卵をつかむ手に、なぜ「触る知能」が必要なのか
卵を隣の容器に移す。紙を一枚だけめくる。薄いカードを引き抜く。人にはささやかな動作でも、ロボットにとっては視覚だけで完結しない難題である。対象物に指が触れた瞬間、押す力が強すぎないか、滑り始めていないか、形が変わっていないか。手は目よりも速い判断を繰り返している。
パナソニック ホールディングス株式会社とパナソニックR&Dカンパニーオブアメリカ（PRDCA）は2026年11月５日、米欧の研究者らと共同開発したロボット操作AI「Tactile-Reactive Dexterous Manipulation（T-Rex）」を公表した。指先の触覚と、映像・言葉から動きを生成するAIを組み合わせ、両手で繊細な作業を行う。
この研究は「人間の手を完全に再現した」という発表ではない。特定の実験環境で、接触状態の変化により素早く対応するための制御方式を試し、改善を示した研究成果である。だが、その限定を踏まえても、工場で役立つロボットの条件を考え直させる。
発表は11月５日、論文の初公開は６月
ニュースの日付には二つの時計がある。論文「T-Rex: Tactile-Reactive Dexterous Manipulation」は2026年６月にプレプリントとして公開された。その後、パナソニックHDが11月５日に日英両言語で成果を発表し、11月９～12日に米テキサス州オースティンで開かれるConference on Robot Learning（CoRL）で発表すると案内した。
本稿は11月11日付の研究解説であり、会議で既に新たな実験が実施されたとは記さない。学会発表予定と、査読付き論文として採録されること、独立した追試が確認されることは同じ意味ではない。研究者の掲載情報でCoRL 2026の採択・発表予定は確認できるが、実世界の全用途での性能保証を意味しない。
出典：パナソニックHD 公式発表 · 論文プレプリント
「見る」と「触る」は、異なる速さで動く
T-Rexが採用するのは、視覚と言語で動作の大枠を決める仕組みと、触覚に応じてその動きを修正する仕組みを異なる周期で働かせる構成だ。パナソニックHDによれば、前者はおよそ５Hz、後者はおよそ20Hz。つまり毎秒約５回の大きな判断と、毎秒約20回の接触修正を組み合わせる。
ここでいう20Hzは触覚制御モジュールの更新頻度であり、センサーの物理的なサンプリング速度そのものとは区別しなければならない。人間の神経反射に等しいという主張でもない。大きな行動計画をいちいち計算し直さずに、滑りや押し込み過ぎを修正する点が設計上の工夫である。
論文は可変速度のMixture-of-Transformers（MoT）構造と時間情報を扱う触覚エンコーダーを説明する。難しい名称を外して言えば、動作の意味を理解する処理と、指先の接触を追いかける処理を役割分担させ、協調させる試みだ。
65％と35％――数字が語ること、語らないこと
研究チームは、ページめくり、卵の移し替え、歯磨き粉の塗布、鍵開け、カードの取り出し、電球のねじ込みなど12種類の接触を伴う作業で評価した。公表資料によればT-Rexの平均成功率は65％、比較対象で最も高かった手法は35％。差は30パーセントポイントであり、「30％増」という相対的な増加率とは異なる。
触覚情報を取り除いた条件の平均成功率は42％と報告された。研究で採用した条件の下では、触覚信号が結果を改善したと解釈できる。一方、65％という数字は12課題の平均であり、どんな作業でも３回に２回成功するという意味ではない。研究のプロジェクトページでは各課題16回の試行、複数の比較手法を示している。
比較の公平性を理解するには、学習に使ったデータの量、実演の条件、試行のばらつき、対象物の種類も必要だ。「世界最高性能」はパナソニックHDが同社の評価条件に照らして述べた位置づけであり、JAPAN.co.jpが全てのロボット操作技術を独自に比較した結果ではない。
100時間の触覚データをどうつくったか
ロボットが手触りを学ぶには、接触の記録が必要だ。研究チームは200種類を超える日用品と22種類の基本動作を組み合わせ、7,700件超、合計100時間の両手操作データを収集したという。頭部と手首のカメラ映像、10本の指先に取り付けた触覚センサーが捉えた力や変形、関節の状態、自然言語の指示を時間的に対応づけた。
さらに人間の一人称視点映像22,889時間を用いて視覚や動作の基本知識を学び、触覚付きロボットデータで中間学習を行い、最後は課題ごとにおよそ100件の実演を使って調整する。ここで22,889時間の映像と100時間の触覚記録は同種のデータではなく、単純に加算して実機操作の経験時間と呼ぶべきではない。
