Skip to content
Published on

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

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

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。

  • AGV: 経路が静的、インフラ工事が必要、人と分離した動線が必須
  • AMR: 経路が動的、インフラ不要、人と同じ通路を共有

代表的なAMR/AGVプレイヤーは以下の通り。

  • Locus Robotics — Locus Origin: 米国。「協働ピッキング」カテゴリの事実上の標準。DHL/GXOとグローバルパートナーシップ。
  • 6 River Systems: Shopifyが2019年に買収した後、2023年7月にOcadoへ売却。現在はOcado Intelligent Automation傘下。
  • GreyOrange Ranger: インド発、グローバル拡大中。マルチエージェントオーケストレーションGreyMatterが核。
  • Geek+: 中国発、EQTが2024年に投資。APAC+欧州で強い。
  • Hai Robotics: ケースハンドリング+トートハンドリングACR(Autonomous Case-handling Robot)カテゴリの開拓者。
  • Quicktron: 中国発、Cainiao(アリババ物流)と深く統合。
  • Fetch Robotics: Zebra Technologiesが2021年に買収、Symmetric Vision系列に統合。
  • Vecna Robotics: 米国、大型荷物用の自律フォークリフト/パレットジャックに集中。
  • inVia Robotics: 米国、SaaSモデル(「Robotics-as-a-Service」)で中堅倉庫を狙う。
  • MiR — Mobile Industrial Robots: デンマーク発、Teradyne子会社。産業/病院/小売バックオフィスまで多様。
  • OTTO Motors: カナダ発、2023年10月にRockwell Automationが買収。大型AMRに強い。

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。

  • AutoStore: ノルウェー発。3Dキューブグリッド+上部走行ロボットがトートを引き上げる。グローバル小売全般の事実上の標準。
  • Symbotic: 米国発、Walmartとマルチサイト契約。2022年6月のIPOで時価総額約110億ドル到達。マルチエージェントケースハンドリングの極み。
  • Exotec — Skypod: フランス発、3Dグリッド+自社シャトル。Uniqlo/Decathlon/Gapが採用。
  • Hai Robotics: ACRラインに加えてG2Pケース/トートシステムも保有。
  • Swisslog AutoStore + CarryPick: KUKA子会社。AutoStore統合+自社モバイルシャトル。
  • Knapp: オーストリア発。OSR Shuttle Evo + Pick-it-Easy。
  • TGW Logistics: オーストリア発。FlashPick + Stingrayシャトル。

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。

  • BG Flex AI: モバイルピッキングセル、AMR+ピッキングアーム統合。
  • BG Sort with AI: AIビジョンベースソーター、ラベルなしでSKU認識。
  • BG Picking: セル型ピースピッキング、真空+フィンガーグリッパのデュアル。

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。

  • Covariant: 米国発。マルチタスクtransformerスタイル「RFM(Robotics Foundation Model)」で有名。2024年8月にAmazonがコア創業者3名+主要エンジニア+ライセンスを取得(「リバースacqui-hire」)し、事実上吸収。Covariant法人は残存。
  • RightHand Robotics: 米国発。RightPickシリーズ。ABBが2024年11月に買収、ABB Roboticsへ統合。
  • Pickle Robot: 米国発。トラック荷下ろしに特化。箱を1個ずつ持ち上げるフォームファクター。
  • Plus One Robotics: 米国発。Yonderというクラウド監視のコントロールプレーンが特徴。
  • Mujin: 日本発。PLC代替級の決定論的モーションプランナー「MujinController」が核。Sequoia/Toyota AI Venturesが投資。
  • Soft Robotics: 米国発。真空+ソフトフィンガーのデュアルグリッパ。2023年にOnto Innovationが主要IPを取得。

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。

  • Kiva → Hercules → Pegasus → Proteus: モバイルドライブユニットのラインアップ。
    • Proteus(2022公開): Amazon初の完全自律AMR。人と隔離された檻なしに一緒に働く。
  • Sparrow: ピースピッキングアーム。真空+カメラ+ML認識。2022年11月公開。
  • Cardinal: 自律ソーター。パッケージをGoCartに分類。
  • Sequoia: コンテナ保管+ピックアップ自動化。2023年10月公開。
  • Digit(Agility Robotics): 2023年10月にパイロット発表。二足ヒューマノイドをAmazon施設内でトート運搬テスト。

