提案書の「模倣学習」「成功率」「追加学習」は、発注側にとって何を決める言葉か

フィジカルAIのロボットについて提案書や見積を受け取ると、「模倣学習」「成功率」「追加学習」のような言葉が、説明なしに並んでいることがあります。意味を調べると、仕組みの解説は見つかります。ただ、工場長や生産技術の担当者が知りたいのは、仕組みの詳しさより、「この言葉が出てきたとき、自分は何を決め、相手に何を聞き返せばよいのか」ではないでしょうか。この記事の答えは、提案書の言葉を「学ばせ方」「測り方」「変え方」の三つに分け、言葉ごとに、発注側が決める事項と、書面で聞き返す質問に置き換える、というものです。

技術の優劣（どの学習方式がよいか）、仕組みの詳細、モデル名・製品名、性能の数値は扱いません。言葉の意味は、公開されている解説で確認した範囲の説明に沿って一文にとどめ、「〜と説明されています」の形で書きます。契約書の文言や、個別の提案の適否は、法務・専門家に確認してください。フィジカルAIと従来の自動化の違いは、別の記事で扱っています。

この記事で使う二つの言葉

決める事項とは、この記事では、提案書の言葉の背後にあって、書面で決まっていないと見積や検収の前提が相手の側にだけ残る、発注側の取り決めの項目を指します。聞き返す質問とは、その事項を書面で出してもらうための問いを指します。

同じ言葉でも、提案書によって指す範囲が違うことがあります。そのため、どの言葉にも共通する最初の質問は、「この提案書では、この言葉は何を指していますか」です。

言葉は、「学ばせ方」「測り方」「変え方」のどれかを語っている

次の表は、言葉を読み分けるためのこの記事の整理です。決まった分類ではなく、一つの言葉が複数の働きにまたがることもあります。

働き	提案書に出てくる言葉の例	発注側が先に決める事項	詳しく扱っている記事
学ばせ方	模倣学習、強化学習、シミュレーションでの学習	お手本や試行の材料を、誰が、いつ、どの条件で用意するか。実機で確かめる範囲をどこまでにするか	現場データの取り方、実機で確かめる記事
測り方	成功率、介入、汎化	何を1回と数え、何を分母に入れ、人の手助けをどう扱うか。どの範囲で動くことを期待するか	検収の記事
変え方	追加学習、ファインチューニング、再学習	誰が提案し、誰が承認し、費用と受け入れ直しをどちらが持つか	運用体制の記事、費用の記事

学ばせ方の言葉：お手本や試行の材料を、誰が用意するのか

「模倣学習」と書いてあったら

公開されている解説では、模倣学習は、人間や既存の制御装置が実際に動かした動作を記録し、それを再現できるようにモデルを訓練する手法と説明されています。学習に使うデータとしては、遠隔操作で集めた実演の記録のほか、人の動作の動画、公開されているデータセット、シミュレータ上で作ったデータを組み合わせる、とも説明されています。

提案がお手本を前提にしているなら、お手本の材料を誰が用意するかは、発注側の決めごとになります。どの作業を、どの条件で、誰が実演するのか。失敗や例外の場面も残すのか。取った記録は誰のものか。ここが書かれていないと、見積に入っていない工数が、現場の側に残るおそれがあります。

聞き返す質問は、次のとおりです。

• この提案書の「模倣学習」は、誰が操作した、どの作業の記録を使う前提ですか
• お手本は、どれだけの量を、いつまでに集める計画ですか。その作業の工数は、誰の分として見積に入っていますか
• 失敗や例外の場面を、お手本に含める計画ですか
• 集めた記録と、そこから作ったモデルは、契約が終わったあとに誰の手元に残りますか

何を撮るか、失敗をどう残すか、誰のデータかは、現場データの取り方の記事で詳しく扱っています。

「強化学習」と書いてあったら

公開されている解説では、強化学習は、自律的に動くものが環境との試行錯誤から意思決定を学ぶ機械学習の一種で、ロボットが定義された作業を正しく行うと高い点数の「報酬」が与えられ、よい行動が強まっていく仕組みと説明されています。

発注側に関わるのは、まず「何をよい結果として点数にするか」です。品質、時間、止まらないことのうち何を重く見るかは、現場の業務の要件と結び付くため、提案側が決めた内容を発注側が確認します。もう一つは、試行錯誤をする場が、シミュレーションの中か、実機かです。実機なら、試行中の動きが設備や対象物、周りの人に関わるため、安全を見る担当が誰かも先に決めます。

