こんにちは！製造業のお客様を中心に技術支援をしているソリューションアーキテクトの伊藤ジャッジです。だんだん梅雨らしい気候になってきましたね。この時期といえば今年も  AWS Summit Japan 2026  です！今年も IoT の展示の出展はもりだくさんで、 こちら のブログに概要を掲載しています。ぜひ遊びに来てください。このブログでは IoT 展示内の ロボットの遠隔テレオペレーションの ブースの展示について紹介します。 背景 2026 年のものづくり白書 には、政府主導の AI ロボティクス戦略がその中にありました。AI で賢くなったロボットが、これまで自動化が難しかった市場を広げる「フィジカル AI 時代」を見据えた戦略の発表となりました。政府主導のロボティクス推進方針が明確になったことはロボットを製造する側にも使う側にも喜ばしいことですが、一方で、AI の学習に必要なデータがなければ、どんなに性能の良いロボットでも、AI を使って期待した動作をしてもらうことができません。また、学習には高品質なデータが必要となります。幸いなことに日本の産業ロボットの製造業における活用は世界でも最高水準です。そのため、産業ロボットの動作データは潤沢に存在します。政府も日本の強みとして、産業用ロボット、部品・素材、高品質な現場データを土台に、「まず社会実装してデータを取り、モデルを改善し、他分野へ横展開」という循環を確立することを勝ち筋として、上述のものづくり白書で提案しています。 データが必要ということは理解できますが、このデータ収集において大きな壁があります。実は、ロボット開発では、センサー・モーター・カメラなど多数のハードウェアを組み合わせる必要があります。しかし今までは、ロボットメーカーごとにインターフェースが異なり、各社それぞれのロボット制御言語を使用してきました。そのため、ロボットを新規導入する際は、あるロボット向けに書いたソフトを別機種に移植することはできず、一から動作、通信制御、またはデータ連携を作り込むことになり、膨大な開発コストがかかっていました。この状態は各種ロボットが連携する将来を見据えたロボットの動作データの収集という観点では、障壁と言えるでしょう。 このサイロ化したロボット開発環境の問題を解決するため、ROS が登場しました。ROS（Robot Operating System）は、上記の課題を解決するオープンソースの共通フレームワークです。標準化された通信の仕組みとツール群を提供し、開発者はハードウェアの違いを意識せずにロボットの機能開発に集中できます。さらに、ROS2 の登場をきっかけに近年では産業用ロボットメーカーも ROS2 のサポートを発表する機会が増えてきました。 デモの内容 デモのタイトルにある「遠隔テレオペレーション」（テレオペ）とは、離れた場所にあるロボットや機械を、人間がリアルタイムに操作する技術です。オペレーターは手元のコントローラーやモニター映像を通じて現場の状況を把握し、ロボットに動作指示を送ります。ロボット側のカメラやセンサーの情報がネットワーク経由でオペレーターに返されることで、あたかも現場にいるかのように作業できます。この技術により危険な環境（災害現場、高所、有害物質のある場所）や、人がすぐに行けない遠隔地での作業を安全に行えています。 このテレオペのデモでは AWS の IoT サービスを利用し、 Web の UI を見ながらゲームコントローラーを操作することで、クラウド経由でロボットを操作します。 このデモで利用している実機のロボットは、世界中の生産現場でも利用されているセイコーエプソン株式会社製の高速・高精度な垂直多関節（6軸）ロボット( CX4-A601S )を利用しています。セイコーエプソン株式会社では自社のロボットに対応した ROS2 パッケージ を公開しており、デモでは ROS2 経由で操作しています。 このデモでは同時にデジタルツインとしての Amazon EC2 上で実行されている NVIDIA Isaac SIM にも情報が送られるため、カメラの映像だけではなく、シミュレーション環境上でもロボットの動作を確認することができます。 セイコーエプソン株式会社の ROS2 パッケージ では実機を利用せず、Rviz (3D 可視化ツール)で動かすモードも用意されているため、シミュレーション環境の中だけで動かすこともできます。それゆえ、ロボットの操作に不慣れな人でも安心して操作することが可能です。 このデモでは操作時のデータを rosbag 形式 (ROS2 上でやり取りされるメッセージを記録し、後で利用できる) に保存することも可能で、作成された rosbag は記録後にクラウドに保存されます。このデータを使うことで、クラウド上のシミュレーション環境で、同じ様に再現することもできます。また、保存された操作データは、Physical AI で利用される VLA（Vision-Language-Action）モデルの模倣学習データとして活用することができます。 今回のデモの全体の構成は下記となっています。 ぜひ、 6 月 25 日、26 日に幕張メッセで開催される AWS Summit に来場いただき、実際にご自身の手でコントローラーを操作 し、Physical AI の時代に必須となるロボット動作データ生成と収集を体験しに来てください！ デモは AWS Expo の AWS for Industries Zone に展示しています。 伊藤ジャッジ向子 (Ito, Judge Sakiko) 米国での開発者経験を経て、AWSのサポートに入社し、異動しエンタープライズ事業本部でソリューションアーキテクトとして製造業のお客様をご支援しています。趣味は山登り、クラッシックバレエと愛犬のお世話です。 Muhammad Fikko Fadjrimiratno（ふぃっこ） アマゾン ウェブ サービス ジャパン合同会社 ソリューションアーキテクト 不動産・建設業界のお客様を中心に、AWS 利用をご支援しているソリューションアーキテクトです。好きな領域はロボットとIoTと機械学習であり、最近はロボット分野での生成AIの活用にチャレンジしています。趣味はフライトシミュレーター、冬はスノーボードです。 市川 純 プロトタイピングソリューションアーキテクト AWS では IoT に関連するプロトタイピングを支援する、ソリューション アーキテクトとして、お客様の IoT 関連案件を支援しています。

