協働ロボットとは？センサの役割・用途別選び方と導入効果を解説

更新日：2026年09月4日 (2024年07月16日公開)

製造現場での人手不足が深刻化するなか、人と同じ作業空間で働く協働ロボットへの注目が高まっています。国際ロボット連盟（IFR）によると2023年の新規導入台数は57,000台以上、産業用ロボット全体の10.5%を占め、2033年には68万台規模へ拡大すると見られています。

ただし、協働ロボットの競争力はロボット本体よりも、どのセンサをどこに配置し、どのように統合するかで大きく変わります。この記事では、製造業の設備・生産技術担当者向けに、協働ロボットの定義と安全規格の実態、用途別のセンサ構成、センサ融合とアルゴリズムの基礎、導入効果と現場課題、主要メーカーの比較まで解説します。

協働ロボットとは？人と共に働くシステムの定義と安全規格

協働ロボットの定義と市場規模

協働ロボットは「人と同じ作業系の中で協働する産業用ロボット」として定義されます。産業用ロボット全体に占める市場シェアが10.5%（2023年）に達し、2033年には出荷台数が68万台規模へ拡大する見通しです。工場自動化の一時的なニッチではなく、主要な選択肢として定着しつつあります。

協働ロボットが注目される背景には、自動化需要だけでなく労働供給の構造的制約があります。総務省の2025年4月推計では日本の15〜64歳人口は7,374.3万人で前年同月比23万人減です。2025年版ものづくり白書では製造業就業者数が2023年の1,055万人から2024年に1,046万人へ減少し、中小企業製造業の従業員数過不足DI（需給判断指数）は2024年にマイナス18.2まで悪化しました。こうした構造要因が、重筋作業や反復作業を人から切り離し、人には段取り・異常対応・品質判断を担わせる協働ロボット導入の経済合理性を押し上げています。

「安全柵不要」は誤解：安全規格の実態

「協働ロボット＝安全柵が不要」という理解は不正確です。協働アプリケーションの安全要求と作業環境はISO/TS 15066が規定しており、ロボット本体はISO 10218-1:2025、アプリケーションとセルはISO 10218-2:2025が対象です。協働アプリケーションでは事前のリスクアセスメントが必要で、衝突リスク、把持具、指の挟み込み、レイアウトなどを評価することが求められます。

日本では労働安全衛生規則第150条の4関係が基礎となります。リスクアセスメントで安全が確認された場合に限り、物理的隔離を省略して協働作業を成立させられます。厚生労働省の実践マニュアルでは、協働運転の代表方式として安全適合監視停止、ハンドガイド、速度と間隔の監視、動力と力の制限の4種類が定義されており、導入時の設計審査・教育・記録の整備まで含めた運用が求められます。

協働性はシステムの概念

規格上の観点では、協働性はロボット単体の属性ではなく、ロボット、ツール、ワーク、周辺設備、人の動線を含むシステム概念です。規格上の協働運転技法は安全適合監視停止、ハンドガイディング、速度・離隔監視、パワー・フォース制限の4つで整理されます。現実のセルはこのうち一つだけで完結するとは限らず、工程の局面ごとに複数の技法を組み合わせることが実務では珍しくありません。導入実務では「協働ロボットを買う」よりも「協働アプリケーションを成立させる」と捉えた方が正確です。

協働ロボットの用途と代表的なセンサ構成

協働ロボットの導入が進みやすいのは、反復性が高く、人の判断や段取り替えが残り、完全無人化より半自動化が現実的な工程です。成功する導入は全工程の自動化ではなく、人にとって負担の大きい部分を切り出すところから始まります。

製造・加工・組立でのセンサ構成

製造・加工では、機械へのワーク投入・取り出し、溶接、研磨、バリ取り、表面仕上げが典型的な用途です。自社プログラミングでCNCのマシンテンディングを実現し、生産効率を大幅に向上させた事例があります。溶接用途では、ビジョンとシーム追跡機能を組み合わせることで、熟練度依存の工程への展開が可能です。

組立では、ビジョンと力覚センサの組み合わせが特に重要です。上部カメラで部品位置を確認し、力覚センサで挿入・締結の力を管理することで、治具レス・位置決めレスに近い柔軟な組立が実現できます。

