人手不足やノウハウの継承など、さまざまな課題を抱える産業現場において、機械やデジタル技術の活用は避けて通れません。日立製作所 研究開発グループでは、こうした社会インフラを支える装置やシステムの「制御技術」の研究開発に取り組んでいます。急速に進化していくAIをどのように制御しながら活用していくのか、そして人はデジタル技術とどのように役割を分担し、これからの産業現場をつくっていくのでしょうか。人や産業が成長できるために、今後の制御技術はどうあるべきか、慶應義塾大学 理工学部 物理情報工学科の井上正樹准教授と、研究開発グループ 主任研究員の石原新士、河野洋平が議論を交わしました。
制御しすぎないことがスキルアップにつながる
石原： 井上先生と私は、2026年3月に慶應義塾大学と日立の共同研究で新しい運転アシスト制御技術を開発しました。これは産業プラントにおいて、初心者のオペレーターが効果的にスキルアップすることをめざした技術です。研究開発にあたり、化学プラントの運転シミュレータを操作する実験を行ったところ、システムによって運転を強くアシストするよりも、アシストをあえて弱めたほうが初心者のスキルアップには効果的だとわかりました。
井上准教授：この研究の背景には、少子高齢化の進行によって深刻化する労働者不足の問題があります。AIや自動化技術の進展によって機械が人の作業を支援する場面は増えていますが、機械に頼りすぎることで人が自ら考える力やスキルが育たなくなる可能性も指摘されています。人と機械が共存する社会に向けて、人が成長し続けられる仕組みづくりが重要になってくるでしょう。
こうした課題に対して今回開発したのが、初心者のオペレーターであっても安全性を確保しながら無理なく運転スキルを高められる制御技術です。
日立との共同研究について解説する井上正樹 准教授
石原：子どもが自転車に乗る練習をするときには補助輪を使いますが、ずっと補助輪を付けたままでは乗りこなせるようにはなりませんよね。井上先生と共に、いわば「常に付いているのではなく、危険なときだけ生えてくる補助輪」を開発し、実験を行いました。これにより、「過度な手助けをしないこと」が人の成長につながることが実証されたのです。
井上准教授：アシストしすぎないほうがいいという結果は、私にとっても興味深いものでした。こうした制御技術を考えるときには、ガチガチに制御して安全性を高めた状態でサポートしようと発想しがちです。今回の「制御しすぎない」という視点はまさに逆転の発想ですね。
石原：もちろん、技術的には制御を強くかけていくことはできます。しかし、あえてそれをせず、なるべく見守る。AIの進化によりデジタル技術でできることが多くなってきた時代だからこその、新しい制御の考え方だと思います。
井上准教授：教育分野でもいわれることですが、「周りが口を出しすぎると良くない」という状況はよくあります。この共同研究では産業プラントを安全にオペレーションすることを想定していますが、自動車の運転サポートなどにも活かせる発想だと思います。車の運転が好きな人はたくさんいますが、アシストされるばかりだと楽しくなくなるかもしれませんね。「楽しさ」は人にとって大切な要素であり、ウェルビーイングにもつながってきます。
石原：「楽しさ」と「上達」の関係は、スポーツ選手もきっとそうですよね。スポーツがおもしろいから自然と練習して、練習によって上達し、上手になったからさらにおもしろいと感じる。そういうプラスの循環を促すための技術といえると思います。
「楽しさ」と「上達」のポジティブな関係性について語る石原新士 主任研究員
「制御」とは、変化するものを望んだ状態にする技術
石原：そもそも制御技術とはなにか、原点に立ち返ってみると「状態が変化するものを、望む状態にする技術」だと考えています。水の温度や生物の動き、化学反応なども「状態」として捉えられます。「ある状態」から「別の状態」にどのように動かしていくのか。たとえば、部屋のエアコンが室温を変化させることも、一定の状態に保つことも「制御」になります。
