WIKA:建設機械の知能化と省人化に向け、実証された道筋を切り拓く
2026年下半期、WIKA Mobile Control(威卡移動制御)は、エンボディドAI(具身知能)分野の各種業界展示会やイベントで大きな存在感を示しています。
9月、WIKAはファーウェイ(Huawei)の「全聯接大会 2026(HUAWEI CONNECT 2026)」およびアリババの「雲栖大会 2026(Apsara Conference 2026)」に相次いで招待を受け、登壇しました。これら中国テクノロジー大手の年次カンファレンスはいずれも「Agentic AI(エージェント型AI)」をテーマに掲げ、AIが要素技術のブレークスルーから産業への実用化・価値創出へと歩みを進める一連のプロセスを提示しました。
10月19日、徐州で開催された「2026 第10回人工知能大会」において、WIKAのゼネラルマネージャーである薛力戈は「建設機械向け高品質エンボディドAIデータセット」を発表しました。発表の場に派手なロボットパフォーマンスはなく、大型スクリーンに映し出されたのは実際の現場で稼働する油圧ショベルのリアルな映像でした。この研究成果は、フィジカル空間におけるAI知能化の領域で業界内外から大きな注目を集めています。

薛力戈ゼネラルマネージャーは次のように述べています。「本データセットは、モデルが過酷な建設現場における人間の熟練したノウハウを理解するための架け橋であり、極限環境や大規模インフラ工事にAIを社会実装するための強固な基盤となります。これにより、従来の施工現場における省人化・無人化への移行を力強く加速させます」。発表と同時に、WIKAはHugging Faceをはじめとする複数の主要なオープンソースデータコミュニティで同データセットを公開しました。オープンソースモデルを通じて世界中の研究開発力を結集し、建設施工現場におけるデータフライホイールを構築することで、技術の持続的なイノベーションを目指しています。

現在、エンボディドAI業界は「データの枯渇」と「現場への社会実装の難しさ」というボトルネックに直面しています。コントローラー、センサー、機能安全分野で確かな実績を誇るオートメーション制御企業であるWIKAは、エンボディドAI技術と建設機械の高度な融合を推進し、実際の作業現場から学習データへと循環するクローズドループを確立しました。これは、従来型製造業のスマート化に向けた実現可能な道筋を提示するだけでなく、エンボディドAIの最先端研究に対しても極めて価値の高い高品質なデータセットを提供するものです。
データこそが、エンボディドAIの「脳」を育む土壌
2026年は、多くの業界関係者から「エンボディドAIの実用化元年」と位置づけられています。業界データによると、上半期の中国国内におけるエンボディドAI分野の資金調達規模は約935億元に達し、前年同期比で約5倍の成長を記録しました。しかし、資本によって生み出された市場の過熱感は、技術が現場で洗練され社会実装に至ったことを直接意味するものではありません。
エンボディドAIはなぜ実際の現場への適用が困難なのでしょうか。その根本的な課題は、「実データの供給不足」「シミュレーションの有用性の限界」「モデル実装時の適応性の低さ」、そして「安全担保システムの欠如」といった点に集約されます。WIKAのデータセットは、まさにこれらの課題を打破するために生み出されました。さらに深く掘り下げると、なぜこのデータセットが純粋なAIアルゴリズム開発企業ではなく、WIKAから誕生したのでしょうか。その答えはアルゴリズムそのものの中にはありません。
これこそが、WIKA Mobile Controlがこのデータセットを構築した本質的な価値です。業界全体がデータ不足に悩まされる中、WIKAは建設機械というリアルな産業現場に開発の焦点を合わせました。建設現場や鉱山におけるあらゆる作業・メンテナンスのプロセスで蓄積される現場の実データこそが、実体経済のトランスフォーメーションを可能にします。WIKAは単なるバズワードを追うのではなく、確固たる技術の蓄積を基盤とし、エンボディドAIの「仮想の頭脳」を、社会インフラを支える建設機械の「強靭な腕」と真に結びつけているのです。

