J-HRTI がヒューマノイド 35 台のデータ収集拠点を習志野に開設｜業界をまたぐ企業がフィジカル AI の学習データを共同で作り共有する（公式発表）【AI活用事例】

要約

ヒューマノイドロボットの社会実装を民間企業のみで進めるコンソーシアム J-HRTI（事務局：INSOL-HIGH 株式会社）が、千葉県習志野市の 「J-HRTI 関東データファクトリー」を 2026 年 8 月 26 日に稼働させました（公式発表 2026-08-26）。稼働開始時 35 台のヒューマノイドを人が遠隔操作し、フィジカル AI（ロボットなどの機体を通じて現実の作業を行う AI）の学習データを作ります。

この事例から学べるのはロボットの性能ではなく、AI の学習データを 1 社で抱えず、業界をまたいで共同で作り共有する運営モデルです。公式発表から読み取れるポイントは次の 3 つです。

• データを共同で作る: 参画企業が設備投資を分担し、各社が持ち寄った現場作業の学習データを共同で生成・共有する
• 生成から検証までを 1 か所で回す: 遠隔操作によるデータ生成、アノテーション、実環境に近い検証を同じ施設で行う
• 数値は実績と計画が混在: 35 台は稼働開始時の実績、40 台・全国 10 拠点・2026 年度内の現場実装は計画・構想・目標

本記事は J-HRTI 公式のプレスリリース（2026-08-26）を一次ソースに、参画企業の公式発表で補いながら、事実の整理と Links-Create の分析・研修用の演習を分けて解説します。演習の例は研修用の提案であり、J-HRTI や参画企業が実施した事実ではありません。 本事例は導入効果の事例ではなく、データ収集拠点の稼働開始の事例です。

何が発表されたか（公式情報ベース）

発表主体は J-HRTI の運営会社 INSOL-HIGH と参画企業であり、数値も各社による発表値です。どの記述がどの発表に基づくかを明記します。

関東データファクトリーの概要（J-HRTI 公式発表）

項目	内容
所在地	千葉県習志野市内
稼働開始	2026 年 8 月 26 日
敷地面積	約 1,400 平方メートル
ロボット台数	最大 40 台（稼働開始時 35 台）
主な機能	ロボットエリア／アノテーションエリア／テストエリア
運営	INSOL-HIGH 株式会社
位置づけ	全国 10 拠点構想の第 1 号拠点。大量データ生成と AI モデル開発の中核を担う「マザー拠点」の第 1 号
「日本初」の範囲	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・ロボットデータファクトリーとして（同団体の説明）

3 つのエリアの役割（J-HRTI 公式発表の要約）

1. ロボットエリア: テレオペレーション（遠隔操作）で、模倣学習の元データを生成する
2. アノテーションエリア: 元データを、AI が理解できる学習データへ変換する
3. テストエリア: 実環境での検証・調整を繰り返し、現場で使える精度へ仕上げる

参画企業の山善の発表では、テストエリアで参画企業の産業現場の実環境を再現し、導入に向けた検証・調整（PoC）を短いサイクルで繰り返すと説明されています。

「共同」で作る理由（J-HRTI 公式発表の要約）

公式発表は、この施設の価値は設備そのものに加え「使い勝手のよさ」にあるとし、参画企業が設備投資を分担しながら、各社が持ち寄った現場作業の学習データを共同で生成・共有すると説明しています。個社で取り組めば数千回から数万回を要するトレーニングを、共通の素材データを起点とすることで大幅に圧縮できる、というのが共創を選ぶ理由とされています（圧縮の程度を示す実測値は公表されていません）。

今後はマザー拠点が地域の「サテライト拠点」群を束ねる形で全国 10 か所へ展開する構想です。拠点を分散させる理由として、導入現場から近い立地でこそ実用的な作業設計ができること、導入後のメンテナンス拠点としても機能することが挙げられています。

J-HRTI 運営会社 INSOL-HIGH は、公式発表のコメントで次のように述べています。

「私たちが大切にしているのは、「させたいこと」ではなく「今させられること」から着実に積み上げる姿勢です。」 — 出典: J-HRTI 公式プレスリリース（2026-08-26、J-HRTI 運営会社 INSOL-HIGH のコメント）