井上准教授：社会システムに対しても「制御」の考え方が活かせますよね。交通量を制御して渋滞を抑制するとか、電力などのインフラシステム、航空管制などにも制御技術が用いられています。
このほかにも、スーパーマーケットで売れ残っている惣菜の値段を下げたり、ホテルの宿泊料金を混雑度によって変化させたりといった「ダイナミック・プライシング」と呼ばれる技術も「制御」といえます。
それから、制御技術においては「フィードバック」の構造があることも重要です。フィードバックとは、働きかけている対象がどんな状態になっているかを観測し、それに合わせて適切な介入を行い、望んだ状態へと導いていくことです。先ほどのエアコンの例でいえば、センサーが室温を測定して風量などを自動調整する機能は、フィードバックを利用した制御ですね。
河野：従来の制御理論では、目標の状態に近づけるために、目標とのズレを観測してそれを打ち消すために負のフィードバックを掛けることで、ズレを修正しようとします。これは「ネガティブフィードバック」と呼ばれ、制御の基本的な考え方です。先ほどの共同研究のお話は、人が楽しいと思うから、もっと楽しくしていこうという、ポジティブなフィードバックがある。まったく違うアプローチで、ここから新しい理論が立ち上げられそうです。
従来のネガティブフィードバックを用いた技術との違いについて語る河野
井上准教授：そうですね。目標に近づけるための制御にはネガティブフィードバックが必要ですが、今回の共同研究の主題は「効用の最大化」です。目標値を定めない最大化問題だから、ポジティブフィードバックによって発散していっても構わないんです。安全性という最も重要なポイントは確実に押さえるけれど、それ以外の部分は人が好きにしてもいい。自分のやりたいように動けるという仕組みの設計ですね。
人・AI・制御技術、3つのプレイヤー
石原：発電所や石油精製プラント、化学プラントでは、オペレーションを間違えれば大事故につながってしまうようなリスクがあります。そのため、新人研修にも高い安全性が求められ、トレーニングは非常に緊張感のあるものになるでしょう。
今回の共同研究の成果を利用することで、安全性が保証された状況下でいろいろと試行錯誤しながら新人が学ぶことができれば、その仕事はもっと楽しいものになりますし、習得するスキルも変わってくると思います。離職率が下がったり、熟練までの期間を短縮できたりと、経営的な意味でも大きな価値が提供できると考えています。
河野：製造プラントの生産運転を支援するプラントオートメーションなど、システム制御と機械学習／AIの融合について研究開発を進めているなかで、いろいろな産業現場に伺うのですが、そのたびに、熟練者のスキルを次世代に継承することの大切さや難しさが話題になるんです。人財が減っている状況では、「教育の価値」はどんどん上がっていきます。一筋縄ではいかない課題ですが、そこに制御技術が活用できるのであれば期待が持てますね。
井上准教授：共同開発したアシスト技術には、まさに「人と共に成長する相棒」というコンセプトが込められています。「AIとの共創」というと、得意・不得意で役割を分ける発想が多い。でも、そうやって役割を分担していると、人間がつまらない作業ばかりを任されてしまう可能性があります。人が頑張ってデータを取ってきて、AIがそれを料理する、というふうに。私たちが自分で料理をしたかったはずなのに、楽しい部分をAIに奪われてしまう。そうではなくて、やっぱり楽しい部分は人間が行えたほうがいいはずなんです。
石原：AIへの期待感は強いですが、完全に人と代替できるわけではないと思います。だからこそAIの時代に「制御」はどうあるべきなのか、もっと考えていきたいですね。
河野：AIを活用した制御技術のソリューションは増えていますが、産業現場では「どうしてもAIは信頼しきれない」といわれることが多いんですよね。「人に受容されやすい制御とはなにか」「人に受容されやすいAIの役割とはなにか」を考えることがポイントになると思っています。
