ロボットに「全身の触覚」を。Sharpaの狙いはどこにあるのか？
Sharpaはデータグローブと巧緻なロボットハンドでデータフライホイールを構築し、熟練工の技術をロボットの触覚に変換している。視覚による位置特定から全身の触覚へ、具身知能の実装ロジックが根本的に変わりつつある。
2026年9月末のIROS（国際インテリジェントロボット・システム学会）展で、SharpaはD01ロボット、W02巧緻なロボットハンド、AE01データグローブという3つのフラッグシップモデルを連続で発表しました。直後の10月7日には、シンガポール経済発展庁（EDB）が同社創業者のインタビューを公開しています。この企業の野心は明確です。ロボットを「見て掴む」段階から「触れて掴む」段階へと進化させることです。
ロボットアームに神経系を。何が変わるのか？
報道によると、Sharpaが注力するコア事業は「器用な操作（dexterous manipulation）」です。これまでのロボット作業は主に視覚による位置特定に頼っていましたが、今後は「全身の触覚」を獲得しようとしています。簡単に言えば、ロボットはもはや部品がどこにあるかを見るだけでなく、部品を掴んだ際の圧力や滑り、さらには質感まで感知できるようになるということです。別の角度から見れば、これは冷たい機械のアームに神経系を備えさせるようなものです。現場の作業者にとって、これは単なる生産ラインのアップグレードにとどまりません。これまで極めて高い手感覚を求められ、熟練工の「勘」に頼らざるを得なかった精密作業を、ようやくロボットが担えるようになることを意味しています。
熟練工の技術をコードに「移植」する3つのステップ
これら3つの製品を組み合わせることで、完全な「データフライホイール（データ収集と活用が循環し、加速的に成長する仕組み）」が構築されます。具体的な実装は3つのステップで進みます。 第一步：人間の熟練工がAE01データグローブを装着して実物を操作する。 第二步：システムが指の微調整や力の入れ具合をリアルタイムで記録する。 第三步：W02ロボットハンドとD01ロボットがそのまま模倣して実行する。 あるシーンを想像してみてください。自動車エンジン工場で、熟練の金属加工職人である李さんがデータグローブを装着し、不規則な形状の部品を掴んでいます。彼の指の微調整のすべてが記録されるのです。これはまるで、ロボットに専属の師匠を付けたようなもので、彼の「筋肉の記憶（反復練習によって体に染み付いた動作）」がデジタル化され、直接ロボットに伝授されて模倣されます。 しかし、ここには対比があります。李さんはロボットに金属部品の掴み方を教え込みましたが、もし表面が滑らかなプラスチック部品や材質の異なるゴム部品に変わった場合、ロボットは途端にうまく扱えなくなるかもしれません。特定の異形部品用に訓練された「筋肉の記憶」は、他の物体にそのまま適用できるわけではないのです。 ここで注意すべきは、この「技術の移植」過程における物理的な消耗と人的な摩擦です。データグローブを長期間高頻度で使用すれば、センサーの精度劣化により「移植」されたデータが歪む可能性があります。より現実的な問題として、素手で作業することに慣れたベテラン従業員に、毎日グローブを装着してデータを収集させることへの協力意欲や、追加の研修コストは、中小製造業がこのようなソリューションを導入する際に必ず計算に入れなければならない勘定です。もし異なる場面への汎化能力（学習した知識を未知の状況に適用する能力）が確立されなければ、これらの巧緻なロボットハンドは、単一の生産ライン内で「熟練工」として限定された役割しか果たせなくなるでしょう。
シンガポールを選んだ理由、安価な労働力ではない
EDBのインタビューで、Sharpaの創業者は具身AIの拠点としてシンガポールを選んだ理由を明かしました。多くの人々は製造能力を重視したと考えますが、実はそうではありません。一つの解釈として、シンガポールは「スーパーテストベッド（大規模な実証実験の場）」を提供しているということです。具身AIが現実世界で実装される際、最も恐ろしいのは事故が起きた際に誰も責任を取ってくれないことです。シンガポールはルールの明確度が極めて高く、社会の新技術に対する許容度も比較的寛容です。 従来の製造業の海外進出が人件費や土地コストばかりに注目していたのとは対照的に、現在のAI企業の拠点選定ロジックは変化しています。これはまるで、中国のEV（電気自動車）メーカーが欧州に工場を建設する際、市場だけでなく現地の成熟した法規制体系を重視するのと同じです。将来の具身知能の競争は、サプライチェーンの拠点だけでなく、「失敗を許容する」制度環境とデータコンプライアンスの明確さにも懸かっています。ここを最初の拠点とすることで、企業はルールの明確な環境で迅速にイテレーション（改善の繰り返し）を行え、曖昧なグレーゾーンで試行錯誤する必要がなくなります。
「暗記」から「応用」へ、万能ロボットメイドまではまだ遠い？
業界全体は今、パラダイムシフトの真っ只中にあります。「事前プログラミングによる実行」から「経験の模倣」への転換です。以前はロボットに決められたコード通りに動かしていましたが、今は人間の経験を学ばせます。まさに「レシピ通りに料理する」ことから「味見をして塩加減を微調整する」ことへ変わったようなものです。 しかし、異なる場面への汎化能力は依然として将来の核心的な変数です。これはつまり、「万能ロボットメイド」の実現にはまだ距離があるものの、特定の工業シーンにおいては、この「経験の模倣」がすでに一部の過酷な反復作業を確実に代替できていることを意味します。製造業の経営者にとって、ロボット1台ですべての工程を賄おうと期待するのではなく、まずは最も手感覚を要する単一の工程に配置して検証を重ねることが、現実的な第一歩となります。
今日のポイント： 具身知能の実装において、ハードウェアは単なる入場券に過ぎません。熟練従業員の「筋肉の記憶」を劣化なくデータフライホイールに変換し、許容度の高いテスト環境を見つけ出すことこそが真の実力なのです。