聞き返す質問は、次のとおりです。

• 点数（報酬）は、何で決まっていますか。品質、時間、停止の少なさなど、自社が重く見る条件は入っていますか
• 試行錯誤は、シミュレーションの中で行いますか、実機で行いますか。実機なら、設備・対象物・周りの人への影響を、誰がどう見て、いつ止めますか
• 学んだ結果の確認は、学習に使った場面とは別の場面で行いますか

安全の担当と前提条件は安全の記事に、評価に使う対象物を調整用と分ける考え方は検収の記事にあります。

「シミュレーションで学習」「シミュレーションで検証」と書いてあったら

公開されている解説では、シミュレーションの中で学習や試験を行い、そのあとで現実の環境に展開して微調整する流れが説明されています。同時に、シミュレーションで学んだ動作が現実ではうまく働かないことがある（Sim-to-Realギャップと呼ばれます）ことも、課題として挙げられています。

発注側が決めるのは、シミュレーションで済ませる確認と、実機で行う確認の線引きです。シミュレーションの結果は、模擬した範囲の中の結果なので、何を模擬し、何を模擬していないかが分からないと、報告の読みようがありません。

聞き返す質問は、次のとおりです。

• 何を模擬し、何を模擬していませんか
• 実機で確かめる項目と、その条件は何ですか
• 実機に移す判断は、誰が、どの結果をもとに行いますか

報告の読み方は、実機で確かめる記事で扱っています。

測り方の言葉：割合や「対応」の前に、数え方と範囲を書く

「成功率」と書いてあったら

成功率とは、うまくいった試行の割合を示す言葉として使われます。割合は、何を成功とするかと、何を1回の試行として数えるか（分母）で決まります。公開されている解説の一つは、VLAの評価について、共通の評価指標がまだ確立されていないことを課題に挙げています。別の解説は、学習時に近い標準条件での成功率だけを、本番の性能の根拠にしない判断が必要だと述べています。

このため、「成功率」の数字だけを見ても、提案どうしは比べにくくなります。合格の値は案件ごとに違うため、この記事では示しません。値と数え方を組にして、書面で出してもらいます。

聞き返す質問は、次のとおりです。

• 分母は何ですか。すべての試行ですか、条件を選んだ試行ですか。想定外の対象物が来た試行は入っていますか
• どの条件で測りましたか。対象物の種類、置き方、照明、続けて動かした長さ。自社の現物と現場で測った結果ですか、別の場所の結果ですか
• 自動でのやり直し、人の手助け、途中の停止は、成功、失敗、除外のどれですか
• 調整や学習に使ったものとは別の対象物で測りましたか

成功の数え方の選択肢と、その読みへの影響は、検収の記事にあります。

「介入」「人の手助け」と書いてあったら

介入とは、この記事では、ロボットの作業の途中や停止のあとに、人が手を出す、操作を補う、復旧することを指します。提案書によっては、遠隔からの補助や、停止後の復旧だけを指していることもあるため、まず何を指すかを聞きます。公開されている解説の一つは、未知の条件で評価する場面で、失敗したときに停止・再試行・人手介入のどれへ移るかを、各段階の結果とともに記録するよう書いています。

発注側が決めるのは、介入を成功に数えるか、介入する人は誰か、その工数を誰が持つか、です。介入が前提の動きは、成功率の数字に混ざると見えなくなることがあり、運用の人員の見積にも入りにくくなるおそれがあります。

聞き返す質問は、次のとおりです。

• この提案書の「介入」は、停止後の復旧、作業中の補助、遠隔からの操作のうち、どれを指しますか
• 介入が起きた回数と内容は、記録に残りますか。成功に数えない場合、別の欄で見られますか
• 介入するのは誰ですか。その工数は、見積と運用の計画のどこに入っていますか

運用の分担は、運用体制の記事で扱っています。

「汎化」「未知の対象物にも対応」と書いてあったら

公開されている解説では、汎化性能は課題の一つとして挙げられ、学習時と大きく異なる環境や物体には対応しきれないことがある、と説明されています。 「未知にも対応」「柔軟に」といった書き方は、どこまでの範囲を指すのかが書かれていなければ、確認のしようがありません。

発注側が決めるのは、動くことを期待する対象物と条件の範囲です。自社で一覧にして渡し、提案側には、確かめた範囲と、確かめていない範囲に分けて返してもらいます。

聞き返す質問は、次のとおりです。

• 動作を確かめた対象物と条件の一覧は、ありますか
• 一覧にないもの（新しい品種、照明の変化など）が来たとき、どう扱う設計ですか。止まりますか、人に知らせますか
• 一覧を広げるときは、追加の学習や確認が要りますか。その費用は誰が持ちますか

