RLWRLDとCJロジスティクス、倉庫業務に特化したロボットAIに注力

韓国の物流業界には、ほとんどの倉庫用ロボットベンダーが公に言及したくない特定の問題があります。それは、箱が決して「言うことを聞いてくれない」ということです。 1シフトの間に、同じ通路内で不規則な形状の農産物、シュリンク包装された束、バラの衣類、そして密度の高い電子機器を扱わなければならないこともある。さらに、周囲の作業環境、照明、積載高さ、床の散乱物、そして作業内容の頻繁な切り替えといった要因も加わる。9月21日（月）、ソウルを拠点とするフィジカルAIスタートアップのRLWRLDと、 韓国最大の総合物流事業者であるCJロジスティクスは、物流に特化したロボット基盤モデルを共同開発し、まず韓国国内、次いで海外市場での商用展開を推進するための覚書に署名した。両社は、倉庫における変動性の解決こそが、また別のヒューマノイドロボットのデモ映像を追いかけるよりも、より堅実なビジネスであると見込んでいる。

RLWRLDは2024年にCEOのリュ・ジョンヒ氏によって設立された創業3年のスタートアップである。同氏の以前の会社であるOlaworksは、半導体大手インテルに買収されており、これは同社が韓国スタートアップと結んだ初の取引だったと報じられている。 リュ氏の創業チームには、KAISTのシン・ジンウ教授がチーフサイエンティストとして参加しており、これにより同社は商業的なロードマップに加え、学術研究のパイプラインも確保している。また、このスタートアップはこれまでにシード段階の資金調達として約600億ウォン（約4,200万米ドル）を調達している。 同社の主力製品は「RLDX-1」である。これは、RLWRLDが「マルチストリーム・アクション・トランスフォーマー」と呼ぶアーキテクチャを中核に構築された、81億パラメータを持つオープンソースのロボティクス基盤モデルであり、このアーキテクチャは、視覚、動作、 記憶、トルク信号を個別のストリームとして処理し、それらを融合させて単一の動作決定を行うアーキテクチャだ。このアプローチは、実験室外では依然として多くのヒューマノイドプラットフォームが安定して発揮することに苦戦している、ロボットハンドの微細な運動能力を実現することを特に目的としている。

トレーニングデータの実際の出所

RLWRLDのアプローチの特徴は、モデルアーキテクチャそのものだけでなく、同社がどのようにトレーニングデータを構築しているかという点にもあります。

データ。シミュレーションや遠隔操作装置に主に依存するのではなく、 RLWRLDは、特定の肉体労働に伴う正確な動作を記録するため、作業員にボディカメラを装着させてきました。このアプローチは、すでにCJロジスティクスの倉庫作業員や、日本のコンビニチェーン「ローソン」で食品の陳列を行う従業員に対して実施されており、さらにロッテホテルとの間で、ホスピタリティ業界に特化した別のデータ収集プログラムも進行中です。 この詳細により、月曜日の発表の意義が再定義される。これは、2社が未検証のアイデアを初めて共同で模索するものではなく、CJロジスティクスがすでに支援していたデータ収集関係の上に重ねられた、正式な商用化契約なのである。 この覚書（MOU）では、双方が初期のRFM導入に向けて特定の物流プロセスを選定し、実稼働環境においてモデルの核心となるロボットの動作が機能することを検証するための概念実証（PoC）テストを実施し、 さらに、テスト結果に基づき業務範囲を拡大し、性能を向上させることを定めており、両社が「Logistics as a Service」と呼ぶサービスの商用化を長期的な目標として掲げている。

1930年に設立され、100年以上の歴史を持つCJグループの一員であるCJロジスティクスは、創業間もないスタートアップが交渉する相手としては決して小規模なパートナーではない。 同社は、契約物流、貨物輸送、海上輸送、小包配送にまたがる統合物流ネットワークを運営しており、RLWRLDによる提携に関する説明によれば、パイロット実証ではなく実際の業務フローにAI駆動のヒューマノイドロボットを導入するなど、実稼働環境における物理AIの活用をすでに拡大している。 RLWRLDにとって、これは基礎モデルに関する論文では得られないものをスタートアップにもたらす。すなわち、失敗しても運用上のコストが発生しない制御された実験室ではなく、他社のシフトスケジュール、安全規則、処理能力目標の中でロボットモデルが機能しなければならない実稼働環境である。

