[市場動向]

2026年9月9日(水)IT Leaders編集部、日川 佳三

シェアする

リスト

　Preferred Networks（PFN）と、同社からの事業分割で設立された自律移動ロボット（AMR）メーカーのPreferred Robotics（PFR）は、屋内移動ロボット向け基盤モデル「PLaMo-SemGround（プラモ・セムグラウンド）」を共同で開発する。

　名称は、PFNの基盤モデル「PLaMo」と、自然言語の意味情報（セマンティック）を物体・領域・位置などに対応付ける技術（グラウンディング）に由来する。2B（20億）パラメータ級以下と小型の環境高度理解基盤モデルで、自然言語・RGB画像・深度情報から走行可能/禁止領域や複雑な作業条件を理解する（図1）。

図1：屋内移動ロボット向け基盤モデル「PLaMo-SemGround」を共同開発する事業のロードマップ（出典：Preferred Networks、Preferred Robotics）
拡大画像表示

　開発の背景として、物流倉庫や商業施設などで屋内移動ロボットのニーズが高まる一方、設定などの運用の手間が大きいことを挙げる。例えば、現場ごとのレイアウトや運用ルール（通行方向、進入禁止領域、段差、仮置きした物など）、運用中の環境変化・想定外の状況などに対処するには、専門技術者による調整を要する場合があるという。

　PFNとPFRは、環境高度理解基盤モデルのPLaMo-SemGroundを開発することで、屋内移動ロボットの導入に必要な初期設定・運用タスクの90%以上をAIと現場担当者に委譲することを目指す。

　開発から社会実装まで、以下の5つの作業に取り組む。その後、2028年度（2028年4月～2029年3月）中に、PFRの製品に先行実装する。さらに、PFNからモデルライセンスやSDKを国内のロボットメーカーなどに商用販売する。AMRやAGV（無人搬送車）に加え、将来的には、脚型ロボットやヒューマノイドへの適用を視野に入れる。

1. 50現場以上の実用データを収集（PFR）：PFRが開発するAMR（搬送・清掃ロボット）や専用のデータ取得台車を活用し、工場や商業施設などの50現場以上からRGB画像、深度情報、走行ログ、現場ルールなどを収集する。学習・評価に利用可能な実用データを80万フレーム以上の規模で確保する。
2. 2000万サンプル以上の学習・評価用データ基盤を構築（PFN）：収集した実用データと公開データ・合成データを統合し、画像質問応答（VQA）や対象領域の特定（Visual Grounding）などに利用可能な2000万サンプル以上の学習・評価用データ基盤を構築する。
3. 公開ベンチマークを整備し、独自ベンチマークを構築（PFN）：公開ベンチマーク「EmbodiedScan」を事業の評価タスク向けに変換・整備する。さらに、PFRが400現場以上で収集した利用可能な既存データと、新たに収集する50現場以上の現場データを活用し、対象業務に適した独自ベンチマークを構築する。
4. 環境高度理解基盤モデル PLaMo-SemGroundの研究開発（PFN、PFR）：自然言語による指示、カメラによるRGB画像・センサーによる周囲の物体や床・壁などまでの距離（深度情報）から、領域、物体、走行制約を2次元および3次元で特定し、意味情報地図（Semantic Map）や経路計画器（Planner）へ接続可能な基盤モデルを開発する。エッジデバイスでの動作を見据え、2Bパラメータ級以下に軽量化する。
5. 10現場以上での実証試験（PFN、PFR）：開発したモデルは実証試験のため、PFRの搬送・清掃ロボットに実装する。5業種・10現場以上で空間認識性能を評価する。設定作業の90%を委譲する目標の達成度も評価する。