インドでは、工場や建設現場などで働く人が頭部にカメラを装着し、作業中の一人称映像を収集する動きが報じられています。撮影された映像は、人の手や身体の動きをロボットに学習させるためのデータになります。

この話は、「働く人が自分を置き換えるロボットの教材を作っている」という見方をされがちです。雇用、同意、報酬、監視をめぐる問題は、確かに無視できません。

一方、日本では同じ技術が別の意味を持つ可能性があります。農業や伝統産業には、熟練者の高齢化や後継者不足によって、伝える相手がいないまま失われつつある技能があります。人が見ているもの、手の動き、判断理由を記録できれば、技能を次の世代へ残す手段になるかもしれません。

本記事は、ウェアラブルカメラによる撮影だけで技能を完全に再現できるとするものではありません。技能をどのようなデータとして記録し、教育支援やAI・ロボットの研究へ利用できるかを考察します。

人の視点から撮影するエゴセントリックデータ

頭部や胸部に装着したカメラで撮影した一人称視点の映像は、エゴセントリックデータと呼ばれます。作業者が何を見ているかに近い映像と、手、道具、対象物の動きを同時に記録できることが特徴です。

The Guardianの2026年の報道では、インドの縫製工場で働く人が頭部装着カメラを付け、布を縫う、襟を合わせる、折れやずれを直すといった作業を撮影する様子が紹介されています。工場外でも、建設、配達、露店などの作業を撮影する動きがあるとされています。

映像は撮影して終わりではありません。不要な部分を除き、手が見えているかを確認し、動作を工程ごとに分け、対象物や行動をアノテーションして、AIが利用できるデータへ加工します。

フィジカルAIには現実世界のデータが必要になる

文章を扱うAIは、インターネット上に蓄積された大量のテキストから学習できます。一方、ロボットが現実空間で動くには、物をつかむ、置く、運ぶ、道具を使う、失敗から立て直すといった身体的な行動を学ぶ必要があります。

現実の物は、大きさ、硬さ、重さ、滑りやすさが一定ではありません。作業場所の明るさや配置も変わります。あらかじめ決めた動きを繰り返すだけでは対応できないため、人が日常的に行っている多様な作業の映像が注目されています。

農作業であれば、種をまく、芽を間引く、雑草を取り除く、果実を収穫する、傷を確認する、種類ごとに選別する、道具を手入れするといった動作があります。同じ作業名でも、作物、季節、天候、生育状態によって動きや判断が変わります。

日本では「失われる技能を残す」意味がある

日本の農業では、担い手の高齢化や人手不足が続いています。農研機構も、離農の進行と担い手への農地集積が進む一方、省力化が課題になっていると説明し、AI、データ、ロボティクスを使って熟練農業者に近い作業を再現する技術を開発しています。

農林水産省は以前から、熟練農業者の農作業、栽培環境、収穫量などをICTやAIで形式知化し、新規就農者が短期間で技術を継承できる仕組みを支援してきました。映像知識技術と認知モデルを使い、農業の匠が持つ暗黙知を多視点映像とコメントで残す研究も行われています。

「匠の技継承・人材育成手法の開発」では、熟練者のコメントを付けた多視点映像を作り、新規就農者などの教育へ活用する方法が検討されました。

人手が豊富な地域では、作業映像が将来の自動化を進めるデータとして集められます。一方、担い手が減少する日本では、同じ撮影技術が、消えかけている技能、文化、地域産業を記録して残すために使える可能性があります。

映像を撮るだけでは技能を継承できない

熟練技能の重要な部分は、目に見える動作だけではありません。「なぜ今その作業をしたのか」「なぜ別の対象には手を付けなかったのか」という判断にあります。

例えば収穫作業を撮影しても、熟練者が色、形、硬さ、天候、出荷日をどう組み合わせて判断したかは、映像だけでは分からないことがあります。手の力加減、道具から受ける感触、匂い、音など、カメラに残りにくい情報もあります。

そのため、技能を残す目的であれば、複数種類の情報を組み合わせます。

成功例だけでなく迷いや失敗も記録する

完成した作業だけを撮影すると、熟練者が途中で何を確認し、どのような失敗を避けたかが残りません。技能の記録では、通常手順だけでなく、迷った場面、やり直し、異常の発見、作業を中止した理由も重要です。

• 対象を見つけたが作業しなかった場面
• 通常とは異なる道具や方法へ切り替えた場面
• 品質不良や病害を発見した場面
• 天候や材料の状態によって判断を変えた場面
• 初心者が間違えやすい場面

こうした例を工程や判断理由と対応させることで、教育教材としてもAI学習用データとしても利用しやすくなります。

撮影前に確認すべき権利と安全

作業映像には、本人の手や身体だけでなく、同僚の顔や会話、職場の設備、製造方法、顧客情報などが映り込む可能性があります。勤務先が撮影を許可していても、作業者本人が自由に断れる状況だったかは別に確認する必要があります。

撮影前には、少なくとも次の事項を整理します。

• 撮影の目的と、AI・ロボット学習への利用有無
• 撮影する場所、時間、作業
• 撮影を禁止する場所と停止方法
• 周囲の人や音声が記録された場合の処理
• 営業秘密、設備、資料、画面の映り込み
• データの提供先、保管期間、公開範囲
• 作業時間とデータ提供に対する報酬
• 参加を断った場合に不利益がないこと

ウェアラブルカメラは作業者が見ているものを広く記録するため、固定カメラより撮影範囲を予測しにくい特徴があります。撮影後の削除やぼかし処理だけに頼らず、撮影場所と手順の段階から不要な情報が入らないようにします。

技能データを作るための工程

技能を残すデータセットは、カメラを渡して長時間撮影してもらうだけでは作れません。何を残したいかを決め、撮影と整理、確認を一つの工程として設計します。

1. 対象となる作業と技能を分解する
2. 熟練者へ聞き取りを行い、判断点と例外を洗い出す
3. 一人称・第三者視点・音声・センサーの組合せを決める
4. 撮影禁止事項と同意内容を整理する
5. 実際の現場で小規模に試し撮りする
6. 映像を工程単位へ分割し、動作と対象物を付与する
7. 判断理由や作業結果を対応付ける
8. 熟練者に確認してもらい、解釈の誤りを修正する

利用目的によって必要なデータも変わります。人材育成用なら、失敗しやすい点と熟練者の説明が重要です。ロボット学習用なら、手と対象物の位置、動作の開始と終了、成功・失敗など、機械が読み取れる構造が必要です。

人がいなくなる前に記録する

技能は、マニュアルを書くだけでは残らないことがあります。熟練者本人も、無意識に行っている判断や動きを言葉にできない場合があります。実際の作業を映像で記録し、その場面を見ながら理由を聞くことで、初めて言語化できることもあります。

フィジカルAIのためのデータ収集は、人を置き換える技術につながる可能性があります。同時に、人がいなくなることで失われる仕事を補い、技能を教育や支援へ利用できる形で残す可能性もあります。

大切なのは、映像を大量に集めること自体を目的にしないことです。誰の何を残したいのか、本人へどう説明するか、どの情報をAIや次世代へ引き継ぐのかを先に決める必要があります。