株式会社ディーエムエスはヒューマノイドロボットの社会実装を目指すコンソーシアム「J-HRTI」に参画し、千葉県習志野市に開設されたロボット学習データ収集拠点「J-HRTI 関東データファクトリー」が2026年8月26日に本格稼働しました。これまで自動化が困難とされてきた物流現場の「非定型かつ定常的な作業」を自律型ロボットで代替・補完するための実証が、実際の現場データ収集を起点として本格的に始動します。
J-HRTI 関東データファクトリー稼働の背景と実証の全体像
物流現場における自動化は、AGV（無人搬送車）やAMR（自律走行搬送ロボット）による定型ルートの搬送、あるいは特定サイズに特化した自動倉庫（AS/RS）などを中心に進展してきました。しかし、多種多様な荷姿やサイズ、重量が混在する荷役・仕分け・ピッキング・梱包といった「非定型かつ定常的」な作業は、依然として現場作業員の柔軟な判断と手作業に依存しています。
こうした手作業領域の省人化を実現する技術として期待されているのが、視覚・力覚・触覚を統合して自律的に状況を判断する「フィジカルAI（身体性AI）」と、それを搭載したヒューマノイドロボットです。しかし、ロボットが現場で柔軟に稼働するためには、実環境に近い条件下で膨大な動作学習データを収集・蓄積するインフラが不可欠でした。
コンソーシアム「J-HRTI」の発足とディーエムエス参画の経緯
ヒューマノイドロボットの社会実装を産学官ではなく民間主導で加速させるため、2026年3月に設立されたのが「J-HRTI（Japan Humanoid Robot Training & Implementation）」です。製造・流通・エンジニアリングなど異なる強みを持つ企業が集い、実現場でのロボット稼働に必要なデータ収集と実証を共同で進める体制が構築されました。
物流・DM（ダイレクトメール）発送代行大手の株式会社ディーエムエスは、現場における非定型作業の自動化を推進するため、同コンソーシアムに参画しました。
| 項目 | 詳細・実績データ |
|---|---|
| 参画発表企業 | 株式会社ディーエムエス（東証スタンダード市場：証券コード9782） |
| 所属コンソーシアム | J-HRTI（Japan Humanoid Robot Training & Implementation） |
| コンソーシアム発足 | 2026年3月26日（INSOL-HIGH、山善、ツムラ、レオン自動機で設立） |
| ディーエムエス参画日 | 2026年7月16日（物流・DM発送代行分野として初参画） |
| 拠点名称・所在地 | J-HRTI 関東データファクトリー（千葉県習志野市） |
| 施設本格稼働日 | 2026年8月26日 |
| 実証・活動開始日 | 2026年8月27日（ディーエムエス実現場での実装検証を本格始動） |
J-HRTI 関東データファクトリーの施設概要と運用体制
千葉県習志野市に開設された「J-HRTI 関東データファクトリー」は、国内の民間企業のみで構成される団体が運営するフィジカルAI・ロボットデータ収集センターとして日本初の施設です。
施設内には実際の物流現場や工場ラインを模した環境が再現されており、複数台のヒューマノイドロボットが同時にタスクを実行しながら、動作ログやセンサーデータを集積します。
| 施設スペック・運用項目 | 規模および運用内容 |
|---|---|
| 敷地面積 | 約1,400平方メートル |
| ロボット稼働規模 | 35台（最大40台まで順次拡充予定） |
| 常駐人員体制 | 約100名（遠隔操作オペレーター50名以上、アノテーター等） |
| 収集データ種別 | 遠隔操作による動作データ、力覚・触覚センサーログ、視覚認識データ |
| 主要な検証対象 | 多品種小口商品のピッキング、不定形荷物の積み付け、梱包前検品 |
本施設では、人間がコントローラーやウェアラブルデバイスを用いてロボットを遠隔操作（テレオペレーション）し、その際の関節角度、トルク、把持力、カメラ映像などのマルチモーダルデータをリアルタイムで収集します。集められたデータはアノテーション処理（AI学習用のラベル付け）を経て、フィジカルAI基盤モデルのファインチューニングに活用されます。
J-HRTI運営委員長の中山勝人氏（株式会社山善 トータル・ファクトリー・ソリューション支社 参与）は、2026年8月の内覧会において「J-HRTIが目指しているのは、ロボットを動かしてデータを集めることだけではない。参画企業が持つ実際の現場の課題を持ち寄り、ヒューマノイドで実行できる仕事を見極め、学習データを作り、現場への実装までつなげていくことだ」と述べています。
