LabHub

ブログ

AI倉庫ロボティクス & フルフィルメント2026完全ガイド - Symbotic・Berkshire Grey (SoftBank)・Locus Robotics・AutoStore・GreyOrange・Geek+・Hai Robotics・Amazon Robotics・NVIDIA Isaac・Doosan Robotics・ZMP徹底解説

2026-05-16 · 23 分で読めます · #warehouse-robotics#fulfillment-ai#symbotic#berkshire-grey#locus-robotics#autostore#greyorange#geek-plus#hai-robotics#amazon-robotics#nvidia-isaac#doosan-robotics#japanese

한국어English日本語

はじめに — 2026年5月、倉庫自動化はもはや「ビジョン」ではない

2022年までは、倉庫ロボティクスは「Amazonのような大手にしか合わない話」だった。2026年5月の風景は完全に変わった。ECの物量増加+慢性的な物流人手不足+GPUベースのシミュレーション学習が出会った結果、中堅3PLからグローバル小売まで全員がロボットを敷く。市場はもはや単一ソリューションではなくレイヤースタックとして固まった。

この記事はマーケティング資料ではなく、「今、現場で何がどの席に入るのか」を正直に整理する。AMR/AGV、Goods-to-Personシャトル、ピースピッキングアーム、Amazon Robotics、ヒューマノイドパイロット、NVIDIA Isaac学習スタック、そして韓国/日本のローカルプレイヤーまで、実際の2026年スペックとあわせて比較する。

倉庫ロボティクス2026 — スタック全体を7レイヤーに分解

まず全体像である。2026年標準の倉庫ロボティクススタックは次の7レイヤーに分かれる。

  1. モバイル(AMR/AGV): 人と一緒に働く自律移動ロボット
  2. Goods-to-Person (G2P) シャトル/キューブ: 棚/トートを人に運ぶ
  3. ピース/ケースピッキングアーム: ビジョン+グリッパで個別SKUを掴む
  4. 固定コンベア+ソーター: 分類とルーティング
  5. ヒューマノイド/二足歩行: 人間に親和的なフォームファクター、パイロット段階
  6. ソフトウェア(WMS+WES+シミュレーション): オーケストレーションと学習
  7. ラストマイル+ドローン配送: 倉庫外、顧客玄関まで

各レイヤーは別市場であり、導入順は会社ごとに異なる。以下、1レイヤーずつ見ていく。

AMR対AGV — 2026年に格差が決定的に広がった

AGV(Automated Guided Vehicle)は床に埋めた磁気テープ/QRに沿って動く第1世代の自動化だ。2026年現在、新規導入の90%以上はAMR(Autonomous Mobile Robot)、すなわちLiDAR+カメラ+SLAMで自律走行する第2世代に乗り換えた。違いは単純である。

代表的なAMR/AGVプレイヤーは以下の通り。

導入判断でよく抜けるポイントがある。「自社倉庫はピックアップモードかムーブモードか」だ。Locusのようにピッカーと一緒に歩くモデルと、OTTOのように無人運搬に集中したモデルでは、ROIカーブが完全に異なる。

Goods-to-Person (G2P) — シャトル/キューブの時代

AMRが「人を追いかける」なら、G2Pは「棚を人のところへ運ぶ」。保管密度が高く、ワークステーションのスループットが安定するので、平方メートル当たりスループットを最大化したい企業が選ぶ。代表的なプレイヤーは以下の通り。

選定は単純ではない。AutoStoreはトート単位、Symbioticはケース単位、Exotecはその中間で保管単位が異なる。SKU回転率、平均オーダーライン数、保管単位の体積が意思決定の最大変数になる。

Berkshire Grey + SoftBank — 買収後の動き

Berkshire Greyは、元iRobot CTOのTom Wagnerが2013年に創業した米国企業である。モバイル+ピースピッキング+ソーターを一括にまとめた「統合AIフルフィルメント」で差別化した。2021年にSPAC合併で上場したが株価は低迷した。

