Physical AI フロンティア・レーダー · 2026-09-22
フィジカルAIの最前線を毎日更新：8つの軸、三言語の要約、追跡可能な根拠。
- 生成時刻:
2026-09-22 01:40 UTC - 対象期間:
2026-09-19 → 2026-09-22 (UTC) - 根拠タグ：O = 一次情報 · R = 論文/プレプリント · M = メディア/二次情報
本日の注目
1. Why Deploying Physical AI at Scale Demands Safety at Every Layer
- 軸: 安全・権限・コンプライアンス ｜ 根拠:
[O]｜ 出典: NVIDIA Blog ｜2026-09-21 - 実機実験あり
- 重要な理由: 専用規格が整うまで、安全はアーキテクチャと実行時保証に依存し、この層が顧客現場への可否を決める。
Physical AI is moving rapidly from research to large-scale deployment. By 2035, ABI Research projects an installed base of 49 million level 3-5 autonomous vehicles (AVs), while Omdia estimates that roughly 60 million industrial robots…
2. Cyborg Roaches Can Stab You With Needles
- 軸: エッジとリアルタイム（オンデバイス推論 / 制御周期） ｜ 根拠:
[M]｜ 出典: IEEE Spectrum Robotics ｜2026-09-05 - 定量結果あり / コードまたは重み公開 / 遅延・制御周期の数値あり
- 重要な理由: オンデバイスの遅延と制御周期は硬い制約：実時間予算を超えるモデルは制御ループに入れない。
Imagine you are trapped under rubble after an earthquake and you see an electronics-covered cockroach with a spring-loaded needle on its back scuttling toward you.
3. Video Friday: Humanoid Robot Takes On Monkey Bars
- 軸: 学習と自己改善（RL / 事後学習） ｜ 根拠:
[M]｜ 出典: IEEE Spectrum Robotics ｜2026-09-11 - コードまたは重み公開 / 遅延・制御周期の数値あり
- 重要な理由: 事後学習と自己改善は、配備後も方策が強くなれるか、運用で介入データを取る必要があるかを決める。
Video Friday is your weekly selection of awesome robotics videos, collected by your friends at IEEE Spectrum robotics.
4. Boots on the Ground: ‘WARDOGS’ Goes All Out on GeForce NOW at Early-Access Launch
- 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠:
[O]｜ 出典: NVIDIA Blog ｜2026-09-10 - 重要な理由: 評価手法が出荷判断を決める：オフライン指標は閉ループ成功率ではなく、評価予算は人手からGPU時間へ移りつつある。
Gear up: The latest PC games and major updates are ready to play on GeForce NOW this week. WARDOGS drops onto the cloud at early-access launch, alongside the Valheim 1.0 Deep North update and Bus Simulator 27 — part of nine new titles…
5. Skild AI Taps NVIDIA Physical AI to Teach Robots New Tasks From a Single Video
- 軸: データエンジン（収集 / 精査 / スケーリング） ｜ 根拠:
[O]｜ 出典: NVIDIA Blog ｜2026-09-10 - 重要な理由: データの取得元と精査パイプラインが現在の真の堀であり、新規タスク単価を決める。
Manufacturing floors, warehouses and production lines rarely stay fixed — tasks change, layouts shift and new products arrive, and most robots can’t keep up without significant reprogramming.