J-HRTIのロードマップと今後の展開
J-HRTIは関東データファクトリーの稼働を皮切りに、段階的なタスク拡張と全国展開を計画しています。
| フェーズ・年度 | 実装タスクの範囲 | 拠点展開・エコシステム目標 |
|---|---|---|
| 2026年度 | 搬送や単純な受け渡しなどの単一タスク | 関東データファクトリーでのデータ収集基盤確立 |
| 2027年度 | ピッキングや簡易検品など複数複合タスク | 地方サテライト拠点の順次開設 |
| 2028年度 | 不定形物の仕分け・梱包など多様タスク | 全国10カ所のデータファクトリーネットワーク構築 |
J-HRTI事務局を務めるINSOL-HIGH株式会社は、この拠点ネットワークについて「ロボットそのものを全国に販売するための拠点ではなく、現場データを実機で使えるデータに変換するサービス」と位置づけており、物流現場のオペレーションに即したデータ変換インフラとしての機能を目指しています。
参考記事: フィジカルAIが拓く10.5兆円の自動化潮流と中小物流の生き残り策
物流エコシステムの主要プレイヤーに波及する具体的な影響
民間初のロボット学習データ収集拠点の稼働と、3PL事業者によるヒューマノイド実装実証の開始は、サプライチェーンを構成する多様な事業者に構造的な影響を与えます。
倉庫事業者・3PL企業：暗黙知のAIデータ化と競争優位の確立
倉庫事業者や3PL企業にとって、現場作業員の技能やノウハウといった「暗黙知」をロボット学習データとして形式知化・資産化できるかどうかが、中長期的な競争力を左右する要因となります。
これまで3PLの差別化要素は、現場管理者の配車・人員配置スキルや、熟練作業員の作業スピード・正確性にありました。しかし、労働力不足が慢性化する環境下では、属人的なスキルに依存したオペレーションの維持は困難です。
ディーエムエスのように初期段階からデータ収集基盤に参画し、自社の取り扱い商材（DM、小口通販資材、販促品など）の取り扱いデータをAIに学習させることで、自社固有の荷姿・作業フローに最適化されたロボット運用モデルを先行して構築できます。これにより、将来的にロボットを実現場へ導入する際、立ち上げ期間の短縮と高い初期稼働率を実現することが可能になります。
参考記事: ヒューマノイドロボットとは？AGV・AMRとの違いや物流現場での活用事例を解説
EC事業者：波動対応力の強化と固定費型オペレーションへの転換
EC事業者にとって、セール期や季節イベントに伴う出荷量の急激な変動（波動）への対応は、収益性と配送品質を左右する最大の課題です。
従来のEC物流では、繁忙期に臨時スタッフや派遣労働者を大量に確保することで出荷能力を補ってきました。しかし、採用コストの高騰と人員集客の難航により、人海戦術による波動吸収は限界を迎えています。
ヒューマノイドロボットが非定型作業に対応できるようになれば、夜間や休日を含む24時間稼働によって出荷キャパシティを柔軟に拡張できます。また、作業員ごとの習熟度差による誤出荷や破損リスクが低減され、安定した出荷品質を維持できるようになります。人件費という変動費をロボット稼働による安定した固定コストへシフトさせることで、事業計画の予見性を高めることが可能です。
参考記事: 【海外物流DX】Mercado Libreのヒューマノイド導入から学ぶ、次世代倉庫の姿と日本企業の勝ち筋
SaaS・テクノロジーベンダー：現場データ連携とWMS/WESの高度化
ロボットハードウェアの知能化に伴い、WMS（倉庫管理システム）やWES（倉庫実行システム）を提供するソフトウェアベンダーの役割も大きく変化します。
従来のWMSは、人間に対する作業指示（ハンディターミナルへの表示など）や、固定設備の制御指示を出力する役割が中心でした。しかし、自律的に状況を認識して動作するヒューマノイドロボットが現場に加わることで、システムには「ミリ秒単位のリアルタイムステータス連携」や「作業例外時の自律的リカバリー指示」が求められます。
リアルな現場環境で収集された物理動作データと、上位の在庫・出荷管理システムがAPI経由でシームレスに統合されることで、倉庫全体のデジタルツイン（仮想空間での現場再現）を活用した全体最適化が現実のものとなります。
