AIが運用・配車を統括:動けば動くほどスマートになる次世代倉庫
Meng Yao 凹非寺(北京)より
量子位 | 公式アカウント QbitAI
エンボディドAI(Embodied AI)が、より複雑な産業・生産現場への挑戦を本格化させています。
多くのメーカーが特定ステーションでのピッキング作業や家庭用サービスといった単一タスクに注力するなか、エンボディドAIの実用化・産業実装における最大の難所、すなわち**「スマート倉庫」**に照準を定めたプレイヤーが現れました。
それだけにとどまらず、彼らの描くビジョンはさらに壮大です。AIが倉庫全体の配車・運行スケジューリングとオペレーションを一手に引き受け、24時間365日体制の無人自律稼働を実現したうえで、実際の業務環境のなかで継続的に学習し、自律進化させていくというものです。

その企業こそ、世界の自律走行搬送ロボット(AMR)領域を牽引するリーディングカンパニー、**Geek+(ギークプラス)**です。
同社はこのほど『24/7自律型スマート倉庫計画』を正式発表し、フィジカルAI(Physical AI)時代における自己進化型スマート倉庫の実現を明確に打ち出しました。
エンボディドAIを単一の作業ステーションで「実作業に従事させる」レベルから、倉庫全体を「自律的に稼働させる」レベルへ。フィジカルAIは今、産業実装における最も難度の高い核心領域へと足を踏み入れようとしています。
「作業の実行」から「全体の管理」へ:フィジカルAIが踏み入る新領域
AIを産業現場へ導入していくプロセスにおいて、これまで常に直面してきたもどかしい現実があります。
**「フィジカルAIの自動化レベルが高まれば高まるほど、システムが人手に頼らざるを得ない領域は、極めて不確実性の高いロングテールな例外工程に集中してしまう」**ということです。
過去10年余りで、AMRの普及によって搬送や保管といった定常的な標準作業は自動化され、いわゆる「Goods-to-Person(棚搬送・GTP)」モデルが広く浸透しました。しかし、ひとたび複雑なピッキング工程に入ると、数万種類にも及ぶSKU、頻繁に変わる梱包素材、不規則な積載状態を前にして、ロボットの対応力は依然として頭打ちになりがちでした。
このことは、倉庫自動化が長年抱えてきたボトルネックを浮き彫りにしています。すなわち、単一プロセスの効率向上だけでは、倉庫全体の抜本的なインテリジェント化(知能化)への飛躍を支えきれないという点です。
まさにこの転換点において、Geek+は次世代スマート倉庫のブレイクスルーに向けた業界の方向性を以下のように提示しました。
次世代における倉庫知能化の鍵は、24時間365日の自律稼働と継続的な自己進化を実現し、グローバル規模のビジネス展開力を基盤として、自律型スマート倉庫を新たな生産インフラとして確立することにある。
この判断の背景には、倉庫物流業界が直面する経済的・技術的なシビアな現実があります。
倉庫オペレーターにとって、倉庫の自律稼働時間が1時間増えることは、人員シフトの制約から解放された生産能力が1時間分純増することを意味します。特に夜間稼働時やセールなどの繁忙期において、安定的かつ継続的な出荷フルフィルメント能力は、サプライチェーン全体の即応力を直接左右します。
さらに重要なのは、巨額の投資を投じた自動化設備を24時間フル稼働させることで、夜勤の人件費や現場メンテナンスの工数を、純粋な運用上の純利益へと転換できる点です。
これを実現するには、ロボットが未学習のロングテールな例外に対処できるだけでなく、倉庫全体の配車・制御システムが数百台規模の機器協調の中で自律意思決定、異常からの自己修復、そして経験の汎化を行える能力を備えていなければなりません。
倉庫全体が不確実性に対処できる自律性を備えて初めて、技術レイヤーのインテリジェンスが、ビジネスにおける長期的かつ定量化可能な生産性へと真に結びつくのです。

