

また、研究機関への販売と、無人の本番運用も分けて考えます。

標準機の普及は参入障壁を下げますが、顧客が買うのは機体ではなく、自社の仕事が動く状態です。

1Xは、家庭向けで「人の遠隔支援」を商品に入れた

1Xは、家庭向けヒューマノイドNEOの予約を2025年に始めました。2026年4月の発表は、Hayward工場の稼働とSan Carlos工場の年内稼働計画を合わせ、年間最大1万台の生産能力を説明しています。

ただし、稼働済みの一工場だけの能力や、実際の納入台数を示した数字ではありません。

NEOが示す重要な論点は、完全自律を前提にしていないことです。たとえば、未習得の作業では、利用者が予約した時間に専門家が遠隔支援する機能を用意しています。

ただし、これは性能を補う一方、運用原価とプライバシーを事業の中心に置きます。

家庭には、家族、来客、書類、画面、会話など多くの個人情報があります。遠隔担当者が何を見られるか、映像を保存するか、学習へ再利用するかを、利用者が理解できる形で決める必要があります。

1XのNEOは予約・早期アクセス生産の段階です。工場能力を実際の納入台数と混同せず、家庭向けは実運用データを待って評価します。

NVIDIAは、機体を作る企業の共通基盤を押さえる

NVIDIAは、ヒューマノイドの完成機メーカーではありません。Isaac GR00Tを中心に、データ収集、シミュレーション、学習、評価、実機展開をつなぐ開発基盤を提供しています。

2026年には、参照ヒューマノイドを公表しました。これは、Unitreeの機体、触覚を持つ手、Jetson Thor、オープンなソフトウェアを組み合わせた設計です。

なお、複数の大学・研究機関が利用予定で、参照設計の提供は2026年末を予定しています。そのため、既存の開発基盤と、今後提供される参照設計を区別します。

この戦略は、どの完成機が勝っても、計算、開発、シミュレーションの需要を取れる可能性があります。完成機競争に参加しない企業でも、合成データ、テスト、自社センサーのシミュレーションモデル、エッジ最適化へ入れます。

ただし、開発基盤が採用されたことは、最終顧客の生産性が上がったことを意味しません。現場KPIは、利用企業ごとに確認します。

ZEALSは、海外機体を日本の病院業務へつないだ

ZEALSは2026年3月、筑波大学附属病院で3日間の実証を行いました。その際、Unitree G1と自社のOmakase OSを使いました。

具体的には、外来診療後の安全エリアで、自律歩行、障害物回避、道案内、運搬、異常検知を確認しています。

これは病院への本格導入ではありません。期間と範囲を限定したPoCです。

それでも、日本の通路や業務に機体を合わせ、病院側の意見を集めた点に意味があります。

2026年8月には、コンパクトヒューマノイドD1の計画を発表しました。同社は、医療、保険、リース、導入支援の企業と組み、年度内100台の量産と累計1万時間の稼働を目標にしています。

ただし、これは公開時点では目標であり、達成実績ではありません。また、3月の病院PoCに使われた機体はG1なので、D1自体の稼働実績とも区別します。

さらにタイミーと、実演、例外対応、遠隔操作などのデータ収集業務も検討しています。日本企業の参入余地が、機体だけでなく現場、保険、金融、人材にも広がる例です。

9例を並べると、ヒューマノイド産業は一つの製品市場ではないと分かります。次は、業界を4層に分けて、利益が残る場所を見ます。

企業を並べると、業界は4層に分かれる

ヒューマノイドロボットは、機体だけで動きません。部品、知能、開発基盤、現場サービスが積み重なって、一つの仕事になります。

業界を次の4層に分けると、自社の入口を探しやすくなります。

完成機メーカーは目立ちますが、後発企業が同じ競争へ入る必要はありません。

むしろ、層と層の間に仕事があります。

たとえば、手のセンサーを売るだけではなく、つかみ損ねを検知するソフトと評価方法を組み合わせる方法があります。また、機体を販売するだけではなく、WMSとの接続、監視、保守を月額で提供する方法もあります。

こうした「使える状態」への変換に、継続収益が生まれます。

競合、特許、提携候補を層ごとに調べる方法は、IPランドスケープの実務も参考になります。

業界の位置が見えたら、そもそも人型を選ぶ意味があるかを確認します。

人型である意味はどこにあるのか

ヒューマノイドは、すべての自動化に向くわけではありません。人型が有利な条件と、別の機械が有利な条件を分ける必要があります。

次の表で、現場の仕事を比べます。

たとえば、決まった重さの箱を長距離運ぶなら、自動搬送ロボットが有力です。高速で部品を溶接するなら、固定式ロボットが向きます。

一方、古い工場で、台車を引き、扉を通り、別の棚から部品を取る仕事は、人型の柔軟性が効く可能性があります。複数作業を一台で切り替えることで、専用設備の投資を減らせるためです。