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。

  • AutoStore: ノルウェー発。グローバル1,500以上のサイト。R5 → Black Line → Carousel Portと進化。
  • OPEX iBOT: 米国発。Perfect Pick + Sure Sort + Infinity G2P。シャトルがグリッドを横/縦/垂直すべて自律走行する点が差別化要素。
  • Element Logic: ノルウェー発、AutoStoreインテグレーターから出発しeOperator(ソフトウェア)/eOperator Visionへ拡張。

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。

  • Tompkins Robotics — tSort: 米国発。AMR 1台当たり1パッケージをシュートへ分類。モジュラーセットアップが核。
  • Body of Knowledge AGVs: モジュラーAMRソーター+WCS(Warehouse Control System)の組み合わせ。
  • Numina Group: WCS専門。ソーター自体よりオーケストレーションレイヤーで差別化。
  • Honeywell Intelligrated: 伝統的大型ソーター+自律ソリューションの結合。
  • Bastian Solutions: Toyota Industries子会社。システムインテグレーションに強い。

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。

  • Agility Robotics — Digit: 米国オレゴン発。DoorDashラストマイル、GXO倉庫、SpanxのAmazon施設パイロット。RoboFab(米国初のヒューマノイド量産工場)が2023年9月に稼働。Manufacturing-as-a-Serviceの標準に近い。
  • Figure 02: 米国カリフォルニア発。BMW Spartanburg工場と正式商業パートナーシップ。2024年8月発表。
  • 1X — Neo + NEO Gamma: ノルウェー発。家庭用デモで有名。2025年にNEO Gammaへ進化。
  • Apptronik — Apollo: 米国テキサス発。Mercedes-Benzと2024年3月にパイロット契約。NASA Valkyrieの系譜。
  • Boston Dynamics — Atlas: 米国マサチューセッツ発。現代自動車の子会社。2024年4月に電動の新Atlasを公開し、油圧式旧型を引退させた。
  • Tesla — Optimus: 米国テキサス発。2025年から自社工場内部テスト。2026年の外部パイロットはまだ限定的。
  • Sanctuary AI — Phoenix: カナダのバンクーバー発。テレオペレーション+自律モード。Magnaとパートナーシップ。

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。

  • Isaac Sim: Omniverseベースのフル物理シミュレータ。RTXレイトレーシング+正確な物理。
  • Isaac Lab: GPU加速強化学習(RL)フレームワーク。数万環境を並列学習。
  • Cosmos: ワールドファンデーションモデル。合成ビデオデータ生成器。2025年1月発表。
  • Isaac Manipulator: 6/7-DOFマニピュレータ向けの事前学習ポリシー集。
  • Isaac Perceptor: マルチカメラBEV認識スタック。
  • GR00T N1: ヒューマノイドファンデーションモデル。2025年3月公開。

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。

  • Manhattan Associates Active Warehouse Management: グローバル1位のWMS。2023年以降のクラウドネイティブリライトで事実上の標準。
  • Blue Yonder WMS: Panasonic子会社。Luminate Logisticsプラットフォーム。
  • SAP EWM (Extended Warehouse Management): ERP統合が強み。大企業/製造業で強い。
  • Korber Supply Chain (旧HighJump): K.Motion WMS。中堅市場で強い。
  • Oracle WMS Cloud: クラウドネイティブ、OCIと深く統合。
  • Infor WMS: クラウド+AIベースのスロッティングで差別化。

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。

  • Universal Robots: デンマーク発、Teradyne子会社。UR3e/UR5e/UR10e/UR16e/UR20/UR30ラインアップ。
  • Doosan Robotics: 韓国発。M/H/Aシリーズ。2024年に米国法人を強化。
  • Techman Robot: 台湾発。Quanta子会社。ビジョン内蔵が差別化。
  • AUBO Robotics: 中国発。グローバルOEM供給。
  • FANUC CRX: 日本発。産業ロボットの巨人のコボットライン。
  • ABB GoFa + YuMi: スイス発。ABB GoFaは単腕、YuMiは双腕。

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。

  • Doosan Robotics: コボット市場グローバル4位圏。2023年10月にKOSPI上場。M/H/Aシリーズ+AI学習用Dart-Suite。
  • HD Hyundai Robotics: 産業ロボット+AMR。現代自動車グループ向け供給に強く、グローバルOEM供給も拡大。
  • LG Electronics CLOi: サービス/物流の両面。CLOi CarryBot、CLOi ServeBot。
  • CJ大韓通運TES: TES Innovation Center。AIベースのフルフィルメント運営+自社AMR。
  • Coupang自動化フルフィルメント: Coupang Camp。自社ソーター+AMR+コンベアを統合運用。
  • 現代Glovis: グローバル物流自動化ソリューション+自社WMS。
  • LIGS、GIANTSTEP、Robotis: 中堅の自社AMR/ロボティクスソリューション。