この洞察に基づき、Geek+が発表した『24/7自律型スマート倉庫計画』では、「全倉庫の自律化」を次期コア戦略と位置づけ、以下の3段階のロードマップを掲げています。
- 全プロセスの統合: エンボディドAIを導入して複雑な作業を担わせ、これまで人手に依存し続けてきたロングテールな例外工程を補完する。
- インテリジェント・クローズドループの強化: 単一の知覚にとどまらず、AIによる自律的意思決定と動的調整を推進し、倉庫全体の稼働を通じた自己進化を促す。
- 大規模展開の推進: 成熟したグローバル導入実績とローカライズ運用体制を活かし、多様な商用シナリオにおいて自律型スマート倉庫の大規模な横展開を図る。

この3つの戦略的アプローチは、フィジカルAIの大規模実用化において乗り越えなければならない3つの関門と正確に一致しています。すなわち、「ロボット単体で複雑な作業を完遂できるか」「倉庫全体として自律的に閉じたスケジューリングが可能か」、そして「この運用モデルが異業種・異拠点へスケーラブルに水平展開できるか」という課題です。
現在、Geek+が10年以上にわたり培ってきたハードウェア・ソフトウェアの蓄積と、世界規模の実装実績により、このシステムレベルのケイパビリティが形になりつつあります。
倉庫へ入るエンボディドAI:手足の協調で実務を担うロボットたち
倉庫全体の自律稼働を成し遂げるための第1歩は、現場作業の断絶を解消することです。ロボットがエンドツーエンドの物理作業プロセスを一気通貫で担い、点としての局所的な自動化から、倉庫全域の閉ループ型協調へと押し上げられるかが問われます。
個々のロボットの実行上限がワークステーション単体の作業効率を決めるのに対し、業務チェーン全体が自律的に完結できるかどうかが、無人倉庫の実用化の深さを決定づけます。
単一のアルゴリズムや特定タスクのみに注力する一般的なアプローチに比べ、業界で10年以上の実績を持つGeek+は、産業レベルの実装工学において一日の長を持っています。同社が独自開発したエンボディドAI統合フレームワーク「Gravity」およびエンボディド・ワールドモデル「Gravity 4D」は、まさに非構造化で複雑・動的な環境下におけるロボットの自律オペレーションの課題に応えるものです。

