MujinOSは「搬送系の自律化」で実装が進んでいる
MujinOSは、Mujinが中核製品として位置づけるソフトウェアで、同社は「デジタルツイン基盤で産業現場をリアルタイムに自律制御する」ものと説明しています。ロボットアーム、無人搬送車（AGV）、パレットシャトルなどを、工場や倉庫の3次元モデルの上で計画し、動かす仕組みです。
製造業で公開されている導入先を見ると、適用先は搬送とハンドリングに集中しています。Mujinの公式サイト（2026年10月閲覧）では次のような事例が紹介されています。
| 導入先 | 用途 | 工程の位置 |
|---|---|---|
| 松田電機工業所 | 混載された通い箱のデパレタイズ（荷降ろし・仕分け） | 受入・部品供給（2026年9月発表） |
| SUBARU | 加工ラインへのワーク投入 | 加工工程の入口 |
| アイシン | 組立工程への部品供給 | 組立工程の入口 |
| トヨタ紡織、三五 | ワーク投入・完成品搬送など | 工程間の搬送 |
同社サイトではこのほか、アドヴィックス、キッツ、オークマなども製造業の導入先として挙げています。一方で、サイクルタイムや省人化の人数といった成果の数値は、公開情報からは確認できません。導入効果を比べる材料としては、まだ定性的な段階です。
Mujinは2026年9月に「日本スタートアップ大賞2026」の内閣総理大臣賞を受賞しました。日本のフィジカルAI勢の中では、工場と物流の実運用で台数を積み上げてきた数少ない企業です。他社との位置づけは日本のフィジカルAI勢力図で整理しています。
「ティーチング不要」は何を意味するか
従来の産業用ロボットは、教示ペンダントで動作点を1つずつ登録して動かします。品種や荷姿が変わるたびに教示し直す必要があり、多品種の搬送では立ち上げと段取りの工数が採算を圧迫してきました。
MujinOSのような仕組みでは、ロボットとセル周辺の3次元モデル（デジタルツイン）を持ち、3Dビジョンで認識したワークの位置と姿勢から、把持点と干渉しない経路をその都度計算します。人が教えるのは「どの点を通るか」ではなく、「何をどこへ置くか」というタスクと、ワーク・容器・設備の形状データです。
ここで注意したいのは、教示が不要になる代わりに、形状データと作業ルールの整備が必要になる点です。手間が消えるのではなく、「現場で教える手間」から「データを用意する手間」へ移ります。
導入前に工場側で整えるデータ
デジタルツイン型のロボットを入れるとき、工場側で準備が要るデータは大きく3種類です。
- 形状と荷姿のデータ：ワークの3D形状（CADまたは計測データ）、通い箱・パレットの寸法、積み付けパターン。品番が増えるたびに追加・更新が必要になります
- 作業指示のデータ：どの品番を、どの順番で、どこへ供給するか。加工ラインへのワーク投入なら、生産順序や段取りの切り替えタイミングが入力になります
- 実績と異常のデータ：何個を移載したか、把持に失敗したか、どこで止まったか。工程管理とトレーサビリティに戻す情報です
1は生産技術や設計部門のPLM・CADに、2と3はMES・倉庫管理システム（WMS）に置かれていることが多く、ロボットセル単体では完結しません。品番マスタと形状データの紐付けが崩れていると、ロボットは「知らない箱」に出会ったところで止まります。マスタ整備の進め方は品番改番・設備IDの不整合を直す5ステップで解説しています。
MES・WMSとの接続で決めておくこと
搬送ロボットは単独の装置ではなく、上位システムの指示で動く工程の一部です。導入の設計段階で次の点を決めておくと、立ち上げ後の手戻りが減ります。
- 指示の粒度：MESから「品番と数量」を渡すのか、「パレット単位の搬送指示」を渡すのか
- 例外の戻し方：認識できないワークや把持失敗を、MESのアンドンや保留にどうつなぐか
- 実績の書き戻し：移載数とタイムスタンプを、ロット・作業指示に紐付けて記録するか
上位システムとロボットセルのデータ連携の全体像はフィジカルAIに必要な工場データで扱っています。
よくある質問
MujinOSは既存のロボットにも使えますか
Mujinは複数メーカーのロボットを制御対象としてきた経緯がありますが、対応機種や条件は案件ごとに異なります。既設ロボットの流用を考える場合は、機種・コントローラーのバージョンを示して事前に確認してください。
生成AIやロボット基盤モデルと同じものですか
別のものです。MujinOSは3D認識と動作計画、デジタルツインを中心とした制御基盤で、言語で指示を受けるVLA（視覚・言語・行動）モデルとは系統が異なります。基盤モデルの動向はVLAモデル入門を参照してください。
中小規模の工場でも導入できますか
公開事例は自動車部品や大手製造業が中心で、中小規模での事例は公開情報からは確認できません。搬送の物量と品種の変動が大きい工程ほど投資回収しやすい構造なので、まず対象工程の物量を測ることから始めるのが現実的です。
この記事に出てくる用語
フィジカルAIは工場に来るのか
ロボット基盤モデルとヒューマノイドの実証。宣伝と量産ラインの距離を測る 全66本
- フィジカルAIとは：従来の産業ロボット・協働ロボットとの違いを4つの軸で整理
- 美的の「智能体工厂」：荆州工場の14エージェント・38シーンと人形ロボット
- ヒューマノイドの工場実証一覧：BMW・Mercedes・Schaeffler・BYDなど10社の現在地
- フィジカルAI導入の判断基準：今やるべき工場・待つべき工場を分ける5つの質問
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
