RFMとは、かんたんに言うと、ロボットが周りを見て、人の指示に合った動きをするためのAIの土台です。
例えば、「机の上にある赤いコップを片付けて」と頼まれたとします。RFMを使うロボットは、赤いコップを探し、持ち方や運ぶ場所を考えます。
ここでいう「考える」とは、人と同じように意識を持つことではありません。あらかじめ学んだ情報をもとに、目的に合う動きを選ぶことです。
この記事では、ロボット分野で使われるRFMの意味や仕組み、できることを初心者向けに解説します。従来のロボットAIやVLAモデルとの違いも、やさしく説明します。
関連するIT用語・ビジネス用語をまとめて確認したい方は、IT用語・ビジネス用語一覧もあわせてご覧ください。
RFMとは、ロボットの判断と動作を支える基盤モデル
RFMとは、ロボットの判断や動作を支える「ロボット基盤モデル」を表す言葉です。
基盤モデルとは、多くの情報をあらかじめ学び、さまざまな作業に使えるAIの土台です。作業ごとにAIを一から作るのではなく、共通の土台を利用します。
AIモデルとは、AIが情報を受け取り、結果を決めるための仕組みです。RFMは、カメラの画像や人の指示を受け取り、ロボットをどのように動かすかを決めます。
RFMをかんたんに言うと
RFMは、ロボットの「見る」「言葉を読み取る」「動き方を決める」という働きをつなぐ仕組みです。
例えば、ロボットが床に落ちたタオルを片付ける場合を考えてみましょう。まず、カメラでタオルを見つけ、次に手を伸ばし、つかんで決められた場所へ運びます。
IT用語として説明すると、RFMは画像や言葉などの情報から、ロボットの動きを決めるAIモデルです。
RFMは何の略？英語での意味
ロボット分野のRFMは、主に「Robotics Foundation Model」の頭文字を取った言葉です。日本語では「ロボット基盤モデル」と呼ばれます。
米国のロボットAI企業であるCovariantは、自社のモデルを「RFM-1」と名付けています。RFM-1は、画像、言葉、動画、ロボットの動作などをまとめて扱うモデルです。
ただし、RFMという略し方が、業界全体で統一されているわけではありません。「Robot Foundation Model」や「Robotics Foundation Model」のほか、単に「ロボット基盤モデル」と呼ばれることもあります。
マーケティングのRFM分析とは意味が異なる
RFMには、マーケティングで使われる「RFM分析」という別の言葉もあります。
RFM分析は、顧客が最後に商品を買った日、購入した回数、使った金額をもとに、顧客を分ける方法です。
この記事で紹介するRFMは、ロボット基盤モデルを指します。顧客を調べるRFM分析とは、目的も仕組みも異なります。
RFMが注目されている理由
RFMが注目されている理由は、ロボットが対応できる作業を増やせる可能性があるためです。
従来のロボットは、決められた場所で同じ動きをくり返す作業を得意としていました。RFMは、周りの状況や人の指示に合わせて、動きを変えることを目指しています。
一つの作業だけでなく複数の作業に対応できる
従来の産業用ロボットは、決められた部品を持ち上げ、同じ場所へ置く作業などを正確に行えます。
一方、RFMは、物を運ぶ、箱を開ける、道具を使うなど、さまざまな作業に対応することを目指します。
一度学んだ持ち方や運び方を、別の物や作業にも生かせる可能性があります。
人の言葉による指示を読み取れる
RFMには、人が入力した言葉を読み取り、ロボットの動きにつなげる仕組みがあります。
例えば、「青い箱を棚の一番下に置いてください」という指示から、対象となる箱と置き場所を確認します。
これにより、人がロボットの動きを一つずつ細かく設定する手間を減らせる可能性があります。
初めて見る物や場所にも対応しやすい
現実の場所では、物の位置や向きが毎回同じとは限りません。人や荷物が移動し、部屋の明るさが変わることもあります。
RFMは、カメラなどから得た情報をもとに、その場に合う動きを選びます。
そのため、決められた条件だけで動くロボットよりも、変化に対応しやすくなると期待されています。
