昨今の生成AIの進展の中で、フィジカルAIの注目が上がってきている。
ドローンはなぜこれほど難しいのか。この問いに対して、技術的な答えはいくらでも挙げられる。
制御が難しい、通信が不安定、バッテリーが持たない、法規制が厳しい。しかし、それらはいずれも表層に過ぎない。
いま、この問いは別の軸で捉え直されるべき段階に来ている。それが、「生成AIとの対比」、そして「仕事の価値の変化」という視点である。
価値の逆転が起きている
生成AIは、この数年で急速に進化した。文章を書く、資料を作る、コードを生成する。
これまでホワイトカラーの中核とされてきた業務が、急速に代替され始めている。これは単なる効率化ではない。知的労働の希少性が、急速に低下しているという構造変化である。
一方で、何が残っているのか。それは、現場での仕事である。
「物流、点検、施工、災害対応」いずれも共通しているのは、現実の世界で、物理的に何かを動かす必要があるという点である。
この領域は、依然として人に依存しており、むしろその価値は上がっている。そして、この「代替できない領域」を埋めるものとして、フィジカルAIが求められている。
フィジカルAIを体現する存在としてのドローン
ここで言う「ドローン」は、一般に想起される空飛ぶ機体に限らない。本稿では、ドローンを次のように定義する。
自律的に移動し、現実世界に作用する無人の移動体。すなわち、
- 空中を移動する機体
- 地上を走行する無人車両
- 水上・水中を移動する無人機
これらすべてを含む概念である。この定義に立つと、ドローンとは単なる製品カテゴリではない。フィジカルAIを体現する最前線の存在である。しかし同時に、それは最も難しい領域でもある。
生成AIとの本質的な違い
この難しさを理解するためには、生成AIとの対比が不可欠である。生成AIは情報空間の中で完結する。入力も出力もデータであり、現実世界に直接作用しない。
一方でドローンは、現実世界の中で動く。この違いは、次の一文に集約される。
「生成AIは場所から自由である。ドローンは"現実の場所"から逃れられない。」
生成AIは「どこにもいないAI」である。一方でドローンは、「どこかに存在せざるを得ないAI」である。そしてその「存在」は、常に位置という問題を伴う。
現実の場所という問題
ここで言う「現実の場所」とは、単なる座標ではない。それは観測されるものであり、常に誤差を含み、変動し、完全には把握できない対象である。つまり、現実の場所は、常に不確実である。この不確実性が、フィジカルAIの本質的な制約となる。
自己位置とは何か
自己位置とは、「自分がどこにいるか」を示す情報である。しかしそれは、決して確定的なものではない。
GNSS、IMU、カメラ、LiDAR。
これらのセンサから推定される位置は、すべて誤差と環境依存性を含んでいる。したがって、自己位置とは、常に仮説である。
生成AIはこの問題を持たない。入力は前提として与えられるからである。しかしドローンは違う。入力そのものが揺らいでいる。
極限としてのドローン
ドローンは、現実世界の中で自律的に動く。そこには常に、
- 環境変動
- センサノイズ
- 外界依存
が存在する。そしてそのすべてが、自己位置に影響する。さらに重要なのは、安全機構である。帰投（リターントゥーホーム）などのフェイルセーフは、「正しい位置」を前提として成立している。
しかしその前提が崩れたとき、何が起きるか。安全装置は、安全を保証しない。ここに、フィジカルAIの根本的な難しさがある。
GNSSという前提の危うさ
多くのシステムはGNSSを前提に設計されている。しかし、それは安定した基盤ではない。反射、遮断、偽装。いずれも現実環境では日常的に起きうる。
それにもかかわらず、それは「正しいもの」として扱われる。ここに設計上の錯覚がある。観測値を真値として扱う限り、設計は破綻する。
失敗はどこから始まるのか
現場では、問題は必ず兆候として現れる。わずかなズレ、違和感、説明できない挙動。それらはすべて、まだ顕在化していない失敗である。しかし、それは見過ごされる。
