Highlanders、国産ヒューマノイド「N」の量産と学習基盤を解説　三菱自動車との協業で見える実装課題

編集: グリットアーツ編集部

公開日：2026年10月25日

3行解説

ニュースの概要

ロボスタは2026年10月22日、Highlanders代表取締役CEOの増岡宏哉氏を招いたセミナーの見逃し配信を公開しました。Highlandersは2023年設立の東京大学発スタートアップで、国産ヒューマノイド「N」や四足歩行ロボット「HLQ Edge」を開発しています。記事では、三菱自動車との基本合意書、京都製作所京都工場での量産化協議、フィジカルAI基盤モデル「Kepler」、実世界データを使う戦略が紹介されています。

何が新しいのか

このニュースの新しさは、ロボットを「作る」だけでなく、現場で動かした結果を次の学習に戻す設計を前面に出している点です。Highlandersは、製造・物流・インフラなどの現場で得られる視覚、力覚、触覚、遠隔操作のデータを蓄積し、それを「Kepler」の学習に使うと説明しています。つまり、機体の量産とAIの知能化を別々ではなく、同じ循環の中で進める考え方です。

また、三菱自動車との協業では、工場で活用するヒューマノイドの共同開発と、京都製作所京都工場での量産化協議、2027年4月の生産開始予定が示されました。研究段階の試作ではなく、量産と工場導入を同時に見ている点が実務上のポイントです。量産を前提にすると、性能だけでなく、製造ばらつき、保守、現場での再学習の手順まで問われます。

グリットアーツ編集部の分析

注目すべきは、Highlandersが「N」と「Kepler」を分けずに、量産と学習を一体で語っていることです。ヒューマノイドは1台の完成度が高くても、現場ごとに動作条件が違えば、そのままでは使い続けにくいからです。視覚・力覚・触覚・テレオペレーションのデータを集める方針は、導入後の改善余地を残す一方で、データ収集の設計と運用負荷が増える可能性があります。つまり、PoCで終わらせず、継続運用まで見据えた企業ほど検討価値が高いニュースです。

日本の現場で考えると

日本の製造現場では、ヒューマノイドを入れるだけでなく、既存の治具、搬送設備、作業手順との整合が重要になります。今回のように工場での共同開発と量産化が前提なら、導入先ごとに作業範囲を絞り、危険作業や反復作業から始める進め方が現実的です。一方で、インフラや物流の現場では、床面状況、狭い通路、夜間運用、遠隔操作の通信品質など、工場とは違う条件が効いてきます。ヒューマノイド向きかどうかは、作業の多様さだけでなく、現場データを継続的に取れるかでも判断が分かれます。

導入・検討時に確認したいこと

• 三菱自動車との共同開発で、どの作業範囲から実証するのか。
• 2027年4月の生産開始に向けて、量産時の品質ばらつきをどう管理するのか。
• 視覚・力覚・触覚・遠隔操作のデータを、現場でどう収集・保管するのか。
• Keplerの再学習を行う際、現場停止や再検証がどこまで必要か。
• 工場、物流、インフラのどの現場条件まで対応を想定しているのか。

現時点で分かっていないこと

記事からは、Nの具体的な性能、価格、量産台数、保守体制は確認できません。また、三菱自動車の工場でどの工程に使うのか、京都製作所京都工場での量産化の詳細条件も不明です。Keplerの学習データ量や更新頻度も、現時点では示されていません。

ヒューマノイドやフィジカルAIは、機体そのものだけでなく、現場データの集め方と運用設計が成否を分けます。自社の現場にどう当てはめるかを考える際は、保守や運用の観点も含めて整理しておくと判断しやすくなります。

出典: ロボスタ