← 知働化コミュニティ トップへ（chidouka-lab.com）
AI活用と〈問題フレーム〉に基づく、知働化ロボットの設計技法。意味の4層×時間の3層×予測の閉ループからなるアーキテクチャと、8ステップのデザイン技法を、定食屋の〈料理ロボット〉を事例に一歩ずつ学びます。
ITシステムの開発プロセスは、ウォーターフォールモデル、スパイラルモデル、アジャイルプロセスと変遷してきましたが、一貫して言えるのは、開発の重視すべき点がシステムそのものから遠ざかり、利用者の世界すなわち〈問題領域〉へと移ってきたということです。ロボットシステムにおいても事情は同じであり、機構や制御コードの手前には「何のために、誰のために動くのか」という問題領域が広がっています。
その一方で、生成AIの実用化により、設計・実装といった「下流」の工程は急速に自動化されつつあります。人間の役割は問題領域の分析と〈意図〉の付与という「上流」に集中していきます。この状況でロボットを設計するには、次の三つが必要になるということになります。
AIの〈フレーム問題〉——関連性のない余分な情報まで分析対象にしてしまい収拾がつかなくなる問題——への処方箋として、「意図で限定したビュー＝問題フレーム」を位置づけます。
意味をあつかう4層と、時間スケールによる3層制御、それらを貫く予測・観察・行為の閉ループ——後から変更できない全体設計の分岐点を、最初期に固定します。
意図の定義から段階的進化に至る〈8ステップのデザイン技法〉として構成し、各ステップにおける問題フレーム・AI活用・人間の役割の対応を示します。
ここで考えなくてはならないことは、ロボットはまさに実世界に置かれる存在であり、フレーム問題を正面から受けるということです。処方箋は、何でもかんでも考察対象とするのではなく、対応したい意図を考慮した限定的な見方、すなわち〈フレーム〉を採ることです。ドメイン分析とは、この観点から言えば、意図に応じてフレームを選び、実世界を射影する営みにほかなりません。
技法は抽象論だけでは身につきません。本教材では、町の定食屋に調理補助ロボットを導入するという事例を最初から最後まで一貫して使い、各ステップを具体的に追いかけます。まず、この事例の出発点を確認しておくことにしましょう。
「何でも作れる」を目指した瞬間、考慮すべきことが無限に膨らみます。これはAIのフレーム問題を自ら招き入れる行為です。無論、それは設計の失敗として最初に断たなければなりません。
「昼のピーク時、単純調理に手を取られ、接客と味の仕上げに集中できない」——ここから導かれるミッションは、定番メニューの下ごしらえと加熱調理を代行し、提供時間を短縮すること。〈意図〉で対象を限定するのです。
新メニュー考案・盛り付けの美観・刺身は扱わない。これは最重要の成果物です。
提供時間・味の安定・食材廃棄の少なさ。後の評価ルーブリックの源泉になります。
人が近づいたら停止。刃物は専用区画から出さない。安全は最初に決めます。
Jacksonは、ソフトウェア開発問題を分析・構造化する枠組みとして〈問題フレーム〉を提案しました [Jackson2001]。実世界とマシン（計算機）の関係に着目し、(1)動作制御、(2)操作命令、(3)情報表示、(4)単純編集、(5)変換という基本フレームを定め、これらの組み合わせによって複雑な問題領域を定式化できるとしたのです。フレームとは、対応したい〈意図〉を考慮して対象を限定的に見るためのビュー（見方）です。
生成AIの時代には、分析の型そのものが「実行可能（Executable）」になります。筆者はJacksonの5フレームを拡張し、6つの実行可能フレームからなる〈知働化AIフレーム〉を提案しています。料理ロボットの「料理」という仕事も、この6つのフレームで分解すると、性質の違う問題の集まりであることが見えてきます。
| ジャクソンの問題フレーム | 知働化AIフレーム（実行可能フレーム） | ロボットでの例 |
|---|---|---|
| (1) 動作制御 | （A）制御フレーム（(1)(2)(3)を包含） | 姿勢制御・モータ制御・障害物回避 |
| (2) 操作命令 | （A）制御フレームの一部 | 遠隔操縦・音声/ジェスチャ指示 |
