現場で動く AI を AWS で実現 〜フィジカル AI と AI 駆動開発で変えるものづくり〜

2026/07/23 開催の EdgeTech+ WEST 2026 基調講演にてご説明した資料です。

https://etwest2026.event-lab.jp/v5/seminar/program/index/ETWEST?l=japanese#seminar_overview70a3058e1bfe04d56b926feb38c63635

Transcript

1. EdgeTech+ WEST 2026 2026/7/23 現場で動く AI を AWS で実現 〜フィジカル AI と AI 駆動開発で 変えるものづくり〜 澤 亮太 アマゾン ウェブサービス ジャパン合同会社
2. ⾃⼰紹介 澤 亮太 アマゾンウェブサービスジャパン合同会社 技術統括本部 エンタープライズ技術本部 ⾃動⾞・製造グループ ⻄⽇本ソリューション部 ソリューションアーキテクト ・主に製造業のお客様を担当 ・前職では、主に Computer Vision 領域での Deep Learning を⽤いたアルゴリズム開発、 AI⼈材の育成などを推進 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
3. アジェンダ ・フィジカル AI とは ・AWS とお客様のフィジカル AI 実践 ・フィジカル AI のアーキテクチャ ・AI を使って⼩さく、素早く始める ・⽬的に応じた AWS の⽀援 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
4. フィジカル AI とは © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
5. フィジカル AI とは何か ハードウェアとソフトウェアが知覚・理解・推論・学習を統合し、物理世界と相互作⽤するシステム デジタル AI フィジカル AI コーヒーの淹れ⽅を「説明する」 コーヒーの場所を認識し、カップを 掴み、持ち上げ、「注ぐ」 ハードウェアの例 産業⽤ ロボット ヒューマ ノイド 適⽤産業の例 ⾃律⾛⾏ ⾞両 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 特殊環境 ロボット 製造 物流 ヘルス ケア エネル ギー 建設 農業
6. フィジカル AI がもたらす産業構造の転換点 フィジカル AI への発言は、巨大市場の可能性から産業実装の到来へ変化 1 GTC 2025（2025 年 3 ⽉） "Physical AI will revolutionise the $50 trillion manufacturing and logistics industries" 2 CES 2026（2026 年 1 ⽉） キーノートで注目され、 1 年で「到来」 "The ChatGPT moment for physical AI is here" 3 GTC 2026（2026 年 3 ⽉） "Physical AI has arrived — every industrial company will become a robotics company" NVIDIA Physical AI 関連収益 $10B 規模に接近 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 技術だけでなく、 産業実装へ移るスピードその ものが加速しています。
7. 従来手法からの根本的変化 手順を固定する自動化から、状況に応じて判断するシステムへ 従来のロボット フィジカル AI 動作の決め⽅ ⼈が⼿順と条件を事前にプログラムする 環境を認識し、モデルが状況に応じて判断 環境変化への対応 条件が変わるたびに設計や設定を⾒直す 変化を観測し、扱える状況の幅を広げる 能⼒の⾼め⽅ 設備ごとにプログラムとルールを追加する データから学習し、モデルを継続的に改善 ⼈との関係 決められた範囲を正確に⾃動化する ⼈と協働し、必要なときは⽀援を求める © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
8. フィジカル AI の意味付け 現場の技を、残し、拡げ、進化させる仕組み 熟練⼯の技を データに変え → モデルに変え → どこでも使えるようにする 危機への対応から組織的学習によるゲームチェンジに繋がる可能性も Services, Inc.Inc. or its All rights reserved. © 2026, 2026,Amazon AmazonWeb Web Services, oraffiliates. its affiliates. All rights reserved. 8
9. AWS とお客様におけるフィジカル AI の実践 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
10. Amazon における実践 Fulfillment Center でのロボット活用は 世界中で 100 万台以上 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. Vulcan: Amazon において 触覚を備えた初めてのロボット Amazon Devices ではシミュレーション により「ゼロタッチ製造」を実現
11. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