RFMの仕組み
RFMは、周りの状況を読み取り、人の指示を確認し、ロボットの動きを決めるという流れで働きます。
細かな仕組みはAIの種類によって異なります。ここでは、基本的な流れを四つに分けて説明します。
カメラやセンサーで周りの状況を読み取る
ロボットは、カメラやセンサーを使って周りの情報を集めます。
センサーとは、物との距離や力、温度などを感じ取るための部品です。人の目や指先に近い役割を持ちます。
カメラの画像からは、物の形、色、位置などを確認します。センサーからは、手が物に触れているか、どのくらいの力がかかっているかなどを読み取ります。
人の言葉や画像から指示を読み取る
次に、RFMは人から与えられた指示を読み取ります。
文字による指示だけでなく、画像や音声を扱えるモデルもあります。
例えば、「テーブルの上の飲み物を片付けて」という指示から、飲み物がどれか、片付ける場所はどこかを確認します。
RFMが次に行う動きを決める
周りの状況と指示を確認したら、RFMは次に行う動きを決めます。
ロボットの腕をどの方向へ動かすか、手をどのくらい開くか、どの程度の力で物を持つかなどを調整します。
Google DeepMindのGemini Robotics 1.5は、画像と人の指示を受け取り、作業に必要なロボットの動きを決めるVLAモデルです。
学習データを使って動き方を覚える
学習データとは、AIに物の見分け方や動き方を覚えさせるための見本となる情報です。
ロボットの学習データには、人やロボットが物を運ぶ様子を記録した動画や、実際のロボットの動作などがあります。
コンピューターの中に作った仮想の場所で、ロボットを動かしてデータを作る方法もあります。多くの例を学ぶことで、別の場面にも対応しやすくなります。
RFMを身近な例で考える
従来のロボットとRFMを使うロボットの違いは、料理の手順に例えると理解しやすくなります。
ただし、これは仕組みを理解するための例えです。ロボットが人と同じように料理を理解しているという意味ではありません。
従来のロボットは決められた手順で動く
従来のロボットは、細かく書かれた手順書どおりに動く調理機械に似ています。
「決められた場所にある材料を持ち、決められた皿に置く」といった作業は正確に行えます。
しかし、材料の場所や皿の向きが大きく変わると、そのままでは作業を続けられないことがあります。
RFMを使うロボットは状況に合わせて動く
RFMを使うロボットは、「野菜を皿に移してください」という大まかな指示から、野菜と皿を探し、必要な動きを決めます。
野菜の位置が少し変わっていても、カメラで確認しながら手を伸ばします。
IT用語として説明すると、RFMは画像や指示を読み取り、その状況に合うロボットの動きを選ぶ仕組みです。
RFMでロボットができること
RFMは、見る、指示を読み取る、動くという流れをつなげます。
そのため、ロボットが行える作業の幅を広げられる可能性があります。
ただし、何ができるかは、AIが学んだ内容やロボット本体の性能によって変わります。
物を見分けてつかむ
RFMを使うロボットは、カメラの画像から目的の物を探します。
物の位置や向きを確認し、手やロボットアームを動かします。
ロボットアームとは、工場や倉庫などで使われる、腕の形をしたロボットです。
人の指示に合わせて作業する
人が言葉で伝えた内容を、ロボットの動きにつなげられます。
例えば、「棚から黄色い箱を取ってください」という指示を受けると、黄色い箱を探し、つかんで運ぶための動きを決めます。
複数の作業を順番に進める
一つの指示に、いくつかの作業が含まれる場合もあります。
「机を片付けてください」という指示であれば、物を探す、種類を見分ける、持ち上げる、決められた場所へ運ぶといった作業が必要です。
RFMは、目的を達成するために必要な動きを順番に進めることを目指します。
学んだ内容を新しい作業に生かす
RFMは、一度学んだ動き方を別の作業に生かせる可能性があります。
例えば、箱を持ち上げる方法を学んだロボットが、その知識を使って別の形の入れ物を持ち上げるといった使い方です。
RFMが使われる場面