検査・物流でのセンサ構成

検査では、2D/3Dビジョン、レーザー、超音波、クラウド解析の統合が進んでいます。AGV（無人搬送車）に協働ロボットを搭載し、超音波とレーザーを組み合わせた風力ブレードの検査システムは、移動体・計測・記録・遠隔解析を統合した検査セルです。協働ロボットが品質保証のデータ収集装置として機能しています。

物流では、ピッキング、パッキング、パレタイズ、オーダーソートが主な用途です。協働ロボットの導入により500%の生産性向上、50%の労務削減、3か月でのROI回収、100%の受注精度を達成した物流企業の事例があります。自動パレタイズでは、工程効率の改善と作業者のエルゴノミクス（人間工学）上の負荷解消を同時に実現できます。

医療・ラボ・サービスでのセンサ構成

医療・ラボでは、高精度・再現性・衛生性・疲労しない反復への価値が大きいです。ABB社の協働ロボットのYuMiを用いたCOVID-19血清検査支援では、工程の最大77%を自動化し毎時450サンプルの解析能力を実現した事例があります。関節リウマチ診断向けの自律超音波スキャンでは、医師の診断ワークフローを高速化しながら24時間一貫したスキャンが可能です。医療分野では、再現可能な計測・検査をロボットに担わせる方向が現実的です。

サービスでは現時点では定型動作が中心で、タッチパネルでの注文受付からコーヒー抽出・提供までを自動化したバリスタロボットの事例があります。研究・教育では「教示の容易さ」「安全性」「業界での普及度」が選定基準となります。

以下の表に、用途別のセンサ構成と採用理由をまとめます。

用途	代表的センサ	推奨設置箇所	採用理由
製造・加工	力覚/トルクセンサ、関節トルクセンサ、近接安全センサ	手首フランジ、各関節、セル前面	研磨・バリ取り・溶接で押付力一定化、接触検知、安全停止が重要
組立	2D/3Dビジョン、力覚/トルクセンサ、触覚センサ	上方固定カメラ、手首、グリッパ指先	位置ずれ補正、挿入、締結、嵌合で視覚と接触情報の両方が必要
検査	2D/3Dカメラ、レーザー/超音波、AI画像解析	手先搭載またはセル上方、対象近傍	欠陥検出、輪郭計測、表面・内部異常の検査で高密度データが必要
物流	3Dビジョン、ToF/ステレオ、LiDAR、安全スキャナ	手先、AMR/台車前方、セル角部	ランダムピッキング、障害物回避、パレタイズで三次元認識が重要
医療・ラボ	力覚、3Dビジョン、位置エンコーダ、環境センサ	手首、患部/試料近傍、装置内	接触圧管理、再現性、衛生・状態監視が重要
サービス	2D/3Dビジョン、近接センサ、ToF、温湿度	カウンタ上方、手先、周辺空間	来客や物品の位置認識、搬送安全、環境変動への対応が必要
研究・教育	ビジョン、力覚、IMU/エンコーダ、触覚	手首、指先、移動台車、実験治具	実験自由度が高く、アルゴリズム検証や教材化がしやすい構成が必要

主要センサの種類と特性：力覚・ビジョン・LiDARの使い分け

協働ロボットのセンサは、大きく「接触後に状態を知るセンサ」と「接触前に危険や対象を知るセンサ」に分かれます。前者の代表が力覚・トルク・触覚・電流推定型関節トルクで、後者の代表が2D/3Dビジョン、LiDAR（レーザー光による距離・形状測定センサ）、安全レーザースキャナ、ToF（飛行時間型距離センサ）、ステレオカメラ、近接センサです。品質管理や予知保全には温度・湿度・振動・音響・IMU（慣性計測ユニット）・エンコーダも加わります。協働ロボットの賢さは単一センサの高性能化だけでなく、この層構造をどう設計するかで決まります。

接触系センサ：力覚・トルク・触覚

力覚・トルクセンサは、組立、挿入、研磨、面追従に不可欠です。代表的な力覚センサでは±300N・±30Nmの検出範囲、データ出力100Hz、推奨接触検知しきい値1N級の仕様を持ちます。接触後の状態量を直接扱える点が長所ですが、対象に触れるまで情報が得られないこと、剛性・工具長・配線の影響を受けやすいことが欠点です。