12. CHALLENGE 臨床スタッフは検体や医薬品の搬送など、患者対応以外の業務に多⼤ な時間を費やしている。慢性的な⼈⼿不⾜と患者数の増加により、混 雑した病院環境を安全に⾃律⾛⾏できるソリューションが求められて いる。 SOLUTION Diligent Robotics Deploying Physical AI to Aid Clinicians Diligent Robotics は Physical AI ロボット Moxi を開発。AWS エッジコンピューティ ングとディープラーニングサービスを活⽤ し、病院内で医療物資を⾃律搬送する。こ れにより臨床スタッフが患者ケアに集中で きる環境を実現。 .HEALTHCARE .ENTERPRISE. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. Moxi は AWS エッジコンピューティングによるリアルタイムナビゲー ションと、フリート管理・OTA アップデート・継続的モデル改善のた めのクラウドサービスを活⽤。Diligent Robotics は AWS、NVIDIA、 MassRobotics が運営する初の Physical AI Fellowship に採択された。 OUTCOMES FEATURES o 25 以上の病院で 100 万回以上 o AWS IoT Greengrass の⾃律配送を達成し、臨床スタッ o Amazon SageMaker AI フに数⼗万時間を還元 o Physical AI Fellowship o 1 病院あたり年間 $200K〜 (AWS, NVIDIA, MassRobotics) $400K の期待収益 .PHYSICAL AI. .USA. EDGE OPERATIONS
13. Services, Inc.Inc. or its All rights reserved. © 2026, 2026,Amazon AmazonWeb Web Services, oraffiliates. its affiliates. All rights reserved. 11
14. CHALLENGE 建設・鉱業・農業は世界 GDP の 20% 以上を占めながら深刻な⼈⼿不 ⾜に直⾯している。重機オペレーションは希少な熟練オペレーターに 依存しており、⼯程の不確実性と安全リスクを⽣んでいる。特にデー タセンター建設のような時間制約の厳しいプロジェクトで顕著。 SOLUTION Bedrock Robotics Autonomous Heavy Machinery Bedrock Robotics はショベル、ブルドー ザー、ローダーに AI ⾃律機能を後付けし、 AWS クラウドインフラを活⽤した⼤規模モ デル訓練・シミュレーションにより、24 時 間稼働する「デジタルオペレーター」へと 変換する。 .CONSTRUCTION .ENTERPRISE. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 各マシンは⽇量約 1TB のセンサーデータ（LiDAR、カメラ、IMU、100 以上の機械信号）を⽣成し、AWS 上の H200 / A100 GPU インスタン スでエンドツーエンドの基盤モデル訓練に使⽤。エッジ推論は NVIDIA Thor で実⾏し、AWS がトレーニング・シミュレーション・⽣成ワー ルドモデルを⽀える。 OUTCOMES FEATURES o 顧客現場で約 150 台の⾃律重機 o AWS EC2 (H200/A100) を展開、8〜9 社のゼネコンと提携 o Amazon S3 o 2 時間のレトロフィットで既存 o Amazon SageMaker AI 機を⾃律システムに変換、 「デジタルオペレーター」サービ o Physical AI Fellowship (AWS, NVIDIA, MassRobotics) スモデルとして提供 .PHYSICAL AI. .USA. EDGE OPERATIONS
15. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
16. CHALLENGE ⽶海軍は従来の造船が現代の海洋脅威の増加ペースに追いつけず、フ リートのキャパシティギャップに直⾯している。⾃律艦は予測不能な 外洋環境を航⾏する必要があり、堅牢な Physical AI による認知・計画 能⼒が求められる。 Blue Water Autonomy Autonomous Ships for Defense Blue Water Autonomy は、量産可能で低コ ストな⾃律⽔上艦を設計・製造し、海上安 全保障・ロジスティクスに提供する。AWS クラウドインフラを AI 訓練・シミュレー ションに活⽤し、⼈間の乗組員なしで運⽤ する。 .DEFENSE .ENTERPRISE. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. SOLUTION Blue Water は AWS クラウドコンピューティングを⼤規模 AI モデル訓 練・シミュレーションに使⽤し、エッジ推論で洋上のリアルタイム意 思決定を実現。AWS、NVIDIA、MassRobotics が運営する初の Physical AI Fellowship に参加。 OUTCOMES FEATURES o GV 主導の $50M Series A を調 o AWS EC2 (H200/A100) 達、初の実⼨⾃律艦を建造・配備 o Amazon SageMaker AI o 初顧客: ⽶海軍（⻑距離セキュリ o Physical AI Fellowship ティ・ロジスティクス任務） (AWS, NVIDIA, MassRobotics) o 2026 年の艦艇配備を加速中 .PHYSICAL AI. .USA. EDGE OPERATIONS