判断は「人に似ているか」ではなく、設備改修費と作業切り替え価値の差で行います。人型の意味が確認できたら、参入する商品を選びます。

ヒューマノイド事業で止まっている点を確認する

市場の熱量ではなく、顧客・証拠・採算・責任・自社資産・経営判断を分けて見直すセルフチェックです。

01　人型である必然性を説明できない

固定式ロボットやAMRと比べ、人向け設備を変えない価値が総費用を上回るか確認します。

• 階段・扉・工具の必要性
• 複数作業へ移る価値
• 別方式との総費用差

人型を選ぶ条件を見る →

02　発表と実用化を混同している

実演、予約、出荷、PoC、有償導入、継続稼働を同じ実績として扱わないようにします。

• 顧客と対象工程
• 稼働期間と作業量
• 停止・介入・復旧のKPI

主要9社の実装段階を見る →

03　採算を人件費だけで計算している

機体以外の導入、接続、保守、遠隔介入、安全、保険、停止損失を加えます。

• 年間の総費用
• 失敗からの復旧時間
• 顧客が避けられる損失

採算の考え方を見る →

04　自社が売るものを決められない

完成機に限らず、部品、データ、SI、RaaS、安全・保険から、自社資産に近い入口を探します。

• 既存技術と設備
• 既存顧客と現場知
• 不足する提携機能

日本企業の入口を見る →

05　安全とデータの責任が曖昧

機体、作業、施設、人の運用を分け、事故・停止・映像・学習データの責任を契約へ入れます。

• 非常停止と転倒対応
• 遠隔操作の権限
• データの所有と再利用

8つの懸念を確認する →

06　経営会議で次の行動を決められない

参入、提携、待機、見送りを同じ証拠で比べ、再判断する条件と期限を置きます。

• 有償顧客と現場KPI
• 供給・保守の体制
• 再判断する事実と時期

4つの判断条件を見る →

ヒューマノイドロボットの新規事業で選べる6つの参入ルート

参入ルートごとに、必要な資産と負う責任が違います。完成機は最も目立ちますが、資本、開発期間、製造責任も大きくなります。

まず、6つの入口を比較します。

表で自社に近い入口を選び、以下で商品にする条件を確認してください。

1．部品は「性能」より「停止を減らす価値」を売る

候補は、手指、触覚、手首、減速機、モーター、配線、コネクター、熱管理、電池です。日本企業の精密加工、材料、センサー、品質管理を生かしやすい領域です。

部品単体のスペックだけでは採用されません。「100万回の屈曲後も配線が切れにくい」「交換時間を30分短くできる」など、機体の稼働率へ結びつけます。

Figureの前腕故障は、見えにくい部品が事業価値を持つ例です。実機の故障解析まで提供できれば、単価競争から抜けやすくなります。

2．データ・評価は、顧客の受入基準へ組み込む

ロボットは、動画を集めれば学習できるわけではありません。というのも、カメラ、関節、力、操作、失敗理由を時間でそろえる必要があるからです。

しかも、個人情報や工場機密も含みます。

有望なのは、布、ケーブル、透明物、食品、粉体など、シミュレーションしにくい対象です。汎用基盤でNVIDIAと競うより、特定素材や日本の検査条件へ絞ります。

収益は、データ収集の受託だけでなく、再試験、モデル比較、受入判定まで継続させます。データの所有者、学習への再利用、国外移転を契約で決めます。

3．現場SIは、既存設備との「最後の1メートル」を担う

顧客現場には、WMS、MES、PLC、エレベーター、扉、入退室、作業指示があります。ロボットが自律歩行できても、仕事の受け渡しができなければ止まります。

現場SIは、業務分解、通信、充電場所、安全区域、エラー時の呼び出し、復旧まで設計します。導入後の改善を月額契約にできれば、単発PoCから抜けられます。

特定メーカーだけに依存すると、調達停止や仕様変更の影響を受けます。複数機体を同じ画面で管理できる設計や、交換可能な接続部分が資産になります。

4．特定作業RaaSは、処理量と稼働率を商品にする

機体を売る代わりに、トート1個、稼働1時間、完了した作業などへ料金を設定します。顧客は初期投資を抑えられます。

一方、提供側は機体を資産として持ちます。そのため、故障、予備機、現地保守、遠隔介入の費用が利益を圧迫します。