| (3) 情報表示 | （A）制御フレームの一部 | 監視・テレメトリ・状態可視化 |
| —（新設） | （B）模擬フレーム | シミュレータ・デジタルツイン |
| —（新設） | （C）算法フレーム | 経路計画・動作最適化 |
| (4) 単純編集 | （D）編集フレーム | タスク定義・設定・コード編集 |
| (5) 変換 | （E）変換フレーム | ログ処理・地図/データ変換 |
| —（新設） | （F）メタフレーム | 自己修正・スキル自動獲得 |
状況に応じて生成AIとのやりとりのプロンプトを蓄積していくことにより、分析自体が再利用可能な資産となっていきます。
実世界からシステムに至る開発の過程は、抽象度を縦軸にとると山型に描けます（〈抽象山モデル〉）。左の斜面は実世界から定式化（モデル・フレーム）へと抽象度を上げる「上り」であり、問題分析・要求定義に相当します。右の斜面は定式化から実装へと具体化する「下り」であり、設計・実装に相当します。
生成AIにより、下りはほぼ自動化と言える水準に達しつつあります。その一方で、上りは、抽象度を上げ〈意図〉を込める人間特有の思考であり、自動化は困難です。〈問題フレーム〉は、この上りにおいて人間の思考を支える型であり、AIは対話による支援者として働きます。つまり、人間の価値は上り側、すなわち問題領域に移っていくということになります。
スコープを限定し、要求・価値・安全の判断を下し、AIの成果物を検証します。抽出された知識の採否をはじめ、意味の正しさに基づく判断は一貫して人間が担います。
問題領域を分解する定型のビューとして関心を限定し、AIのフレーム問題を回避するとともに、人間とAIの共通言語となります。
知識抽出の候補生成、LLMによる解釈と文脈統合、計画・ツール実行・内省の支援、コード生成によって人間の作業を加速します。
AIを中核に据えるシステムは、意味をあつかう層の分離と連結によって構成します。この4層は、Part 2「知」のアーキテクチャで学んだ三層構造（オントロジー・セマンティクス・エージェント）にデータ層を加えたものであり、LLM単独の弱点（一貫性の欠如・幻覚）を下の〈オントロジー〉が補い、上の〈エージェント〉が行為に変える、いわゆるニューロシンボリック統合の構成です。
下から上へは統合・知識化（Integration）、上から下へは根拠づけ（Grounding）の流れが通ります。
計画・ツール使用・記憶・内省によって「知覚→推論→行為」のループを回す動的な動力。料理ロボットでは、注文を工程に分解し器具を使う「料理長の頭」に相当します。
LLM・RAG・エンベディングによる解釈のはたらきを担い、記号と対象を結びます。「卵は柔らかめにね」という自然言語を、調理条件へと解釈します。
知識グラフ・概念・制約からなる骨格であり、AIの幻覚（ハルシネーション）を防ぐ基盤。「味醂は酒＋砂糖で代替可」といった厨房の知識がここに住みます。
文書・信号・センサーデータなどの源泉。レシピ本、口伝のメモ、カメラや温度センサーの生データです。
| 段階 | 人間の認識 | 対応するAI技術 | ロボットでの実装 |
|---|---|---|---|
| L0–L1 | 刺激・感覚 | センサー生データ・信号処理 | カメラ / LiDAR / IMU / 触覚 |
| L2–L3 | 知覚・認識（パターン化） | パターン認識・CNN・エンベディング | 物体検出・自己位置推定（SLAM） |
| L4 | 概念（抽象化） | 〈オントロジー〉知識グラフ | 世界モデル（意味づけされた地図） |
| L5 | 意味（文脈） | 〈セマンティクス〉LLM | 状況理解・自然言語指示の解釈 |
| L6 | 判断（推論） | 〈エージェント〉推論・プランニング | タスク計画・経路計画 |
| L7 | 行為（行動） | ツール実行 | アクチュエータ制御 |
| 横断 | メタ認知（自己の監視） | 内省・自己評価ループ | 異常検知・自己診断・安全停止 |
