2026年ロボット企業マップ — ヒューマノイド激戦とVLAモデル、そしてエンジニアの参入経路

はじめに — なぜ今、ロボットなのか
第1部 — 企業マップ: ハードウェア × 頭脳 × 市場
第2部 — VLAモデルの系譜: RT-2からGR00T N2まで
第3部 — ソフトウェアスタック: エンジニアが触るもの
第4部 — エンジニアの参入経路
おわりに
参考資料

はじめに — なぜ今、ロボットなのか

ひとつの数字から始めます。2026年の世界のヒューマノイド出荷台数の見通しは5万台以上 — 前年比約7倍です。140を超える企業が1万6,000ドルから25万ドルまでのヒューマノイドを作っており、LLMブームの資本と人材が「次の基板」を求めて押し寄せている場所が、まさにここです。変化の引き金はハードウェアではなく頭脳でした — LLM/VLMの能力をロボットの行動へつなぐVLA(Vision-Language-Action)モデルの登場により、「ロボットはプログラムされた動作しかしない」という数十年来の限界が崩れ始めました。

この記事では三つの層で地図を描きます — 企業(誰が作っているのか)、モデル(頭脳はどう進化したのか)、スタック(エンジニアは何を触るのか)。

第1部 — 企業マップ: ハードウェア × 頭脳 × 市場

アメリカ — 資本と基盤モデルの戦場

Figure — この盤面の資本リーダーです。OpenAI主導の大型ラウンドでバリュエーションは約390億ドル。戦略の核心はハードウェアではなく自社VLAモデルのHelix — 「身体は手段、堀(moat)はエンボディドAI」という賭けです。Figure 03が現行プラットフォームです。
Tesla — Optimusは外部からの資金調達ではなく製造スケールに賭けます。Gen 3は2026年夏の量産開始が目標 — 「自動車工場を持つ会社がロボットを量産する」というシナリオの試金石です。
Physical Intelligence (π) — ロボットは売りません。あらゆるロボットに移植できる汎用頭脳(π0、π0.5)を作るソフトウェア企業で、拡散(diffusion)ベースのアクション生成で器用さ(dexterity)のベンチマークをリードしています。パートナーシップ経由でしか使えないクローズドモデルである点が、OpenVLAとの対比ポイントです。
1X — 家庭用ヒューマノイドNEOで、最難関の環境である「家の中」に真正面から挑みます。Apptronik(Apollo)とAgility Robotics(Digit)は、最も現実的な市場である物流・倉庫で商用配備を積み上げている最中です。Boston Dynamicsは油圧を捨てた電動Atlasで、研究の名門から商用プレイヤーへと転換しつつあります。

中国 — 価格と物量

Unitree — この盤面の価格破壊者です。4足歩行ロボットで培った量産能力でヒューマノイドG1を低価格帯に押し出し、2025年だけで5,500台以上を出荷 — 台数ベースで世界の先頭を走ります。バリュエーションは約13億ドルと、資本はFigureの30分の1ですが、「まず安く大量にばらまいてデータを集める」という戦略は侮れません。その後ろではUBTech、Fourier、AgiBotなどが、中国の製造エコシステムを背に追い上げています。

韓国 — 製造強国の静かな参戦

Rainbow Robotics — KAISTのHUBOの系譜を継ぐ会社で、Samsung Electronicsが筆頭株主となり、グループのロボット戦略の軸になりました。Doosan Roboticsは協働ロボット(コボット)の強者として産業現場を押さえつつあり、Hyundai Motor Group傘下のBoston Dynamicsまで含めると、「韓国資本が握るロボットポートフォリオ」は思いのほか大きいのです。

注目すべきは三つの軸の組み合わせです — ハードウェア(アクチュエータ・ハンド)、頭脳(VLA)、市場(工場→物流→家庭)。Figureは頭脳の垂直統合、Teslaは製造、Unitreeは価格、πは頭脳の水平販売と、それぞれ異なる軸に賭けています。

第2部 — VLAモデルの系譜: RT-2からGR00T N2まで

VLAは「画像を見て(Vision)、指示を理解し(Language)、モーター命令を出す(Action)」をひとつのモデルで行います。系譜をたどれば、現在地が見えてきます。

