脳波でロボットを教えるなら、経験を提供した人には何を渡すべきでしょうか

脳波はロボットにどんな情報を与えられるのか

人がロボットの行動を見て「間違っている」と感じたとき、その反応を脳波から読み取ってロボットの学習に活用する研究があります。頭皮に電極を装着して脳の電気的活動を測定するEEG、そしてこの信号を機械への入力として使うBCI、すなわち脳・コンピューターインターフェース技術です。

私はこの研究を見て、データを提供した人の取り分が気になりました。熟練者の判断や動作がロボットの訓練に使われるなら、その人にはどんな説明と報酬が必要なのでしょうか。まずは、今の技術でできることから見ていきます。

実験で確認したのは誤り判別と学習補助です

人がロボットのミスに気づいたときに現れる脳波反応は、エラー関連電位（ErrP）と呼ばれます。研究者は測定した信号を分析して、人がロボットの行動をどう評価したかを推定し、これを学習過程のフィードバックとして使います。ユーザーの脳波を分類する準備過程が必要で、判定は常に正しいわけでもありません。

2017年、ドイツのDFKI研究チームの実験では、人が手振りで命令を出し、ロボットはその手振りにどんな行動で応じるべきかを学びました。手振りは別のセンサーで読み取り、脳波はロボットの反応が正しかったかを評価するために使いました。誤り判別のバランス精度はシミュレーション実験で約91%、実機ロボット実験で約90%でした。この数値は誤りと正常な反応を区別した性能です。ロボットがすべての作業を90%成功させたという意味ではありません。Kim等、2017

2020年のICRAで発表されたAkinola等の研究も、観察者の脳波を学習に活用しました。ロボットが障害物を避けて目的地に向かう課題で、脳波から得た評価が学習初期に探索方向を定める助けになりました。人が設定した最終目標や学習の枠組みをなくしたわけではなく、まれな報酬だけでは学びにくい部分を人の評価で補ったということです。Akinola等、2020

2023年、フラウンホーファーの研究チームは、ジェルを塗る電極の代わりに乾式EEG機器でも学習を助けられるかを試験しました。結果は肯定的でしたが、研究対象は3次元のロボットシミュレーションでした。実際の工場の動きや雑音の中でも同じ性能が出るかは、別途確認する必要があります。Vukelić等、2023

2024年に公開されたE2H研究は、少し異なる方式です。脳波から動作を意味する命令を推定し、別の動作生成・制御モデルがヒューマノイドを動かすようにしました。研究チームも、非侵襲的な脳信号だけでは精密な移動経路を読み取ることが難しいため、2段階に分けたと説明しています。これもまた、頭の中の熟練技術をまるごとコピーした実験ではありません。E2H研究

中国は技術開発と産業化を並行して進めています

中国政府の7つの部門は2025年7月、BCI産業育成方案を発表しました。2027年までに核心技術と産業・標準体系を発展させ、2030年までに国際競争力を備えた企業と産業エコシステムを作るという計画です。適用分野には医療だけでなく、産業製造や消費者向け製品も含まれています。中国工業情報化部の発表

私が注目しているのは、標準と用途まで併せて準備している点です。研究機器の性能が良くなっても、購入者がどこに使い、何を基準に評価すればよいか分からなければ、市場は作られにくいからです。産業化計画は技術がすでに完成した証拠ではありませんが、政府がどんな市場を作ろうとしているのかは示しています。

アトラスの動作学習は脳波研究と区別すべきです

米国のボストン・ダイナミクスとトヨタ・リサーチ・インスティテュートも、人の実演を活用してロボットを教えています。2025年に公開されたアトラスの大規模行動モデル研究では、人がVR機器でロボットを遠隔操作しながら学習データを集めました。ここでヘッドセットは、ロボットの視界を映して操作を助ける機器です。EEGで脳波を読み取る方式とは異なります。ボストン・ダイナミクスの技術解説

現代自動車グループはCES 2026で製品版アトラスを公開し、2028年までに年間ロボット3万台を生産できる体制を整えると発表しました。3万台は目標生産能力であり、すでに現場に投入されているアトラスの台数ではありません。現代自動車グループの発表

