メインコンテンツへスキップ
見出し画像

フィジカルAIニュース(2026/8/28号)

    更新日:2026/8/28

    エグゼクティブサマリー
    2026/8/27は、Amazon RoboticsがNVIDIAのフィジカルAI基盤をロボットの開発・検証ループへ取り込む動きが産業面の中心となりました。研究面では、異種ロボットを単一ポリシーで扱うUCAG-P、人間動画で未知タスクを指定するZero-WAM、実行中の触覚で行動を更新するTacForcingが相次いで公開されました。さらに、Tiangong Ultraの高速走行、RoboSenseの触覚・関節部品の商用化計画、ルネサスの北京ラボ開設が、モデル、実機、安全、量産部品を横断する競争の加速を示しています。

    画像
    Gemini 3 - Nano Banana 2 にて作成した、記事の全体像インフォグラフィック画像
    画像
    ChatGPT Images 2.0 にて作成した、記事の全体像インフォグラフィック画像

    ※作成した記事内容をGammaに入力しスライド自動作成させました。スライドの方が見やすいようでしたらこちらをご覧くださいませ。


    1️⃣ AWS × NVIDIA:Amazon RoboticsがフィジカルAI開発基盤の統合を推進

    📎 出典:Amazon Press Center / NVIDIA Newsroom
    AWSとNVIDIAは提携を拡大し、2027~2028年にBlackwell Ultra、Rubin、Rubin Ultraを含むNVIDIA GPUをAWS基盤へ追加200万基展開する計画を発表しました。特にAmazon RoboticsはJetson、Omniverse、Isaacを組み込むフィジカルAI基盤の採用を進めます。協業範囲はシミュレーション、合成データ生成、ロボット学習、経路最適化、機能安全、real-to-sim検証まで及び、GPU加速EC2上で開発ループを統合します。ロボット固有の成功率や事故率は未公表ですが、物流現場の大規模運用と学習基盤が直結する動きとして重要です。


    2️⃣ UCAG-P:異種ロボットを単一VLAで横断する共通行動表現

    📎 出典:arXiv:2608.26058 / プロジェクトページ
    Xiaomi Embodied Intelligence Teamとマカオ大学は、ロボット固有の関節指令ではなく、カメラから観測できる手首やエンドエフェクタのアンカー運動を共通の行動幾何として学習するVision-Language-Actionモデル「UCAG-P」を公開しました。ロボット・シミュレーション4.03K時間と人間デモ2.34K時間を用い、単一チェックポイントでLIBERO 98.3%、RoboTwin Easy 88.7%、Hard 89.2%、LIBERO-Plusゼロショット82.0%を記録しました。実機Piper評価も示されていますが、数値は著者報告であり、カメラ較正、深度、運動学誤差が下流制御へ伝播する課題も残ります。


    3️⃣ Zero-WAM:人間動画を未知タスクのプロンプトとして利用

    📎 出典:arXiv:2608.26103 / プロジェクトページ
    Zero-WAMは、人間の実演動画をインコンテクストのタスク指示として与え、学習時に未経験だった操作をパラメータ更新なしで実行する因果的video-actionモデルです。ロボット軌跡から意味的に対応する人間の操作動画を生成・選別し、74.2K組、8.6KタスクのHumanGenを構築しました。RoboTwin 2.0の未見7タスクでは平均成功率46.95%で、最良のvideo-actionベースラインを29.50ポイント上回りました。実機では長期手順や精密挿入を示す一方、実機3タスクの集約成功率は未掲載で、シミュレーションの3ブロック積みは9.0%にとどまります。


    4️⃣ TacForcing:実行中の触覚でVLAの未実行アクションを更新

    📎 出典:arXiv:2608.25798
    TacForcingは、VLAが一括生成したアクションチャンクを実行する間に触覚情報が古くなる問題へ、実行中の触覚で未実行アクションを逐次更新するストリーミング生成を導入しました。Execution-Aware Tactile Attentionは、触覚条件付けを実行直前のアクションへ絞り、別置きの高速リアクティブ制御器なしで接触変化へ追従します。著者報告では6件のUniVTACシミュレーションで平均65%、3件の実機接触操作で69%の成功率です。挿入や押し込みに有望ですが、力上限、衝突率、緊急停止などの安全KPIは示されていません。