17. AWS Summit Japan 2026 | AWS Physical AI ブース 「知らない状態」から自律的に解決する 来場者が自由に配置した障害物に対し、AI エージェントが調査・判断・実行を自律的に回す 1 障害発生 来場者が配送ルート上に障 害物を置き、配送ロボット （TurtleBot）が停止 2 調査・判断 AI エージェントが協働ロ ボット先端カメラで周辺を 調査し、障害物を特定 3 障害物を除去 協働ロボット（FANUC CRX-20iA/L）が、障害物 を回収エリアへ移動 4 配送再開 復旧が完了すると、配送ロ ボットへ配送再開を指示 AWS 公式ブログ: Physical AI — AI エージェントが現実世界で「見て、考えて、動かす」自律オペレーションの実現 https://aws.amazon.com/jp/blogs/news/physical-ai-autonomous-agent-demo/ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
18. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
19. フィジカル AI のアーキテクチャ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
20. クラウドとエッジの役割を 3 つに整理する 用途、応答速度、通信条件、計算資源などに応じて、クラウドとエッジの役割を決める 1 2 3 エッジに重心 クラウドに重心 両方を組み合わせる 知覚・推論・制御を 現場で継続 状況判断と工程計画を クラウドで実行 クラウドで学習・検証し、 エッジで推論・制御 低遅延で動作し、 通信状態に左右されずに 現場の処理を継続する エージェントが複数の機器や システムを横断して、計画と オーケストレーションを担う 大規模な計算とシミュレーション をクラウドへ置き、現場では リアルタイムに動作 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
21. 現場とクラウドを循環して改善する 現場で認識・推論・制御、クラウドでデータ活用・学習・シミュレーション・エージェント連携 現場・エッジ 接続 AWS Cloud データ基盤・運用 センサー・カメラ・ロボット AWS IoT Core 物理世界を観測し、動作する 状態、イベント、テレメトリ Amazon S3 / Kinesis / Amazon FSx for Lustre シミュレーション エッジランタイム モデル・指示を配信 ROS 2 / MoveIt 2 / AWS IoT Greengrass 必要な処理を現場へ届ける NVIDIA Isaac Sim / Isaac Lab / AWS Batch 学習・最適化 Amazon EC2 / Amazon SageMaker AI ローカル推論・制御 実行結果を収集 低遅延の認識、判断、制御ループ 改善に必要なデータを戻す 計画・協調 Amazon Bedrock / Bedrock AgentCore 状態・実行結果・学習データをクラウドへ モデル・指示・設定を現場へ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 継続的な 改善ループ
22. AI を使って⼩さく、素早く始める © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
23. Kiro https://kiro.dev/ プロトタイプから本番までをサポートする AI 統合開発環境 仕様駆動開発 • Kiro が、プロンプトを 明確な要件、システム設計、 個別のタスクに変換します • Kiro と共に仕様とアーキテクチャを 繰り返し改善できます • Kiro エージェントが、 ユーザー管理下で仕様を実装します バイブコーディングでプロトタイプを作り、従来の SDLC（ソフトウェア開発ライフサイクル）で製品を作る 設計 実装 バイブ コーディング 課題 発⾒ 仕様駆動開発 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. テスト & QA デプロイ メンテナンス
24. Kiro を⽤いて、エッジ AI 開発を迅速に前進 展示会場での “来場者の反応” と “回答用の手書きフリップ” をカメラから取り込み、 全体向けの表示画面へ反映する仕組みを Kiro で AI 実装 1 2 3 4 やりたい体験を 仕様化 エッジ環境を 構築・検証 課題を見つけ 代替案の実装へ メインアプリへ 結合・展示 笑いの強度と⼿書きのフリップ 読み取りを 2 台のカメラから⾏ い、メインアプリへ結果のみ共 有する実装をしたいと指⽰ エッジの Intel N97 上で OpenVINO を構築し、顔検出と 表情認識、OCR の複数モデルを 実機上で検証 期待する処理性能・精度に向け た検証を進めるなかで、⼿書き OCR の精度不⾜を受け、 Amazon Bedrock を並⾏検証 エッジ処理結果と Bedrock の 出⼒を API / JSON に合わせ、 表⽰まで接続。 Kiro で “仕様化 → 技術調査 → 実装 → 計測 → 実機検証 → 改善” までのプロセスを実施 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
25. ⽬的に応じた AWS の⽀援 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 25