石原：「人」「AI」「制御技術」という3つのプレイヤーがいる状況なんだと思います。それぞれの強みがあり、どう組み合わせるのかが肝要なのではないでしょうか。
河野：たとえば、現場の熟練オペレーターは、モニターされたセンシングデータ以外のことも見ています。計測できないような微小な感覚を五感で感じ取ったり、観測できていない物理現象を想像して、経験的にオペレーションを行っています。物理空間のすべてをデータで表現できるわけではないので、そういう観点では人のほうがAIよりも優れている部分はありますね。
井上准教授：AI、特にそのコア技術でもある自然言語処理や画像認識では、言葉や画像のような曖昧な情報を処理する能力はとても高いですね。一方で、絶対的な安全性を保証することは難しいという弱点があります。
石原：AIにおいては、計算負荷や電力消費量の問題もありますね。たとえば、電力の供給手段が限られる移動体において、AIを動かすために電力消費量が大きい高性能なチップを搭載しようとすると、大容量バッテリーが必要になってくる。「賢いAIだけど2時間しか動かない」では利用できるシーンが限定されてしまいます。
井上准教授：制御技術は曖昧なものを扱うことが苦手ですが、「絶対に衝突しない」といった安心感・安全性には強いのが特徴です。また、二次計画法くらいの計算であれば、安価で小さなチップでも十分に動きます。ドローンなど小型モビリティの制御をするうえでは、重量やバッテリーはクリティカルな課題になるので、この省電力性は大きな強みです。
石原：制御信号の更新頻度といった出力速度の点でも、従来の制御技術が優れている部分はあります。メカニカルなシステムの場合には、たとえば1秒間に1000回のスピードで出力し続けるような速度が求められます。いまのAIではこの出力速度は対応できません。
河野：化学プラントの場合は、制御周期が1秒間から1分間程度なので速度の問題はクリアできます。ただ、爆発したり有害なガスが漏れたりといった重大リスクがある状況下では、確実な再現性が求められる。確率的な処理を行うAIには、再現性の面では任せられないところがあります。適材適所で手法を使い分けることが大切ですね。
フィジカルAIが持つ自律的な発展性
石原：これからのデジタル技術の活用と制御技術を考えるうえで、「自律化」も重要なキーワードになってきます。近年、研究開発が急速に進んでいる「フィジカルAI」によって、これまで自律化が難しかったようなものも解決していくことになると思いますが、河野さんからみてフィジカルAIと制御の関わりをどう考えますか。
河野：対話型の生成AIのようにテキストや画像だけを扱うのではなく、カメラやセンサーによって現実（フィジカル）世界の情報を取得し、ロボットや設備などを物理的に動かすAIを「フィジカルAI」と呼んでいます。
「フィジカルAI」という言葉はまだ使われはじめたばかりで、はっきりとした定義が決まっておらず、専門家の間でも認識が一致しているわけではありません。ロボット制御や自動運転技術がフィジカルAIの代表例として語られることが多いですが、私としては、あまり特定の分野にとらわれずに、この言葉はもっと広い意味で使えると考えています。
井上准教授：私もフィジカルAIの示す対象を拡大していきたい立場です。産業プラントや社会インフラの制御などもフィジカルAIと呼んでいいと思っています。
河野：ロボティクスの分野では、VLA（Vision Language Action）と呼ばれるモデルが話題になっていますね。これは、視覚（Vision）・言語（Language）・行動（Action）の3要素を統合して処理するフィジカルAIの一種です。たとえば、カメラで捉えた映像や画像から状況を理解し、それを言葉で表現・判断して、実際にロボットアームを動かすといった一連の流れをひとつのモデルで担うようなイメージです。
個人的には、VLAも従来の制御技術も、根幹となる発想に違いはありません。制御技術のバリエーションとしてフィジカルAIがあるといっていいでしょう。
