![デニス・ホン 米国UCLA（カリフォルニア大学ロサンゼルス校）機械航空工学科教授兼ロボットおよびメカニズム研究所（RoMeLa）所長が『AI文明の現実化、フィジカルAIの競争力にかかっている』というテーマで基調講演を行っている。[写真=ハン・ジュング記者]](https://image.ajunews.com/content/image/2026/09/02/20260902161520466480.jpeg)
「生成型AIのデータはインターネットに存在するが、フィジカルAIにとって重要なデータは現場にある。実際の産業現場にロボットを投入し、高品質な物理データを生成し、それを再びAI学習と再配置に結びつける『製造密着型の好循環エコシステム』が韓国独自のフィジカルAIの方向性である。」
デニス・ホン米国カリフォルニア大学ロサンゼルス校（UCLA）機械航空工学科教授であり、ロメラ（RoMeLa）ロボット研究所長は、同日午後、ソウル中区のザ・プラザホテルで開催された『第18回善良な成長、良い雇用グローバルフォーラム（2026 GGGF）』の基調講演で、韓国フィジカルAI産業の独自の生存戦略をこのように示した。
ホン教授は「ビッグテック中心の米国型AI開発モデルや、強力なハードウェア供給網を武器とする中国の方式を韓国がそのまま追随する必要はない」とし、「韓国は自動車、半導体、造船など世界最高水準の製造業現場を有しており、現場データの強みを基に産業競争力を高めるべきである」と述べた。
ホン教授は最近のロボット工学界の最大の変化として、ロボット制御メカニズムのパラダイム転換を挙げた。従来はセンサーで外部情報を受け取り、コンピュータで判断した後、モーターや油圧装置で動く古典的な方式に基づき、人間が一つ一つアルゴリズムをコーディングしていた。しかし、最近1～2年の間に、センサー入力から最終動作制御までを一つのAIモデルで処理する方式が主流になりつつある。
問題は、このようなAIベースの制御方式を実現するためにはデータが必須であることだ。ホン教授は、巨大言語モデル（LLM）や生成型AIとは異なり、フィジカルAI分野は深刻な『データ干ばつ』に直面していると指摘した。テキストや画像・動画はインターネット上で膨大な量を集めて学習させることができるが、ロボットを学習させるための関節位置、速度、加速度、摩擦力などの精緻な物理データはインターネット上には存在しないからである。
現在、グローバルな技術企業が試みているデータ収集方式も限界を示している。例えば、仮想世界シミュレーション学習は現実とのギャップにより、実際のロボットに適用する際に多くのエラーが発生する。人間が仮想現実（VR）機器を装着し、遠隔操作でデータを収集する方式は膨大な時間と経済的コストがかかり、YouTubeなどの動画学習は力の大きさや接触感覚といった『触覚データ』を提供できない。
ホン教授は、このような物理データを確保することが難しい中で、韓国が持つ独自の『製造業現場』がフィジカルAI時代において決定的な反転カードとなる可能性があると強調した。自動車・半導体・造船など世界最高水準のK-製造業工場こそが、最も精緻で膨大な実際の物理データをリアルタイムで抽出できる最適な『データ生産基地』であると説明した。
また、最近のロボット業界の過度な幻想と誇張（ハイプ）に警鐘を鳴らすべきだと訴えた。AIベースの制御方式は優れた柔軟性を示すが、内部動作原理を把握できない『ブラックボックス』問題を抱えており、故障やエラーが発生した際に原因を特定することが難しい。過去100年間にわたって進化してきたモデルベースの伝統的制御方式とAI方式を組み合わせた高度な研究が並行して行われるべきであると強調した。
ホン教授は「ヒューマノイドとフィジカルAIの成否は結局、現実世界の精緻なデータを誰が最も効率的に収集し、適用するかにかかっている」とし、「韓国産業界が持つ製造現場の強力な実体的強みを最大化し、実用的なフィジカルAIエコシステムを構築すべきである」と述べた。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