RFMは、工場や倉庫だけでなく、店舗、施設、家庭などでの利用が期待されています。
特に、物の位置や作業内容が変わりやすい場所で役立つ可能性があります。
工場での組み立てや部品運び
工場では、形や置き場所が異なる部品を見分け、運ぶ作業に利用できます。
部品の位置が少し変わっていても、カメラで確認しながら作業を進められるようにする研究が行われています。
倉庫での商品の仕分け
倉庫では、大きさや形の異なる商品を取り出し、指定された場所へ運ぶ作業があります。
RFMを使うことで、見たことのない商品や置き方の違いにも対応しやすくなる可能性があります。
店舗や施設での案内
店舗や施設では、人から質問を受け、目的の場所まで案内するロボットへの利用が考えられます。
案内するには、周りの人や物を確認しながら、安全に通れる道を選ぶ必要があります。
家庭での片付けや手伝い
家庭では、洗濯物を運ぶ、床にある物を片付ける、必要な物を取ってくるといった使い方が考えられます。
家庭ごとに部屋の形や物の置き場所が異なるため、状況に合わせて動くRFMとの相性がよい分野です。
人型ロボットの動作
人型ロボットとは、人に近い形の体や手足を持つロボットです。
人が使う道具や設備をそのまま利用できる可能性がありますが、両手や両足を使った複雑な動きが必要です。
NVIDIAは、人型ロボット向けの基盤モデルや学習データの開発を支える仕組みとして、Isaac GR00Tを提供しています。
RFMと従来のロボットAIの違い
RFMと従来のロボットAIでは、対応する作業の幅や指示の与え方が異なります。
| 比べる点 | 従来のロボットAI | RFM |
|---|---|---|
| 得意な作業 | あらかじめ決められた作業 | さまざまな作業への対応を目指す |
| 指示の方法 | 細かな設定が必要になりやすい | 言葉や画像による指示も使える |
| 場所の変化 | 決められた条件から外れると対応しにくい | 周りを確認して動きを変えやすい |
| 新しい作業 | 作業ごとの設定が必要になりやすい | 学んだ内容を生かせる可能性がある |
従来のロボットが古い、または役に立たないという意味ではありません。
同じ動きを速く正確にくり返す作業では、従来型のロボットが適していることもあります。
RFMは、作業内容や周りの状況が変わりやすい場所で、ロボットの対応力を高めるための技術です。
RFMとVLAモデルの違い
RFMについて調べると、「VLAモデル」という言葉を目にすることがあります。
RFMとVLAモデルは関係の深い言葉ですが、必ずしも同じ意味ではありません。
VLAモデルとは
VLAモデルとは、「見る」「言葉を読み取る」「動く」を一つにつなぐAIです。
VLAは、次の三つの英単語の頭文字です。
- Vision：画像を見て周りの状況を読み取る
- Language：人の言葉や指示を読み取る
- Action：ロボットの動きを決める
Google DeepMindは、Gemini Robotics 1.5を、画像と指示からロボットの動きを決めるVLAモデルとして説明しています。
RFMは広い考え方、VLAは代表的な仕組み
RFMは、ロボットが幅広い作業を行うための土台となるモデルを表す言葉です。
VLAモデルは、画像、言葉、動作をつなぎ、その能力を実現する代表的な仕組みです。
そのため、VLAモデルがロボット基盤モデルの一つとして紹介されることもあります。
すべてのRFMが同じ仕組みで作られているわけではありません。企業や研究機関によって、言葉の使い方も異なります。
代表的なRFMとロボット基盤モデル
ロボット基盤モデルは、世界の企業や研究機関によって開発されています。
ここでは、RFMを理解するうえで知っておきたい代表例を紹介します。
CovariantのRFM-1
Covariantは、倉庫などで使うロボット向けのAIを開発している企業です。
同社のRFM-1は、画像、言葉、動画、ロボットの動作などを扱うロボット基盤モデルです。
RFMという略称を使った代表的な例ですが、すべてのロボット基盤モデルがRFMという名前を使うわけではありません。
