DX検定の 「ロボットとスマートマシーン分野（G）」 は、ロボット技術とスマートマシーンを軸に、基礎から応用、開発の観点まで整理して理解することが求められる領域です。しかし、ロボット関連は用語の範囲が広く、サービス事例も絡むため、構造立てて押さえないと混乱しやすいのが実情です。
本記事は、G1（ロボットとロボット技術）とG2（スマートマシーン）で、実際の試験の問題文や選択肢での頻出キーワードを出題頻度（★〜★★★）つきで整理した「合格用まとめ」です。
基礎知識→応用知識→開発知識の流れで理解を積み上げつつ、ロボット分野は代表サービス/事例も含めて整理でき、最後に「混同しやすいキーワードまとめ」でひっかけポイントをまとめて確認できるので、用語暗記に留まらず“出題される形”で理解したい方におすすめです。
出題範囲の全体像はこちらのページをご覧ください。
G1_ロボットとロボット技術
ロボット技術の基礎知識
ロボット技術（★）
定義：センサーで環境を認識し、判断し、アクチュエータで動作する仕組み・技術の総称。
ポイント：
- 「認識（センサー）→判断（制御/AI）→動作（駆動）」の分解で覚える
- 現場導入では、安全・停止・フェールセーフ設計が必須
間違えやすいポイント：
- ロボット＝人型、ではない（搬送・清掃・倉庫・農機など形は多様）
- “AIがある＝ロボット”でもない（機械制御のみの産業用も多い）
産業用ロボット
定義：工場などで、溶接・組立・搬送などを高精度・高耐久で行うロボット。
ポイント：
- 高精度・繰り返しに強い（定型作業の自動化に最適）
- 安全柵/協働設計など、作業環境とセットで成立
間違えやすいポイント：サービスロボット（配膳等）と同じ要求（柔軟性・対人安全）で語らない。
ヒト型ロボット（★）
定義：人間に近い形状・関節構造で、汎用的な作業を狙うロボット。
ポイント：
- “人の環境で働く”ために、人と同じ形が有利になる場面がある
- ただし難易度は高く、実用は用途限定から進むことが多い
間違えやすいポイント：
- ヒト型＝万能、ではない（コスト/安全/安定性の壁が大きい）
- 産業用ロボットの置換が一気に進む、という断定は危険
アバターロボット（★）
定義：遠隔から人が“その場にいるように”作業・接客・移動などを代行するロボット。
ポイント：
- 価値は「時間・距離の制約を超える」「身体能力の拡張」に寄る
- 遠隔操作（テレオペ）＋半自律（自動補助）へ進化しやすい
間違えやすいポイント：
- “ホログラムで会話が良くなる”系（コミュニケーション強化）と混同しがち
- 生成AI家庭用エンタメロボット、といった目的取り違えに注意
ソフトウェアロボット（★）
定義：PC上の定型作業（入力・転記・照合など）を自動実行する“仮想のロボット”（RPAの中心概念）。
ポイント：
- UI操作の自動化で、既存システムを変えずに効く場面が多い
- 自動化レベルは「部分置換（省力化）」から段階的に上がる
間違えやすいポイント：
- ソフトウェアロボット＝物理ロボット、ではない
- “自ら自動化（自己判断して勝手に最適化）”のような強い自律性を前提にしない
デジタルレイバー（仮想知的労働者 / Digital Labor）（★）
定義：人が行っていた事務作業を、ソフトウェア（RPA等）が担うという捉え方。
ポイント：置換対象は「定型・反復・ルール化できる」事務作業が中心。
間違えやすいポイント：知的判断や例外処理が多い業務まで“そのまま全置換”できると考えない。
ロボット技術の応用知識
自律モバイルロボット（AMR）
定義：倉庫・工場・施設内などで、周囲を認識しながら自律移動するロボット。
ポイント：
- “固定ルート”よりも、環境変化に追従する設計が重要になりやすい
- 物流・搬送の省人化で典型的に登場
間違えやすいポイント：AGV（固定ルート前提になりがち）と混同しやすい。
災害救助ロボット（レスキューロボット）