井上准教授：先ほどはAIのネガティブな側面に注目するかたちになりましたが、私個人としてはAIにはポジティブな印象を持っています。制御にAIを利用することによって、これまで扱えなかった文章や画像、動画や音声といった非構造化情報を扱えるようになりました。
河野：自律的であることもひとつの指標ですよね。フィジカルAIが自律性を獲得することで、従来は特定環境でしか動かせなかったものが、いろいろな環境で動かせるようになる。それが「フィジカルAIらしさ」ではないでしょうか。
井上准教授：そうですね。私がフィジカルAIに期待しているのは、そうした自律的な発展性です。
上流工程でプランを作るAIへの期待
石原：これまでの「制御」の発想では、あらかじめ目的が与えられたうえで、目的に合わせたデータを取得することを考えていました。これからのフィジカルAIには「いま、なにをするべきか」「そのためには、どんな情報が必要か」といった目的そのものをつくることが期待できると思っています。
なにかを設計することはそもそも難しい課題です。だからこそ、上流工程であるプランニングの部分でAIが活躍できるように思います。フィジカルAIがプランを設計し、下流工程では従来の制御技術が確実に動いてくれるという仕組みができれば、もっといろいろなものが効率化できると考えています。
井上准教授：最近のAIエージェントはそういった流れがありますね。たとえば、「この情報が入ってきたらメールを送ろう」とか「答えられない問題があったらWeb検索をして判断材料を入手しよう」というように、自律的判断をして実行できるようになっている。これを物理世界でも行えることが、石原さんが期待されていることですね。
石原：はい。仮想空間上で実現できているのですから、物理空間でもフィジカルAIが自律的に情報を取得して提案する未来はあるはずです。
河野：ただ、仮に現実世界のあらゆるデータを取得できるようになったとしても、そのデータをどう見るのかという観点は必要になります。その視点を提供できるのは、やはり人間です。AIは「このように見えている」と人に伝え、人は「こう解釈すればいい」とAIに伝える。フィジカルAIは人間の視点を手がかりにしながら自律的に動いて立案し、いまなにをすべきかを下流のAIに渡していくというイメージです。
システム開発の分野でも、プログラミングのコードを書くだけでなく、要件定義のような上流工程にAIの役割が広がっています。制御やフィジカルAIの分野でも同じことは起こるのではないでしょうか。上流工程に行くほど、正解のない難しい問題を解く必要があり、人間とAIが協働する割合も増えていきます。人間が果たすべき役割も大きくなっていくでしょうね。
協調領域を見つけて、フィジカルAIはさらに発展していく
石原：AIの勢いは止まらないので、AIを使いこなしていくことは大前提になります。そのうえで、人間とAI、そして機械、それぞれの価値を活かしながらどのようにバランスを取り発展させていくのか。研究者として、社会や産業にどのような価値を還元していけるのか。明確な答えはありませんが、日立がこれまで培ってきた、プロダクト（製品）、OT（運用技術）、IT（情報技術）といった幅広い分野での技術力の見せどころでもありますね。
河野：「制御技術とAI」という二項対立ではなく、「人」という要素が出てきたのが今日の議論の大きな収穫でしたね。私がいま取り組んでいる研究も、産業現場の熟練者のノウハウをいかに継承していくかが大きなテーマになっています。人の果たすべき役割や知見を残していくという観点からも、AIと制御の関わり方をあらためて考えていきたいです。
「制御」とは特定の技術に紐づいたものというより、石原さんがいっていた望む状態であり「ものの見方」に近いのかもしれません。世の中にこれから広まっていくフィジカルAIを、どのように「制御」の考え方として捉えていくのかが、今後の研究課題になりそうです。
井上准教授：私はAIの進化によって、端的に「できることが広がった」と考えています。AIと制御の双方があることによって生まれる新しい価値を創造していきたいですね。大学での研究方針としては、AI技術の根幹を探求していく方向と、実用化のために安全性を高めていくような方向に分かれるかと思いますが、どちらの方面も引き続き研究していかなければなりません。