物理世界（身体）への実装では、意味の4層に加えて時間スケールによる分離が必須となります。分離の理由は明快で、全部を一緒にすると、遅い経路計画のために速い姿勢制御が間に合わず、ロボットが転ぶからです。厨房で言えば、段取りを考えている数秒の間に、鍋が焦げるのです。下の層ほど速く、単純に動きます。
目標推論・経路計画・地図作成といった「遅い思考」を担います。注文群から調理順序を計画し、在庫から作れる品を判断する——エージェント（LLM）が住む階です。エージェント層とオントロジー層に対応します。
タスク切替・行動調停を担う中間層です。「炒めの途中で揚げ物のタイマーが鳴った」——そのような工程の切替・調停を行い、停止条件や安全監視もここが受け持ちます。
リアルタイム制御・危険回避を担い、センサーから計算を経てアクチュエータへ直結するループです。手が加熱区画に入ったら即・全停止。吹きこぼれで火を絞る。確率的な解釈を挟まない決定論的ルールで作ります。
カメラが手を検知——世界モデルの最優先更新。「人の手の位置」は他のどの情報よりも速く更新します。
反射層が停止を発動——熟慮層の計画より常に優先します。
火を絞り、アームを安全姿勢へ移します。
実行層が中断を記録し、再開手順を調停します。
全体は「予測→観察→行為」の閉ループとして統合されます。実世界からの多様な入力（カメラ・LiDAR・IMU）は単独では不確実でノイズを含むため、カルマンフィルタ等により確からしさで融合（センサーフュージョン）され、同一座標系・同一時間軸で一元管理された「共有黒板」としての〈世界モデル〉に書き込まれます。熟慮層のエージェントは、セマンティクス層の照会・検証インタフェースを通じて世界モデルを参照し、計画を立てます。実行層が調停し、反射層が即応制御し、アクチュエータが実世界に作用する。その結果を再びセンサーが観測するのです。
共通座標系・共通時間軸で一元管理し、確信度つき状態推定（「フライパン185℃ ±5℃」）を保持します。 物理世界の名寄せはトラッキング——切られてバラバラになっても「同じ玉ねぎ」として同一性を維持します。 そして部分予測——卵焼き中は冷蔵庫の全予測は不要であり、いまの視点に関係する因子だけを取り出して予測します。
ここで世界モデルは、オントロジー層が身体をもった形態と位置づけられます。この対応は比喩ではなく、構造と構築プロセスの同型性を指しています。文書世界におけるオントロジーの型と制約（TBox）には物体クラス・空間関係・物理制約が、インスタンス（ABox）には検出された物体・自己・他者の状態推定値が、それぞれ対応します。ただし両者は表現形式が異なる（記号的な知識と連続的な状態推定）ため、導出は中間表現としての〈潜在空間〉を介して行うことを原則とします。
概念（焦げ・加熱）、属性と制約（「豚肉は75℃以上」）、因果関係（「強火は昇温を速める」）、観測器の定義（「焦げ色はカメラ」）。
記号の知識と連続なセンサー世界をつなぐ、圧縮された特徴の空間。色・水分・温度に対応する因子の軸を持ちます。
エンベディング、遷移関数（鍋の状態変化の法則）、観測モデル（真の状態→センサー像）、事前分布（prior）。
この「予測→観察→行為」の輪を単一の目的に束ねるのが〈自由エネルギー原理〉（FEP）です [Friston2010]。自由エネルギー原理は「適応的な系は驚き（サプライズ）を最小化するように振る舞う」と要約され、自由エネルギーFは近似的に「複雑性−正確性」と表されます。Fの最小化とは、観測をよく説明しつつ信念の変更を最小限に抑えることであり（オッカムの剃刀）、知識グラフの無用な肥大化を防ぐブレーキとして働きます。重要なのは、この閉ループが時間スケールを変えて何層も入れ子（フラクタル）に回っているという描像であり、これが本アーキテクチャの中核的な統一原理です。
「レシピ通りに炒めたのに、予想より焦げ色が濃い」
写像(5)priorの動的更新。モデルは保ったまま「この鍋はやや強め」という経験値を蓄積。日々自動で回ります。
写像(3)遷移関数の再構成。「中央だけ熱い」という法則レベルの改修。改修要求を層内管理機能へ出し、採否は人間が決めます。
アーキテクチャへの評価の実装は、次の5つの信号に集約されます。料理ロボットの厨房のことばで確認しておくことにしましょう。