| 業界プレイヤー | 主な影響と変化の内容 | 今後求められる戦略的対応 |
|---|---|---|
| 倉庫事業者・3PL | 現場作業ノウハウのデータ化と自動化領域の拡大 | 自社作業データの整理・蓄積とスモールスタート実証 |
| EC事業者 | 繁忙期の出荷波動吸収と誤出荷率の抑制 | 標準化された梱包仕様の策定とデータ連携体制の整備 |
| テクノロジーベンダー | ソフトウェアによるロボット統合制御需要の拡大 | クラウド型WMS/WESのAPI公開とフィジカルAI連携基盤の開発 |
参考記事: 物流DXが加速！アクセンチュアなど3社による2026年の人型ロボット実証実験の全貌
LogiShiftの視点：2030年のコスト逆転期を見据えた現場データの資産化
株式会社ディーエムエスが参画発表時のコメントで言及した「2030年に予測される人件費とロボットコストの逆転期」という視点は、今後の物流自動化投資の本質を突いています。
これまで物流ロボットの導入判断は、現行の人件費削減額とロボット本体の購入・維持費を比較する単純なROI（投資対効果）計算が主流でした。しかし、このアプローチでは、初期費用が高額で汎用的なヒューマノイドロボットの導入は正当化しにくい側面がありました。
しかし、少子高齢化による人件費の上昇が続く一方で、中国を中心とするハードウェア量産やAI基盤モデルの普及によって、ロボットの導入コストは急速に低下しています。人件費とロボットコストの損益分岐点が交差するタイミングは、2020年代後半から2030年頃に訪れると見込まれます。
【人件費とロボットコストの推移イメージ】
コスト高 │ ／ 人件費（上昇傾向）
│ ／
│ ／
│ ／ ←【2030年前後：コスト逆転期】
│ ロボットコスト ＼ （ハード量産・AI進化で低下）
│ （導入・運用） ＼
コスト安 └────────────────────────────
2024年 2030年 時間軸
この転換点において勝敗を分けるのは、「ロボットハードウェアの保有台数」ではなく、「自社の現場作業をロボットに実行させるための学習データをどれだけ保有しているか」です。
ロボットの機体自体はコモディティ化が進み、安価に調達・リースできるようになります。しかし、自社倉庫特有の荷姿、梱包ルール、棚の配置、イレギュラー対応などの「物理データ」がなければ、汎用ロボットを現場の即戦力として稼働させることはできません。
J-HRTIに関東データファクトリーという物理的なデータ収集拠点が誕生したことは、日本の物流業界が「ハードウェアの導入を待つ受動的な姿勢」から、「自ら現場データを集積し、ロボットを育てる能動的な開発体制」へと舵を切ったことを意味します。
参考記事: 倉庫自動化の日本市場規模(2026年～2034年)｜ハード・ソフト急拡大の背景と対策
まとめ：明日から意識すべき現場のデータ整備と自動化アプローチ
J-HRTI 関東データファクトリーの稼働とディーエムエスによる実証開始は、ヒューマノイドロボットが研究段階を終え、実用化に向けたデータ蓄積フェーズに入ったことを示しています。将来的なフィジカルAIやロボティクスの実装に向けて、物流企業が明日から取り組むべきアクションは以下の3点です。
- 作業工程の分解と非定型要素の可視化
現場で行われている作業を「定型搬送」「定型仕分け」「非定型ピッキング」「例外処理」などに細分化し、どの工程にどれだけの人時が割かれているかを数値化する。これにより、将来的にロボットへ移管すべき優先順位が明確になる。
- 物流マスターデータのクレンジングと標準化
商品の3辺サイズ、重量、材質、重心位置などのマスターデータが不正確な状態では、いかに高度なAIであっても把持や搬送でエラーを発生させる。現行のWMS内のマスターデータを精緻化し、デジタル上で正しく管理する体制を整える。
- 業界コンソーシアムや外部実証への積極的な関与
自社単独でのロボット開発・データ収集には限界があるため、J-HRTIのような業界横断のコンソーシアムやオープンな実証プラットフォームの動向を注視し、協調領域でのデータ活用や共同実証への参画機会を検討する。
ヒューマノイドロボットを「完成された製品として購入する」のではなく、「自社の現場データで育てるパートナー」として捉える視点の転換が、次世代物流をリードするための鍵となります。
出典: LOGI-BIZ online
出典: 株式会社ディーエムエス プレスリリース
出典: J-HRTI 公式サイト
出典: ロボスタ