そしてある瞬間、破綻する。失敗は突然起きるのではない。見過ごされた違和感の積み重ねである。自己位置の不確実性は、その典型である。
不確実性にどう向き合うか
では、この不確実性はどのように扱うべきなのか。従来のアプローチは明確だった。「いかに正確にするか」である。センサの精度を上げ、アルゴリズムを高度化し、誤差を限りなく小さくする。
この方向は正しい。しかし、それだけでは不十分である。なぜなら、不確実性は完全には消えないからである。ここで必要になるのは、別の視点である。「誤っていることを前提に、どう成立させるか」
技術の方向性（1）：センサの多重化から“信頼度の扱い”へ
GNSS、Visual、LiDAR、IMUなど、これらを組み合わせる「センサフュージョン」は、すでに広く使われている。しかし多くの場合、それは単なる“統合”に留まっている。重要なのは、「どの情報を、どの程度信じるか」を動的に扱うことである。
例えば、
- GNSSの品質が低下したときに重みを下げる
- Visualが不安定な環境では別のセンサに依存する
- 異常値を“除外”ではなく“疑う”
といった設計である。ここでは精度よりも、信頼度の評価が中心となる。
技術の方向性（2）：ローカルで完結する知性
もう一つ重要なのは、処理の場所である。生成AIはクラウドで成立する。遅延は問題にならない。しかしフィジカルAIでは、遅延はそのまま挙動に影響する。
したがって、意思決定は、できるだけ現場で完結させる必要がある。クラウドは学習や最適化には適している。しかし実行はローカルでなければならない。この構造を誤ると、システムは安定しない。
技術の方向性（3）：フェイルセーフの再定義
従来のフェイルセーフは、位置に依存している。代表例が帰投（リターントゥーホーム）である。しかし、これには前提がある。「正しい位置が分かっていること」である。
この前提が崩れたとき、フェイルセーフは成立しない。したがって必要なのは、位置に依存しない安全設計である。
例えば、
- その場での安定維持
- エネルギー制御による安全停止
- 周囲環境ベースの回避行動
などである。これは単なる機能追加ではない。安全の定義そのものを見直す設計変更である。
技術の方向性（4）：セキュリティと自己位置の統合
もう一つ見落とされがちなのが、セキュリティとの関係である。GNSSスプーフィングはサイバー攻撃である。しかしその結果は何か。自己位置の破壊である。
つまり、
- セキュリティ問題
- 安全問題
- 自己位置問題
は本来、同一のものである。これを分離して扱う限り、本質的な解決には至らない。
技術ではなく思想へ
ここまでの方向性を整理すると、一つの共通点が見えてくる。それは、すべてが「不確実性を前提にした設計」であるという点である。
精度を上げることは重要である。しかしそれ以上に重要なのは、誤りを含んだままでも成立する構造を作ることである。これは技術だけの話ではない。設計思想を含んだ問題なのだ。
フィジカルAIは“現実の場所”で働くAI
生成AIは場所から自由である。だからこそ、急速に進化した。一方で、社会が次に求めているのは、“現実の場所”で働くAIである。
ドローンは、その最前線にある。しかし同時に、それは最も難しい領域でもある。なぜなら、その場所は、ここに記してきたように常に不確実だからである。この前提に立たない限り、フィジカルAIは成立しない。
フィジカルAIの核心は、自己位置の不確実性をどう扱うかにある。そしてそれは、技術ではなく、現実と向き合うための思想なのだ。
本稿で述べたように、この問題の本質は「非GNSS環境」においてより顕在化する。位置という前提が失われたとき、はじめて設計の強度が問われるからである。
筆者がこれまで取り組んできた非GNSS空間での自律移動の実装は、まさにこの問題に正面から向き合う試みであり、フィジカルAIに関心を持つ方にとって、一つの具体的な参照点となるはずである。
それはまだ完成された解ではない。しかし、自己位置の不確実性を前提とした設計へと踏み出す、最初の一歩にはなり得ると考えている。
