AIエンジニアへの転身ガイド
メーカーの制御設計からフィジカルAIのスタートアップへ|制御の経験の活かし方
更新日 2026年11月16日 / 書いた人 上田 英介(ジンベイ株式会社 代表取締役/職業紹介責任者)
フィジカルAIのスタートアップでは、模倣学習や強化学習で作ったモデルがロボットを動かします。そう聞くと「制御理論はもう要らないのでは」と感じるかもしれませんが、実際は逆です。
学習したモデルが出すのは、多くの場合、関節の目標角度や手先の目標位置です。その目標に関節を正確に追従させるのは、昔ながらのサーボ制御です。脚で歩くロボットでは、強化学習で作った歩き方がシミュレーションでは動いても、実機ではモータの遅れや摩擦の違いで転びます。そこを詰めるのは、制御とモデル化がわかる人の仕事です。
この記事では、メーカーで制御設計をしてきた人がフィジカルAIのスタートアップに移るときに、評価される経験、足りない経験、働き方の違い、職務経歴書の書き換え方を説明します。
学習したモデルと制御の分担
まず、フィジカルAIのロボットの中で、制御がどこに残っているかを整理します。
| 層 | 動く周期の目安 | 中身 | 担い手 |
|---|---|---|---|
| 方策(ポリシー) | 数 Hz〜数十 Hz | カメラ画像などから次の動作を決める。模倣学習のモデルや VLA(視覚・言語・動作を扱うモデル)、強化学習の方策 | 機械学習のエンジニア |
| 中間の制御 | 数百 Hz | 目標の補間、逆運動学、インピーダンス制御、全身の姿勢の制御、MPC(モデル予測制御) | 制御のエンジニア |
| 関節の制御 | 1kHz 以上 | 電流・速度・位置のループ。摩擦や重力の補償 | 制御と組込みのエンジニア |
方策が出す目標は粗く、ときに不連続です。それを機械が壊れないように、速く、滑らかに追従させる部分の出来が、ロボット全体の動きの質を左右します。ここが制御設計の経験の出番です。
評価される経験
- モデル化とシステム同定:モータ、減速機、リンクの特性を測ってモデルにする経験。シミュレーションと実機の差(Sim2Real)を詰めるとき、実機のアクチュエータの遅れや摩擦をシミュレーションに入れられる人は貴重です(シミュレーションと実機の差を参照)。
- 安定性の評価:ゲイン余裕や位相余裕、周波数応答で「なぜ発振したか」を説明できること。学習した方策の上に追従の制御を重ねると、思わぬ振動が出ることがあります(面接では制御の安定性がよく聞かれます)。
- 力の制御:インピーダンス制御や力制御の経験。物をつかむ、差し込む、拭くといった接触のある作業で、学習したモデルだけに任せると力が出すぎる場面があります。
- 摩擦・バックラッシの補償:減速機のある関節で精度を出してきた経験は、そのまま使えます。
足りない経験と、埋め方
1. Python と PyTorch で読み書きできること
メーカーの制御設計では MATLAB/Simulink でモデルを作り、コード生成する開発が多いと思います。フィジカルAIのスタートアップでは、学習も評価も Python が中心です。モデルを自分で作れなくても、学習のコードを読み、方策の出力の形(関節角か手先の位置か、絶対値か差分か)を理解できることが最低限必要です。
2. シミュレーションの環境
強化学習は、Isaac Lab(Isaac Sim の上で動く学習の枠組み)や MuJoCo のようなシミュレーションの中で、何千もの環境を並べて行います。ここでは、関節の減衰、摩擦、モータの出力の上限、制御の周期と遅れをどう設定するかで、実機での結果が大きく変わります。制御の人がいちばん貢献しやすい場所なので、一度は自分で動かしておくと話が具体的になります。
3. ROS 2 と ros2_control
学習した方策を実機につなぐ部分は ROS 2 で書かれていることが多く、関節の制御は ros2_control の枠組みに載っていることがよくあります。コントローラを自作するときの書き方を一通り知っておくと、入社後の立ち上がりが速くなります。
学ぶ順番
- Python で制御の計算をやり直す(2週間)。MATLAB でやってきた伝達関数の解析や PID の設計を、Python(NumPy、SciPy、python-control)で再現します。