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。

  • Mujin(ミューニン): 東京発。決定論的モーションプランナーMujinController。Sequoia/Toyota AI Venturesが投資。ABB、KUKA、FANUC、URロボットとモデル横断で互換。
  • ZMP — CarriRo + Robot Warehouse: 東京発。CarriRoは無人運搬車。ZMP Robot WarehouseはG2Pソリューション。
  • Hitachi Industrial Products: AMR+産業ロボット+システムインテグレーション。
  • FANUC: 山梨発。産業ロボット世界1位。CRXコボットラインを拡大。
  • Daifuku: 大阪発。世界最大のマテリアルハンドリング企業。AS/RS、ソーター、AGV全領域。
  • Murata Machinery(村田機械): 京都発。AS/RS+シャトルシステム。
  • GROUND Inc.: 東京発。AIベース倉庫運営プラットフォームIntelliGen WES。
  • Rapyuta Robotics: 東京発。ETH系の創業者。クラウドロボティクス。
  • Toyota Industries: トヨタ子会社。AS/RS+フォークリフト自動化を世界供給。

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。

  • Zipline: 米国発。医薬品ドローン配送のグローバルリーダー。ルワンダ・ガーナから始まり、米国都心P2システムへ拡大。
  • Wing(Alphabet): オーストラリア、米国、フィンランドで商業運営。
  • Amazon Prime Air: 米国テキサス・カリフォルニアで限定運営。2025年MK30新型ドローン。
  • MissionGO: 米国発。医薬品/臓器搬送に特化。
  • Manna: アイルランドのダブリン発。欧州都市型ラストマイル。
  • PabloAir: 韓国発。ドローン群飛行+ラストマイルソリューション。
  • Matternet: 米国発。医薬品P2P。
  • Skyports: 英国発。インフラ(vertiport)+運営。
  • Starship Technologies: エストニア/英国発。歩道ロボットラストマイル。
  • Nuro: 米国発。自律ラストマイル車両。

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。

  • Soft Robotics (Onto Innovation): ソフトフィンガーグリッパ。
  • Schmalz: ドイツ発。真空グリッパの標準。
  • Schunk: ドイツ発。メカニカルフィンガーの標準。
  • OnRobot: デンマーク発、Teradyne子会社。コボット向けグリッパ+ビジョン統合。
  • Robotiq: カナダ発。コボット向けグリッパ+力トルクセンサ。
  • Photoneo: スロバキア発。3Dビジョン+ビンピッキング。
  • Zivid: ノルウェー発。3Dカラーカメラ。
  • Roboception: ドイツ発。組み込み3Dビジョン。

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。

  • NVIDIA Isaac Sim + Lab: (上記)
  • MuJoCo: Google DeepMind買収後にオープンソース化。強化学習の標準。
  • PyBullet: 軽量オープンソースシミュレータ。
  • Gazebo (Open Robotics): ROS標準シミュレータ。
  • CoppeliaSim: 商用+教育用。
  • Drake (Toyota Research Institute): 正確な動力学+MPC親和。

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。

  • Walmart + Symbotic: 2025年までに米国全RDC(Regional Distribution Center)へSymbioticシステムを展開する契約。マルチサイト、数十億ドル規模。
  • GXO Logistics: グローバル3PL 1位。Locus、6 River、Boston Dynamics、Agilityなど多種のロボットを同時導入。
  • DHL Supply Chain: Locus+Boston Dynamics Stretchで箱の荷下ろし。
  • Ocado: 英国グローサリー。自社OSP(Ocado Smart Platform)+自社G2Pキューブシステム。2023年7月に6 River Systemsを買収。
  • Coupang自動化フルフィルメント: 自社AMR+一部Locus導入。
  • Amazon: 自社Roboticsスタック。2026年までに75万台以上のロボット運用と推定。
  • Alibaba Cainiao: 中国発。Geek++Quicktron+自社AMR。

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。

  • AMRが事実上の標準、AGVは新規導入から消えていく。
  • G2PはAutoStore(トート)・Symbotic(ケース)・Exotec(中間)でカテゴリ化。
  • ピースピッキングは2024年のCovariant Amazon合流以降、ファンデーションモデル時代へ。
  • ヒューマノイドはパイロットだが測定可能なKPIで回っている。
  • NVIDIA Isaac Sim/Lab/Cosmosが学習データのコストカーブを刷新した。
  • 韓国・日本は新築+密集都心環境に強い。

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

Discuss on Twitter • View on GitHub