驚き（予測誤差）を調節の引き金とします。
信念の不確実性が高い場合は行動せず情報を集めます。
期待情報利得で探索を方向づけます。
複雑性−正確性で改訂を正則化します。
学習進度で努力を配分します。
以上の整理に基づき、ロボットをデザインする手順を8ステップとして構成します。全体は、Ⅰ.分析（人間主導）、Ⅱ.知識化（AI協働）、Ⅲ.行為の実装、Ⅳ.進化（運用）の4フェーズからなります。どのステップでも構図は同一であり、人間が意図と基準を与え、フレームが思考の型を与え、AIが実行を担います。また、この手順は一方通行ではなく、ステップ7〜8で観測される予測誤差が、ステップ1〜2の意図の見直しへと還流します。
Step 1 意図・ミッション定義
Step 2 問題フレーム分析
Step 3 オントロジー構築
Step 4 世界モデル設計
Step 5 3層制御の設計
Step 6 エージェント実装
Step 7 評価・学習の設計
Step 8 段階的進化と検証
すべての出発点は〈意図〉です。AIは対話による意図の言語化を支援しますが、意図の決定・価値と安全の判断は人間の役割です。ここで決める「やらないことリスト」が、フレーム問題への最初にして最大の防壁になります。
「万能料理ロボット」ではなく、主人の困りごと——「昼のピーク時、単純調理に手を取られ、接客と味の仕上げに集中できない」——から出発します。ミッションは「定番メニューの下ごしらえと加熱調理を代行し、提供時間を短縮する」。やらないこと（新メニュー考案・盛り付けの美観・刺身）、価値基準（提供時間・味の安定・食材廃棄の少なさ）、安全要件（人が近づいたら停止、刃物は専用区画から出さない）をここで文書化します。意図とは、潜在空間から見れば、見るべき因子の大元の絞り込みでもあります。
「料理」を一枚岩にせず、6つのフレームで分解します。AIはフレーム適用の分析支援とプロンプト資産の蓄積を担い、フレームの選定・組合せの判断は人間が行います。フレームは分析の道具であると同時に、実行時には視点切替のスイッチにもなります。
火加減とアーム操作は（A）制御、焦げの予測は（B）模擬、調理スケジューリングは（C）算法、レシピの作成・修正は（D）編集、注文→調理指示は（E）変換、レシピ自体の改訂は（F）メタ。この分解が、そのまま後工程の配置図になります——（A）→反射・実行層、（B）（C）→世界モデル・熟慮層、（D）（E）→知識構築、（F）→学習。
オントロジー構築は6つの作業からなります。①スコープ定義（「この注文を今の在庫で何分で作れるか」に答えられる範囲）、②スキーマ設計（TBox：食材・器具・工程・レシピの型。後の写像を見越し、制約・因果・観測器も明示的に書く）、③抽出（レシピ本・口伝からLLMでトリプル〈主語―述語―目的語〉候補を大量生成）、④名寄せ（「ねぎ」「長ネギ」「白ねぎ」を統合）、⑤格納（JSON等で身軽に管理）、⑥検証（正しさの確認は人間——ここは主人の仕事です）。
TBox＝型の定義（「工程は食材の状態を変える」）、ABox＝今日の事実（「品番A001の在庫は3個」）です。
カメラ・温度・重量・マイクの各センサーをカルマンフィルタ等で融合し、確信度つきの状態推定を共有黒板（世界モデル）に一元化します。オントロジーの記号的知識は直接コピーせず、潜在空間を介した5つの写像で動的に結びます。写像(5)の逆反映——「この鍋は予想より早く焦げる」——が、後の学習（Step 7）の入り口になります。
更新の速さが生命線です。「人の手の位置」は他のどの情報よりも速く更新します——反射層が見る黒板が古くては意味がないからです。また部分予測により、卵焼き中は冷蔵庫の全予測はせず、いまの視点に関係する因子だけを取り出して予測します。フレーム（意図で限定したビュー）による関心の限定が、潜在空間における関連因子の抽出として実装されるのです。
時間の3層をここで実装に落とします。反射層は決定論的ルールで作り、確率的な解釈を挟みません。反射層の停止命令はどんな賢い計画よりも常に最優先——安全をAIの賢さに依存させないことが、後から変えられない設計の序列です。