そこで、成功率だけでなく、1回の失敗から戻る時間を測ります。

Agilityの例のように、対象業務を狭くし、周辺設備とつないでから横展開する方法が現実的です。

5．安全・保険は、導入を止める不安を契約へ変える

人と同じ空間で動く機体には、転倒、挟み込み、衝突、誤動作、情報漏えいがあります。用途によって求められる規格も違います。

事業機会は、リスクアセスメント、受入試験、ログ監視、保険、事故対応を一つにすることです。導入企業が「何を確認すればよいか分からない」状態を解きます。

ただし、規格への適合を一社だけで断定しないことが重要です。機体、作業、施設、運用を含め、試験機関、法務、保険会社と責任を分けます。

6．完成機は、顧客と供給網を確保してから選ぶ

完成機は、AI、機械、電気、制御、電池、製造、保守を束ねます。資本と人材だけでなく、長期の製造物責任も負います。

このルートが向くのは、量産設備、主要部品の供給、実証顧客、保守網、長期資金を持つ企業です。すべてを内製する必要はありませんが、品質と安全の最終責任者は決める必要があります。

後発企業が「汎用ヒューマノイド」を掲げると、用途が広すぎて学習データも営業も分散します。最初は一業界、一作業、一つのKPIへ絞ります。

新規事業のビジネスモデル設計では、提供価値と提携機能の分け方を解説しています。

参入ルートを選んだら、次は顧客が払う費用を計算します。本体価格と人件費だけでは、判断を誤ります。

ヒューマノイドロボットの価格は、本体だけで比べない

「ロボットの価格 ÷ 人の年収」で回収年数を出す計算は、簡単ですが不十分です。導入後には、現場変更、保守、遠隔支援、安全対策などの費用が発生します。

公開価格の例では、Unitree G1の標準機が1万3,500ドルからと表示されています。ただし、税・送料は含まず、標準機は二次開発に対応しません。

一方、二次開発に対応するG1 EDUは別見積もりです。そのため、業務用アプリを作る費用を試算する際は、標準機の表示価格をそのまま使わず、必要な機種・機能・開発条件をそろえて見積もります。

顧客の年間総費用は、初期投資を予定使用年数で年換算したうえで、次のように分けます。ここでは説明を簡単にするための概算で、実際の投資判断では支払時期や資金コストも確認します。

年間総費用 ＝ 機体・金融費の年換算額 ＋ 導入・接続費の年換算額 ＋ 保守・予備機 ＋ 遠隔介入費 ＋ 安全・保険費 ＋ 停止損失

以上が、導入後まで含めた費用の内訳です。

説明用の架空例として、機体・導入などの年換算費が240万円、人の介入が年60万円、保守・安全対策などが年60万円なら、合計は年360万円です。このとき、年12万件を品質基準どおりに完了できると、1件当たり30円になります。

つまり、表示価格の安さよりも、実際に完了した件数と、見落としていた人の費用によって比較結果が変わります。

一方、便益には削減人件費だけでなく、採用できない時間の穴、夜間対応、労災リスク、設備改修の回避、品質の安定を入れます。

現場KPIは、少なくとも次を測ります。

• 1時間当たりの完了作業数
• 作業成功率と、失敗の種類
• 人が助けた回数と時間
• 計画外停止時間と復旧時間
• 部品交換と保守の時間
• 人や設備に関わるヒヤリハット

重要なのは、成功率だけを高く見せないことです。100回中99回成功しても、1回の復旧に2時間かかれば、工程は止まります。

逆に、人が30秒で安全に復旧できるなら、同じ成功率でも事業性は変わります。

投資回収は、顧客の現行作業と同じ期間、同じシフト、同じ例外条件で比較します。展示会の短時間デモから、年間の採算を外挿しないことが大切です。

ここまでの実装事例と費用の考え方を、自社の検証へ落とします。次は、どの作業から確かめるかを整理します。

ヒューマノイドロボットは、置き換える一つの仕事から検証する

顧客が必要としているのは、人の形をした機械そのものとは限りません。人手不足や危険な作業、品質のばらつきなど、現在の仕事で困っている点を具体化し、その解決に人型が必要かを確かめます。

人型を選ぶ前に、一つの作業を安全に続けられる条件を決めます。例えば箱の搬送なら、箱の重さと形、置き場所の変化、人と交差する場所、停止したときの復旧方法を記録します。