「Gravity」フレームワークがタスク理解と動作計画を司り、ロボットに「深く思考してから動作する」プランニング能力を付与する一方で、「Gravity 4D」ワールドモデルは、ロボットが物理空間の幾何構造、接触力学、および運動の動的変化を正確に理解できるようにします。
この2つの技術が融合することで、ロボットは複雑な環境変化に対しても極めて高い適応力を発揮します。
- クロス・タスクの汎化能力: 未知の素材や特殊形状のパッケージに対しても、個別のデータ収集や事前学習を必要とせず、最適な把持ポイントを自律的に判断。
- 動的な外乱耐性メカニズム: 作業中に荷物がわずかにずれたり視界が遮られたりしても、リアルタイムに動作計画を再構築し、作業を破綻なく完結。
- 長時間のマルチステップタスク実行: 複雑な一連の作業チェーンを自律的に分解、シミュレーションし、ステップごとに実行する能力。
- 自然言語による対話型アライメント: 動作にズレが生じた場合でも、現場オペレーターはコードを再プログラミングすることなく、自然言語の指示を与えるだけでリアルタイムに戦略を修正可能。
マルチモーダルな空間認識、長時間のタスク論理推論、4D物理モデリング、そして適応型軌道計画に基づくこれらの技術は、すでに実際の倉庫オペレーションへと全面的に注入されています。
例えば、同社の汎用人型ロボット**「Gino 1」**は、混載ケースのピッキングや搬送・パレタイズといった複合タスクを担うことができ、搬送台車(AGV/AMR)と連携しながら、連続する長行程のピッキング作業を完遂可能です。
さらに、Geek+が投入した無人ピッキングステーションは、これまで熟練作業員への依存度が高かった種まき(仕分け)工程を全面的に代替し始めています。シュナイダーエレクトリックの上海物流センターでの実証導入では、同ステーションのピッキング効率は人手の2倍に達し、仕分け精度は99.99%を超えました。
単一のロボット製品にとどまらず、Geek+のフルラインナップAMRは、コンテナ(トート)、パレット、棚など、主要な保管形態における標準化された搬送・保管作業を網羅しています。エンドツーエンドのハードウェアエコシステムと全シナリオに及ぶデータ蓄積が、倉庫システム全体の自律進化に向けた強固な基盤となっています。
倉庫ブレインが全体を統括:AIが運用を引き継ぎ、倉庫が自ら進化する
ロボットが個別の作業プロセスを繋ぐのは最初の一歩に過ぎません。数百台のヘテロジニアス(異種混合)なロボットが非構造化環境で同時に協調稼働する際、倉庫全体がシステムレベルで自己修復し、大局的に自律制御できるかどうかが、より大きな技術的挑戦となります。
Geek+のシステムプラットフォーム部門バイスプレジデントである**譚文哲(タン・ウェンジャー)**氏は、現在の業界が抱える共通課題として、従来の倉庫管理システムがそれぞれ個別に機能し、分断されている現状を指摘します。すなわち、スケジューリングシステムはデッドロック防止とルート最適化のみを担い、基幹業務システムはオーダーの進捗だけを注視し、データ分析基盤は単なるオフラインのレポート出力にとどまっているという点です。
表面的には各サブシステムが個別の最適化指標を持っていますが、領域横断的な全体統括を欠いており、倉庫全体のグローバル最適という視点から動的な協調意思決定を下すことは極めて困難でした。
△AI生成
これに対するGeek+のアプローチは、サブシステム間のデータサイロを打破し、全域のリソースを統合管理できる**「倉庫ブレイン(Warehouse Brain)」**を構築することでした。
オーダーの納期(SLA)、リアルタイム在庫、移動台車、ロボットアーム作業ステーションといった離散した生産要素を単一のグローバル状態空間に統合し、「物理実行—データ知覚—インテリジェント意思決定」を一貫して結ぶフルループを確立。全体最適な視点からのリアルタイムで俊敏な最適化を実現しています。
アーキテクチャの根幹においては、倉庫ブレインは3つのコアモジュールが連携して支えています。
- IOP(インテリジェント運用最適化プラットフォーム): 全体の知覚とボトルネックの特定を担当。
- WES(倉庫実行システム): 領域をまたぐ作業戦略のオーケストレーションを担当。
- RMS(ロボット管理システム): 下位のロボットフリートに対する高効率なスケジューリングと実行を担当。

この強固な基盤の上に、Geek+は倉庫全体の「AI Agent」アーキテクチャを導入し、以下の2つのコア軸から倉庫の継続的な自己進化を推し進めています。
- 協調インテリジェンス(Collaborative Intelligence): 倉庫全体の異種ロボット群、周辺の自動化設備、およびビジネスワークフローを緊密に連動させ、動的なバッチオーダーの特性に応じて、秒単位のタスク再割り当てと搬送能力のエラスティックな再配置を実現。
- 運用インテリジェンス(Operational Intelligence): 高度な推論能力を備えた大規模モデルを活用し、稼働状況の継続的なモニタリングと異常診断を実施。人手による後追いの介入から、システムによる自律的な調整へと移行させ、全工程における「ダークファクトリー(完全自動・無灯火運用)」への到達を推し進める。
協調インテリジェンスと運用インテリジェンスの相互補完により、システムは現状の作業効率を担保しつつ、大局的なスケジューリングの最適解を探索し続けることができます。何より重要なのは、ポリシー介入を行うたびに得られる運用データがモデルへとフィードバックされ、**「インサイト—診断—意思決定—実行—フィードバック学習」**というエンドツーエンドのデータフライホイールが形成される点です。
これにより、システムは機械的な「指示実行装置」から、自己修復・自己適応能力を備えた「業務の有機体」へと変貌を遂げ、長期的な運用サイクルの中で動的な自己進化を遂げていきます。