年内、中国国務院発展研究センター産業経済研究部副部長・研究員の李燕氏はメディアの取材に対し、現在のエンボディドAIの発展には「フィジカル世界における高品質データの供給不足」「モデルの汎化能力の限界」「一部ハードウェアにおけるエンジニアリング成熟度の不足」という3大課題が存在すると指摘しました。中でもデータ問題は筆頭に挙げられています。データそのものは知能を持った頭脳ではありませんが、頭脳の学習プロセスは確固たるデータ基盤なしには一瞬たりとも成り立ちません。
WIKA Mobile Control インテリジェント・イノベーションセンターのディレクターを務める武博文は取材に対し、次のように語っています。「モデルの根幹はアルゴリズムのフレームワークではなく、データにあります。人間の専門知識やノウハウはデータの中に深く内在しています。まず高品質なデータを構築して初めて適合するモデルを学習させることができ、その先にある一連の技術応用が可能になるのです。この順序を逆にしてはなりません」
産業の現実に目を向けると、工事現場は極めて非構造化された環境であり、機械設備のハードウェア規格も統一されておらず、データ収集には多大なコストがかかり、再利用の難易度も極めて高くなります。シミュレーション素材や動画データは事前学習に利用できるものの、実際の作業環境との間には顕著なドメインギャップ(移行障壁)が存在し、モデル学習に適合する有効なデータ供給は、モデル進化の需要に到底追いついていません。したがって、エンボディドAIの持続的な発展を実現するためには、現実世界のビッグデータの収集・整理・解析に腰を据えて取り組む企業が不可欠となります。
さらに重要なのは、データセットが単にハードディスクに保存された動画ファイルや生データの集合体であってはならない点です。多種多様なシーンや複数機種の油圧ショベルを網羅した体系的な作業データであり、現場のオペレーターの実操作に蓄積された業界ノウハウを、機械が認識・読み取り可能な構造化された知識へと変換したものでなければなりません。このようなデータ基盤があって初めて、建設機械が真に活用できる知能化された「頭脳」を学習させることが可能になるのです。

「政策と市場」の両輪による後押し、険しいデータセット開発への道
WIKAによるデータセットへの取り組みは、2026年に始まったものではありません。すでに5年前から、関連する先行準備を進めていました。当時から同社は、「危険・汚れ・過酷・複雑・重労働」を伴う建設現場において、「知能化された頭脳」を搭載した建設機械の市場ニーズが将来的に高まることを正確に予見していました。
2026年、中国工業情報化部は『情報通信産業発展「第15次5カ年計画」』の中で、高品質なデータセットの収集・構築・ガバナンスの強化を明確に打ち出しました。時を同じくして、Unitree(宇樹科技)の上場などを契機に、資本市場におけるエンボディドAIへの関心は急速に高まっています。
多種多様な建設機械の中で、WIKAは油圧ショベルを突破口として選択しました。シーンとしての代表性が極めて高い一方、その実現難易度は非常に高いものでした。油圧ショベルの作業条件は複雑で、溝掘削、積み込み、法面整形、整地、盛土などの動作は自由度が極めて高く、動的負荷も絶えず変動します。さらに、現場は粉塵が舞い、作業地形にはあらかじめ定められた基準となる参照点がなく、非構造化環境としての特徴が顕著です。そのため、油圧ショベルのデータセット収集においては、ブランドを越えた多様な機種をカバーするだけでなく、出力されるデータがエンボディドAIの学習ロジックに適合している必要があります。
業界では広く知られている通り、モデルが習得する一連の作業動作は、すべて熟練オペレーターの操作軌跡の学習と再現から成り立っています。WIKAは実際の作業現場に深く入り込み、統一されたタイムスタンプをもとに「ビジョン、LiDAR、姿勢(ポーズ)、力フィードバック、ジョイスティック入力」の5次元データを完全に同期・アライメントさせました。
- ビジョンおよびLiDAR:オペレーターが対峙する作業空間環境を高精度に再現。
- 姿勢および力フィードバック:アタッチメントと対象物(土砂など)との間の動的な力学相互作用状態を完全記録。
- ジョイスティック入力:オペレーターの意思決定と制御意図を忠実に記録・保存。
これら多次元の情報が相互に裏付けられ連結することで、「オペレーターの環境認識 ― 機械と対象物の相互作用 ― 人間の実際の操作」という一連のロジックが完全に再現されます。どれか1つでも欠ければ、得られるデータは孤立した観測素材や断片的な制御信号に過ぎず、再利用可能な産業ノウハウ資産として定着させることはできません。

このような全次元的な収集アプローチは、極めて高い開発コストを意味します。武博文が明かしたところによると、現段階での油圧ショベル情報収集基地におけるデータ収集コストは1時間あたり約5,000元に達します。実用レベルのエンボディドモデルを学習させるには概ね10万時間規模のデータが必要とされ、実機による現地収集だけでも1億元以上のコストがかかる計算になります。シミュレーターの初期研究開発投資も莫大ですが、システム構築が完了すれば、データ生成コストを実機収集の約10分の1にまで圧縮することが可能です。
実体製造業を歩んできた企業にとって、こうした巨額の研究開発投資は間違いなく大きな挑戦ですが、WIKAはこのプロジェクトの研究開発と実装を揺るぎない決意で推し進めてきました。
データセットを支える自信、WIKAが30年培った制御システムの厚み
技術アーキテクチャの観点から見ると、エンボディドAIは「身体(アクチュエータ・機構)」「小脳(運動制御)」「大脳(認知・判断)」の3つのコア要素に分解できます。「身体」は建機メーカーが製造する機械構造そのものであり、「小脳」はモーターコントローラー、ドライバー、油圧コントローラーを指し、装置の安定かつ信頼性の高い動作を担保します。一方、現段階の建設機械において「大脳」の役割を担っているのは、現場のオペレーターに他なりません。「小脳」は上位と下位をつなぐ極めて重要な中枢であり、知能化された大脳が出力する高次元の意思決定コマンドは、小脳を介して変換されて初めて、機械の身体を高精度に駆動させて作業を完了できるのです。