その条件で、人、搬送ロボット、専用機、人型を比較する順番です。

試験では成功した動画だけを残さず、全試行のうち何回完了し、何回人の介入が必要で、復旧に何分かかったかを記録します。というのも、作業の成功率が同じでも、毎回付き添いが必要なら提供費用は変わるからです。

そのため、購入判断には処理量、停止時間、安全条件、保守費を同時に示してください。

現場への確認方法は、新規事業の市場調査でも整理しています。顧客課題が見えたら、安全やデータの責任を次に確かめます。

参入前に確認したい8つの懸念

ヒューマノイドロボットは、ハード、AI、人の運用が重なる事業です。一つの性能だけを確認しても、導入後の失敗は防げません。

次の8点を、事業計画と契約へ入れます。

この8点は、PoCの開始前に「誰が、どこまで責任を負うか」へ置き換え、仕様書と契約の両方で確認します。

安全規格は、用途を決めてから当てはめる

ISO 10218-1:2025とISO 10218-2:2025は、産業用ロボットとその統合を対象にします。家庭、医療、公共空間、原子力、防爆など、すべてのヒューマノイド用途を一つで覆う規格ではありません。

脚式サービスロボットの移動性能を扱うISO 18646-5:2026などもありますが、性能試験と現場の安全認証は別です。動的にバランスを取る産業用移動ロボット向けのISO/CD 25785-1は、2026年9月時点で策定途中です。

導入時は、機体の規格名だけで判断せず、対象作業、速度、力、人との距離、非常停止、停電、通信断、転倒、復旧を確認します。なお、本記事は個別製品の安全性や法令適合性を判定するものではありません。

そのため、対象用途に応じ、試験機関、法務、安全の専門家へ確認してください。

遠隔支援は、性能の裏側にある原価と権限を見る

遠隔操作は、ロボットが止まったときに有効です。しかし、人が常に監視すれば、省人化の効果は小さくなります。

たとえば、誰が映像を見るのか、何台を同時に支援するのか、海外拠点から操作できるのか、通信が切れたら安全に止まるかを確認します。そのうえで、これらを運用原価と契約へ入れます。

家庭や病院では、映像や音声に個人情報が含まれます。利用者の同意と、ロボットが遠隔操作中だと分かる表示も必要です。

学習データは、集めるほど価値と責任が増える

現場の失敗データは競争力になります。一方、製造条件、作業者の顔、患者情報などが混ざる可能性があります。

PoCの契約で集めたデータを、別の顧客や汎用モデルへ使えるとは限りません。そのため、生データ、加工データ、学習済みモデル、ログの権利を分けます。

さらに、削除依頼や契約終了後の扱いも決めます。

懸念を列挙するだけでは、事業は選べません。次は、自社の資産と入口を対応させます。

日本企業はどの資産から入れるか

日本は、完成機の出荷台数だけで見ると米中に後れを取る場面があります。一方、部品、品質管理、現場改善、SI、保守、安全には蓄積があります。

自社の資産から、現実的な入口を選びます。

たとえば部品企業は、汎用ロボットを一から作る必要はありません。完成機企業と一緒に、故障率と交換時間を改善する部品を作れます。

物流顧客を持つ企業は、複数メーカーの機体を比較し、業務設計と運用を商品にできます。保険会社やリース会社は、事故データと残存価値を蓄積し、導入を支える仕組みを作れます。

政策も、部品、SI、データ、安全評価の共通基盤を重視しています。自社の強みを、機体の下請けに留めず、導入後のデータと顧客接点へつなげることが重要です。

最後に、経営会議で使える4つの判断へ落とします。

参入・提携・待機・見送りを分ける

ヒューマノイドロボットは変化が速いため、「有望かどうか」だけでは判断できません。自社が今どの行動を取るかを分けます。

参入は、ロボットを購入したことではありません。顧客が料金を払う仕事と、提供側が引き受けられる責任が一致した状態です。

提携では、AI企業、機体企業、SI、顧客の誰が主契約者になるかを決めます。事故や停止が起きたとき、窓口が分かれる契約は現場を困らせます。

待機は、何もしない判断ではありません。「連続8時間の稼働」「介入1時間当たり1回以下」「対象規格の発行」など、再判断する事実を決めて追います。

見送りも有効です。人型が不要なら、蓄積した業務データや安全評価を、車輪型や固定式ロボットへ転用できます。

相談先を選ぶときの6つの条件

ヒューマノイドロボットは、技術調査だけでも、業務改善だけでも事業になりません。相談先が、技術、顧客、運用、責任を一つの判断へまとめられるかを確認します。

見るべき条件は次の6つです。

• 企業の計画と、確認済みの実績を分けて説明する
• ヒューマノイド以外の自動化方式も比較する
• 顧客業務を、作業、例外、停止、復旧まで分解する
• 部品、AI、SI、保守、保険の提携構造を描ける
• 実証の成功条件と、本番移行の条件を分ける
• 参入だけでなく、提携、待機、見送りも提案する