Google DeepMindのGemini Robotics
Google DeepMindは、GoogleのAI研究部門です。
Gemini Roboticsは、カメラなどから得た画像と人の指示を読み取り、ロボットの動きにつなげます。
Gemini Robotics 1.5は、画像や指示を、作業に必要なロボットの動きへ変えるVLAモデルとして公開されています。
NVIDIAのIsaac GR00T
NVIDIAは、AIやコンピューター向けの技術を開発している企業です。
Isaac GR00Tは、人型ロボット向けの基盤モデルや学習データの開発を支える取り組みです。
言葉や画像などの情報を受け取り、物をつかむ、運ぶといった動きにつなげます。
日本におけるRFMの研究開発
日本でも、ロボット基盤モデルの研究開発が進められています。
製造業や物流、サービス業などで使えるロボットの開発力を高めることが目的です。
NEDOやGENIACの取り組み
NEDOは、日本の技術開発を支援する公的な機関です。正式名称は「新エネルギー・産業技術総合開発機構」といいます。
GENIACは、日本国内の生成AIの開発力を高めるための取り組みです。
NEDOは2026年、GENIACの一環として、ロボット基盤モデルの研究開発を支援する事業を進めています。多くの用途に使えるロボットなども対象に含まれます。
RFMとフィジカルAIの関係
フィジカルAIとは、画面の中だけでなく、現実の世界でロボットや機械を動かすAIです。
例えば、ロボットが物を見つけ、手を伸ばし、つかんで運ぶ動きが当てはまります。
RFMは、フィジカルAIを実現するための技術の一つです。AIによる判断と、ロボットの実際の動きをつなぐ役割を持ちます。
RFMのメリット
RFMの主なメリットは、ロボットが行える作業を増やしやすいことです。
作業ごとにすべてを一から作るのではなく、共通のAIモデルを土台として利用できます。
ロボットに新しい作業を覚えさせやすい
RFMは、多くの作業から共通する知識や動き方を学びます。
そのため、すでに学んだ内容を利用し、新しい作業に対応させやすくなる可能性があります。
開発にかかる手間を減らせる可能性がある
従来は、ロボットに新しい作業を追加するたびに、細かな設定や動作確認が必要でした。
RFMを土台として利用できれば、すべてを一から設定する手間を減らせる可能性があります。
ただし、実際のロボットや作業場所に合わせた確認は必要です。
さまざまなロボットに利用できる可能性がある
RFMの中には、異なる形のロボットで学んだ内容を共有することを目指すモデルもあります。
例えば、片腕のロボットで学んだ物の見分け方を、両腕のロボットや人型ロボットに生かす考え方です。
RFMの課題
RFMは期待されている技術ですが、すぐにどのような作業でも任せられるわけではありません。
安全に利用するには、学習データや動作確認など、いくつかの課題があります。
多くの学習データが必要になる
ロボットに幅広い作業を覚えさせるには、多くの学習データが必要です。
文章や画像は多く集められますが、ロボットの動作データは簡単には集められません。
実際のロボットを動かして記録するには、場所や時間、費用が必要です。
安全な動作を確かめる必要がある
ロボットは、現実の世界で人や物の近くを動きます。
そのため、物を落とさないか、人や設備にぶつからないかを十分に確認する必要があります。
実際に使うときは、動ける範囲を決め、安全装置や人による確認を組み合わせます。
ロボットごとの調整が必要になる
ロボットは、腕の長さ、関節の数、持ち上げられる重さなどが異なります。
同じRFMを使う場合でも、ロボット本体や作業場所に合わせて設定を変える必要があります。
判断が常に正しいとは限らない
RFMは、学んだ情報をもとにロボットの動きを決めます。
しかし、見たことのない状況で、常に正しい動きを選べるとは限りません。
できる作業の範囲を決め、結果を確認しながら利用することが大切です。
RFMについて初心者が間違えやすい点
RFMは比較的新しい言葉のため、意味や使われ方を間違えやすい面があります。
ここでは、特に注意したい点を整理します。