触覚・接触センサは力覚より局所的で、把持面の圧力分布、滑り、接触位置を扱います。代表的な触覚センサでは1000Hzの振動センシング、28タクセル（触覚素子）の圧力検出が可能な製品があります。滑り検知や把持安定化に強い一方、耐久性・配線・学習データ量・センサ表面材の設計に左右されやすい点が弱みです。

非接触系センサ：ビジョン・LiDAR・ToF

距離・深度センサは、LiDAR、ステレオカメラ、ToFでそれぞれ性格が異なります。安全レーザースキャナの代表例では275°スキャン、0.17°の角度分解能、70ms級の応答速度を持ちます。3DToF安全カメラでは512×424画素・30Hzで撮像し、Hand解像度20mmでの精細監視（保護領域は通常モードで最大2m）と応答55ms以上で動作します。拡張モードでは保護領域を最大4mまで広げることができ、2Dスキャナでは見落としやすい高さ方向の障害物も捉えられます。LiDARは安全監視に強く、ステレオカメラは受動計測で柔軟、ToFはリアルタイム深度と照明補償に強いという使い分けになります。

ビジョンは2Dと3Dを分けて考える必要があります。2Dビジョンは位置決め、文字認識、バーコード、外観検査に強く、AI内蔵センサでは複雑な環境でのガイダンスに対応できます。良品学習AIと不良品学習AIを併用し、撮像条件を自動最適化するビジョンセンサもあります。3Dビジョンは点群生成から経路計画・衝突検知・ピック戦略まで含む形へ進化しており、「カメラ」単体ではなく認識ソフトウェアの一部として機能しています。

近接・安全センサは協働ロボットの実用性を大きく左右します。ロボット本体の関節トルクセンサだけで協働を成立させるのではなく、セル外周の安全スキャナ、3D安全カメラ、ソフト軸・空間制限、安全PLCまで含めて設計することで、速度と間隔の監視や保護停止を成立させます。

補助センサ：温度・振動・IMUの役割

温度・環境センサ、音響・振動センサ、IMU（慣性計測ユニット）・エンコーダは長期安定運用に不可欠です。温湿度センサでは湿度±3%精度の製品があり、設備環境管理に活用できます。振動センサでは5,600Hz帯域での計測により異常・摩耗・潤滑不足の早期検知が可能です。IMUは三軸加速度・三軸角速度・温度情報から姿勢や軌跡推定に使われ、エンコーダは関節角度の基礎フィードバックを担います。これらはモバイル化、位置推定、異常予兆、教示の再現性向上に効きます。

以下の表に、主要センサの特性比較をまとめます。

センサ種別	精度の目安	応答速度の目安	典型設置場所	コスト帯	利点	欠点
力覚/トルクセンサ	数N〜1N級の接触検知、トルク0.01〜0.02Nm級	高速（100Hz級以上）	手首フランジ、エンドエフェクタ直前	高	嵌合、研磨、押付制御に強い	接触前情報は得にくく、剛性影響を受ける
触覚/接触センサ	接触位置・圧力分布・滑り検知	高速（振動系1000Hz級）	グリッパ指先、指腹、掌面	中〜高	滑り検知、壊れやすい対象の把持に有効	耐久性、配線、学習負荷が課題
LiDAR/安全レーザー	角度分解能0.17°級	高速（70ms級）	セル前面、台車前方、設備角部	高	安全監視、分離監視、広域検知に強い	高さ方向情報が弱く、反射条件の影響あり
ToF安全カメラ	手20mm級の物体解像度	高速（30Hz・55ms級）	セル上部、前方、移動台車	高	高さ方向も含め3Dで安全監視できる	屋内前提やレンジ制約あり
ステレオカメラ	高測定精度（テクスチャ依存）	低遅延でリアルタイム向き	手先、セル上部、物流棚前	中〜高	受動方式で柔軟、ピッキングに適する	光沢・低テクスチャで不安定化しやすい
ToF深度カメラ	30fps級リアルタイム深度	高速	手先、コンベヤ上方、AMR前方	中〜高	照明変動下でも深度取得しやすい	反射材・屋外光・距離で誤差増大
2D/AIビジョン	外観・位置・分類に高精度	高速	セル上方、正面、検査治具付近	中	外観検査、コード読取、位置決めに強い	深度は直接取れず、照明設計が重要
近接/安全センサ	閾値型で高い再現性	非常に高速	手先周辺、設備周囲、危険境界	低〜中	安全回路への組込みが容易	情報量が少なく、複雑環境認識は苦手
温度/環境センサ	湿度±3%級	低〜中	制御盤、セル内、クリーン環境	低	ドリフト補償、設備環境管理に有効	直接的な作業認識には使いにくい
音響/振動センサ	傾向監視中心	高速（kHz帯監視）	関節、減速機、ベース、設備側	低〜中	予知保全、異常兆候の早期発見に有効	ノイズ分離と診断モデルが必要
IMU/エンコーダ	姿勢・角度の基礎計測で高再現	非常に高速	関節内蔵、移動台車、EOAT	低〜中	姿勢推定、制御、SLAMの基礎になる	ドリフトや累積誤差の補正が必要

