小売業界における物理AIデータ：Maniformerが上海でロボットの訓練を実施

マニフォーマーのスタッフは、2026年8月5日と6日、上海の実際の小売店舗の売り場において、体を持つロボットのトレーニングを行い、マルチモーダルデータの収集や遠隔操作によるデモンストレーションを通じて、商品陳列、スキャン、顧客サービスに関するタスク用データセットを構築しました。

マニフォーマーは、上海に本社を置く物理人工知能（AI）データサービスプラットフォームである。同社は、小売および軽物流向けに、センサーを搭載した装置、ヒューマン・イン・ザ・ループ型のワークフロー、データセットのパイプラインを構築している。同社の強みは、シミュレーションでは不十分な操作やナビゲーションに関する実世界のトレーニングデータにある。

小売業界は、物理AIの試金石である

小売業界は、密度、多様性、そしてダウンタイムが適切に組み合わさっており、具現化された人工知能の耐性を試すのに最適な環境です。棚の配置は日々変化します。プロモーションは季節ごとの混乱を引き起こします。従業員は、商品の補充、ピッキングミス、プラノグラムの再設定、液体のこぼれ、そして絶え間ない顧客からの割り込みを同時に処理しなければなりません。 照明は一日を通して変化する。パッケージは光沢があり、しわくちゃで、色が鮮やかであり、これはビジョンシステムにとって最悪のシナリオだ。通路は狭く、周囲の騒音も大きい。そのため、小売業界は利益をもたらす一方で頭痛の種でもあり、データの宝庫でもある。

上海では、Maniformerがスタッフを現場のトレーナーとして配置しており、多くの場合、閑散時間帯や管理された短い時間帯に活動しています。彼らは遠隔操作や共有自律制御を通じてロボットにタスクを実行させ、状態の変化に注釈を付け、結果を評価します。 このプラットフォームは、同期されたカラー映像、深度、慣性、力・トルク信号、バーコードスキャンデータ、プラノグラム参照情報、およびPOSや在庫管理システムからの店舗イベントを取り込みます。特定のタスクや陳列什器に合わせて厳密にバージョン管理されたデータセットを生成し、それらを顧客モデルのトレーニングパイプラインに送り込みます。

その焦点は極めて精密です。すべてのフレームが有用というわけではありません。重要なのは、シミュレーション上のエージェントを機能不全に陥らせるような「エッジケース」を捕捉することです。例えば、ラックの中でねじれてしまう粘着性のボトル、季節限定の段ボール製ディスプレイが設置されたエンドキャップ、グリッパーの下に滑り込んでしまう反射性のスナック袋、あるいは商品を店員に手渡す顧客などを想像してみてください。

奇妙な角度から見たロボット。研究室では、それらは単なる逸話に過ぎない。しかし店頭では、それらは常態となっている。

なぜシミュレーションされた売り場には、厄介な「残り20％」が反映されないのか

シミュレーションはロボット工学にとって強力な推進力だ。ドメインランダム化、フォトリアリスティックな合成画像、そしてキーボード操作だけで完璧に再現される物理演算が、最初の80％をカバーしている。小売業界の課題は残りの20％、つまり現実が協力を拒む荒れた継ぎ目に存在する。その理由を4つのパターンで説明する。

• 知覚上のエイリアシングが横行している。多くの異なる商品が、ほぼ同一の形状や色を共有している。わずかなグレアやシュリンク包装のしわが、検出器を誤動作させる。シミュレーションされた素材が、光学的にも煩わしい光沢のあるパッケージの現実と一致することはめったにない。
• 接触は非理想的だ。変形可能な商品はたわんだり、くっついたりする。棚はぐらつく。重力が勝る。シミュレーションによる摩擦、剛性、順応性は役立つが、店舗レベルでのキャリブレーションのずれが支配的である。
• 社会的相互作用は重要です。顧客が割り込んできたり、商品を求めたり、カゴを予定された経路に動かしたりすることがあります。礼儀正しい一時停止でさえ、現在のシミュレーターでは表現が困難な形で行動計画を変容させます。
• 店舗の状況は不安定だ。プラノグラムは指針であって、絶対的なルールではない。プロモーション、現地マネージャーによる調整、深夜の補充などが、その地図を歪めてしまう。

実用的な例えが参考になる。シミュレーションだけで訓練するのは、プラスチック製の食材を使ってシェフを教えるようなものだ。包丁さばきや盛り付けは練習できるが、玉ねぎで涙が出る理由、フライパンの熱の振る舞い、ソースが仕上がる直前の様子などは学べない。

