Concept
来場者が障害物を自由に置くため、毎回状況が違います。AIエージェントは障害物の存在も位置も知らない状態から、「周辺を調査する → 世界の認識を更新する → 次の調査を計画する」というループを自律的に回して、問題を突き止め、解決します。

3.6m四方のジオラマに3Dプリント製のミニチュアの街。配達車両(TurtleBot3)が白線をたどって荷物を運ぶ、Amazonのラストワンマイル配送網を再現しています。ブースの2つの画面には「AIの思考」と「AIが認識している世界」がリアルタイムに映し出されます。
調査と復旧を担うのは、FANUCの協働ロボット CRX-20iA/L 2台。アーム先端のカメラ(FRAMOS D435e)で通りを見回し、障害物を見つけると形とサイズから「つかめるか」をAIが判断。つかめれば回収エリアへ、難しければ人のオペレーターに支援を求めます。
How it works
1サイクルは5つのステップ。どのステップも、AIエージェントが自分の判断で進めます。

配達車両が倉庫エリアから配送先へ巡回する平常運転

来場者がルート上に障害物を配置。車両が検知して停止

AIがFANUCロボットの先端カメラで通りを探索。認識を更新しながら調査を繰り返す

障害物を特定し、ロボットが把持して回収エリアへ。道路が開通

AIが配達車両に再開を指示。配送網が復旧する
設計の勘所: 物体認識や「次に何をすべきか」の判断はクラウドのAI(Amazon Bedrock)が担い、アームの軌道計算(モーションプランニング)やセンサー処理は現場のエッジPCが担当。通信が切れてもアームは安全に停止し、復旧後にクラウドから再開指示を受けます。
Gallery
AWS Summit Japan 2026 会場で撮影した実際の映像です。クリック(タップ)で再生できます。
Technology
AIエージェントの実行基盤から産業用ロボットまで、クラウドと現場をひとつなぎにした構成です。
| AIエージェント基盤 | Amazon Bedrock AgentCore Runtime — ツール呼び出し・メモリ(調査結果の蓄積)・地図データを統合管理し、調査計画から復旧指示まで自律遂行。推論はClaude Sonnet |
|---|---|
| 視覚認識 | Amazon Bedrock(Claude Haiku) — カメラ画像から周囲の状況を認識し、障害物の有無と最適な行動を推論 |
| クラウドと現場の通信 | AWS IoT Core — MQTT 5のRequest/Responseでアーム制御、Device Shadowで配達車両の状態管理。通信断でも最後の既知状態から安全復帰 |
| 音声ナレーション | Amazon Polly — 「障害物を発見しました」などAIの行動を音声で実況 |
| エッジ側 | ROS 2 / MoveIt 2によるモーションプランニングとセンサー処理をエッジPCで実行 |
| ロボット | FANUC CRX-20iA/L ×2(可搬20kg・リーチ1,418mm・接触検知で即時停止) + OnRobot 2FG7ハンド + FRAMOS D435eカメラ |
| 配達車両 | TurtleBot3 Burger — ライントレース走行、赤外線センサーで障害物検知、Named Shadowで状態管理 |
Sources