26. フィジカル AI のリファレンス構成 AWS の Ref-A（リファレンスアーキテクチャ）で、学習から実機改善までの循環を確認する クラウドでシミュレーション・学習 NVIDIA Isaac Sim / Lab と Amazon EC2、AWS Batch で計算をスケール 学習済みモデルをエッジへ配信 AWS IoT Greengrass を通じて、 ロボットやエッジデバイスへ展開 実機データをクラウドへ収集 AWS IoT Core、Kinesis、Amazon S3 で 運⽤データを蓄積 運用結果から継続的に改善 Amazon SageMaker AI で再学習し、 モデルを更新 AWS 公式ブログ: AWS と NVIDIA によるフィジカル AI の加速: シミュレーションと実世界での学習による本番環境向けアプリケーションの構築 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
27. 公開サンプルで VLA 検証を早く始める 実機前のシミュレーションから、学習・評価基盤の構築まで VLA Simulator AWS GPU 環境へ展開 公開サンプルから評価環境を⽴ち上げる 定義済みタスクで評価 対応する VLA・ロボット構成で 複数エピソードを実⾏ 成功率と動画を収集 成功・失敗動画を保存し、 実⾏後は環境を⾃動終了 VLA Simulator で実機投⼊前に、VLA を評価できる AWS Samples : VLA Simulator https://github.com/aws-samples/sample-vla-simulator-on-aws © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
28. SO-101 で、データ収集から実機検証まで試す 小型ロボットアームのデータから ACT（模倣学習モデル）を学習し、実機で評価する 位置・⾓度を変更すると失敗 学習時と同じ配置なら成功 配置を変えると失敗 → 次はデータの多様化へ ⼩さく試すと、素早く次の課題が⾒える builders.flash: (Physical AI を) やらないか 〜 ACT 学習 & 動作検証編 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. https://aws.amazon.com/jp/builders-flash/202607/try-physical-ai-device-act/
29. Accelerating Smart Products SDLC with AI Agent Workshop • 組込製品のソフトウェア開発ライフサイクル全般で Kiro (⽣成 AI 開発エージェント) による開発加速を体験 • 実際に⼿を動かして学習が可能 Workshop Studio URL: https://catalog.works hops.aws/smartproducts-ai-sdlc 29 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
30. 技術・⽂化・組織を多⽅⾯から⽀援 プロトタイピング ミートアップ ラウンドテーブル 経営層同士の議論 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
31. LLM からフィジカル AI への⼀貫した伴⾛ 2023 年 AWS LLM 開発⽀援プログラム 15 社が参加し⽇本語 LLM を開発 2024 年 経済産業省 GENIAC Cycle 2 AWS がクラウドプロバイダーとして選定。12 組織に GPU インスタンスを提供 2025 年 ⽣成 AI 実⽤化推進プログラム モデル開発に加え実⽤化およびビジネス企画を⽀援 2026 年 フィジカル AI 開発⽀援プログラム これらの実績の上に構築 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
32. フィジカル AI 開発⽀援プログラム 採択企業例 LexxPluss 様 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. JDSC 様 松尾研究所様 ※ 「フィジカル AI 開発支援プログラム by AWS ジャパン」への採択を 公開している企業の一部。画像はホームページより引用しています
33. 現在地から選ぶ、次の⼊⼝ 「何を始めたいか」に合わせて選択できる、公開リソースや伴走支援がある 1 2 3 4 全体像を 設計する 手元の実機で 試す 開発プロセスを 検証する 自社テーマを 社会実装する シミュレーション、学 習、エッジ運⽤の構成 を整理したい データ収集、学習、推 論までの実験サイクル を体験したい AI を組込み開発や PoCへ取り⼊れたい ⾃社の設備やユースケ ースで、事業化まで進 めたい AWS のフィジカル AI リファレンス構成 公開サンプル SO-101 公開レシピ Smart Products SDLC Workshop フィジカル AI 開発⽀援プログラム © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
34. まとめ フィジカル AI の全体像を理解し、目的に合う構成と入口を選ぶ 1 2 3 フィジカル AI は、 すでに実装段階へ 実装の鍵は、 クラウドとエッジの 役割分担 AI 駆動開発で、 最初の検証を小さく始め 短いサイクルで改善 AI とハードウェア双⽅の技術 の発展により、既にビジネスの 場での実装が始まっている ⽤途、応答速度、通信条件、 計算資源に応じて役割を分け、 現場とクラウドを循環して改善 Kiro、Ref-A、公開サンプル、 ワークショップ、⽀援プログラムなど、 現在地に合う規模から試せる 自社の現場課題を眺め、 現在地に合った入口から検証を始めてみませんか？ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.
35. Thank you!