RT-2 (Google DeepMind, 2023)    VLMをロボット行動へつないだ概念実証 — 「インターネットの知識が腕へつながる」
OpenVLA (2024)                  7BのオープンソースVLA — 誰でもダウンロードしてファインチューニングできる出発点
π0 (Physical Intelligence)      拡散ベースの連続アクション — 器用さの新基準、クローズド
Helix (Figure)                  「速い反射 + 遅い推論」の二重システム、ヒューマノイドの上半身制御
GR00T N1 → N1.6 → N2 (NVIDIA)   公開ウェイトのヒューマノイド基盤モデル — N1.6は3Bパラメータ、
                                N2は30+自由度のヒューマノイドを第一の設計対象とした初の大型VLA

技術の流れは三つだけ覚えれば十分です。第一に、行動表現の進化 — 離散トークン(RT-2)から拡散/フローマッチング(π0)へ、滑らかで精密な連続制御へ。第二に、データ戦略 — ロボットの実機データは高価なので、Webビデオや一人称視点の映像で世界のダイナミクスを先に学び(V-JEPA 2、GR00Tの潜在行動事前学習)、ロボットデータで整列させる2段構成が標準になりつつあります。第三に、ワールドモデルとの融合 — NVIDIA Cosmosのようなワールド基盤モデルがVLAのバックボーンへ吸収され、「行動の結果を想像してから動く」方向に進化しています。このデータパイプラインの感覚はLLMデータ前処理編とまったく同じ文法です — 素材がテキストから映像・軌跡へ変わっただけです。

第3部 — ソフトウェアスタック: エンジニアが触るもの

レイヤー             ツール                      役割
──────────────────  ─────────────────────────  ────────────────────────────
シミュレーション      NVIDIA Isaac Sim / Lab     フォトリアルな物理シミュ + 強化学習フレームワーク
                    MuJoCo                     研究標準の軽量物理エンジン (DeepMind)
ミドルウェア          ROS 2                      ロボット界のLinux — ノード・トピック・アクション通信
基盤モデル           Isaac GR00T (Nシリーズ)     公開ウェイトのヒューマノイドVLA
学習フレームワーク    LeRobot (HuggingFace)      ロボット界のTransformers — データセット・ポリシー・実機学習
データ               Open X-Embodiment          数十種のロボットの軌跡を集めた共同データセット

特筆すべきはsim-to-realパイプラインの標準化です — Isaac Labで大規模並列強化学習によりポリシーを作り、ドメインランダマイゼーションで現実とのギャップを縮めて実機へ移植する流れが、事実上の教科書になりました。そして、この学習が回る場所こそマルチGPUクラスタです — ロボットAIはLLMインフラの隣人なのです。

第4部 — エンジニアの参入経路

「ロボット企業はロボット工学の博士しか採用しないのでは?」 — もはやそうではありません。VLA時代のロボット企業は実質的に巨大なMLインフラ + データエンジニアリング組織であり、求人票の半分は職種知識マップにある技術です。現実的な3ステップの経路はこうです。

LeRobotから始める — ノートPC上で公開データセットを使ってポリシーを学習させ、余裕があれば低価格ロボットアーム(SO-ARM系)で実機まで試します。「エンドツーエンドで一度やってみる」のロボット版です。
論文3本を精読する — OpenVLA(オープンソースの基準点)、π0(拡散アクション)、GR00T N1(ヒューマノイド基盤)。この3本で現在の地形の座標系がつかめます。
シミュレーションの実力をつける — Isaac LabまたはMuJoCoで強化学習パイプラインを一度回してみれば、ロボットチームの面接で話が通じるレベルになります。

既存のMLエンジニアにとってロボットは「新しい分野」というより、分布が奇妙でレイテンシ要件が過酷な、もうひとつのデプロイ環境です — そしてその視点こそ、この業界がいままさに渇望している人材の視点なのです。

おわりに

2026年のロボット産業は、「ハードウェアのデモ」の時代から「頭脳と物量」の時代へ移りつつあります。Figureの390億ドルとUnitreeの5,500台は同じ盤面の上にある二つの戦略であり、その盤面の共通言語がVLAです。LLMインフラで働いてきたエンジニアなら — あなたの技術はすでに半分ほどロボットの技術です。残りの半分は、物理世界が教えてくれるはずです。