定義：災害現場での探索・救助・情報収集を支援するロボット。
ポイント：遠隔操作・耐環境・通信確保がボトルネックになりやすい。
間違えやすいポイント：平時のサービスロボットと同じ前提（通信/電源/路面）で考えない。
手術支援ロボット（★）
定義：医師の操作を高精度に支援し、低侵襲手術などを可能にする医療ロボット。
ポイント：
- 高精度・微細操作・手ブレ低減などで価値が出る
- 市場は競争が激化し、複数プレイヤー名が選択肢で出やすい
間違えやすいポイント：
- “製品名”と“開発企業名”の取り違えに注意（企業名が問われやすい）
- 研究機関（大学名）を開発企業と誤認しない
ヒト型ロボットの代表例（★）
定義：ヒト型ロボットは、代表的な“固有名詞”がそのまま選択肢になりやすい領域。
ポイント：覚え方は「企業×機体名」のペア
間違えやすいポイント：似た名称（Atlas/Atlsa等の綴り揺れ）や、企業取り違えに注意。
LLMのロボット応用（★）
定義：LLMが自然言語指示を解釈し、ロボットの行動計画・命令列へ落とし込む応用。
ポイント：
- 従来の“決め打ち”より、状況に応じた柔軟な指示理解に寄与
- 上位計画（プランニング）と下位制御（リアルタイム制御）を分けるのが基本
間違えやすいポイント：
- LLM＝リアルタイム制御技術、ではない（ここを誤りとして問われやすい）
- ハルシネーション前提で、安全確認・停止設計が必要
上位プランニング（SayCan / RT-2）（★）
定義：LLM等でタスクを分解・選択し、ロボット行動の“上位計画”を作る考え方（名称）。
ポイント：ロボットが「何を次にするか」を決める層として押さえる。
間違えやすいポイント：ローレベル制御（モータ制御等）まで直接やると考えない。
天工（Tiangong）と天工Ultra（★）
定義：中国の人型ロボットとして、仕様公開や制御アーキテクチャ等の文脈で登場する固有名詞。
ポイント：
- “開発仕様の一部をオープンソース公開”のような話が絡みやすい
- 「大脳/小脳」型（判断と運動制御の分離）という表現が出やすい
間違えやすいポイント：誇張された実績（例：マラソン優勝など）を事実として覚えない（誤りとして問われやすい）
ロボット技術の応用知識：代表サービス/事例
- 手術支援ロボット：インテュイティブサージカル（企業名として登場）（★）
- 物流ロボット：Amazonの新システム「Sequoia（セコイア）」、Kiva（キヴァ）、Proteus（プロテウス）（★）
- ヒト型ロボット：テスラ「Optimus（オプティマス）」、ホンダ「ASIMO（アシモ）」、ボストン・ダイナミクス「Atlas（Atlsa）」、中国「天工（Tiangong）」（★）
- LLMロボット：SayCan、RT-2（★）
ロボット技術の開発知識
顔認証技術
定義：顔画像から個人認証・識別を行う技術。
ポイント：入退室管理、端末解錠、施設運用などの文脈で使われる。
間違えやすいポイント：画像認識一般（物体検出など）と同一視しない。
ジェスチャーインターフェース
定義：手や身体の動きを入力として機械を操作するUI。
ポイント：ロボット操作やAR/VRと相性が良い。
間違えやすいポイント：音声UI（会話）と混同しない。
LiDAR（ライダー）（★）
定義：レーザー光で距離を計測し、周囲の3D形状を把握するセンサー。
ポイント：
- 自動運転・農機・ドローン等で“空間把握”に強い
- 3Dマップ等と突き合わせて自己位置推定に使われやすい
間違えやすいポイント：
- LiDARとミリ波レーダーは長所が違う（悪天候や反射特性などで比較されやすい）
- “LiDAR＝方式名”ではなく、距離計測/3D取得の代表カテゴリとして扱う
直接タイム・オブ・フライト（dToF）（★）
定義：光を発して戻ってくるまでの“時間”から距離を測る方式（ToFの一種）。
ポイント：
