ABB Robotics、Fashion InductorモジュールにAI Robot Trainerを追加

ABB Roboticsは2026年10月15日、ファッション物流向けの機能モジュール「Fashion Inductor」にAI Robot Trainerを統合し、自社初とするエンドツーエンドのビジョンベース産業グレードのフィジカルAIソリューションを発表した。同社によると、この追加により、AIを活用したファッション物流アプリケーションを導入するシステムインテグレーターのエンジニアリングとコミッショニングにかかる労力を最大75％削減できる。

同社によると、スイス・チューリヒで発表されたこのアップグレードは、インテグレーターがファッション物流アプリケーションを導入、拡張し、継続的に最適化する際の労力とリスクを軽減することを目的としている。ABB Roboticsのインダストリーズ事業部門マネージングディレクター、Craig McDonnell氏は発表の中で、変動性の高いアプリケーションは従来、自動化が難しく、フィジカルAIにとって最大級の機会をもたらす分野の一つだと述べた。McDonnell氏は「AI Robot Trainerを搭載したFashion Inductorは、当社初のエンドツーエンドのビジョンベースのフィジカルAIソリューションです。インテリジェントな自動化を産業規模で導入、運用し、継続的に最適化できることを示しています」と語った。

事前学習済みビジョンモデルとクローズドループ再学習

AI Robot Trainerは、ファッション分野に特化した事前学習済みAIビジョンモデル、アプリケーション固有のツール、迅速な再学習機能を提供する。ABBによると、このプラットフォームにより、システムインテグレーターはAIの専門知識がなくても、要件の変化に応じてアプリケーションを導入、適応させ、継続的に最適化できる。

再学習のワークフローは、ロボットの性能を監視し、異常を特定し、新たなモデルの学習データを生成して、改善内容を実機のロボットに反映する継続的なクローズドループとして機能する。ABBによると、構造化された迅速なセル固有の再学習を通じて、AIモデルはシステムのライフサイクル全体にわたって継続的に改善され、実際の性能目標や変化する運転条件に照らして評価される。

Fashion Inductorの製品ページでは、AI Robot Trainerを、ファッション分野の用途における変動性に対応するために専用設計された、ABB RoboticsのビジョンベースのフィジカルAIプラットフォームと説明している。ABBは、変化する製品や包装への迅速な適応、ライフサイクルを通じた再学習による継続的な改善を機能として挙げている。また、従来の自動化システムとは異なり、このモジュールはクローズドループのワークフローを通じて性能を継続的に向上させるとしている。

デジタルツインと制御アーキテクチャー

アップグレードされたモジュールには、モジュールソフトウェアの正確な複製である新しいデジタルツインが導入され、Application Controller Platform、Automatic Path Planning、AI Robot Trainer、RobotStudioを接続する。ABBによると、このツインによりコミッショニングが迅速化し、セットアップの柔軟性も高まる。グリッパーなど、サードパーティ製コンポーネントを統合することもできる。

RobotStudioは、システムのライフサイクル全体にわたる仮想設計、シミュレーション、検証の基盤となり、OmniCoreロボットコントローラーは本番環境での実行レイヤーとして機能する。製品ページによると、統合デジタルツインがすべてのソフトウェア要素を接続することで、コミッショニングの迅速化と検証の簡素化を実現し、要件の変化に応じてアプリケーションを拡張、適応させる柔軟性をもたらす。

処理能力、精度、関連ハードウェア

Fashion Inductorは、製品、包装、運転条件が絶えず変化するファッション・アパレル物流の変動性に対応するよう設計されている。ABBによると、AIを活用したAutomatic Path Planning、動作精度、アプリケーション固有のビジョン技術により、1セル当たり毎時最大1,300点の処理能力と、99.5％を超えるピッキング精度を目標としている。製品ページの技術データにも、精度は99.5％超、処理能力は毎時最大1,300ピックと記載されている。

このモジュールとあわせて紹介されている製品には、Robotic Item Picker、Robotic Parcel Inductor、IRB 1300ロボット、IRB 2600ロボットがある。ABBは、アパレルの仕分けと投入に関する5段階のガイドもダウンロード提供している。このガイドでは、人手不足、季節的な繁忙期、商品構成の変化が、手作業による仕分け機への投入を制限する要因として挙げられている。

Item Pickingファミリーの背景と拡張計画

ABBは、物流および電子商取引のサプライチェーン向けに、AIを活用した機能モジュールとして、Item PickingファミリーにFashion InductorをParcel Inductorとともに導入した。ABBによると、両モジュールはAIベースのビジョン技術を使い、非構造化環境において未知の物品やランダムに配置された物品を扱う。ピッキング精度は99.5％を超え、球形や円筒形の製品など、投入できない物品を検出して排除するようAIを学習させることもできる。先行発表では、Fashion Inductorの処理能力はポリ袋入りの衣料品やアクセサリーで毎時最大1,300ピック、Parcel Inductorは箱、袋、封筒、荷物で毎時最大1,500ピックとされていた。

同発表によると、両モジュールは事前に統合されており、最短1週間でコミッショニングが可能だった。ABBのApplication Controller Platformを使用し、ロボット、グリッパー、カメラを単一のコンピューターとユーザーインターフェースで統合する。

ABBは、AI Robot Trainerを搭載したFashion Inductorについて、より自律性と汎用性の高いロボティクスの実現に向けた取り組みの中核をなす、視覚ベースのフィジカルAIの展開拡大に向けた第一歩だと説明している。自律型で多用途なロボティクスのプログラムページでは、生成AIを活用して、ロボットと人間のインタラクション、センシングと知覚、知能と自律的な推論、動作制御と安全性、ナビゲーション、把持と器用さという6つのスキル領域を組み合わせるのがAVRロボットだと説明している。同社は、AI Robot Trainerを活用する同様のアプローチを、2027年第1四半期までに、ABB Roboticsのほかの視覚ベースのアプリケーションにも拡大すると述べた。