現場での実証結果は明白です。混合データでトレーニングされた小売モデルはより優れたパフォーマンスを発揮しますが、その成果はシミュレーターでの稼働時間ではなく、実世界のカバー率に比例します。バイヤーにとっての示唆は商業的なものです。この問題を解決するためにサーバーを追加購入する必要はありません。必要なのは、自社の店舗や陳列設備に紐づいたデータ運用体制です。

Maniformerは、実地作業のためのデータユーティリティを構築しています

Maniformerの製品はロボットではありません。4つのゾーンを1つの連続したループに統合するデータユーティリティです。

• 収集。

カートやロボットに搭載されたセンサー装置は、正確なタイムスタンプ付きの同期化されたデータを収集します。スタッフは、デモンストレーションや是正のための微調整を行うために、ハプティックデバイスやハンドヘルド制御デバイスを装着します。音声データは同意を得た場合にのみ記録され、プライバシーリスクを軽減するため、最終版では多くの場合削除されます。

キュレーション。ラベリングエンジンは、プラノグラム、バーコードデータベース、棚マップを統合し、静的なコンテキストに自動でラベルを付与します。人間のレビュー担当者は、自動化では見落とされがちな動作状態、失敗モード、社会的出来事に焦点を当てます。各フレームには、店舗、通路、陳列棚、時刻のメタデータが含まれており、選択的な再生が可能です。

トレーニング。データは模倣学習、強化学習、およびビジョン・言語・アクションのスタックにエクスポートされます。略語は初回使用時に必ず展開されます。例えば、人間のフィードバックに基づく強化学習（RLHF）は、評価者のスコアと、速度、安全性、棚の品質に紐づけられた詳細な報酬定義によって駆動されます。

検証。Maniformerは、スクリプト化されたタスクや外乱を実行し、ポリシー外での堅牢性を測定します。また、ベンチマークを、ピッキング率、復旧時間、顧客の待ち時間といった購入者の主要業績評価指標（KPI）に整合させます。

同社のコア技術の選定は、スループットと監査可能性を重視しています。 すべてにバージョン管理が施されています。データセットの来歴は明示的です。店舗マネージャーが「ロボットにキャップを回すことやボトルを動かすことを教えたデータは何か」と尋ねれば、チームは特定の日付における実行データの一部を、正確な条件付きで提示できます。これにより、再トレーニングは賭け事のような性質が薄れ、既知のバグを修正するようなものになります。

新しいロボットサプライチェーンにはデータサービスプラットフォームが含まれる

10年前、小売用ロボットのパイプラインは、センサー、マニピュレーター、移動ベース、そしてインテグレーターを中心に構成されていました。今日では、新たな層が明らかになっています。物理的な人工知能データサービスプラットフォームが、店舗とモデルトレーニングの間に位置しています。これらはデータの収集、クリーニング、同意取得を標準化し、複数のロボットベンダーの学習ループに向けてデータを仲介します。

調達チームにとって、これはカテゴリー戦略の変化を意味します。現在では、3つの

さまざまな要素があります。ハードウェアを購入し、モデルや自律機能を購入し、自社施設内でこれらを有効活用するためのデータサービスを購入します。これらを1つのベンダーに一任することも可能ですが、リスク管理の観点からはモジュール型のアプローチの方が望ましいでしょう。小売業者は、共有データユーティリティ上で2社のハードウェアプロバイダーを試験導入し、学習資産の移植性を確保することができます。 ロボットベンダーは、優先市場においてデータパートナーと契約を結ぶことで、店舗ごとに許可を取得する手間を省くことができます。

上海を拠点とするオペレーション・ディレクターは、これを簡潔に表現した。「上海なら、1週間テストするだけで、1ヶ月分のエッジケースを確認できる。プロモーションの入れ替わりが激しく、顧客の流れは絶え間ない。そのペースだからこそ、データ運用に手間をかける価値があるのだ。」

収集からキュレーション、制御に至るまでが閉ループを形成する

現場では、このループは次のように機能します。スナック類が陳列された反射の強いセクション付近で、棚の整列作業が失敗します。オペレーターが対応し、移動を完了させ、原因を「グレアによる誤分類」と記録します。そのフレームとアクショントレースには、優先的に取り込むべきものとしてフラグが立てられます。 一晩で、トレーニングジョブはそれらのシーンに重点を置くようになります。翌日、新しいモデルが導入されます。チームは閑散とした時間帯にそのシーンを再生し、実際の売り場で小規模なA/Bテストを実施します。結果が安定していれば、その修正はより多くの店舗に展開されます。