    5️⃣ Tiangong Ultra:ヒューマノイド100mで8.64秒を記録

    📎 出典:Reuters / AP通信
    北京で閉幕した第2回世界ヒューマノイドロボット競技大会で、北京ヒューマノイドロボットイノベーションセンターのTiangong Ultraが大型ロボット100m決勝を8.64秒で走りました。予選9.39秒、準決勝8.86秒から同一大会中に記録を縮め、二足走行の速度、姿勢安定化、制御性能の進歩を示しました。大会には666チーム、2,000台超が参加し、51種目でスポーツと産業タスクを競いました。一方、複数機がゴール後に防護壁へ衝突し火花が出たため、人間記録との単純比較よりも、高速域での減速・安全停止を含む閉ループ制御が次の評価軸です。


    6️⃣ RoboSense:LiDARから触覚・関節モジュールへ商用領域を拡大

    📎 出典:RoboSense / PR Newswire
    RoboSenseは2026年上期売上高が約10.2億元で前年同期比30.2%増、LiDAR総出荷が71万9,200台で169.6%増、うちロボティクス等向けが28万2,600台で510.4%増だったと発表しました。さらにLiDAR企業からロボット部品基盤へ軸を広げ、EyesのSpace Cameraは第3四半期末までに顧客出荷、Skinの視触覚・MEMS触覚センサーは9月末までに初の企業向け商用出荷、Muscles初の関節モジュールは第4四半期に量産出荷を始める計画です。数量は実績ですが、新製品の時期は会社計画であり、量産歩留まりや安全認証は未開示です。


    7️⃣ ルネサス:北京にPhysical AI & Robotics Labを開設

    📎 出典:Renesas Newsroom
    ルネサス エレクトロニクスは北京にPhysical AI & Robotics Labを正式開設しました。ハードウェア、ソフトウェア、AIモデリング、制御、電源、センシング、システム検証を一体化し、顧客や大学、スタートアップとPoCから大規模展開まで共同検証する拠点です。同社は現在、ヒューマノイドの部品表(BOM)の約30%をカバーでき、制御・電源・センシング・AI・ソフトウェアを通じ70%へ拡大する機会があるとの見方を示しました。機能安全も対象ですが、投資額、実機ベンチマーク、故障率などは未公表です。


    総合考察

    2026/8/27のトピックから見えた特長は、フィジカルAIの競争軸が「単一モデルのベンチマーク性能」から、異種データを統合する表現、実行中に状態変化へ追従する閉ループ制御、現場で継続学習を回す計算基盤、そしてセンサー・関節・電源を安定供給する量産網へ広がっていることが分かりました。UCAG-PとZero-WAMはデータ互換性とタスク指定の壁を下げ、TacForcingは接触操作の時間的不整合へ直接対応します。一方、Tiangong Ultraの高速記録とゴール後の衝突は、能力向上と安全停止が別問題であることを象徴しています。Amazon、RoboSense、ルネサスの動きは、研究成果を倉庫や製造へ移すための基盤整備です。今後の勝敗は、著者報告値の高さだけでなく、実機での外部再現性、故障時の安全性、導入コスト、長時間運用時の性能維持を同時に証明できるかで決まります。


    今後注目ポイント

    • Amazon RoboticsとNVIDIAの協業では、シミュレーション規模だけでなく、実際の倉庫における作業成功率、経路効率、停止回数、事故率が公開されるかが注目されます。

    • UCAG-PとZero-WAMは公開直後の著者報告であるため、異なるロボット、カメラ配置、運動学条件で第三者が再現できるかが重要です。

    • TacForcingでは触覚による成功率向上に加え、接触力上限、対象物損傷率、センサー故障時の安全動作を含む評価が必要です。

    • Tiangong Ultraは走行速度だけでなく、高速域から自律停止する能力や転倒時の電源遮断を含む安全制御が次の焦点です。

    • RoboSenseの新部品出荷とルネサスの北京ラボでは、量産歩留まり、価格、耐久性、安全認証、顧客採用件数が計画どおり進むかが注目されます。

    画像
    Gemini 3 - Nano Banana 2 にて作成した、記事の全体像インフォグラフィック画像
    画像
    ChatGPT Images 2.0 にて作成した、記事の全体像インフォグラフィック画像
     
     
    2024年8月から生成AIを深く学び始めております。普段はドキュメント業務改善の仕事をしております。今後必ず生成AIが必要になると思い猛勉強し、生成AIの奥深さに魅了され始めております。日頃の改善活動の経験を活かし、「生成AIってこういうこと」とわかりやすく伝えていきたいです!

    あなたへのおすすめ