こんにちは、ソリューションアーキテクトの松永です。 本記事では、 2026 年 6 月 25 日（木）と 26 日（金）の 2 日間、幕張メッセで開催される AWS Summit Japan 2026 のブース予告をお届けします。製造業に関する展示は AWS Expo 内の AWS for Industries です。このブログでは、その中から「生産ラインの未来」と題して AI エージェントが生産ラインのボトルネックを検知し改善までつなげるテーマについてご紹介します。製造業関連の全ブース紹介は こちらのブログ記事 をご覧ください。 このブースで体験できること 突然の増産指示、サプライチェーンの途絶、設備の予期せぬ故障——製造現場では、こうした外部環境の変化に即座に対応しなければなりません。しかし現実には「何が影響を受けるのか」を把握するだけでも、ERP・MES など複数システムを手作業で横断確認する必要があり、原因特定から改善策の立案、そして生産ラインの設計書を参照しながら生産プログラムを改修・検証するプロセスまでを含めると、熟練者でも数時間を要します。さらに、生産ラインの変更は大きな意思決定を伴い、スピード感を持った対応が難しいのが実情です。このブースでは、そんな課題を AI エージェントがどう解決するかを実演します。ナレッジグラフと IoT リアルタイムデータを活用し、影響分析→ボトルネック検出→改善策提案→生産ラインの制御方法の変更案の生成までを、 AI エージェントで一気通貫に行うデモを体験いただけます。 このブースの注目ポイント 会社の工場 → 生産ライン → 設備 → 部品 → サプライヤーの関係をナレッジグラフ（オントロジーマップ）で構造的に可視化し、 AI エージェントが活用しやすいデータ構造を事前に準備します 生産ラインをデジタルツイン化し、各工程のサイクルタイム vs タクトタイムを比較することで、ボトルネック発生時の要因特定を容易にします 生産ラインの動作を制御する PLC プログラムの変更案まで実装します 従来は熟練者が数時間かけていた「原因分析 → 対策立案 → 実装案作成」をエージェントとの会話だけで体験いただけます カメラ映像のような非構造化データも AI エージェントが活用できることで、よりマルチモーダルに工場の状況の変化点を監視できるようになります デモの概要 外部環境の変化として、需要の増加をAIエージェントが検知します ダッシュボード上で増産する手立てがないか AI エージェントに相談します AI エージェント が社内に今の生産ラインの稼働状況と蓄積されたデータを確認し、生産工程のボトルネックを検出します AI エージェントが工程設計書を参照し工程の一部をスキップすることを提案します AI エージェントは提案するだけでなく、該当の生産設備の PLC プログラムを改修します カメラの映像も活用することでセンサーデータではわからない生産ラインの異常を検知します 改修したプログラムを生産ラインに直接反映するのではなく、ソフトウェア定義型ファクトリーが用意したシミュレーション環境と連携し、PLC プログラムの事前検証をします 検査を終えたら生産ラインに PLC プログラムを反映します （生産ラインのオントロジーマップ） （デジタルツインと AI エージェントの動作） 使用している AWS サービス Amazon Neptune ：BOP・BOM・在庫・生産オーダー・設備・サプライヤーの関係をナレッジグラフとして格納し、影響範囲の調査に利用 AWS IoT SiteWise ：設備のリアルタイム稼働データ（サイクルタイム等）を収集・構造化 Amazon Bedrock , Amazon Bedrock Knowledge Bases ：工程設計書・PLC コーディング規約の参照 Amazon Bedrock AgentCore ：AI エージェントの推論基盤 Amazon Kinesis Video Streams ：工場に設置されたカメラ画像の利用 AWS IoT Greengrass ：工場に設置されたセンサー・カメラをクラウドに接続するために利用 アーキテクチャ 下記の図がデモのアーキテクチャです。エッジ側では IoT SiteWise が設備の稼働データをリアルタイムに収集し、クラウド側では Neptune にナレッジグラフ、DynamoDB に生産管理データを格納しています。 AI エージェント（Amazon Bedrock AgentCore）がこれらのデータソースと Bedrock Knowledge Bases（工程設計書・ PLC コーディング規約）を横断的に参照し、ユーザーの質問に対して根拠のある回答を生成します。 （アーキテクチャ図） このブログから、需要の増加のような外的環境の変化に対して AI エージェントが自律的に生産ラインを最適化する新しい工場の姿に興味を持って頂けますと幸いです。 AWS Summit の現地ではデモも公開しておりますので、ぜひ体験しに来てください。 著者について 松永 充弘 (Mitsuhiro Matsunaga) シニア ソリューションアーキテクト 製造業のお客様を担当するソリューションアーキテクトです。クラウド × データ × AI でお客様のビジネスを支援しています。前職では製造業にて、機器の IoT 化、AI 活用を担当していました。 新澤 雅治 (Masaharu Niizawa) IoT Specialist Solutions Architect 製造業、 IT 企業 を経て AWS に 入社。現在は IoT スペシャリストソリューションアーキテクトとして、主に製造業のお客様の Industrial IoT 関連案件の支援に携わる。

はじめに 本記事では、JC-STAR (Japan Cyber-Security Technical Assessment Requirements) において、IPAが先日（2026年2月）公開した ★3（レベル3）適合基準・評価手順（評価手法・評価ガイド） をもとに適合レベル★3の概要をまとめました。 JC-STARとは JC-STAR（Japan Cyber-Security Technical Assessment Requirements）は、経済産業省とIPA（情報処理推進機構）が主導するIoT製品向けのサイバーセキュリティ認証ラベリング制度です。 IoTデバイスのセ