「市場が伸びる」「人手不足だから売れる」だけでは、投資判断に足りません。どの顧客の、どの作業で、誰が責任を負うかまで具体化できる相手を選びます。

イノベーション総研では、市場・技術・競合の調査から、参入位置、提携候補、収益モデル、撤退条件まで一体で整理します。支援事例もご覧ください。

よくある質問

ここまでの内容から、ヒューマノイドロボットの事業検討でよく出る質問へ答えます。個別機体の採用判断は、用途と現場条件に合わせて行ってください。

Q. ヒューマノイドロボットとは何ですか？

A. 人に近い外形や動きを持ち、人向けに作られた環境で作業するロボットです。一般には胴体、腕や手、脚、頭部などを備えます。ただし、二足歩行だけでなく、車輪型の人型上半身を含めて扱う企業もあります。

Q. フィジカルAIとの違いは何ですか？

A. フィジカルAIは、AIが現実を認識し、機械を動かす仕組み全体です。ヒューマノイドロボットは、その実装形態の一つです。自動運転車、ドローン、ロボットアームもフィジカルAIに含まれます。

Q. すでに工場や倉庫で実用化されていますか？

A. 特定の工程では、反復稼働や商用RaaSの事例があります。ただし、導入台数、作業範囲、稼働期間は限られます。予約、生産能力、出荷、PoC、商用稼働を分けて確認する必要があります。

Q. 日本企業に参入余地はありますか？

A. あります。完成機だけでなく、手指、触覚、配線、熱管理、評価、学習データ、現場SI、保守、保険、リースに機会があります。自社の既存顧客と技術がつながる一層から始める方が現実的です。

Q. 導入費は本体価格だけで比べてよいですか？

A. 不十分です。周辺機器、開発、接続、安全設備、保守、予備機、遠隔介入、保険、停止損失を含めて比べます。顧客が得る便益も、人件費だけでなく採用難、夜間、危険作業、設備改修の回避まで含めます。

Q. どの作業から導入を考えるべきですか？

A. 範囲を限定しやすく、失敗時に安全に止められ、効果を数値で測れる作業です。工場・倉庫の搬送や順序供給が先行しています。人と密に接触する医療・家庭は、プライバシーと安全の負担が大きいため、補助業務から段階的に考えます。

まとめ：派手な動きより、続く仕事を設計する

ヒューマノイドロボットは、研究室だけの技術から、限定された仕事を担う段階へ進みました。Figureの工場運用やAgilityの倉庫RaaSは、実機データ、保守、システム接続の重要性を示しています。

一方、予約、生産能力、実演を、大規模な商用成功と読み替えてはいけません。家庭向けや高度な手作業では、人の介入、安全、データ、採算をこれから証明する必要があります。

新規参入で大切なのは、完成機競争へ急ぐことではありません。人型である理由がある仕事を選び、部品、データ、SI、RaaS、安全、完成機のどこで価値を持つかを決めます。

イノベーション総研は、失敗時も安全に復旧し、仕事を続けられる設計を重視すると考えます。最も人らしく動く企業とは限りません。

自社の技術をどの市場へつなぐか、どの企業と組むか、今は待つべきかを整理したい場合は、お問い合わせからご相談ください。

主な参照資料

主な根拠は、企業・研究機関・行政機関の公式資料です。各社の計画と確認済みの実績は分けて読んでください。

• Goldman Sachs「The global market for humanoid robots could reach $38 billion by 2035」
• International Federation of Robotics「Humanoid Robots: Vision and Reality」
• 経済産業省「ロボット政策の方向性」
• 経済産業省「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」
• Figure AI「Production at BMW」
• Agility Robotics「Digit Deployed at GXO」
• Apptronik「Welcome to Robot Park」
• Boston Dynamics「New Atlas Robot」
• UBTECH「Annual Report 2025」
• Unitree「G1」
• 1X「NEO Home Robot」
• NVIDIA「Isaac GR00T Reference Humanoid Robot」
• ZEALS「筑波大学附属病院でのヒューマノイドロボット実証」

最終情報確認日：2026年9月27日。企業の性能、価格、販売、量産、導入計画は、各社の公表時点の情報です。

計画や目標は、納入・稼働・成果を保証するものではありません。