BMW Group は、ドイツ・ライプツィヒ工場で欧州初となるヒューマノイドロボットのパイロット運用の拡大を発表した。導入されるのは Hexagon Robotics 製の「AEON」。米 Spartanburg 工場では先行して Figure AI 製「Figure 02」が「11か月で BMW X3 を3万台、9万点の鈑金部品を移送、稼働1,250時間」のパイロット成果を出しており、今回は BMW Group 全体の Physical AI 導入プログラムを欧州に拡大する位置づけだ。AEON は Spartanburg の機体とは別系統で、ライプツィヒ向けに新規にテスト導入される。

パイロットは2025年12月に静かに開始され、2026年4月にテスト範囲が拡大、夏には本格パイロットとして稼働する。年末までに2台体制で2つのユースケースを並走させる計画で、欧州自動車産業における「AI駆動工場」のひとつの試金石となる。

なぜライプツィヒ、なぜ Hexagon なのか

ライプツィヒは BMW のドイツ国内工場のなかで、バッテリー製造、射出成形、プレス、ボディショップ、最終組立まで全工程を1拠点でカバーする「最も技術的に完結した工場」である。AEON のテストをここに置けば、量産工程の全レンジで挙動を検証できる。AEON が担う第一の用途も、現状は作業員が重い保護具を身につけ反復負担に晒される高電圧バッテリーの組立工程と、精度・安全性・人間工学の3点が同時に問われる部品製造である。

パートナーの Hexagon Robotics は、BMW にとって長年の精密測定機器・ソフトウェアの取引先で、Physical AI 領域への進出は AEON が初。BMW としては「強みを既に把握しているサプライヤー」と組むことで、ハード適合の試行錯誤を最小化したい狙いがある。Hexagon Robotics 社長 Arnaud Robert 氏のコメントは挑発的だ —「我々はダンスをするビジネスではなく、働くビジネスにいる」。Tech デモ向けのパフォーマンス重視ヒューマノイドとは一線を画す、産業特化の設計思想を強調した。

AEON のスペックと、4層の Physical AI

AEON は脚ではなく車輪型ロコモーションを採用した。Robert 氏は「工場の床は基本的に平坦なので、エネルギー効率と速度の両面で車輪が圧倒的に優れていた」と説明する。最大速度は 2.5 m/s、バッテリー自己交換は 23 秒で完了し、24時間稼働を前提とした設計だ。22個の統合センサー（周辺カメラ、ToF、赤外、SLAM カメラ、マイク）が 360度のリアルタイム認識を支える。重要なのは、このセンサー群が単に走行用ではなく、従来の固定ロボットでは不可能な品質検査タスクをこなすために組まれている点だ。

AEON が学習する基盤は4層構造で、ロボティクス×生成AIの現在地を象徴する：

• 第1層: シミュレーション×強化学習。数千の仮想インスタンスを並走させて最適動作戦略を探索する。Robert 氏は「ある作業について、シミュレーションで数千の方法を試した結果、最も効率的なのは『慣性を使うこと』だった——これは人間のエンジニアでは絶対にハードコードしない解だ」とコメントした。
• 第2層: 知覚ベースのタスク完遂。「ドアをスキャンしろ」と命じるだけで、AEON 自らがドアを発見し、位置を取り、実行し、結果を報告する。
• 第3層: 模倣学習（Imitation Learning）。テレオペレーションでの20回程度のデモンストレーションで自律動作に汎化できる。BMW の Competence Center は単一のビンピッキング作業について約2,000デモを記録し、一晩でモデルを訓練している。
• 第4層: World Models。未学習のオブジェクトに対しても文脈推論で把持・動作を即時調整する。