今回の石原さんたちとの共同研究では、課題があらかじめ明確ではないことのおもしろさを感じました。大学では理論や数学などを学びますが、それだけではなく「なにを考えるべきか」という問いを立てることに意義があります。共同研究で最初から成果物を決めてしまうと、その研究の先へと続いていきません。いろんな研究者たちと一緒に同じ方向を見ながら、ああでもない、こうでもないと議論させていただける機会はとてもありがたいです。
石原：ひとつの企業だけで解決できる社会課題は少なくなっていますよね。大学の先生からいろいろな知見を共有していただけるのはうれしいですし、ほかの企業とも協働できる部分はもっとあるはずです。学会や研究会だけに限らず、幅広い分野の方々と継続的な議論をもっとできる場があるといいですね。
河野：「協調領域と競争領域」の考え方ですね。かつて日本の化学プラントが急速に発展・高度化した時代には、プラントをいかに高度に制御し安定稼働させるかが業界共通の課題でした。当時は学会に化学メーカー各社の技術者が集まり、企業の垣根を超えて制御問題をオープンに議論することで、業界全体の技術の底上げと品質向上が実現したと伺っています。現代は専門分野のサイロ化が進み、協調領域を見出すことが難しくなりつつあります。だからこそ、私が主査を務めている計測自動制御学会のDML研究会（Physical AIのための機械学習と融和した制御理論の再設計 調査研究会）を、現代の「フィジカルAI」における新たな協調領域を育む協創の場として発展させていきたいと考えています。
石原：研究すべきことはたくさんありますが、日立だけでは実現できないこともあります。井上先生とも引き続き共同研究を進めていくのはもちろんですが、幅広く協創パートナーを探していきたいですね。
プロフィール
井上 正樹
慶應義塾大学 理工学部 物理情報工学科 准教授
2012年3月同博士後期課程修了。同年4月より科学技術振興機構 FIRST 合原最先端数理モデルプロジェクト研究員、東京工業大学大学院情報理工学研究科特別研究員。2014年4月より慶應義塾大学理工学部助教、2018年4月より同専任講師、2021年4月より同准教授となり現在に至る。2010年より2年間日本学術振興会特別研究員（DC2）。人と機械の協働するシステムにおける新たな制御理論の開拓から、ドライバー/オペレータへのアシスト技術への応用、地上/航空交通管理や電力系統制御などの社会インフラシステムへの応用展開まで広く従事。博士（工学）。IEEE、計測自動制御学会、システム制御情報学会、人工知能学会の会員。
石原 新士
日立製作所 研究開発グループ Digital Innovation R&D
モビリティ&オートメーションイノベーションセンタ 自律制御研究部 ユニットリーダ主任研究員
2009年日立製作所入社。建設機械や振動試験装置などの大型機械の制御・状態推定アルゴリズムの研究開発に従事。現在は、鉄道や電力などの社会インフラシステムの制御へと研究領域を広げ、制御技術による社会インフラの運用最適化を実現すべく研究開発を推進中。2025年より現職。博士（工学）。計測自動制御学会、システム制御情報学会、IEEEなどの会員。
河野 洋平
日立製作所 研究開発グループ Digital Innovation R&D
システムイノベーションセンタ DXエンジニアリング研究部 主任研究員
2016年4月日立製作所に入社。物理モデリング、制御理論、AI/機械学習を融合した「フィジカルAI」技術を軸に、 プラントオートメーション、プロセスデジタルツイン、エネルギーシステム最適化の研究開発を推進。2025年より現職。2026年より計測自動制御学会「Physical AIのための機械学習と融和した制御理論の再設計 調査研究会」の主査を務める。2019年度計測自動制御学会論文賞武田賞などを受賞。博士（工学）。計測自動制御学会、化学工学会、IEEEの会員。