センサ融合とアルゴリズムの基礎

センサ融合の層構造とデータフロー

協働ロボットの性能差は単体センサのスペック差よりも、センサ融合の設計で生まれます。典型的には、エンコーダとIMUでロボット自身の状態を追い、カメラや3Dセンサで対象物と人の位置を認識し、力覚や触覚で接触後の微調整を行い、安全センサで外周保護を実現します。人間で言えば「目で見て近づき、手で触れて確かめ、危険なら身体を止める」流れに相当します。

カルマンフィルタとSLAM

カルマンフィルタはセンサ融合手法として依然として有力です。IMU、エンコーダ、ビジョンのように雑音特性が異なるセンサを統合する場合、EKF（拡張カルマンフィルタ）やUKF（無香カルマンフィルタ）は姿勢推定や自己位置推定の基本手法として使われ続けています。適応型カルマン系は位置推定・地図生成・リアルタイム応答の改善に重要です。

SLAM（自己位置推定と地図生成の同時実行）は、固定セルでは必須ではありませんが、AMR（自律移動ロボット）と組み合わせたモバイル協働ロボット、病院・物流の移動マニピュレータ、環境変動が大きいサービス用途では重要です。LiDARとビジョンを融合したSLAMは、単独センサでは弱い動的環境や低テクスチャ環境への耐性を高める方向で進化しています。

深層学習とキャリブレーション

深層学習は単なる画像分類から、欠陥検出、人体姿勢推定、把持候補生成、マルチモーダルセンサ融合へ拡張しています。実製品においてもルールベースからAI内蔵検査への移行が進んでいます。

センサキャリブレーションは現場で軽視されがちですが、誤差の最終原因になりやすい部分です。特に手先カメラのハンドアイキャリブレーション（視覚座標をロボット座標へ変換するための校正処理）はサブミリメートル精度が必要な場合に品質が極めて重要です。2024年の研究では、学習ベース手法で約0.93mmの並進偏差、0.265°の回転偏差が報告されており、頻繁な段取り替えがある現場では再キャリブレーションの容易さ自体が設備選定要件になります。

導入効果と課題：生産性・安全性・コストの評価ポイント

生産性・安全性・品質の改善効果

協働ロボットの導入効果は生産性、安全性、品質、コストの4つに整理できます。これらは相互に連動しており、安全性向上は停止事故・ヒヤリハットの減少を通じて稼働率改善に結びつき、品質安定化は手直し工数や検査負担の削減を通じてコスト改善に波及します。ROIは単なる人件費置換だけで評価すべきではありません。

生産性では、物流企業での500%の生産性向上、機械加工企業での20%の増産、10〜14か月でのROI回収といった成果が報告されています。特に物流やマシンテンディングではサイクルのばらつきを抑えやすく、夜間や繁忙期の対応力向上が数値に表れやすいです。安全性では重筋作業・反復動作・無理姿勢の削減が大きく、自動パレタイズの導入でエルゴノミクスリスクを解消した事例があります。品質面ではビジョンと力覚による位置決めレス・治具レス化と、AI画像解析による欠陥見逃しの低減が期待できます。

協働ロボットの安全上の価値は「ぶつかっても安全」ではなく、「危険を早く検知し、危険な接触そのものを減らす」方向にあります。コスト面では協働ロボットは大規模な専用自動機より初期投資を抑えやすいですが、センサ、ハンド、治具、ソフト、SI費用を含めると総額はロボット本体価格を大きく上回ることもあります。対象工程の時間当たり付加価値、段取り替え頻度、品質コスト、停機損失まで含めた評価が必要です。