コンソーシアムの概要（参画企業の公式発表）

項目	内容	出典
設立	2026 年 3 月 26 日	山善・ディーエムエスの発表
参画企業	物流・医薬品・リース・商社など 5 社（発表日時点）。公表はツムラ・ディーエムエス・芙蓉総合リース・山善、他 1 社	山善の発表
柱	学習データの生成・共有、実証環境の共同利用、社会実装モデルの設計	山善の発表
目標	2026 年度内にヒューマノイドロボットの現場への実装を目指す	山善の発表
常駐スタッフ	約 100 名（オペレーター 50 名以上＋アノテーター等）	ディーエムエスの発表

参画企業の発表からは、各社の狙いも読み取れます。物流事業を持つディーエムエスは、倉庫内の搬送、既存マシンへの部材の補充、不用品の分解・回収など、なお人の手に頼る「非定型・定常作業」へのヒューマノイドの実装に向けた共同実証を始めたとしています。山善は、仕入先メーカー約 3,000 社と全国の製造業ユーザーを結ぶネットワークを生かし、コンソーシアムの拡大とユースケース開拓を進めるとしています。

公式発表で開示されていない情報（推論で書かない）

各発表を確認した範囲で、次の情報は記載がありません。

• 使用しているヒューマノイドロボットの機種
• 収集済みのデータ量、データの品質基準、ロボットの作業精度
• 「数千回から数万回のトレーニングを大幅に圧縮」の圧縮の程度
• 共有するデータの範囲、権利・利用条件の取り決め
• 設備投資の総額と分担の方法、参画の条件・費用
• 全国 10 拠点の時期・場所
• 参画企業 5 社のうち 1 社の社名
• 現場実装による省人化・生産性の効果

これらは公式情報がないため、本記事でも記載しません。第三者メディアの取材記事にのみ現れる情報も使用していません。

設計の読み解き（Links-Create による解説）

ここからは、公開情報から読み取れる設計上のポイントを Links-Create の視点で解説します。以下は独自分析であり、J-HRTI や参画企業の公式見解ではありません。

1. 「1 社では割に合わないデータ」を共同で作る

公式発表と山善の発表は、学習データを大量に集めるには専用設備・人員・ノウハウ・資金が要り、単独企業では限界がある、という課題から出発しています。ここから読み取れるのは、データを集める費用が、1 社で得られる効果より大きいとき、共同で作る選択肢が成り立つという判断です。

判断の観点	1 社で作る	共同で作る（本事例）
費用	設備・人員を 1 社で負担	設備投資を参画企業で分担
データの幅	自社の作業に限られる	各社が持ち寄った作業で広がる
差別化	データを独占できる	共通部分は各社で同じになる
調整の手間	小さい	共有範囲・権利の取り決めが要る

2. 共有の対象は「差がつきにくい部分」と読める

参画企業は医薬品・物流・リース・商社と業種がばらばらです。業種をまたいで共有して価値があるのは、つかむ・運ぶといった多くの現場に共通する動作のデータだと考えられます（Links-Create の解釈）。一方、各社の工程そのものに関わる情報をどう扱うかは公表されていません。共有するデータと自社に残すデータの境界を決めることが、共同の取り組みを始めるときの最初の論点になります。

3. 「今させられること」から積み上げる

運営会社のコメントにある「させたいこと」ではなく「今させられること」から積み上げる、という姿勢は、AI 導入全般に通じます。何ができて何ができないかは、現場を知る参画企業が実機に触れて初めて分かる、と公式発表は述べています。期待から逆算した大きな計画より、実機（実際の AI）で確かめた小さな成功を積み重ねる順番は、生成 AI の社内導入でも有効です。

4. 実績・計画・構想を分けて読む

• 実績: 2026 年 8 月 26 日稼働、稼働開始時 35 台、約 1,400 平方メートル
• 計画: 最大 40 台への拡充
• 構想: 全国 10 拠点
• 目標: 2026 年度内の現場実装

推奨する表現は「J-HRTI が 2026 年 8 月、ヒューマノイド 35 台（稼働開始時）のデータ収集拠点を習志野市で稼働。全国 10 拠点は構想段階、導入効果は未公表。」です。

5. 既存の事例との違い

ロボット × AI の事例でも、取り組みの単位は事例ごとに異なります。

事例	取り組みの単位	本事例との違い
三菱自動車と Highlanders のヒューマノイド協業	自動車メーカーとスタートアップの 2 社による共同開発・量産化の協議（基本合意）	特定 2 社の協業。本事例は業種の異なる複数社がデータと設備を共有する
ソフトバンクと安川電機の柔軟物体ハンドリング実証	特定の作業（ワイヤーハーネスの把持）の実証と、開発基盤としての GPU クラウド活用	特定作業の技術実証。本事例は多様な作業のデータを共同で作る運営の仕組み