「器用さ」の主張を支えるベンチマーク数値

RLWRLDは

RLDX-1に関するベンチマーク比較結果が公開されたが、これが独立した検証に耐えれば、同社のモデルは業界で最もよく知られている競合モデルと一線を画すことになるだろう。 ALLEXを対照として実施されたヒューマノイドの操作タスクにおいて、同社はRLDX-1が90％近い成功率を達成したと報告している。一方、Physical Intelligence社のpi-0.5モデルとNVIDIAのGR00T N1.6モデルはいずれも30％を下回った。 また、同社は特にコンベア上のピック・アンド・プレース課題においてGR00T N1.6に対し37.5パーセンテージポイントの優位性を示し、卓上操作ベンチマークにおける平均成功率でも約9％の向上を達成したと主張している。 これらは独立した監査を受けた比較ではなく、RLWRLD社が独自に報告した数値であり、巧みな操作に関するベンチマークはタスクの選択や評価設定に極めて影響を受けやすいことで知られているため、調達担当チームはこの差を確定的な順位としてではなく、方向性として重要なものとして捉えるべきである。 それにもかかわらず、これらの数値を真剣に受け止めるべき理由は、その出所にある。このモデルは、合成シミュレーションデータのみではなく、実際の人間の作業実行をボディカメラで撮影した映像を大幅に用いて学習されており、倉庫作業に不可欠であり、シミュレーションで学習したモデルが従来苦手としてきた、不規則で接触の多い操作を正確にターゲットにしているからだ。

「韓国優先、輸出は二の次」という戦略が示唆すること

両社は、韓国を拠点とした取り組みを、それ自体が最終目標ではなく、海外での共同ビジネスチャンスを見出すための基盤と位置付けている。 RLWRLDは、NVIDIAとの公的な提携関係や、ヒューマノイドの器用さに関する業界ベンチマークの設定を目的とした「DexBench」イニシアチブなど、すでに構築済みのグローバルパートナーネットワークと、CJロジスティクスの商用化および市場拡大能力を組み合わせ、韓国国外での市場参入や戦略的提携を推進する意向を示した。 この順序は、欧米や中東の物流バイヤーがこの発表をどう解釈すべきかという点において重要だ。これは単なる製品の売り込みではない。

本日より海外への出荷が可能となったが、これは、特定の技術的アプローチ――「器用さを最優先とする基盤モデル」に作業員の動作をキャプチャしたトレーニングデータを適用する手法――が、RLWRLDが他地域での販売に乗り出す前に、最も過酷な実世界の物流環境の一つにおいて、まずその有効性が実証されつつあることを示すシグナルである。

RLWRLD自身がこの提携を位置づける中で、その根底にある理論が明確に示されている。すなわち、物理AIが実験室でのデモンストレーションから実際の産業現場での生産的な利用へと移行するためには、実世界データがモデル開発にフィードバックされなければならない。そして、倉庫オペレーターが日々直面する処理能力の問題は、精選されたステージ上のデモよりも、その理論を検証する上でより厳格な試金石となるのだ。 ヒューマノイドロボットの進捗報告の多くが、持続的な複数拠点での導入データではなく、依然としてシミュレーションベンチマークや単一拠点でのパイロット動画に依拠しているこの業界において、これは鋭い主張であり、RLWRLDの信頼性は時間との戦いに置かれている。 CJロジスティクスは、期限を定めないパイロット事業を無期限に容認するような研究パートナーではない。また、MOUの文言自体にも、範囲を拡大する前に性能を検証するという記述があり、これは双方が、概念実証（PoC）フェーズにおいて、長期にわたる「ハネムーン期間」ではなく、明確な「合格」か「不合格」かのシグナルが得られることを期待していることを示唆している。