この観点において、WIKAはエンボディドAIの「小脳」領域ですでに30年以上にわたる技術の蓄積を持っています。同社の製品ラインは、コントローラー、ディスプレイ、センサー、操作デバイス、新エネルギー向け電子制御の5大カテゴリーを網羅し、クレーン、高所作業車、コンクリート機械、土工機械、鉱山設備など十数種類の建設機械に広く採用されています。XCMG(徐工集団)、SANY(三一重工)、Zoomlion(中連重科)、Liebherr(リープヘル)など、世界の建機大手がWIKAの顧客リストに名を連ねています。これは、WIKAの制御ハードウェアが、主要な建設機械の内部にすでに深く組み込まれていることを意味します。この固有のアドバンテージにより、WIKAのデータセットは最初から「小脳」と「大脳」を直結する架け橋としての役割を担っており、実証済みの成熟した制御ハードウェア基盤の上に開発された成果であって、産業の現実から遊離した机上の空論ではないのです。

WIKAの徐州スマートファクトリーを訪れると、その確固たるものづくりの基盤を肌で感じることができます。工場エリアは電子製造、電子組立、倉庫ピッキング、機械加工、機械組立の5つの機能ゾーンに分かれており、江蘇省の「先進級スマートファクトリー」に選定され、インテリジェント製造成熟度(CMMM)レベル3の認証を取得しています。中核となる電子製造ゾーンには、2本のSMTライン、DIPライン、コーティングライン、自動完成品倉庫が配備されています。現場にはVALORシステムが包括的に導入され、すべての製品において原材料から完成品に至るエンドツーエンドのトレーサビリティ管理が実現されています。

特筆すべきは、SMTラインに付随する自動テストラインがすべてWIKAの自社設計・自社組み立てによる、純粋な「自社製(WIKA Made)」である点です。現場担当者によると、このテストラインは顧客の要求と製品特性に基づいてカスタム開発されたもので、稼働開始以来、極めて安定した稼働状態を維持しています。現在、このラインは自社受注分の生産をカバーするだけでなく、生産能力の約半分を外部からのカスタムテスト受託業務にも充当可能です。製品開発から生産ラインの設備構築に至るまでの一貫した自社製造力こそが、WIKAが高品質なデータセットプロジェクトを着実に推進できる最大の強みとなっています。
結び:建設機械の知能化と省人化に向け、実証された道筋を提供する
WIKAデータセットの第1フェーズの規模はすでに3,600万フレームに達し、12種類の代表的な作業シーンを網羅しています。エンボディドAI業界全体で見れば依然として立ち上げの規模にとどまるかもしれませんが、このデータセットが示す開発思想は、単なるデータボリューム以上に業界が深く思考すべき価値を持っています。
第1に、正しい開発ロジックの堅持。 再利用可能な産業ノウハウを内包するデータ基盤をまず確立し、その上で厳密なモデル学習を進め、最終的に成熟した機械設備に知能を実装する。多くの開発チームのプロセスは本末転倒になりがちです。ハードウェアを先に作り上げ、後から知能を無理やり補おうとします。しかし、真に模倣困難な参入障壁とは、フィジカル空間の実操作データの中に蓄積された現場ノウハウにあります。この開発順序を逆にしてしまえば、多額の資金を投じても、最終的に生み出されるのはデモ用のコンセプトモデルに過ぎなくなってしまいます。
第2に、コアとなる複雑なシーンへのフォーカス。 WIKAはデモが容易な簡易的シーンを選ばず、作業条件が複雑で、負荷が動的に変化し、非構造化の度合いが高い建設機械業界に真っ向から挑みました。単なる概念上のストーリーを追わず、汎用基盤モデルとの無益な競争も行いません。近年のエンボディドAI分野では壮大なビジョンが語られる一方で、データの収集、アライメント、アノテーション、品質管理といった泥臭く緻密な作業に腰を据えて取り組む実直なチームが決定的に不足しています。WIKAはデータインフラの構築者として位置づけられ、データそのものだけでなく、体系化された方法論とハードウェアを包括して提供しています。この三者が深く連携することで、一度きりの実証実験にとどまらない、スケール可能なエンジニアリング能力として定着させ、社会実装を力強く前進させることができるのです。
第3に、明確な開発ポジショニングの維持。 多くの企業が資金調達やハードウェアの試作機によるストーリー作りに追われる中、WIKAはデータ基盤の構築に集中し、建設機械ネイティブなモデル学習の礎を固め、学習を終えたモデルを実機設備へとフィードバックして組み込む道を選びました。エンボディドAI、とりわけ建設機械業界にとって、これは絵に描いた餅ではなく、実証された極めて実効性の高いエンジニアリング実装ソリューションであり、業界全体に対して固有の価値ある指針を提示しています。