熟慮層は注文群から調理順序を計画し（秒〜分）、実行層は「炒めの途中で揚げ物のタイマーが鳴った」の切替・調停を行い（秒）、反射層は手が加熱区画に入ったら即・全停止します（ミリ秒）。ロボットが「転ぶ」のと同じ構造で、段取りを考えている数秒の間に鍋が焦げる——だから階を分けるのです。
エージェントの工学的実装は「計画→実行→観察→評価→内省」のループとして構成します。評価が基準を満たせば完了し、満たさなければ内省（原因分析と教訓の記憶）を経て再試行します。実装の絶対条件は次の三つです。
注文を工程に分解する
器具ツールを使う
世界モデル（共有黒板）を見る
基準と照合——満たす→完了／満たさない→内省→再試行
理論的には、評価とは予測誤差の測定であり、学習とは誤差の使い分けです。予測誤差が小さければ既存スキーマに取り込む〈同化〉で信念のみを更新し、誤差が大きく持続するならば知識や型自体を改修する〈調節〉を行います。ここでもエージェントが知識グラフを直接書き換えるのではなく、層内の管理機能に対する改修要求として発行し、オントロジー層・セマンティクス層の内部で検証のうえ適用します。
驚き＝「レシピ通りに炒めたのに、予想より焦げ色が濃い」。誤差が小さければ同化——priorの動的更新として「この鍋はやや強め」という経験値を日々自動で蓄積します。誤差が大きく持続するなら調節——「中央だけ熱い」という法則レベルの改修要求を発行し、採否は主人が決めます。5つの信号（驚きを引き金に／不確実なら動くな／情報利得で探索／複雑性で正則化／学習進度で配分）を厨房のことばで具体化しておくことが肝要です。
脱Excelのロードマップが示したように、自律化は一足飛びには達成されず、模擬から自律へと階段状に進みます。各段階に人間の検証を挟むことは、安全の要請であると同時に、調節（モデルの大改修）の判断を人間が握るというガバナンスの要請でもあります。
デジタルツインの厨房で計画と制御を検証
人が操作、ロボットは観察と記録に徹する
切る・炒めるのみ。味見と仕上げは主人
定番3品のみ・ピーク時間帯のみ自律調理
実績を見ながらメニューを一品ずつ広げる
各段に検証可能な受入基準を置きます。例えば「半自律で1週間、安全停止の誤作動ゼロ・廃棄率3%未満」。次の段へ進む判定は必ず人間が行い、味と安全の最終検証は最後まで人間に残ります。降りる（ロールバック）設計も忘れずに。
| ステップ | 主な問題フレーム | AI活用 | 人間の役割 |
|---|---|---|---|
| 1. 意図・ミッション定義 | （F）メタ | 対話による意図の言語化支援 | 意図の決定・価値と安全の判断 |
| 2. 問題フレーム分析 | （A）〜（F）全体 | フレーム適用の分析支援・プロンプト資産の蓄積 | フレームの選定・組合せの判断 |
| 3. オントロジー構築 | （E）変換 | 原資料からのトリプル抽出・名寄せ候補提示 | スコープ定義・スキーマ設計・矛盾の検証 |
| 4. 世界モデル/融合設計 | （B）模擬 | シミュレーション・予測モデルの生成 | モデル化要求（意図）の付与 |
| 5. 3層制御の設計 | （A）制御 | 制御パラメータの探索・コード生成 | 安全要件・リアルタイム制約の決定 |
| 6. エージェント実装 | （C）算法・（D）編集 | LLMによる計画・ツール実行・内省 | 停止条件とルーブリックの定義 |
| 7. 評価・学習の設計 | （F）メタ | FEP信号による自己評価・同化/調節の自動化 | 評価基準の承認・調節（大改修）の判断 |
| 8. 段階的進化と検証 | （E）変換・（F）メタ | 自動テスト・コード変換・スキル獲得 | 受入検証・投資判断・倫理的責任 |
骨格は搬送ロボットでも検査ロボットでも同じです。変わるのはStep 1で見つめる「誰の困りごとか」だけ、ということになります。
抽象的な設計論が、厨房の一日の中でどう動くのか。人間とロボットの協調をイメージする場面で確認しておくことにしましょう。
厨房そのものが〈問題領域〉です。破線＝反射層の監視ゾーンであり、人の手が入れば即・全停止（ミリ秒）。受け渡しカウンターが人とロボットの境界であり、仕掛品はここで手渡します。センサー（カメラ・温度・重量・音）は共有黒板＝世界モデルに集約されます。区画の線引きは、Step 1の安全要件がそのまま床に描かれた姿です。「左コンロは火が強め」——こうした癖も知識として蓄積されます。