- MuJoCo か Isaac Lab で、腕か脚の簡単な課題を動かす(3〜4週間)。用意されている例を動かし、関節の摩擦や制御の遅れを変えたときに結果がどう変わるかを記録します。
- 模倣学習の公開データとコードを読む(2〜3週間)。行動クローニング(人の操作をまねる学習)のコードを動かし、方策の出力がどんな周期で、どんな値になっているかを確かめます。
- ROS 2 と ros2_control でコントローラを書く(2〜3週間)。
2で「摩擦を正しく入れると、シミュレーションで学んだ動きが変わる」ことを数字で示せると、面接で強い材料になります。
メーカーとスタートアップの働き方の違い
| メーカーの制御設計 | フィジカルAIのスタートアップ | |
|---|---|---|
| 開発の速さ | 仕様が固まってから設計し、パラメータは製品として凍結する | 方策もハードウェアも毎週変わり、そのたびにゲインを合わせ直す |
| 実機の台数 | 評価機や試験台が用意されている | 数台を研究と開発で取り合う。壊れたら直すのも自分たち |
| 品質保証 | 温度、振動、耐久などの信頼性試験を品質保証部門と進める | 品質保証の部門がないことも多い。自分で試験項目を決めて回す |
| 判断のしかた | 理論で説明できる設計が好まれる | 「やってみて成功率が上がったか」で判断することが多い |
| 報酬 | 賞与、退職金、手当がそろい、年功で上がる | 基本給の水準は会社によって差が大きい。ストックオプションが付くことがある |
最後の「判断のしかた」の違いは、戸惑う人が多いところです。理由のわからない改善を受け入れつつ、理由を説明できる制御の視点を持ち込むことが、期待されている役割でもあります。
ストックオプションは、行使価格や権利確定の期間、会社の上場や買収の見込みで価値が大きく変わり、ゼロになることもあります。メーカーの賞与や退職金と比べるときは、ストックオプションを除いた現金の報酬で生活が成り立つかを先に確かめてください。
メーカーでの経験のどこが評価されるか
フィジカルAIのスタートアップは、研究の段階から、お客様の現場で動かす段階に移りつつあります。このとき、メーカーの経験が直接効きます。
- 安全:人のそばで動くロボットは、協働ロボットの安全規格(ISO 10218、ISO/TS 15066 など)に沿った力や速度の制限が求められます。学習したモデルが想定外の動きをしても、制御の層で止める設計ができる人は少数です。
- 量産:個体差のある実機に、同じ制御パラメータで同じ性能を出させた経験。
- 現場での立ち上げ:お客様の設備で、限られた時間で調整を終えた経験。
職務経歴書の書き換え例
職務要約
書き換える前 工作機械メーカーにて送り軸のサーボ制御設計に10年間従事。MATLAB/Simulink を用いたモデルベース開発を担当。
書き換えた後 工作機械メーカーで、送り軸のサーボ制御を10年間設計してきました。機械の共振を周波数応答で同定し、ノッチフィルタと外乱オブザーバで位置決めの整定時間を30%短くした経験があります。2025年からは MuJoCo で腕の模倣学習を試し、関節の摩擦モデルを入れることで、シミュレーションで学んだ動きの実機での成功率が上がることを確かめました。学習したモデルと制御の間を詰める役割で貢献したいと考えています。
プロジェクトの書き方
- 「サーボの調整を担当」→「周波数応答の測定から共振を同定し、ゲイン余裕を確保したうえで速度ループの帯域を上げた」
- 「シミュレーションモデルの作成」→「実機の摩擦とバックラッシを測ってモデルに入れ、シミュレーションと実機の追従誤差の差を半分にした」
まとめ
- 学習したモデルが動作を決めても、その目標に追従させるのは制御。ここで制御設計の経験が評価される
- 足りないのは「Python と PyTorch」「シミュレーションの環境」「ROS 2 と ros2_control」の3つ
- 書類では、モデル化、安定性、安全の経験を数字で示し、学習との接点を足す
制御の経験がどこまで活きるかは、その会社が方策と制御の間をどう作っているかで変わります。職務経歴書を見ながら、合う会社を一緒に整理します。