ここで一つ仮定をしてみます。自動車工場で30年働いた熟練者がロボットに作業を実演し、その過程の動作と判断を会社が学習データとして使うとしましょう。今すぐ脳波だけでその人の経験を抽出できるという意味ではありません。遠隔操作であれ、他の記録方式であれ、熟練者の助けでロボットの作業能力を高める状況を考えてみようということです。

そのデータが複数のロボットや他の工場でも使われるなら、実演した時間分の賃金だけで報酬として十分でしょうか。私は、データをどこまで使うかによって報酬の条件も変わるべきだと考えます。

同意と報酬を契約で扱った事例

米国の俳優組合SAG-AFTRAの2023年テレビ・劇場用映画協約は参考になる事例です。俳優の声や姿をデジタル複製して使う際、具体的な使用説明と同意、報酬を扱う規則を定めました。支払い方式や例外は、複製物の種類と使用状況によって異なります。俳優がすべてのAI学習の価格を一方的に決める制度ではありません。SAG-AFTRAの協約案内

この協約が工場労働者にそのまま適用されるわけではありません。それでも、技術を導入する前に使用範囲と対価を協議するというアプローチは、製造業でも参考にできると思います。

「あなたの30年のノウハウを10億ウォンで買う」という提案を受けたらどうでしょうか。これは実際の取引事例ではなく、報酬条件を考えるための仮定です。金額だけでは判断が難しいものです。誰がどれくらい長く使うのか、他社にも提供するのか、データを提供した後に自分の仕事はどう変わるのかまで知る必要があるからです。

脳波だという理由だけで、別途の報酬権が自動的に生まれると断定することはできません。かといって、労働者が提供した熟練の価値を会社が当然のように取り上げてよいとも思いません。私は、導入前に次の内容を協議すべきだと考えます。

• 何を記録し、どの作業の学習に使うか
• データを保管する期間と、他の事業所・会社に提供する範囲
• 実演労働の対価と追加活用に対する報酬をどう定めるか
• ロボット導入後の職務変更と再教育をどう支援するか

Oswarldの視点

GTM戦略を策定してきた経験から見ると、技術導入の成否には利害関係者の管理が大きく作用します。購入を決定した経営陣が満足していても、実際に使う人が自分の仕事にどんな影響を与えるのか納得できなければ、導入が遅れたり、現場でうまく使われなかったりすることがあります。

現代自動車の労働組合が2026年1月、労使合意のないロボット導入に反対するという立場を示したことも、そうした文脈で見るべきです。労働者にとってロボットは目新しい製品であると同時に、自分の雇用条件を変えうる設備でもあります。ソウル経済の労組の立場報道

私は、韓国がロボット導入を先延ばしにし続けるのは難しいと見ています。韓国の統計庁の2022〜2072年将来人口推計では、2022年から10年間で生産年齢人口が332万人減ると見込まれています。現場ごとに事情は異なるでしょうが、人手を確保しにくい仕事を技術で補う必要性は高まっていくはずです。韓国統計庁の将来人口推計

だからこそ、同意と報酬をあらかじめ定めておくことが重要です。熟練者が自分にとって不利な変化だとしか感じられなければ、良い実演やフィードバックを得るのも難しくなります。逆に、経験を提供した対価とその後の役割が明確であれば、その人にはロボット導入に参加する理由が生まれます。

脳波ベースのロボット学習は、まだ限られた課題で可能性を確認している段階です。その発展を見守りながらも、人の熟練をデータとして活用する際に誰と何を合意すべきかは、今から議論できます。私はそれこそが、技術を現場で使うための準備だと思います。

筆者アン・グァンソプ（安光涉）は世宗大学校経営学科教授であり、INLEVEL9のリードコンサルタントである。大学では経営データ管理、ビジネスアナリティクスなど統計・データ分析を教える一方、現場ではGTM戦略とAI戦略コンサルティングを率い、技術とビジネスの接点を設計している。AI対話システムの記憶アーキテクチャ（HEMA）研究で学術論文を発表し、毎日グローバルなAI論文をキュレーションするDaily Arxivプロジェクトを運営している。高麗大学校技術経営専門大学院修士課程とKMBAを修了した。著書に『考えを任せる人々：ホモ・ブレインレス』がある。

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。