RFMはロボット本体ではない
RFMは、ロボットの本体や機械部品を指す言葉ではありません。
カメラなどから得た情報を受け取り、ロボットの動き方を決めるAIモデルです。
実際に動くには、ロボット本体、カメラ、センサーなどが必要です。
RFMを使えば何でもできるわけではない
RFMを使ったからといって、ロボットがすぐにすべての仕事を行えるわけではありません。
できることは、AIが学んだ内容、ロボットの形、利用する場所、安全上の条件などによって変わります。
RFMは人と同じように考えているわけではない
RFMについて説明するときは、「見る」「理解する」「考える」という言葉がよく使われます。
しかし、RFMが人と同じ意識や気持ちを持っているわけではありません。
学んだ情報をもとに、目的に合う可能性が高い動きを選んでいます。
マーケティングのRFM分析とは別の意味
RFM分析は、最後に商品を買った日、購入回数、購入金額を使って顧客を分ける方法です。
ロボット基盤モデルのRFMとは関係がありません。
検索すると両方の情報が表示される場合があるため、「RFM ロボット」や「ロボット基盤モデル」と検索すると見つけやすくなります。
RFMという略称が常に使われるとは限らない
ロボット基盤モデルを扱う企業や研究機関が、すべてRFMという略称を使っているわけではありません。
VLAモデル、ロボット向け基盤モデル、人型ロボット基盤モデルなど、別の名前で紹介されることもあります。
RFMについてよくある質問
RFMは何の略ですか？
ロボット分野のRFMは、主に「Robotics Foundation Model」の略です。
日本語では「ロボット基盤モデル」と呼ばれます。ただし、すべての企業や研究機関が同じ略称を使っているわけではありません。
RFMと生成AIの違いは何ですか？
生成AIとは、文章、画像、音声などを新しく作るAIです。
RFMは、画像や言葉などの情報を受け取り、ロボットの動きにつなげるための基盤モデルです。
RFMが生成AIの技術を利用することもありますが、現実の機械を動かす点が大きく異なります。
RFMとVLAモデルは同じですか？
必ずしも同じではありません。
RFMは、ロボットの幅広い能力を支える基盤モデルを表す言葉です。
VLAモデルは、画像を見る、言葉を読み取る、ロボットを動かすという働きをつなぐ仕組みです。
RFMはどのようなロボットに使われますか？
ロボットアーム、倉庫ロボット、人型ロボットなどでの利用が考えられます。
工場、倉庫、店舗、家庭など、物の位置や周りの状況が変わりやすい場所での活用が期待されています。
日本でもRFMは開発されていますか？
はい。日本でも、企業や研究機関によるロボット基盤モデルの研究開発が進められています。
NEDOもGENIACの一環として、ロボット基盤モデルの研究開発を支援しています。
RFM分析とは何が違いますか？
ロボット分野のRFMは、ロボットの判断と動作を支える基盤モデルです。
RFM分析は、顧客の購入時期、購入回数、購入金額を使って顧客を分ける方法です。
名前は似ていますが、意味も使われる場面も異なります。
まとめ｜RFMとはロボットの判断と動作を支える基盤モデル
RFMとは、ロボットが周りの状況や人の指示を読み取り、次の動きを決めるためのロボット基盤モデルです。
カメラやセンサーで周りを確認し、言葉による指示を読み取り、ロボットの手や体の動きにつなげます。
従来のロボットは、あらかじめ決められた動きを速く正確にくり返すことを得意としています。
一方、RFMは、さまざまな作業や変化する状況への対応を目指す技術です。
RFMと関係が深い言葉には、画像、言葉、動作をつなぐVLAモデルがあります。Gemini RoboticsやIsaac GR00Tなどが、ロボット基盤モデルの代表例です。
ただし、RFMはロボット本体ではなく、ロボットの動きを決めるためのAIの土台です。また、マーケティングで使われるRFM分析とは意味が異なります。
今後、RFMの研究開発が進むことで、工場や倉庫だけでなく、店舗や家庭でも、さまざまな作業を手伝うロボットが増えると期待されています。