自社に置き換える演習（Links-Create の研修用の提案）

以下の演習と表の例は、Links-Create が研修用に提案するものです。J-HRTI や参画企業が実施した手順や事実ではありません。 表の「例」は考え方を示す架空の例なので、自社の業務に置き換えて記入してください。ロボットを使わない事務作業にも応用できます。

演習 1: 1 社で抱えるべきデータか、共同で作れるデータかを仕分ける

データの例（研修用の例）	他社と差がつくか	1 社で作る費用	判断
業界共通の用語集・法令の要点	つきにくい	大きい	業界団体・グループで共同整備を検討
一般的な書式・ひな形	つきにくい	小さい	外部の汎用 AI・テンプレートで済ませる
自社の価格決定の理由・顧客対応の記録	つく	自社でしか作れない	自社で記録・管理する

演習 2: 共有するときの「境界線」を書く

共同で取り組む前に、次の 4 点を文書にします。

欄	書く内容
共有するもの	各社に共通する作業・情報の範囲
共有しないもの	自社の工程・取引条件など、競争力に関わる情報
利用の条件	共有データを誰が、何の目的で使えるか
抜けるとき	参加をやめたとき、提供したデータをどう扱うか

本事例ではこれらの取り決めは公表されていません。自社で検討する際の論点として使ってください。

演習 3: 「今させられること」リストを作る

AI に任せたい業務を書き出し、次の 3 つに分けます。

区分	例（研修用の例）
今すぐ任せられる	会議メモの要約、定型メールの下書き
データを整えれば任せられる	過去の問い合わせを使った回答案の作成
まだ任せられない	取引先との価格交渉、最終的な承認

最初の区分から始め、結果を記録しながら 2 番目の区分へ広げていくのが、小さく確かめて積み上げる進め方です。

法人 AI 研修への示唆（Links-Create の視点）

1. データは「自社で作るもの」だけではない — 共通部分を共同で整備する選択肢を、研修の中で決裁者と一緒に検討する
2. 共有の前に境界を決める — 共有するもの・しないもの・利用条件を文書にする演習を入れる
3. 期待ではなく、確かめた事実から積み上げる — 「今させられること」リストから AI 導入を始める

関連リソース

• 生成 AI（Claude Code）を実務で使う実装演習 — 生成 AI で何ができるかを体験する無料コース
• 生成 AI とは — 生成 AI の基本と、できること・できないこと
• 生成 AI の社内導入の進め方 — ルール整備から効果測定までの 90 日ロードマップ
• 経営者・管理職の AI 活用 — 情報整理・意思決定に AI を使う方法
• 三菱自動車と Highlanders のヒューマノイド協業（AI活用事例） — 2 社による共同開発・量産化の協議
• ソフトバンクと安川電機の柔軟物体ハンドリング実証（AI活用事例） — 特定作業のロボット制御の実証

出典・引用ポリシー

本記事の事実情報は、次の公式発表のみを一次ソースとしています。

• J-HRTI プレスリリース『日本初※、フィジカルAI学習データ収集センター「J-HRTI 関東データファクトリー」本格稼働』（2026-08-26、INSOL-HIGH 株式会社）
• 株式会社山善 プレスリリース『「J-HRTI 関東データファクトリー」本格稼働開始―最大40台のヒューマノイドロボットが稼働―』（2026-08-26、共同通信 PR ワイヤー）
• 株式会社ディーエムエス プレスリリース『「J-HRTI 関東データファクトリー」稼働に伴い、物流現場におけるヒューマノイドロボット実装活動を本格始動』（2026-08-27、PR TIMES）

設計の読み解き・演習・研修への示唆は Links-Create の独自分析・研修用の提案であり、J-HRTI や参画企業の公式見解ではなく、各社が実施した事実でもありません。

数値は公式発表の限定（稼働開始時の台数・拡充予定・構想・目標・各社発表）を維持し、成果保証としては記述していません。第三者メディアの取材記事にのみ現れる情報は使用していません。社内提案で引用する際は、前提条件を必ず併記してください。

公式情報の更新があれば、本記事も追従して更新します。