このループが機能するのは、データパイプが高速で、クリーンで、かつ安全である場合に限られる。「高速」とは、店舗がローカルネットワークを輻輳させることなくデータをプッシュおよびプルできることを意味する。「クリーン」とは、各実行がタグ付けされ、重複排除され、妥当性チェックが行われていることを意味する。「安全」とは、個人情報が伏せられ、店舗の営業秘密が漏洩しないことを意味する。Maniformer社は、これら3つすべてを最優先事項としている。 同社によれば、顔やナンバープレートには端末側でのぼかし処理を、店舗レイアウトにはルート単位の匿名化を、顧客間の情報漏洩を防ぐ書き込み専用経路を採用しているという。 また、データ収集は中華人民共和国『個人情報保護法』（PIPL）および『データセキュリティ法』（DSL）に準拠している。

上海の小売業界が理想的な「データ炉」である理由

上海はロボットの導入を推進しており、

トレーナーを難易度の高い環境へ投入する。交通機関の周辺には何百ものコンビニが密集している。通路は狭く、客足のピークは急激だ。販促キャンペーンは頻繁に変わり、気まぐれな陳列変更が求められる。この都市のサービス文化は「ハイタッチ」を重視しているため、ロボットは邪魔にならないように一時停止し、顧客の存在を認識し、元の状態に戻らなければならない。

こうした高密度環境だからこそ、より迅速にカバー範囲を広げることができる。1週間の稼働で、ペースの遅い市場では1シーズン分の特殊なケースを網羅できる。これがトレーニングの経済性を形作る。データサービスのコストは、店舗訪問日数を減らしつつ、より広範なカバー範囲で償却される。試験運用予算を計画する際は、ロボットのレンタル料ではなく、データ収集チーム、同意取得用看板、店内誘導員、営業時間外の通行制限などが大きな経費項目になると見込んでおくべきだ。

費用は高額で、ボトルネックは移動する

懐疑的な反論があるのは健全なことだ。実世界でのデータ運用を構築するには費用がかかり、業務の妨げにもなる。店舗マネージャーは、売り場に余分な人員がいることを嫌がる。プライバシーリスクも無視できない。ベンダーロックインは現実的な懸念だ。たとえパイロットが成功したとしても、そのモデルは、設備や習慣が異なる別の都市でも通用するのだろうか

これらは現実的なリスクです。その軽減策はスローガンではなく、設計にあります。

• 混乱の抑制。客足の少ない時間帯にトレーニングを行う。一度に1つの通路のみを使用する「マイクロウィンドウ」を活用する。オプトアウトの選択肢を明記した明確な案内表示を設置する。インシデント発生率を追跡・公表し、信頼を築く。
• プライバシーとコンプライアンス。データ収集を最小限に抑える。エッジ側でぼかし処理を行う。速やかに削除する。音声ハンドオフなど、機能上明示的に必要でない限り、音声をミュートする。PIPLおよび店舗の方針に準拠する。
• 移植性の確保。共有データスキーマとデータセットの所有権を明示的に定める契約を締結する。特定のモデルスタックに縛られるような不透明なエンコーディングは避ける。サービスレベル契約（SLA）においてデータ流出経路を明記することを義務付ける。
• 汎用化計画。都市間の移行を計画する。各新規都市では、照明、方言、設備の基準に合わせて調整するため、初週にデータバーストを組み込む。

実際のコストと負担主体

調達担当者は具体的な数値を求めています。また、彼らは

予想外の要素。中国では、プログラムのコストは人件費と店舗へのアクセスに偏る見込みです。典型的な3店舗でのパイロット実施は8～12週間程度かかり、各拠点に2～3名のデータ収集技術者と、中央のラベル作成・研修チームが配置されます。サービス契約は、人員配置、ハードウェアキット、データ処理、および研修実施をパッケージ化した月額料金制となる見込みです。 現在の上海の状況では、稼働中の店舗1店舗あたりの月額料金は、営業時間、陳列棚の数、およびモデルトレーニングの頻度に応じて、80,000人民元から200,000人民元の範囲となる。ハードウェアのレンタル料や、夜間優先アクセス権の追加により、上限額はさらに高くなる可能性がある。

費用負担の決定は戦略的な判断を要します。小売業者は、プラノグラムや業務プロセスに最適化するため、多くの場合、初期段階の費用を負担します。ロボットベンダーは、顧客間で要素を再利用できる場合、共同出資を行うことがあります。特定の業界において、1つのデータプラットフォームが複数のハードウェアベンダーにサービスを提供し、厳格なデータウォールと明確なガバナンスが設けられる「共有ユーティリティモデル」が台頭しつつあります。