- 3Dセンシング（距離画像/深度）を作る前提技術として出やすい
- 複数ポイント同時測定の発想（面で距離を取る）が重要
間違えやすいポイント：
- 三角測量方式や赤外線深度画像と混同しやすい（距離算出の原理が異なる）
- 単一点測定と“面”の計測（複数点同時）の取り違えに注意
ミリ波レーダー（★）
定義：ミリ波を用いて距離・速度などを把握するレーダー。
ポイント：車載/自動運転で、距離把握や相対速度の検出に使われやすい。
間違えやすいポイント：カメラ（画像）・LiDAR（3D形状）と得意領域が違う。
マイクロロボット（★）
定義：ミリメートル級など微小スケールで動作するロボット。
ポイント：駆動方式（磁気・振動など）と製造技術が重要
間違えやすいポイント：通常サイズのロボットと同じモータ前提で考えない。
磁気駆動技術（★）
定義：磁場を使って微小構造物を動かす駆動方式。
ポイント：微小ロボットの“外部から動かす”アプローチとして出やすい。
間違えやすいポイント：振動駆動と取り違え（どのエネルギーで動かすか）。
MEMS（Micro Electro Mechanical Systems）（★）
定義：微小な機械構造と電子回路を一体化したデバイス技術。
ポイント：小型センサーや微細構造部品の基盤として登場しやすい。
間違えやすいポイント：レーザー加工など“加工法”そのものと混同しない。
エッジAI（★）
定義：クラウドではなく端末側（エッジ）でAI推論を行う設計。
ポイント：
- 低遅延（リアルタイム性）とプライバシーで効く
- 工場の予兆保全や画像認識などで典型的に登場
間違えやすいポイント：クラウドAIと対立ではなく、役割分担（端末で一次処理→クラウドで学習等）が多い。
Jetsonシリーズ（NVIDIA）/ Edge TPU（Google）（★）
定義：小型デバイス向けのAIチップ/推論基盤（名称として問われやすい）。
ポイント：リアルタイム推論（端末側処理）とセットで覚える。
間違えやすいポイント：GPU製品シリーズ（GeForce等）と用途（エッジ向け）を混同しない。
アノテーション（★）
定義：学習用データ（画像・動画・テキスト等）に正解ラベルを付ける作業。
ポイント：自動運転・監視カメラ・ロボット視覚などで必須工程として出やすい。
間違えやすいポイント：クレンジング（欠損や誤りの修正）やクラスタリング（自動分類）と混同しない。
代表サービス/事例
- 距離測定/3Dセンシング：dToF、LiDAR、ミリ波レーダー（★）
- エッジAI基盤：Jetsonシリーズ、Edge TPU（★）
- 学習データ整備：アノテーション（★）
G2_スマートマシーン
スマートマシーンの基礎知識
ドローン（★）
定義：無人航空機（遠隔操縦・自律飛行）を指す総称。
ポイント：
- 価値は「空からの移動/撮影/点検/配送」を低コストで実現すること
- 実運用では通信・規制・安全が重要になる
間違えやすいポイント：ドローン＝趣味の撮影、で止めない（産業用途が中心になりやすい）。
自動運転（★）
定義：車両が周囲を認識し、判断し、運転操作を自動化する技術・概念。
ポイント：
- センサー（カメラ/LiDAR/レーダー）＋地図（高精度/動的）＋制御/ソフトの組み合わせで成立
- “安全性の担保”が最重要
間違えやすいポイント：自動運転＝AIだけで完結、ではない（地図・冗長系・運用が絡む）。
スマートマシーン（B2Bロボット）
定義：産業用途で、センサーとソフトウェアで賢く動く機械（ドローン、自動運転機械など）を含む捉え方。
ポイント：B2Bでは「省人化」「品質安定」「安全」「可視化（データ化）」が価値になりやすい。
間違えやすいポイント：ヒト型ロボットだけを指す言葉ではない。
SDV（Software Defined Vehicle／次世代SDV）（★）
定義：車の価値をハードではなくソフトウェア更新で継続的に高める発想・設計。
