ヒューマノイドロボットの難しさは、単に動かしたり物体を認識させたりすることだけではない。多数のセンサーと即時の意思決定に対応できるコンピューティングおよびセキュリティシステムを構築しながら、人間の近く、家庭や病院、学校で機械を動作させなければならない点にある。Semiconductor Engineeringが2026年9月3日に掲載した分析によれば、この近接性によって、ヒューマノイドロボットのリスクは自動運転車のリスクとは異なる。なぜなら、ロボットのデジタルシステムへの侵入が、人や周囲に直接的な物理的影響を及ぼす可能性があるからだ。
集中型と分散型を組み合わせたハイブリッドアーキテクチャ
ヒューマノイドロボットの設計は、強力な中央コンピューティングユニットと、四肢や関節の近くに配置された分散ユニットを組み合わせるハイブリッドモデルへと向かっている。中央ユニットは、全体的な認識、シーンの理解、計画、ロボット全体の動作調整を担う。一方、より小型のユニットは、指や関節のデータ、短い応答時間が求められるローカル制御ループを処理する。
このシステムには、マイクロコントローラーユニット（MCU）、汎用プロセッサ、グラフィックス処理ユニット、画像および信号処理用プロセッサに加え、人工知能を高速化する専用ニューラルプロセッサが含まれる場合がある。Infineon TechnologiesのヒューマノイドロボットシステムエンジニアであるRonald Stärzは、安全性専用のコントローラーをメイン処理に付随させるべきであり、安全性を人工知能モデルだけに委ねるべきではないと指摘した。
一方、MIPI AllianceのPhysical AI Birds of a Featherグループ責任者であるEdo Cohenは、ローカルコンピューティングが、手足、足、バランス、触覚フィードバックに関する高速ループに有用だと考えている。対照的に、集中型アーキテクチャは、部品数、コスト、電力消費、ソフトウェア開発の簡素化という点で、より効率的な場合がある。そのため、現時点ではあらゆる用途に適した単一の設計は存在しない。
センサーがシステムの形を決める
ヒューマノイドロボットは、カメラ、マイク、レーダー、ライダー、超音波センサーに加え、磁気式、静電容量式、抵抗式のタッチセンサーからデータを受け取る。特に指には、把持力を調整し、物体を押しつぶしたり落としたりするのを防ぐため、継続的なフィードバックが必要になる。
集中型の設計では、比較的単純なセンサーを使用し、生データをNvidia HoloScanのようなFPGAベースのセンサーブリッジへ送り、その後Ethernet経由でGPUユニットに渡してシーンを分析できる。これにより、より多くの小型センサーを追加し、電力消費のより大きな部分を単一のコンピューティング拠点に移せるが、GPUユニット自体が大量の電力を消費する可能性がある。
一方、センサーの近くに処理を分散すると、応答時間を短縮し、前処理済みのデータを中央ユニットへ送信できる。しかし、部品、ソフトウェア、接続ポイントの数は増加する。SynapticsのNebu Philipsによれば、この判断は、データの受信、デコード、画像処理から、データを集約する地点、さらにロボットの種類に至るまで、処理パイプライン全体に依存する。ロボットがヒューマノイド、協働型、サービス型のいずれであるかも関係する。
エッジからクラウドへ
ローカルコンピューティングを選択することは、必ずしもロボットをクラウドから切り離すことを意味しない。一部のシステムでは、大規模言語モデルや視覚・言語・行動モデル（VLA）の訓練のためにデータセンターとの接続が必要になる場合がある。一方、別のアプリケーションでは、デバイス上で動作する小型で用途を限定した言語モデルが有効になる。
選択は、企業の優先事項、すなわちプライバシー、データ管理、運用コスト、作業環境の性質、データセンターへの有線または無線接続の可用性に左右される。Imagination TechnologiesのMatthew Bubisは、ローカル型と集中型のコンピューティングは今後も共存すると説明した。すべての企業と作業に適合する単一の解決策は存在しないからだ。
自動車より広い攻撃対象領域
ヒューマノイドロボットは、センサーの高密度配置、人工知能モデル、無線通信、移動能力、物体を扱う能力を組み合わせている。そのため、想定される攻撃ポイントには、モデルのソフトウェア、無線によるファームウェア更新、カメラドライバー、Wi-Fiチャネル、制御インターフェース、インテリジェントエージェントの接続メカニズムが含まれる。
SynopsysのDana Neustadterは、モデルのロード時または更新時にモデルの完全性が改ざんされるリスクや、無線更新を通じたデータポイズニング攻撃のリスクを警告した。視覚入力を悪用されると、ロボットが誤った物体をつかんだり、危険区域に入ったり、安全でない動作を実行したりする可能性がある。また、中間者攻撃や無線通信の侵害によって、ロボットを制御し、命令を送信できる可能性もある。
Secure-ICのSylvain Guilleyは、人間のような外見がさらなるリスクを生む可能性があると考えている。例えば、自動エージェントと権限を持つ人物を区別しにくくなったり、ロボットが近距離での盗聴や他人へのなりすましに利用されたりする可能性がある。記事で示された見解によれば、音声による自然なインタラクションは、信頼を悪用する経路になり得る。特に、ユーザーがロボットを人間の相手であるかのように扱う場合、その可能性は高まる。
実際に何が変わるのか？
開発者にとって最も重要な結論は、セキュリティと安全性を、後から追加するソフトウェア層としてではなく、チップおよび通信アーキテクチャとともに設計しなければならないということだ。参加者が挙げた対策には、デバイス固有の組み込みID、安全なブート、鍵の保護ストレージ、暗号化通信、モデル実行時の保護が含まれる。また、マルチモーダル認証の重要性も浮かび上がっている。音声だけでは不十分な場合があり、タッチや指紋、あるいはカメラと音声の組み合わせによって、身元と状況を検証できる。
記事はまた、MIPIやRISC-Vの仕様のようなオープン標準が、サプライヤーにより多くの選択肢を提供し、開発サイクルを短縮するうえで重要だと指摘している。しかし、オープン性によってセキュリティ検証やリスク管理が不要になるわけではなく、集中型または分散型の設計の選択が、それだけで決まるわけでもない。
電力とコストは依然として決定的な制約である。GPUユニットやセンサーを過度に使用すると、稼働時間が短くなったり、価格が商業的な実現性を損なう水準まで上昇したりする可能性がある。記事で言及されたRobotics Centerの報告によれば、米国におけるロボットの売上高は2026年に114億ドルに達し、前年比29％増となった。しかし、ヒューマノイドロボットがより広く普及するかどうかは、バッテリー寿命の改善、コスト削減、システムが侵入に耐えられることの実証にかかっている。
編集部の見解：情報源は、単一のプラットフォームや完成したセキュリティソリューションを発表しているのではなく、アーキテクチャがまだ定まっていない設計段階を描いている。実際の課題は、応答時間、電力消費、センサー数、ソフトウェアの柔軟性、安全性およびセキュリティ要件のバランスを取ることにある。モデルの改ざんと人間とのインタラクションに関する警告は、ロボットの保護がチップやネットワークだけで完結せず、エージェントの挙動や、ユーザーがその出力に依存する方法にまで及ぶことも明らかにしている。こうしたシステムの安全性を証明するための規制要件の性質や実務的な仕組みは、複数企業の専門家の見解を伝えつつ、市場向けの統一基準を示していないこの記事において、なお未解決の問題として残されている。