小売業界における「データファースト」ロボティクスで重要な指標

店舗の責任者は、1秒あたりのフレーム数などには関心がありません。彼らが重視するのは、見栄えの良い棚と、待ち時間のない顧客です。これをシンプルなスコアカードに落とし込みましょう。

• タスクの品質。プラノグラムの許容範囲に基づく陳列評価。実際の販売可能数量と連動したバーコードスキャンの信頼性。
• スループット。1時間あたりのピッキングまたは陳列単位数（人的介入の記録を含む）。
• 信頼性。介入までの平均時間（MTI）。中断後の復旧時間。
• 顧客への影響。通路内での引き渡し待ち時間。1時間あたりの通路塞ぎ事象。
• 安全性。ニアミス件数。接触力の許容範囲逸脱。通路の清潔度合格率。
• データの健全性。週あたりの新規エッジケース数。ラベルの承認率。修正の展開にかかる時間。

もしデータパートナーがこれらの指標において改善を示せないなら、それは進歩ではなく、見せかけの演出に過ぎません。

実世界のインタラクションデータの管理が新たな「堀」となる理由

モデルの重みは移植可能です。ハードウェアはますますモジュール化が進んでいます。希少な資産とは

特定のフィクスチャやワークフローに紐付けられた、実世界の相互作用を網羅した、許可制のコーパス。ストア、モデル、再デプロイ間のスムーズな連携を確立した者が、主導権を握ることになる。

この戦略的論理は、過去のプラットフォームの変遷を反映している。 ウェブ広告では、クリックやコンバージョンデータの管理が市場支配力を決定づけていました。自動運転では、走行距離が技術の進歩と企業価値を牽引しました。実店舗向けロボティクスにおいては、通路での稼働時間と正常な復旧実績が競争優位性を生み出します。違いは、同意や安全性の要件がより厳しく、作業単位がページビューではなく、棚や顧客であるという点です。

バイヤーはこれをポートフォリオ上の意思決定として扱うべきだ。優先都市で事業を展開できるデータパートナーに、少なくとも1社は投資すべきである。モデルの選択肢を広く保つこと。データ処理に関する監査権限について交渉すること。データセットカードを読み解き、検証実行結果を解釈し、什やプロモーションサイクルが変更された際にターゲットを絞ったデータスプリントを要請できる社内能力を構築すること。

店舗におけるマニフォルマーの運用プレイブック

上海のコンビニ店内ではどのように実施されるのか

• セットアップ。入口や対象となる売り場には同意を求める掲示が掲げられます。カメラと深度センサーはロボット本体に、状況把握のために短いマスト付きカートに取り付けられることもあります。フロアマネージャーは、客足の状況を考慮して30分から90分の実施枠を設定します。
• 実行。スタッフがターゲットタスクを通じて遠隔操作または共同操作を行います。商品補充では、到達、把持、回転、配置の動作を力学プロファイルとともに収集します。スキャンでは、角度、距離、照明を変化させます。サービスでは、顧客からの明確な同意を得た上で、音声プロンプトや引き継ぎの様子を記録します。
• アノテーション。近くのタブレット上で、ラベラーがフレームをプラノグラムのスロット、什器の形状、商品のバーコードに関連付けます。また、制御された用語集を用いて、失敗理由（例：グレア、オクルージョン、変形によるずれ、顧客による中断、ラベルの不一致など）にフラグを付けます。
• 同期。プライバシー処理の後、データは店舗側の中継サーバーを経由してアップリンクされます。夜間処理により、データがトレーニング用データセットにプッシュされます。

再展開。変更履歴を伴う新しいモデルが導入される。チームはまず問題のあるシーンを再現し、その後スケールアップを行う。

ガバナンス、プライバシー、知的財産に関するガイドライン

上海の小売業界は中国のデータ法の適用対象となる。『個人情報保護法（PIPL）』と『データセキュリティ法（DSL）』が境界線を定めている。小売業者は独自の規制を追加しており、例えば天井全体を撮影することや顧客の音声録音などを禁止している。 Maniformer社は、必要なデータのみを、実用上最低限の精度で保存するよう設計していると述べています。顔はエッジ部分でぼかされます。店舗が明示的な研究権を付与しない限り、レイアウトは元に戻せないマップに抽象化されます。商品のプラノグラムは営業秘密として扱われ、顧客間で共有されることはありません。