センシングの限界と例外処理

技術的課題の第一はセンシングの限界です。照明変動、鏡面反射、遮蔽、ワークのばらつき、床振動、ケーブル引き回しは、実験室では小さく見えても量産現場では致命的な誤差要因になります。単純なデモは短時間で成立しても、実運用ではワークの欠品、向き違い、ハンドの摩耗、夜勤時の対応、人の立ち入り時の安全復帰などを設計しなければなりません。

導入課題は純粋な安全技術だけでなく、信頼・受容性・作業者との役割分担にまたがります。現場の受容性は自動では得られず、ロボットの形態、動作の予見可能性、見た目の安全感が信頼性や受容性に影響します。導入成功の条件は技術仕様だけでなく、教育・手順・インシデント対応・職務再設計を含めた組織設計です。

主要メーカーと代表機種の比較

主要メーカーの比較では、可搬重量やリーチだけでなく、使えるセンサ群、プログラミング環境、安全機能の成熟度、周辺機器エコシステム、国内サポート体制まで見る必要があります。

ユニバーサルロボットは協働ロボット普及の起点を作ったメーカーで、現行のUR Seriesは最大35kg級の可搬重量、最大1750mm級のリーチを持ちます。物流・倉庫、パレタイズ、マテリアルハンドリング、教育分野での用途展開が幅広く、エコシステムの厚さが強みです。

ファナックのCRXシリーズは可搬重量5〜30kgのラインアップで、ダイレクトティーチング、タブレット操作、即時接触停止が特徴です。組立・検査・パレタイズ・溶接・塗装・食品向けまで現場での展開を強く意識した構成で、既存のファナックエコシステム上で協働を拡張したい企業に向きます。

KUKAはLBR iiwaとLBR iisyで方向性が異なります。LBR iiwaは各軸に関節トルクセンサを持つ高感度軽量ロボットで、精密接触制御やHRC（ヒューマンロボット協働）分野に強みがあります。LBR iisyは速度と簡便さを重視した次世代モデルで、医療向けにはLBR Medを展開しています。

ABBはYuMi（双腕・小物組立・ラボ）、GoFa（各軸トルクセンサ搭載の汎用機）、SWIFTIの3モデルが中心です。SWIFTIは協働ロボットの安全性と産業用ロボットの高速性（毎秒5m級）を両立するコンセプトの製品です。安川電機のMOTOMAN-HCシリーズは防じん・防滴性能、移設性、高可搬重量を特徴とし、HC30PLはパレタイズ特化の高可搬モデルです。三菱電機のMELFA ASSISTAは、PLC・ビジョン・力覚センサ・クラウド支援を含めたFA全体の最適化を強みとします。

各メーカーが単に「人と並べるロボット」から「AI・3Dビジョン・安全センサ・保守データを束ねるプラットフォーム」へ競争軸を移しており、今後の差は本体性能よりも認識・安全・データ連携の完成度でつく方向に進んでいます。今後の協働ロボットは3つの方向で進化が見込まれます。第一に高可搬・高速化で、パレタイズや重量搬送への領域拡大が進んでいます。第二にセンサのマルチモーダル化で、触覚・3Dビジョン・安全3D・振動監視・AI画像解析が同時に載ることで、安全用と精度向上用のセンサの境界が曖昧になっています。第三にソフトウェア中心化で、AIによる点群認識・経路生成・異常検知・再キャリブレーション補助が増え、競争力がハードからソフトへ移っています。

協働ロボットの位置決め精度向上にはメトロールのタッチプローブ

協働ロボットで工作機械へのワーク投入・取り出しを自動化した後、課題として残りやすいのが「ワークの正確な位置決め」です。ロボットがワークをセットした後の原点出しや加工後の寸法確認を人手に頼ると、ヒューマンエラーのリスクや手戻りが生じます。

メトロールのタッチプローブは、機上測定用の接触式センサで、工作機械内でのワークの芯だし・原点出し・加工後寸法の自動計測を実現します。ロボットアームや工具交換の流れの中で位置決め計測ができ、段取り工数の削減と手戻り・追加工の防止が可能です。手作業による位置決めをなくすことでヒューマンエラーを大幅に削減し、完全自動化をサポートします。協働ロボットによるワーク搬送と組み合わせることで、投入から加工・計測までの一貫した無人化プロセスを構築できます。

詳細はこちら：メトロールタッチプローブ