具体的な実装レベルにおいて、Geek+は倉庫の全プロセスに特化した3種類の専用AI Agentを開発しました。
- モニタリングAgent: 全要素のサブセカンド(ミリ秒)単位でのメトリクス巡回監視を行い、スループットの低下要因や潜在的なデッドロックのリスクを特定。
- データ分析Agent: ドメインナレッジグラフと連携してボトルネックの根本原因を追跡し、最適化のためのシミュレーション推論シナリオを生成。
- デプロイ・構成Agent: アルゴリズムのハイパーパラメータの微調整およびスケジューリング戦略のホットリロード(無停止反映)を自律的に実行。
これらのエージェントには、Geek+が長年蓄積してきた現場での運用保守ノウハウやリーン効率分析モデルが深く組み込まれています。従来は熟練エキスパートの経験に依存していた暗黙知のトラブルシューティングを、定量的に呼び出し可能で、かつ他拠点へも水平展開できる汎用的な認知機能へと昇華させました。
動的制御の時間軸においては、ミクロな走行ルートやデッドロック回避のスケジューリングは分単位で局所的に動的調整され、マクロな運用戦略においては、日次の作業データに基づいて戦略モデルが絶えずアップデートされます。倉庫の稼働期間が長くなり、蓄積されるドメインデータが増えるほど、システムの意思決定の信頼性と効率性のリターンは向上していきます。
大規模な商用納入へ:グローバルな現場が導き出す答え
スマート倉庫に関するいかなる技術的探求も、最終的には産業用途における厳格なROI(投資対効果)と安定性の検証に耐えうるものでなければなりません。
顧客の求める要件は極めて明確です。24時間365日システムをダウンさせずに稼働させられるか、既存のレガシーかつ異種混在のIT環境にシームレスに適合できるか、そして技術の導入によって得られる限界利益が明確に定量化できるか、という点に尽きます。
10年以上にわたる現場実装を経て、Geek+は充実したエンドツーエンドの導入フレームワークを確立してきました。市場での実績において、同社はAMRのグローバルシェアで複数年にわたり世界第1位を維持しており、事業展開は40以上の国と地域、取引先は1,000社以上の大手エンタープライズに達し、稼働中のロボット数は累計8.1万台を超えています。
今年の「CeMAT」展示会において、Geek+は統合AIスケジューリングセンターの制御下で、フルラインナップのAMRが倉庫全体で高密度に協調作業を行うデモンストレーションを披露しました。

業界が注目する「倉庫の自律進化」を測る評価基準について、タン・ウェンジャー博士はインタビューの中でいくつかの重要な定量的指標を挙げています。ロングテールな例外に対するシステムの自己復旧率、複雑なピーク負荷環境下におけるスループットの安定性、平均故障間隔(MTBF)、そして予期せぬ停止が発生した際の秒単位でのコールドスタート自己修復能力などです。
これら測定可能な指標は、『24/7自律型スマート倉庫計画』がもたらす根本的な産業的価値を物語っています。
「熟練エキスパートの頭の中に分散していた暗黙の倉庫管理ノウハウを、倉庫のデジタル基盤に常駐するインテリジェンスとして24時間体制で組み込むこと」
現代のサプライチェーン企業にとって、莫大な費用を投じて構築した自動化設備がクリティカルな局面で依然として高負荷な有人監視に依存しているようでは、そのビジネス価値は大きく損なわれてしまいます。真の自己診断、自己修復、そして継続的な自己進化能力を備えたスマート倉庫こそが、企業の設備投資の1円たりとも無駄にせず、確実で安定した、常時稼働する新たな生産性へと昇華させることができるのです。
今後、Geek+は高密度な倉庫現場で厳格に検証されたロボット基盤、エンボディドAIアルゴリズム、および全体スケジューリングシステムを、より広範なインダストリアルロジスティクスやスマートマニュファクチャリングの領域へと展開していく計画です。フィジカルAIと実産業が深く結びつくこの進化の道筋において、現場への深いコミットと大規模な実践が生み出す技術的参入障壁は、ますます強固なものとなりつつあります。