知的財産権の面では、契約内容を明確化することが唯一の安全な道である。以下の3つの質問に書面で回答すること。生データ（キャプチャ）の所有権は誰にあるか。ラベルおよび派生データセットの所有権は誰にあるか。モデルの重みの所有権は誰にあるか。現在、多くの小売業者は所有権を分割している。店舗が生データとラベルを所有し、ベンダーがベースモデルを所有する形だ。 微調整された重みとレシピは、共有されるか、あるいは期限付きのライセンス下に置かれます。これは、パイロット実施前に弁護士による慎重な検討を行う価値があります。

競合環境は急速に形成されつつある

Maniformerは参入が早いものの、単独ではありません。インテグレーター各社はデータ部門を立ち上げています。クラウドプロバイダーは、エッジパイプラインやプライバシーツールキットを武器に小売業者へのアプローチを進めています。ロボットベンダーは社内のデータ収集チームを構築しています。市場は層別化される可能性が高いでしょう。都市ごとに展開する純粋なデータプラットフォーム。 ハードウェア、自律走行、データを一体化したパッケージとして提供するフルスタックベンダー。ロボットベンダーが地元のデータオペレーターと提携するハイブリッド型のアライアンス。

買い手側は相互運用性を強く求めるだろう。設備、商品、行動に関するスキーマ標準が策定される。都市やチェーンごとに、安全性や同意に関するテンプレートが整備される。サードパーティの監査機関が、プライバシーやデータセットの品質に関する認証プログラムを提供するようになるだろう。勝者は、カバレッジマップ、ラベル付け方法、既知の欠落情報を記載したデータセットカードを公開する。敗者は「魔法」について語るだけだろう。

これが調達および運用に与える意味

リーダー

データサービスプラットフォームを、独自のRFPを持つ新たなベンダーカテゴリーとして扱う。その範囲には、ストアへのアクセス計画、同意書テンプレート、プライバシー管理ツール、データ収集用ハードウェアリスト、ラベリングプロセス、トレーニングスタックの成果物、および検証方法を含めるべきである。目標とする主要業績評価指標（KPI）と連動したパイロット実施を義務付ける。 データセットカードと、データ引き渡し計画の提示を求める。モデルベンダーを切り替える場合の移行手順を要求する。

運用部門と連携し、混乱の少ない時間帯をスケジュールする。全国の商品構成を反映した売り場レイアウトを選択する。光沢のあるパッケージが並ぶ賑やかなコーナーと、落ち着いた生鮮食品コーナーを組み込む。在庫補充に重点を置いている場合でも、顧客サービス業務を組み込むこと。多くの失敗はそこに潜んでいる。

マニフォーマーの上海拠点が示す、より広範な再均衡への道

長年にわたり、小売ロボットプログラムはハードウェアの壁に阻まれていました。グリッパーが滑ったり、ベースがスロープで詰まったり、蛍光灯の下でセンサーが故障したりしたのです。今日、一般的なハードウェアは十分な性能を備えています。制限要因となっているのは、手取り足取りの指導なしに、顧客を怖がらせることなく、各店舗の具体的な実情の中でロボットが動作できるよう教えるデータです。

マニフォーマーの主張は単純明快だ。データループをシステム化すれば、ロボットは店舗スペースを割く価値があるほど急速に進化する。上海での取り組みは、これが「銀行家的な」主張であることを示唆している。同社は突拍子もない大プロジェクトを追いかけているわけではない。実用的なソリューションを販売しているのだ。多くの売り場を運営しているなら、実用的なソリューションの威力はすでにご存じだろう。

データ処理を単なるコモディティと見なしたくなる誘惑がある。カメラを向け、記録し、ラベル付けし、学習させ、繰り返す。しかし、それは本質を見誤っている。 照明、梱包、人間の行動といった些細な違いが結果を左右する実務において、データの質こそがパフォーマンスそのものである。これは、サーバーを増設することよりも、新鮮な農産物を仕入れることに近い。新鮮なものは勝つ。古くなったものは腐る。適切な店舗で、適切なタイミングで、適切なシーンを収集できるプラットフォームは、安易に乗り換えられるベンダーではない。

本分析は、企業の声明と上海における観察可能な市場動向を総合したものである。

当該期間中の小売。

免責事項：本分析は情報提供のみを目的としており、投資、法律、または調達に関する助言を構成するものではありません。RobotAIGeekは、特定のベンダーを推奨するものではなく、また初期段階の技術の性能を保証するものでもありません。