2023年6月にSoftBankが買収合併を発表、2024年4月に取引完了して非公開子会社化された。SoftBank Vision Fundのポートフォリオ内のSymbotic、AutoStoreと大きな絵を束ねる意図が強い。合併後の主力製品は以下の通り。

SoftBank子会社編入後、日本/韓国市場での営業が再び活発になる流れである。

ピースピッキング — Covariant Amazon合流とカテゴリ再編

ピースピッキング(個別SKU 1個を掴んで別の場所へ動かす動作)は、2020年代初頭まで「残された最難題」だった。2024年以降、ファンデーションモデル+マルチモーダル学習で一段階の飛躍があった。

ピースピッキングのROIはSKU多様性と箱種類数で決まる。単一SKUラインは決定論的モーションが有利で、SKUが数万単位になると学習ベースが有利だ。

Amazon Robotics — Kiva買収からSparrow + Digitまで

Amazonは2012年にKiva Systemsを7億7,500万ドルで買収し、Amazon Roboticsとして社内吸収した。2026年現在、Amazonフルフィルメントセンターの標準スタックは以下の通り。

Amazonはまた、2024年のCovariantリバースacqui-hireで次世代ファンデーションモデルベースのピッキングを内製化した。Sparrowの未来は事実上、元Covariantのエンジニアたちが形作る。

キューブストレージ — 最も密度の高い保管方式

小さいトートを3Dグリッドに積み、上部ロボットが引き上げるキューブストレージは、平方メートル当たりの保管密度が最高だ。市場リーダーは圧倒的にAutoStoreだが競合もいる。

キューブストレージは初期CAPEXが重いが、平方メートル当たりのスループットと保管密度で他システムを圧倒する。都心マイクロフルフィルメント(MFC)環境で特に強い。

ソーター(sortation) — フルフィルメントの動脈

ソーターは多様なSKU/オーダーをシュート(chute)またはコンベア分岐へルーティングする装置だ。従来は大型ベルトソーター/チルトトレイソーターが標準だったが、2026年にはモジュラーAMRベースが増えている。

大量単一シュートのルーティングは伝統ソーターが依然優位だが、多品種少量のフルフィルメントではtSortのようなAMRソーターが急速に領域を広げている。

ヒューマノイド & 二足歩行 — パイロットだが本当に動いている

2024年までヒューマノイドは「YouTubeデモ用」だった。2025年後半から実際の倉庫/工場パイロットが測定可能なKPIで回っている。2026年5月時点の主要プレイヤーとパイロットは以下の通り。

ヒューマノイドは単一の形状で多様なタスクを処理できるかがROIを分ける。単一タスクなら決定論的な産業ロボットが依然として速くて安い。

NVIDIA Isaac — 学習+シミュレーションの標準スタック

ヒューマノイドとAMR学習データのコストカーブを完全に変えたのがNVIDIA Isaacスタックだ。2026年5月時点の主要構成は以下の通り。

スタックの中核価値はsim-to-realだ。実機で1回回すのは高価だが、GPU上では1万環境並列が可能になる。Agility、Figure、1Xすべてが、Isaac LabをRL学習に使うと公に認めている。

WMS/WES/WCS — ソフトウェアバックボーンの分担

ロボットだけ敷いてもフルフィルメントは回らない。WMS(Warehouse Management System)、WES(Warehouse Execution System)、WCS(Warehouse Control System)の3レイヤーがオーケストレーションを担う。

WCS/WESレイヤーにはSofteon、Tecsys、Pyramid AIなどが別途存在する。2026年にはロボットベンダー自体のSW(例: Symbotic SymBot OS、AutoStore Pio)と衝突/協調する領域が増えている。

協働ロボット(Cobots) — 安全フェンスのない産業ロボット

コボット(cobot)は人と同じ作業空間で安全に協働するよう設計されたロボットアームである。フルフィルメント直接適用よりキッティング/パッキングのワークステーションで使われることが多い。