「人間の動画で何をするかを学ぶ」と「接触している時にどう直すかを学ぶ」。別々の能力を結び直すところに研究の独自性がある。
触覚ロボットは突然生まれたわけではない
指先の触覚をロボットに与える研究は長い歴史を持つ。米マサチューセッツ工科大学（MIT）の研究グループは、2009年に報告されたGelSightの技術を小型化し、2014年にはUSBコネクターの挿入などを可能にする触覚センシングの研究を紹介した。物を正確につかむだけでなく、見えない接触状態を測るための技術である。
その後、カメラ画像と言葉を使ってロボットの動作を学習する視覚言語行動モデル（VLA）が広がった。しかし、画像を見て次の動作を決めるだけでは、触れた瞬間の滑りや柔らかな素材の変形を追い切れない。T-Rexは古い触覚研究と新しい学習型ロボット制御を接続する取り組みと位置づけられる。
日本の産業用ロボットも長く、定められた位置で同じ動作を高い精度で繰り返す強みを築いた。これからの課題は、対象物が少しずれたり性質が変わったりしても安全に扱えるかどうかだ。
出典：MIT触覚センサーの歴史
国際共同研究のなかのパナソニック
パナソニックHDとPRDCAの発表によれば、共同研究にはカリフォルニア大学バークレー校、NVIDIA、スタンフォード大学、ローマ・ラ・サピエンツァ大学、ItalAIの研究者らが参加した。論文は多くの共著者によるもので、企業一社の単独開発として説明すると実態を誤る。
パナソニックの歴史をたどれば、1918年３月７日、松下幸之助らによる松下電気器具製作所の創業に行き着く。家庭向け電気製品を生み出してきた企業グループの研究が、国境をまたぐロボット学習研究と結びついていることは、技術革新の組織的な姿も物語る。
ただし研究機関の参加は、そのまま製品化や共同事業の発表を意味しない。誰が特許や技術を保有し、商用製品でどう利用するかは公表情報だけでは判断できない。
出典：パナソニックの創業史
工場と物流で何が変わり得るか
パナソニックHDが挙げる想定用途は、製造現場の部品の挿入・取り外し・ねじ締め、物流現場の柔軟な物や壊れやすい物品の取り扱いだ。ねじを締める動作ではトルクや接触に注意を払う必要がある。箱の中の袋物を扱う場合には、単純な位置決めだけでなく形の変化に応じた力加減が求められる。
国際ロボット連盟（IFR）の2026年報告では、2025年の世界の産業用ロボット稼働台数は約500万台。日本の2025年新規導入は３万6,219台で、前年より19％減った。これは産業用ロボット全体の統計であり、T-Rex型の触覚制御に対する需要や市場規模を直接示すものではない。
人手不足の解消という期待は大きい。ただし不定形物を扱う作業の自動化が、現場の安全管理、設備投資、保守、責任分担まで一度に解決することはない。実際の工程に接続して初めて価値が問われる。
出典：IFR 2026年統計
65％の成功率は、工場で通用するのか
研究室で65％成功する技術は、学術的な進歩であると同時に、量産ラインへ直ちに投入するには課題を残す。例えば一工程で失敗が続けば、不良品や設備停止につながり得る。顧客ごとに求められる成功率、作業速度、安全水準は異なるため、研究の平均値だけで導入可否は決められない。
実装には、未知の物体を扱う際の性能低下、センサーの汚れや劣化、温度変化への対処、人が近づいた時の安全停止、故障からの回復、サイバーセキュリティーなども関わる。これらはT-Rexに問題が見つかったという指摘ではなく、産業機器が満たすべき一般的な検証項目である。
パナソニックの発表には販売価格、現場導入件数、長期稼働率、独立機関による再現試験結果は示されていない。今後の実証が進むなら、どの作業で、どの条件下で、どの程度安定するかを継続して見る必要がある。
手を動かす未来は、指先から始まる
ロボットの未来を語るとき、人に似た顔や言葉が注目されやすい。しかし現場に必要なのは、握る、離す、回す、引き抜くという基本動作を失敗なく繰り返せることだ。接触の瞬間を読み取れない機械は、どれだけ高度な指示を理解しても、柔らかい物の扱いでは立ち止まる。
T-Rexが示したのは、視覚と言語の理解と指先の速い反応を異なる時間尺度で組み合わせる可能性である。その差がどれほど実用を変えるかは、独立した追試と現場導入の結果が決める。だが、未来のロボットに必要なのは、より多くを見る目だけではない。触れたことをもとに、すぐに動きを変える手なのだ。
主な一次資料と検証上の注意
「世界最高性能」はパナソニックHDの評価条件による主張。平均成功率は12課題の実験結果であり、製品化、現場での安全性能、量産導入実績を示す数字ではない。