同じ倉庫フロアをめぐる、過密状態の基盤モデル市場

RLDX-1は、すでに資金力のあるライバル企業が参入し、それぞれ全く異なるデータ戦略を展開している基盤モデルの競争に参入しようとしている。 NVIDIAのGR00TシリーズやPhysical Intelligenceのpiシリーズモデルは、いずれもシミュレーションと遠隔操作データに大きく依存しており、実際の作業員のボディカメラによる映像撮影では到底不可能なほど迅速かつ安価に学習データを生成している。しかし、その代償として、倉庫作業特有の不規則で接触の多い操作において顕著に現れる、シミュレーションと現実の間の隔たりが依然として残っている。RLWRLDの賭けは、速度は遅くコストも高いが、人間が収集したデータを用いることで、シミュレーション量の増加よりも早くその隔たりを埋められるというものである。と現実との間に生じる隔たりを代償としており、この隔たりは、倉庫作業が要求する不規則で接触の多い操作において、まさに顕著に現れる。RLWRLDの賭けは、速度が遅くコストも高い人間由来のデータこそが、シミュレーション量の増加よりも早くその隔たりを埋めるというものであり、CJロジスティクスとの提携は、その

シード資金調達段階のスタートアップでは到底手が出せない規模でその賭けを検証するための仕組み――単一のパイロット動画のために倉庫の一角を借りるのではなく、実際に機能している全国規模の物流ネットワークを利用できるという点だ。 データ品質に関するその主張が、資本力が桁違いに大きい競合他社に対して通用するかどうか――NVIDIAのGR00Tプログラムだけでも、時価総額が数兆米ドル規模の企業内に位置している――は、RLWRLDを評価するシリーズAまたはシリーズBの投資家が、出資を決定する前に答えを求めるべき未解決の課題である。

また、このタイミングは、韓国がAI関連の物理インフラ産業を丸ごと輸入するのではなく、国内で構築しようとする広範な動きと重なっている。 サムスン電子はRainbow Roboticsを、最高経営責任者に直接報告する専用のロボット事業部門に統合した。また、韓国政府は今年、ヒューマノイドロボットと物流ロボットを戦略的優先分野として位置づけ、韓国のロボットおよび基盤モデル系スタートアップが海外で契約を争う前に国内の顧客基盤を築けるよう、公的サミットや資金提供プログラムを実施している。 RLWRLDとCJロジスティクスの提携は、このパターンに極めてよく合致している。すなわち、物流分野の国内大手企業が、スタートアップが技術を成熟させるために必要な導入環境を提供し、その一方で、スタートアップは、米国や中国のベンダーから基盤モデル技術をライセンス供与してもらう代わりに、国内で開発された代替案を国内大手企業に提供する、という構図だ。 AIインフラにおけるサプライチェーンへの依存にますます注意を払う政府にとって、この相互協定は、純粋に商業的な提携では得られない戦略的な重要性を帯びている。

なぜこれが、単なる韓国の倉庫契約以上の意味を持つのか

物理AIベンダーを評価するグローバルな物流バイヤーにとって、RLWRLDとCJロジスティクスの契約は、その範囲が限定的であるからこそ有用なデータポイントとなる。この契約は、国際展開が可能な汎用倉庫ロボットを約束するものではない。むしろ、以下で訓練された器用性に重点を置いた基盤モデルが

キャプチャされた人間の動きは、あるオペレーターの物流現場特有の混沌とした状況にも対応可能であり、そのテストで結果が出るまでは、国際展開は明確に先送りされる。 単一の展示会でのデモンストレーションを根拠に、ヒューマノイドロボットベンダーが広範な物流能力を約束する様子を見てきたバイヤーたちは、この種の段階的かつ「導入優先」のコミットメントを、より信頼できるシグナルとして捉える理由がある。それはRLDX-1のベンチマーク数値が独立して検証されているからではなく、契約の構造そのものが、「まず概念実証（PoC）」、 次に適用範囲の拡大、最後に輸出という順序が、物理AIシステムがカンファレンスのステージで注目を集める方法ではなく、倉庫現場で実際に信頼を勝ち取る方法と合致しているからだ。

本記事は、2026年9月に発表されたRLWRLDとCJロジスティクスの提携に関する、企業の開示情報および公開報道をまとめたものです。本記事は一般的な情報提供のみを目的としており、投資、財務、または法律上の助言を構成するものではありません。

ヘッダー画像のクレジット：聯合ニュース（Yonhap）。