ポイント：
- 車を“走るソフトウェア”として扱い、機能追加・改善を継続する
- OTA更新とセットで出題されやすい
間違えやすいポイント：SDV＝自動運転、そのものではない（概念の主語は“ソフト更新で機能価値を高める”）。
代表サービス/事例
- 産業ドローン、配送ドローン（Amazon Prime Air）（★）
- SDV（次世代車のキーワードとして登場）（★）
スマートマシーンの応用知識
空飛ぶクルマ
定義：都市内移動などを想定した次世代航空モビリティの総称。
ポイント：eVTOL（電動・垂直離着陸）と近い文脈で語られやすい。
間違えやすいポイント：“車が飛ぶ”という比喩に引っ張られず、航空機側の規制・安全が主戦場。
eVTOL
定義：Electric Vertical Take-Off and Landing（電動の垂直離着陸機）を指す用語。
ポイント：騒音・整備性・運用コストが普及の鍵になりやすい。
間違えやすいポイント：一般ドローン（小型無人機）と同一視しない。
ドローンの商用ルール
定義：ドローンを業務で飛行・運用するための法規制・運用ルール（許可、飛行条件など）。
ポイント：安全・責任・飛行条件（場所/高度/目視外等）を押さえる。
間違えやすいポイント：技術ができれば商用化できる、ではない（ルール整備が必須）。
ドローン通信と低軌道衛星（Starlink等）（★）
定義：山間部や災害時など地上回線が弱い環境で、低軌道衛星を使って通信を確保する考え方。
ポイント：
- 重要なのは“通信エリア化”と“構築時間短縮”など、現場での運用価値
- ドローン/遠隔機械の実装は通信がボトルネックになりやすい
間違えやすいポイント：衛星通信＝常に万能、ではない（遮蔽物や遅延、運用コストが絡む）。
水素車両（燃料電池車両など）（★）
定義：水素をエネルギー源として走行する車両（文脈として登場）。
ポイント：水素製造のエネルギー源（再エネか化石由来か）が論点になりやすい。
間違えやすいポイント：「水素＝常にクリーン」と断定しない（製造方法で環境負荷が変わる）。
代表サービス/事例
- 低軌道衛星×現場通信：Starlink（スターリンク）と通信事業者連携（★）
- ドローン配送：Amazon Prime Air（★）
スマートマシーンの開発知識
OTA（Over-the-Air）（★）
定義：通信経由でソフトウェアを更新し、機能追加や改善を行う仕組み。
ポイント：
- SDVの中核（更新で価値を積み増す）
- セキュリティ・更新失敗時の復旧設計が重要
間違えやすいポイント：OTA＝アプリ更新程度、と軽く見ない（安全・認証・ロールバックが重要）。
ADAS（先進運転支援システム）（★）
定義：自動運転“以前”の運転支援（衝突回避、車線維持等）を提供する仕組み。
ポイント：完全自動運転と混ぜずに「支援」として整理する。
間違えやすいポイント：ADAS＝自動運転、と言い切らない。
CASE（★）
定義：Connected / Autonomous / Shared & Services / Electric の頭文字で、モビリティ変化を表す枠組み。
ポイント：個別技術というより、潮流の整理フレームとして問われやすい。
間違えやすいポイント：CASEを“単一技術名”として扱わない。
MaaS（Mobility as a Service）（★）
定義：移動をサービスとして統合し、最適な移動手段を提供する考え方。
ポイント：データ連携・決済・予約など“統合”が主語。
間違えやすいポイント：MaaS＝自動運転、ではない（サービス統合の話）。
ダイナミックマップ（高精度3D地図＋動的情報）（★）
定義：高精度3D地図に、工事・渋滞・規制など“変化する情報”を重ねて提供する地図。
ポイント：車載センサー情報と照合して、安全・精度を上げる前提になる
間違えやすいポイント：
- ロードマップ（計画表）と混同しない