現場の変動の幅が費用や検証に響く点は、費用の記事で扱っています。

変え方の言葉：更新を提案する人、承認する人、費用を持つ人

「追加学習」「ファインチューニング」「再学習」と書いてあったら

公開されている解説では、ファインチューニングは「追加学習による調整」と説明されています。また、実機で動かして失敗の例を集め、それを追加で学習させて改善していく流れや、自社の作業に合わせるにはお手本データの収集やファインチューニングが必要になる場合が一般的であることも、説明されています。

三つの言葉が同じ操作を指しているとは限りません。まず、何を、どのデータで、どこまで更新するのかを聞きます。そのうえで、発注側が決めるのは、追加学習をするきっかけと見込む頻度、提案する人と承認する人、費用の持ち方、更新のあとに確かめ直す範囲です。

聞き返す質問は、次のとおりです。

• 「追加学習」は、何を、どのデータで、誰が更新する作業ですか
• 追加学習が必要になるのは、どんなときですか。その費用は、保守に含まれますか、都度の見積ですか。データを集める工数は含まれていますか
• 更新するかどうかは、誰が決め、何が記録に残りますか。更新の前の状態に戻せますか
• 更新のあと、どの確認をやり直しますか。その費用と期間は、どちらが持ちますか

「VLA」や「基盤モデル」と書いてある提案では、そのモデルをそのまま使うのか、自社の作業向けに調整するのかを聞きます。公開されている解説では、VLAは、視覚・言語・行動の情報を一つのAIに統合し、ロボットなどの物理的な動作を生成するモデルと説明されています。 調整する提案なら、この節の追加学習と、前の節のお手本の用意が、見積のどこにあるかを確かめます。

更新の承認と記録は運用体制の記事に、更新のあとの受け入れ直しは検収の記事に、継続して出る費用は費用の記事にあります。

提案書の一節を、決める事項に読み替える

次の表の左の列は、読み替えを示すために作った架空の例です。実在する提案書の文ではありません。

提案書の一節（架空の例です）	決める事項	聞き返す質問
「模倣学習により、貴社の作業を短期間で習得します」	お手本の用意と、その工数	「短期間」は何日ですか。お手本は誰が、どの作業を実演する前提で、その工数は見積のどこにありますか
「想定条件下で高い成功率を達成します」	割合の分母と、測る条件	「想定条件」は、どの対象物・置き方・照明ですか。人の手助けは数に入っていますか
「未知の対象物にも柔軟に対応します」	動作を期待する範囲の一覧	動作を確かめた対象物の一覧は、ありますか。一覧にないものが来たときは、どうなりますか
「導入後も追加学習で継続的に改善します」	更新の承認と費用	追加学習の費用は保守に含まれますか。更新のたびに、受け入れの確認をやり直しますか

聞き返しは一通のメモにまとめ、複数の提案に同じ形で出す

1. 提案書の中の言葉を、「学ばせ方」「測り方」「変え方」に振り分け、提案書のどの箇所で使われているかを書き出す
2. 言葉ごとに、この記事の質問のうち、書面で答えがほしいものを選ぶ
3. 自社が先に決められること（対象の作業、成功といえる状態、現場の条件）は、質問の前に書いて渡す
4. 回答を複数の提案で並べ、「書かれていない」ものと、「別の言葉で書かれている」ものを分ける
5. 決まらない事項は空欄にせず、「未定」と、誰がいつまでに決めるかを書く

言葉が出てきたこと自体は、良し悪しを示さない

「この言葉が出たら注意」と言い切れるものではありません。模倣学習も、強化学習も、追加学習も、提案の中で使われる理由があり、どの方式が優れているかは、この記事では判断しません。見るのは、言葉の背後にある事項が、書面で答えられるかどうかです。答えが返ってこない質問は、実機で確かめる項目や、契約の前に決める項目を増やす理由になります。

この記事の言葉の意味は、2026年10月に確認した公開解説の範囲の説明に沿っています。 言葉の使われ方は変わることがあります。提案書が別の意味で使っていれば、提案書の定義を優先して読み、確認してください。

この整理と、WITHPROJECTSの関わり方

WITHPROJECTSは、公開しているフィジカルAI事業化・FDE支援のページで、顧客が払う理由と必要な物理タスクまで戻って設計するとしており、PoCをして終わる実証は行わないとしています。 この記事は、提案書の言葉を発注側の決めごとに置き換えるための一般的な整理であり、個別の提案の良し悪しを判断するものではありません。成果を保証するものでもありません。 対象にする作業の見きわめ方はフィジカルAIの工場自動化に、相談の入口はフィジカルAI事業化・FDE支援のページにあります。

決める事項の整理から相談したいとき

AIロボットの発注に向けて、自社で決める事項を整理するところから相談したい方は、個別相談の予約へお進みください。（個別相談会（30分）の予約ページへ移動します）