米国のバイオニックプロテーゼ企業PSYONICは、義肢ユーザーの日常的な操作データを基盤とするリアル・トゥ・リアル転移手法により、ロボットの精密操作AI訓練に本格的に参画している。同社が開発するAbility Handは残存筋肉の電気信号で制御され、圧力センサーと振動フィードバックを内蔵する。約300人のユーザーが家事やスポーツなどの生活動作を行う際、接触位置、握力、指の運動速度、トルク分布などが連続記録され、触覚と視覚を同期した高品質な多モーダルデータが生成される。これは従来のテレオペレーションや画像分析では得難い、感知から行動修正までの完全な制御ループを提供する。 同社はシミュレーションを介さず人間の物理的経験からロボットへ直接知識を移すアプローチを推進する。2026年3月のNVIDIA GTCにて、Ability Handがロボット学習フレームワークIsaac LabおよびGR00Tプラットフォームにネイティブ統合されることが発表された。これにより、大規模ビジョン・言語モデルやワールドモデルの学習効率化が図られ、シミュレーション開発、物理検証、実環境データ収集のフィードバックループが構築される。 産業応用では同年6月、ABBロボティクスと協業し協動ロボットGoFaに同製品を搭載した。GoFaは高精度な検証プラットフォームとして、人間の操作データを基に生成された制御戦略の安定性を産業環境で評価する役割を担う。当初は自動車製造、倉庫物流、生命科学分野を主要対象としており、6から12ヶ月以内の操作信頼度99パーセント超達成を目標にしている。また、UCサンディエゴと海軍医療センターとの共同研究では、神経・骨格に直結する次世代インターフェースの開発が進み、単指独立制御と自然な触感の再現が図られている。 同社のビジネス重心は過去1年でプロテーゼからロボティクスへ転換し、従業員数を50人に拡大。産業用アームや二足歩行ロボットなどプラットフォームに依存しない設計を採用する。一方で、300人規模のデータが自動学習に必要な軌跡数を補えるか、家庭内操作と産業現場の力学分布差をどう克服するか、自動車組立ラインなどで要求される99.9パーセント超の信頼性基準にどう追いつくかは検証段階である。PSYONICは高品質データによる学習効率化と継続的な実証を通じて、物理AIのデータハングアップ克服と自律万能ロボットの具現化を目指す。