- デジタルマップ（一般地図）や単なる3Dマップと同一視しない
自動運転ソフトウェア
定義：認識・判断・制御を統合して車両を動かすソフトウェア群。
ポイント：アップデート（OTA）・安全規格・検証が極めて重要。
間違えやすいポイント：ソフトさえ良ければ成立、ではない（センサー/地図/運用が必要）。
LIDAR（★）
定義：自動運転・ドローン等で、3D形状把握に使われる代表的センサー（表記揺れ込みで登場）。
ポイント：ミリ波レーダーやカメラと組み合わせて冗長化しやすい。
間違えやすいポイント：LiDARとレーダーの長所短所を“丸暗記”ではなく役割で押さえる。
全固体電池
定義：電解質を固体化した電池で、次世代の高性能化が期待される技術。
ポイント：EVやeVTOLなど“電動モビリティの航続/安全”で文脈化しやすい。
間違えやすいポイント：実用化時期や普及状況を断定しない（“期待される技術”として整理）。
エッジAI（★）
定義：端末側で推論する設計（自動運転・工場ロボット等でリアルタイム性が重要）。
ポイント：画像認識・予兆保全など“現場ローカル処理”が典型。
間違えやすいポイント：自然言語処理だけがエッジAIの用途、と思い込まない。
代表サービス/事例
- SDVの機能更新：OTA（Over-the-Air）（★）
- 自動運転の基盤：ダイナミックマップ（★）、LiDAR（★）、エッジAI（★）
- 農機の自動化：クボタの自動運転農機×LiDAR×エヌビディア（選択肢で登場）（★）
混同しやすいキーワードまとめ
産業用ロボット vs サービスロボット（配膳/配送など）
ポイント：
- 産業用：高精度・繰り返し・耐久（工程に最適化）
- サービス：対人安全・環境変化への適応・運用設計が重要
間違えやすいポイント：同じ要件（安全/柔軟性）で一括りにしない。
ソフトウェアロボット（RPA） vs 物理ロボット
ポイント：
- ソフトウェア：PC上の定型作業を自動化
- 物理：センサー→判断→動作で“物理世界”に働きかける
間違えやすいポイント：“ロボット”という語だけで同一カテゴリにしない。
LiDAR（★） vs ミリ波レーダー（★） vs カメラ
ポイント：
- LiDAR：3D形状・距離
- ミリ波レーダー：距離/速度に強い（車載で頻出）
- カメラ：見た目（標識/車線/物体分類）
間違えやすいポイント：どれか1つで完結する前提にしない（冗長化が基本）。
dToF（★） vs 三角測量方式 vs 赤外線深度画像
ポイント：
- dToF：往復時間で距離
- 三角測量：幾何学で距離
- 深度画像：方式の呼び方が混ざりやすい（距離算出の原理を意識）
間違えやすいポイント：「単一点測定」か「複数点同時測定」かを落とさない（3D化の要点）。
SDV（★） vs OTA（★） vs ADAS（★） vs 自動運転（★）
ポイント：
- SDV：ソフト更新で価値を高める設計思想
- OTA：更新の手段
- ADAS：運転支援（自動運転“前”の支援）
- 自動運転：認識・判断・制御で運転操作を自動化
間違えやすいポイント：全部“自動運転の話”にまとめない（主語が違う）。
ダイナミックマップ（★） vs 3Dマップ vs デジタルマップ vs ロードマップ
ポイント：
- ダイナミックマップ：高精度3D＋動的情報（自動運転で重要）
- 3Dマップ：立体地図（動的情報は必須でない）
- デジタルマップ：一般的な地図
- ロードマップ：計画表
間違えやすいポイント：「ロードマップ＝地図」と誤認しやすい。
デジタルツイン（★） vs 世界モデル（★）
ポイント：
- デジタルツイン：現実の対象を仮想空間に再現し、検証・学習に使う（問題集ではこれが中心）
- 世界モデル：環境を内部表現として持つ考え方（用語として対比で出やすい）
間違えやすいポイント：語感だけで“同じもの”扱いしない（何を再現・何に使うかが違う）。
