安川電機は2026年の食品製造機械展に出展した複数の実証事例を通じ、AIロボットが食品製造現場で「使い続けられる」自動化を実現する道筋を示した。単なる人手置換えではなく、商品切替え時の再調整といった運用負荷をAIで軽減する点が核心である。本稿は同社テクニカルレポートを素材に、主張と事実を区別しながら、AIロボットの産業実装が持つ構造的な意味を読み解く。

見本写真の登録だけで動作が変わる自律ロボット

ハンバーグ弁当へのソース充填デモでは、MOTOMAN NEXTがAIによって見本写真と実際の弁当を比較し、未充填箇所を認識して自律的に動作した。注目すべきは商品切替え時の手順である。従来はロボット技術者による再ティーチングが必須だったが、このシステムでは見本写真と充填パターンをGUIで登録するだけでロボット自身が動作を変更する。安川電機はこれを「Easy to Setup」と「Easy to Use」の両立と呼び、エンジニア不在の現場でも日常的に扱える水準を目指している。もっとも、この表現は同社のソリューションコンセプトに基づく自己評価であり、実際の現場でどの程度の人的関与が残るかは明らかにされていない。

焦げたハンバーグにソースをかけない判断の意味

MOTOMAN NEXTのAIは形状や大きさの異なるハンバーグを認識するだけでなく、焦げがある場合は「ソースをかけると焦げが隠れる」と判断し、かける動作を回避する。人が行っていた状態判断の一部をAIが代替した事例である。この技術の本質は、ティーチングされた固定動作から脱却し、対象物の状態に応じて作業内容そのものを変更する点にある。安川電機は同技術をソース充填以外のトッピング工程全般へ展開可能と主張するが、食材ごとに求められる判断の複雑さは異なり、実用範囲の拡大には品目別の検証が必要な段階とみられる。

パッケージ化が変えるAIロボ導入のリードタイム

青果加工の事例では、グループ会社エイアイキューブのパッケージ製品「AlliomWorks VegeFruPutter」が用いられた。ソフトウェア、学習済みAIモデル、GUIが一体提供され、AIモデルの学習工程を省くことで現場導入までのエンジニアリング作業を短縮する設計である。りんごの梗窪認識とピッキング優先順位の決定、把持失敗時の自動リトライといった機能がパッケージに組み込まれている。一般にAIロボット導入には高度な専門知識が必要とされるが、この形態は「学習済みモデルの即時利用」によって導入障壁を下げる試みであり、システムインテグレータ不足に悩む食品製造業界に対して一定の訴求力を持つと考えられる。

重量物搬送を拡張する人協働ロボットの現状値

グループ会社FAMSの人協働パレタイズパッケージ「CoboPal3」には、可搬質量35kg、最大リーチ2030mmのMOTOMAN-HC35が搭載された。一斗缶など20kgを超える重量物の搬送に対応し、新開発のトルクセンサーによる衝突時の反応速度向上も図られている。食品製造と物流の境界領域にあるパレタイズ工程では、すでに協働ロボットの導入が進んでいるが、これまで重量制約や作業範囲の限界があり、粉体原料袋のように重く扱いにくい対象への適用は困難なケースが少なくなかった。CoboPal3はその空隙を埋める製品と位置づけられるが、20kg超の搬送を安全に継続運用するための現場環境整備については、レポート内では詳細に触れられていない。

フィジカルAIが食品製造の標準工程になる条件

安川電機はレポートの結びで、AIロボティクスを軸としたフィジカルAIが食品製造の標準的な自動化手法になることを目指すと明記した。同社はモーション制御とAIによる認識・判断の融合を中核に据えており、この方向性は製造業全体で進行するフィジカルAIの潮流と重なる。ただし、食品製造は対象物のばらつきが極めて大きく、単一のAIモデルで多品種に対応するには限界がある。標準化の実現には、品種別の学習データ蓄積と、現場担当者がモデルを調整できる運用スキームの確立が不可避であり、同社の「データ活用や装置連携との組合せ」という今後の方針が、その進捗を測る指標の一つになるだろう。