処理は2枚の NVIDIA Jetson カードでローカル完結する（1枚はセンサーフュージョン、もう1枚はタスク実行）。クラウド依存なしで誤差検知・即時補正が回る設計は、製造現場のレイテンシ要求と整合する。AEON の Foundation Model はキュレーションされた工場ドメインデータで訓練されており、Robert 氏は「LLM 由来のハルシネーションは AEON ではほとんど起こらない」と断言した。「ロボット用の Google 検索は存在しない」というデータ枯渇問題に対しては、(1) 全ロボット同時にフィードバックされる継続的テレオペデータ、(2) AEON のセンサー優位性（アクチュエータ動作だけでなく環境全体のデータを取得）、(3) BMW 固有の CAD・デジタルツイン・製造履歴という3層で対応する。

Spartanburg の学びをライプツィヒに移植する

BMW がこの実験を米 Spartanburg で先行させたのは偶然ではない。Figure 02 は 10か月で1日10時間シフト × 90,000部品 × 1,250稼働時間という可視的な成果を上げ、量産現場でのヒューマノイド有用性に関する経済合理性の根拠を作った（参考: Apptronik Apollo の量産化と Mercedes・Jabil・John Deere の参画）。BMW Production Network 担当 SVP の Michael Nikolaides 氏は「実験室から実生産への移行は、想定より速かった」と振り返る。

ライプツィヒへの移植にあたって、BMW が最重視したのは「IT・安全管理・プロセス管理・物流をDay 1から巻き込む」という運用設計だ。安全バリア、Wi-Fi 6 接続、標準化インターフェイスといったインフラ整備は「後付け」ではなく前提条件として位置づけられた。同社はこのナレッジを集約するため、ミュンヘンに「Physical AI in Production の Center of Competence」を新設している。Nikolaides 氏は「我々は本番ラインで意図的にブラックボックスモデルを避ける」と述べ、すべてのプロジェクトが (1) 産業運用性、(2) セキュリティ、(3) 経済性、(4) 統合性、(5) スケーラビリティ の5基準で評価されると説明した。

「人間と並走できるか」への率直な回答

BMW のラインタクトタイム（55〜56秒/台）で動く車に作業員が登り込んでいくスピード感に、ヒューマノイドが追いつく日は来るのか。BMW の答えは率直だ —「動く車に飛び乗って組立する未来は、近い将来には見えない」。逆にロボットがすでに勝っているのは「一貫性」である。「スキャンが好例だ。ロボットは最適な走査経路を学習し、毎回まったく同じやり方で実行する。人間は間違えて、やり直す」（Robert 氏）。AGIBOT G2 が Longcheer 工場で達成した検査成功率99.9%と同じ路線で、BMW も「ヒューマノイドが優位な領域」を品質検査・反復精度に絞り込みつつある。

欧州自動車産業×Physical AI の地図上で

BMW Leipzig は、欧州における Physical AI 実装の主要拠点として、Siemens × NVIDIA がエアランゲンで描く「完全AI駆動工場」と並ぶランドマークになる。両者の違いは明確で、Siemens は「工場OS全体としての AI 駆動化」を、BMW は「人間労働の高負担工程に対するヒューマノイド代替」を主軸に据えている。投資家サイドでも、Mind Robotics の総額6億ドル調達のように EV 工場データを学習した産業用 Physical AI への資本流入が加速しており、BMW 自身も自社の CAD・デジタルツイン・製造履歴を「外部に複製不可能な訓練資産」として位置づける戦略を明示した。

Robert 氏は5年後のロボット台数を問われて言葉を濁さなかった —「数千台になることを願っている。製造業の外でも、これらのロボットによって違う世界が見えるはずだ」。ライプツィヒの「2台 × 2ユースケース」は、その出発点に過ぎない。日本の自動車・装置産業にとって示唆は明確だ。(1) 高電圧バッテリーや精密検査など、特定の高負担・高一貫性工程からヒューマノイドを入れる、(2) IT・安全・物流の整備を Day 1 から巻き込む、(3) 自社固有データを訓練資産として位置づけ、外注ではなく内製ナレッジとして蓄積する — この3点は、ライプツィヒの教訓そのものである。