6. BenchMIRT: What are LLM benchmarks actually measuring?
- 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠:
[O]｜ 出典: Hugging Face Blog ｜2026-09-01 - 重要な理由: 評価手法が出荷判断を決める：オフライン指標は閉ループ成功率ではなく、評価予算は人手からGPU時間へ移りつつある。
7. Give Your Coding Agents a Memory You Own
- 軸: システムとオーケストレーション（長期タスク / 複数方策） ｜ 根拠:
[O]｜ 出典: Hugging Face Blog ｜2026-09-03 - 重要な理由: 長期タスクのシステム形態はオーケストレーターと方策プールであり、運用対象は単一モデルから能力境界の集合になる。
8. Async GRPO with LoRA across HF Jobs: a bucket, a proxy, and no NCCL
- 軸: 学習と自己改善（RL / 事後学習） ｜ 根拠:
[O]｜ 出典: Hugging Face Blog ｜2026-09-10 - 重要な理由: 事後学習と自己改善は、配備後も方策が強くなれるか、運用で介入データを取る必要があるかを決める。
フロンティア基準（キュレーション）
1. ISO 25785-1 (under development): safety for dynamically stable industrial mobile robots
- 軸: 安全・権限・コンプライアンス ｜ 根拠:
[O]｜ 出典: ISO ｜2026 - 主要数値:
committee stage as of 2026-09·covers legged / self-balancing robots - 重要な理由: ヒューマノイドはISO 10218の固定ベース前提を崩す。専用規格が整うまで安全はアーキテクチャと実行時保証に依存する。
2. NVIDIA Jetson Thor: up to 2070 FP4 TFLOPS and 128 GB at 40-130 W
- 軸: エッジとリアルタイム（オンデバイス推論 / 制御周期） ｜ 根拠:
[O]｜ 出典: NVIDIA ｜2026 - 主要数値:
7.5x AI compute vs Orin·3.5x energy efficiency vs AGX Orin·Jetson T2000: 400 FP4 TFLOPS / 16 GB - 定量結果あり / 遅延・制御周期の数値あり
- 重要な理由: オンデバイス計算の世代交代が世界モデルと推論時計算の余地を生むが、実時間予算は個別に実測が必要。
3. LeRobotDataset v3.0: a standardised, streamable format for robot learning data
- 軸: データエンジン（収集 / 精査 / スケーリング） ｜ 根拠:
[O]｜ 出典: Hugging Face ｜2026 - 主要数値:
Parquet + MP4 + relational metadata·multi-episode packing·native streaming for multi-TB datasets - 重要な理由: フォーマットはデータがLeRobot v3、アセットがOpenUSDへ収束。ワンステップで変換できるデータは、私有形式に閉じた同時間のデータより価値が高い。
4. Gemini Robotics 2 brings whole body intelligence to robots
- 軸: 基盤モデル（VLA / WAM） ｜ 根拠:
[O]｜ 出典: Google DeepMind ｜2026 - 主要数値:
full humanoid control, feet to fingertips·bi-arm robots - 遅延・制御周期の数値あり
- 重要な理由: 全身制御が汎用VLAの機能に入り、上半身の操作と下半身のバランスが別系統でなくなる。
5. EgoScale: scaling dexterous manipulation with diverse egocentric human data
- 軸: データエンジン（収集 / 精査 / スケーリング） ｜ 根拠:
[R]｜ 出典: arXiv 2602.16710 ｜2026 - 主要数値:
44k hours of egocentric video·+54% average success vs no-pretraining on a 22-DoF hand·transfers to lower-DoF hands - 重要な理由: 大規模な人間の動作が再利用可能で機体非依存のモータープライアであると示され、巧緻ハンドはゼロから学ばなくてよい。
6. Egocentric human video can outperform real-robot data for embodied pretraining
- 軸: データエンジン（収集 / 精査 / スケーリング） ｜ 根拠:
[R]｜ 出典: arXiv 2606.20521 ｜2026 - 主要数値:
-24% validation loss at equal data·+52.5% in-distribution success·+90% out-of-distribution success - 遅延・制御周期の数値あり
- 重要な理由: 機群を持たないチームでもデータ優位を築ける。機群があっても精査と判定の仕組みがなければ、データは保管コストにすぎない。
軸ごとの分布
| 軸 | # |
|---|---|
| 基盤モデル（VLA / WAM） | 3 |
| データエンジン（収集 / 精査 / スケーリング） | 6 |
| 学習と自己改善（RL / 事後学習） | 6 |
| シミュレーションと評価（sim2real / 閉ループ） | 6 |
| エッジとリアルタイム（オンデバイス推論 / 制御周期） | 6 |
| 安全・権限・コンプライアンス | 6 |
| システムとオーケストレーション（長期タスク / 複数方策） | 2 |
| ハードウェアとサプライチェーン（機体 / コスト） | 2 |
直近の推移
標準・規制ウォッチ
- ISO 25785-1 — Safety requirements for dynamically stable industrial mobile robots — Under development; committee-stage as of 2026-09.
- Regulation (EU) 2023/1230 (Machinery Regulation) — Fully applicable 2027-01-20.
- EU AI Act official timeline (Council of the EU) — High-risk deadlines 2027-12-02 / 2028-08-02 per Digital Omnibus.
本リポジトリは技術観察であり、投資助言・製品保証・安全認証の結論ではありません。論文の主張は著者による自己報告です。