ROIはワークステーション単位のサイクルタイムが決める。人がキッティングに10秒かかるラインを、コボットが12秒でやるなら入れない方がいい。

韓国の倉庫ロボティクス — Doosan、HD現代、LG、CJ大韓通運、Coupang

韓国は2024年以降、倉庫自動化導入が本格化した。主要プレイヤーは以下の通り。

韓国市場の特殊性は、新築フルフィルメントセンターが圧倒的に多いことだ。新規設計の時点から自動化前提で設計されるので、米国式のbrownfield改造より早くROIが出る。

日本の倉庫ロボティクス — Mujin、ZMP、Daifuku、Murata、GROUND

日本はグローバルマテリアルハンドリングの本場である。Daifuku、Murata、Toyota Industriesの3大巨人で市場の半分を取る。

日本市場の強みは密集都心型フルフィルメントだ。狭く多層構造の用地にシャトル/AS-RSを設計する経験が深い。

ドローン配送+ラストマイル — 倉庫外の自動化

倉庫が終点ではない。ラストマイル(顧客の玄関まで)も急速に自動化している。

ラストマイル自動化は、規制(FAA/EASA/国土交通省+航空法)+社会的受容性が最大変数だ。医薬品のように価値が明確な領域から順に敷かれる。

グリッパ & ビジョン — ピッキング成功率を決める変数

ピッキングロボットの成功率は、グリッパ選択とビジョン学習データが80%を決める。

ピッキング成功率はグリッパ種類かけるビジョン認識精度かける学習データ量の積である。どれか一つが弱ければ全体が崩れる。

シミュレーション+デジタルツイン — データコストを分ける

ロボット学習の最大コストは実機データ収集だ。落として割れる箱、衝突するAMR 1台が、GPU時間より高い。デジタルツイン/シミュレーションの標準は以下の通り。

2026年にはMuJoCoとIsaac Simが学習用の二強、GazeboがROS統合用の標準として定着した。

実際の導入事例 — Walmart、GXO、DHL、Coupang

最後に、実フルフィルメント運営事例を見る。

導入パターンは単一ベンダーロックインからマルチベンダーオーケストレーションへ移行する流れだ。WESレイヤーがますます重要になっている。

導入ロードマップ — ゼロから自動化フルフィルメントまで

最後に、ゼロから出発して自動化フルフィルメントを敷くと仮定したロードマップである。

  1. 0から3か月: AS-IS分析。SKU回転率、平均オーダーライン数、人件費。WMS導入の点検。
  2. 3から6か月: 最も切迫したボトルネックを1つ決める。ピックアップならAMR試験、保管密度ならG2P試験。
  3. 6から12か月: 単一セル単位のパイロット。KPIは時間当たりスループット(UPH)+人員削減率。
  4. 12から24か月: 複数セルへ拡張。WES+シミュレーション環境を同時構築。
  5. 24か月以降: ヒューマノイドパイロット。単一タスク(トラック荷下ろし、トート運搬)から始める。

最大の落とし穴は「まずヒューマノイドを敷こう」だ。2026年でも、単一タスクのROIは決定論的な産業ロボットが勝つ。

おわりに — 2026年5月、「倉庫自動化はモザイク」

倉庫ロボティクス市場はもはや「Amazonのような巨大事業者」だけのものではない。AMR/AGV、G2P、ピースピッキング、ヒューマノイド、NVIDIA Isaac、WMS/WES、韓国/日本のローカルプレイヤーがすべて同じ会議室に入って議論する光景が日常になっている。

要点を整理する。

最も重要なのは、「単一ベンダーがすべての席に合うわけではない」ということだ。自社倉庫のSKU構成、回転率、人件費、新築か否かを正直に測定し、その上にレイヤースタックを設計するべきである。

References

コメント

まだコメントはありません。

ログインするとコメントできます