頭の中は3階建て——熟慮層・実行層・反射層です。センサーの生データ（L0）から行為（L7）まで、知覚・認識のリファレンスモデルがこの身体の上で動きます。非常停止の赤ボタンは誰でも押せる、AIの賢さに頼らない最後の砦です。
ロボットは下ごしらえ・加熱調理・配膳準備を担い、視点はクエリー（注文）から識別します。主人は味見・仕上げ・接客——価値と安全の判断は人間の仕事です。共有黒板には鍋の温度も進行状況も一元管理され、二人は同じ「今」を見て働きます。
同化は日々自動で回り、調節（法則レベルの改修）は人間の承認を経て適用される——半自動の学習ループです。厨房の一日は、閉店後のこの振り返りまで含めて設計されています。
本技法は万能ではありません。むしろ、どこに限界があり、実践の場で何に備えるべきかをあらかじめ知っておくことこそが、技法を使いこなす条件です。ここでは、原論文の考察とケーススタディで既に明らかになっている課題を、包み隠さず提示しておくことにしましょう。
本構想は概念設計の水準にあり、実機やシミュレータによる検証を経ていません。適用の際は、第1段（デジタルツイン）での検証から着手すべきです。
知働化AIフレームの適用には相応の習熟が必要であり、生成AIに問題フレームを十分に学習させる方法は今後の課題です。
5信号の具体的な実装方式（誤差の閾値設定、情報利得の推定など）は、対象ドメインごとに詰める必要があります。
さらに、フェーズを横断する課題が三つあります。第一にスケールの検証です。一軒の定食屋の知識は小規模で済みますが、チェーン展開すれば数千万ノード級になり、RAG併用と層内検証が現実の試練を受けます——規模を上げながら確かめるほかありません。第二に実装知見の継続的な取り込みです。「後から変更できない設計分岐点」は実装経験からしか見えず、本技法の改訂史そのものがその証左です。概念設計と実装者の対話を制度化することが求められます。第三に、次の一歩はデジタルツイン厨房だということです。本ケーススタディは紙上の適用にとどまっており、第1段の模擬厨房を実際に構築し、5つの写像・部分予測・視点選択を「動くもの」で確かめる——ここからが本番です。
① 変更不能な分岐点を最初期に固定する——知識グラフのカプセル化、反射層の決定論的設計と停止命令の最優先、潜在空間を介した結合。これらは後から変更が効かない全体設計の分岐点であり、概念設計の段階から実装者の知見を取り込み、早期に洗い出して固定することを運用上の原則とします。
② 未知の文脈は自動化しない——未知の文脈の発見は自動化せず、調節の一種として人間との協働で新設します。不確実なら動かず、情報を集めるのが原則です。
③ 人間の検証を各段に挟む——受入基準を検証可能な形で定義し、次の段へ進む判定は必ず人間が行います。これは安全の要請であると同時に、大改修の判断を人間が握るというガバナンスの要請でもあります。
本教材では、AI活用とドメイン分析・問題フレームの関係を整理した上で、意味の4層×時間の3層×予測の閉ループからなるロボティクス・アーキテクチャを提示し、8ステップのデザイン技法を料理ロボットの事例で確認してきました。理論だけでなく実際に使える「実行可能知識」へ——〈人働説〉から〈知働説〉へのパラダイムシフトは、意図を人間が与え、意味をAIが担い、行為をロボットが返すという役割分担の明確化から始まります。
この厨房で起きていることは、知識が予測を作り、驚きが知識を鍛え、意図と検証は人間に残る——という循環です。
骨格は搬送ロボットでも検査ロボットでも同じです。変わるのは、Step 1で見つめる「誰の困りごとか」だけなのです。
オントロジーに書いた「強火は昇温を速める」が、潜在空間を介して鍋の未来の予測になります。
「予想より早く焦げた」という予測誤差が、priorの更新（同化）と法則の改修（調節）に振り分けられます。
何を作るか、おいしいか、安全か——上りの判断は最後まで主人の仕事。ロボットはそれ以外を引き受けます。