ロボティクス・フィジカルAI

サンフランシスコのスタートアップ Tau Robotics が、時給約30ドルのヒューマノイド清掃サービスを披露した。床拭きや台所掃除はできるが、現段階では遠隔操作が前提だ。

ACE-Data-0 は、具身知能に不足している同期済みの人間中心データを補うため、視覚、全身動作、手指操作、物体状態、音、触覚を実家庭のタスク内でまとめて記録する。

Google DeepMind は、ロボット向けの高レベルな具身推論モデル Gemini Robotics ER 2 を発表した。リアルタイムの動画理解、ツール編成、複数ロボットの協調を重視したアップデートだ。

TurboVLAは、VLAモデルで一般的なLLM中心の経路を見直し、視覚と言語からより直接的にロボット動作を生成する設計を提案する。論文ではRTX 4090上で0.9GBの推論VRAM、約32Hz相当の動作が報告されている。

ロボット向けAIの課題は、モデルそのものよりも高品質な現実世界データの不足に移りつつある。Encord は、脳波、主観視点映像、詳細アノテーションを組み合わせた新しい訓練データ作りを試している。

NeoteAI と復旦大学可信具身智能研究院は、触覚データ、視覚・触覚・言語・行動モデル、触覚世界モデルに関する N0 シリーズの技術報告を公開した。ロボットが物理世界で安定して動くには、視覚だけでは不十分だという問題意識が中心にある。

Open-AoEは、単なるデータセットではなく、収集から前処理、学習適用までをつなぐ具身学習向けのオープン基盤です。

HarmoHOI は、多視点 HOI 合成で難しい「見た目の一貫性」と「3D運動の整合」を同時に扱う。RGB動画と3D点軌跡を一つの拡散枠組みで共同生成するのが特徴だ。

RynnBrain 1.1 は、知覚・空間推論・位置推定・計画を一つの枠組みにまとめた具身基盤モデル群です。単なる認識ではなく、実際の操作に使いやすい表現を目指している点が特徴です。

JoyNexusは、VLAモデルの教師あり微調整、強化学習、評価を共有インフラ上で扱うための多テナント型サービスフレームワークを提案している。

KAIST AI の研究は、VLA モデルにおけるカメラ視点とロボット動作座標系のずれに注目する。Robot-centric pointmaps は、各ピクセルにロボット座標系での 3D 位置を持たせ、既存の 2D VLA に比較的少ない変更で組み込める表現だ。

Xiaomi-Robotics-1 は、ロボット学習にも大規模データとモデル拡大によるスケーリング効果が成立するかを検証する VLA 基盤モデルだ。10万時間を超える実世界操作軌跡を使い、未知環境での操作や少量データでの適応を狙う。

黄仁勲氏の東京訪問は、日本の計算基盤、ロボット、自動車、半導体サプライチェーンを一つの構想に結び付けた。NvidiaはGPU販売にとどまらず、日本の産業AI基盤そのものに入り込もうとしている。

黎曼動力が発表した Riemann-1.0 は、RoboCasa-365 で 62.6% の成功率を記録した。注目点はスコアだけではなく、人間の一人称作業動画を大量に使い、ロボット動作へ接続する学習手法にある。

RoboTTT はテスト時学習をロボット基盤モデルに組み込み、推論遅延を増やさずに最大 8K タイムステップの視覚運動コンテキストを扱う手法です。

Agility Robotics はカリフォルニア州 Fremont に 6 万平方フィートの訓練施設を開設し、Digit の製造・物流現場への展開を加速する。テスラ Optimus の大きな構想に対し、同社はすでに収益を生む実運用を前面に出している。

現代自動車が Atlas 人型ロボットを工場に導入する計画を進めるなか、韓国・蔚山工場の労組がストに踏み切った。人型ロボットが製造業の労使交渉の中心テーマになり始めている。

arXiv の新論文は、双腕ロボットのデバッグと配備を支援するエージェント型フレームワーク SPINE を提案した。基盤モデルの知能を実機に接続する際の、専門家依存の統合作業を減らすことを狙う。

arXiv の新論文は、水中 AUV チームの隠密任務において、感知情報のタスク上の価値と通信リスクを同時に扱う SVR-MARL を提案している。

arXiv に掲載された論文は、UAV の精密着陸向けに Recursive ArUco マーカーを提案している。親マーカーの黒白ビット領域に完全なマーカーを埋め込むことで、スケール変化や部分的な遮蔽に強い認識を目指す。