Physical AI フロンティア・レーダー · 2026-10-04

言語：ZH · EN · 日本語

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: 2026-10-03 23:40 UTC
• 対象期間: 論文 2026-09-30 → 2026-10-04 · ブログ・報道 2026-09-04 → 2026-10-04 · 30 日以内の重複なし (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. ReCo: Response-Consistent Locomotion with Policy-Aware MPC for Legged Manipulation

• 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠: [R] ｜ 出典: arXiv 2610.01612 ｜ 2026-10-01
• 主要数値: 28.7% (“root-mean-square error (RMSE) by 28.7% and 27.4% relative”) · 27.4% (“(RMSE) by 28.7% and 27.4% relative to the”)
• シグナル: 定量結果あり · 閉ループ成功率あり · 実機実験あり
• 重要な理由 AI 下書き: 歩行中の脚ロボットで RL 歩容方策と MPC を組み合わせ手先追従を行う構成なら参考になる自己報告のプレプリント。RMSE を 28.7% と 27.4% 低減し実機・閉ループのシグナルもあるが、引用部分からは比較対象が読み取れないため原文で確認を。

Continuous legged manipulation requires accurate end-effector tracking while the base keeps walking. Combining reinforcement learning (RL) with model predictive control (MPC) suits this task: the learned policy provides robust locomotion,…

2. DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication

• 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: [R] ｜ 出典: arXiv 2610.02161 ｜ 2026-10-01
• シグナル: 閉ループ成功率あり
• 重要な理由 AI 下書き: VLM・VLA による汎用ロボットの進展が単体設定に偏る中、複数台協調に踏み込むプレプリント。ページ上は閉ループのシグナルのみで数値も実機シグナルもなく、マルチロボット設計の判断材料というより追跡対象。

Vision-language models (VLMs) and vision-language-action models (VLAs) have recently driven rapid progress in general-purpose robots, yet most progress has focused on single-robot settings.

3. ChunkVLA-AM: Parallel Action Chunking for Vision-Language-Action Robot Control in Additive Manufacturing

• 軸: 基盤モデル（VLA / WAM） ｜ 根拠: [R] ｜ 出典: arXiv 2610.01856 ｜ 2026-10-01
• 主要数値: 92.9% (“succeeded in 39 ( 92.9% )”)
• シグナル: 定量結果あり · 閉ループ成功率あり · 実機実験あり
• 重要な理由 AI 下書き: 積層造形の現場に VLA 制御を導入するか検討しているなら、実機・閉ループのシグナル付きで成功率 92.9% を自己報告するプレプリント。タスク構成や比較対象はページに見えないため、試験導入の前に原文で確認したい。

Vision-language-action (VLA) models unify visual perception, language understanding, and action generation, offering new opportunities for automation in additive manufacturing (AM).

4. IronMind: Scaling Humanoid Dexterous Manipulation via Camera-Space Ego-Centric 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 2609.39403 ｜ 2026-09-30
• 主要数値: 10,000 hours (“budgets from 250 to 10,000 hours”) · 55.0% (“000-hour model achieves a 55.0% success rate”) · 11.7% (“compared with at most 11.7% for every pretraining”) · 5,000 hours (“pretraining budget up to 5,000 hours and 5.0% without”)
• シグナル: 定量結果あり · 閉ループ成功率あり
• 重要な理由 AI 下書き: 人型ロボットの巧緻操作向けに一人称人間動画の収集規模を決めるなら、5,000 hours 以下の事前学習では最大 11.7% に対し 55.0% という自己報告は、効果が大規模でしか現れない可能性を示す。ページに実機実験のシグナルはない。

Egocentric human video offers a scalable data source for dexterous manipulation, yet using it to train humanoid robots presents two challenges: (1) an embodiment gap, as human hands differ structurally from robot end-effectors and…

5. EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation

• 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠: [R] ｜ 出典: arXiv 2609.38905 ｜ 2026-09-30
• 主要数値: 50.4% (“autonomous simulation success from 50.4% to 83.5% over”) · 83.5% (“success from 50.4% to 83.5% over two RSI”) · 83.1% (“EmbodiRSI achieves 83.1% scene-balanced autonomous real-world”) · 75.0% (“compared with 75.0% for adaptation using”)
• シグナル: 定量結果あり · 実機実験あり
• 重要な理由 AI 下書き: 方策を新タスクへ適応させる際、次に集めるデータを現方策の失敗モードに合わせるべきだと主張する自己報告のプレプリント。RSI 2 回でシミュレーション成功率が 50.4% から 83.5% に、実環境では比較手法の 75.0% に対し 83.1%。

Adapting robot manipulation policies to new tasks and environments remains highly data-intensive, while the data needed for further improvement depends on the policy’s current capabilities and failure modes.

6. Towards Agile Vision-Based Multi-UAV Flight: Revisiting State Estimation

• 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: [R] ｜ 出典: arXiv 2609.39611 ｜ 2026-09-30
• 主要数値: 40% (“acceleration estimation errors by 40% and 57% across”) · 57% (“errors by 40% and 57% across the three”) · 300 ms (“exhibit a constant ~ 300 ms delay in acceleration”)
• シグナル: 定量結果あり · 閉ループ成功率あり · 実機実験あり · 遅延・制御周期の数値あり
• 重要な理由 AI 下書き: 複数 UAV の衝突回避が近傍機体の運動状態の機上推定に頼っているなら要注意。加速度推定に約 300 ms の一定遅延が生じる例を指摘し、誤差を 40% と 57% 削減したと自己報告する。編隊間隔を詰める前に自機の推定器の遅れを確認したい。

Agile multi-UAV flight requires accurate and low-latency onboard estimation of the kinematic states of neighboring UAVs for collision avoidance, motion coordination, etc.

7. GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed

• 軸: 学習と自己改善（RL / 事後学習） ｜ 根拠: [R] ｜ 出典: arXiv 2609.39600 ｜ 2026-09-30
• 主要数値: 72.42% (“similarly sized models at 72.42%”) · 71.35% (“with GPT-6 Astra ( 71.35% )”) · 61.75% (“averaging 61.75% versus 53.32% for”) · 53.32% (“averaging 61.75% versus 53.32% for the fast”)
• シグナル: 定量結果あり · 実機実験あり · 遅延・制御周期の数値あり
• 重要な理由 AI 下書き: 自己回帰型グラウンディングの逐次デコードが知覚系の遅延要因になっているなら、まさにその遅延を狙う自己報告のプレプリント。ただしページ上の根拠は主にベンチマーク値（平均 61.75% 対 53.32%）で、置き換え前に自前のパイプラインで端到端の遅延を測るべき。

Autoregressive (AR) grounding models serialize spatial predictions, introducing sequential latency and imposing a causal order on output tokens.

8. DODGER: Safety-Guided Reinforcement Learning for Robot Navigation Among Dynamic Obstacles

• 軸: 安全・権限・コンプライアンス ｜ 根拠: [R] ｜ 出典: arXiv 2609.38873 ｜ 2026-09-30
• シグナル: 実機実験あり
• 重要な理由 AI 下書き: 人や複数の動的障害物の間を走る移動ロボットが対象で、実機実験のシグナルはあるものの、ページには衝突率や成功率の数値がない。現時点では安全性の論証にも、既存の回避層の置き換え判断にも使えない。

Robots operating in human-centered environments must safely navigate among multiple dynamic obstacles to avoid collisions with people and surrounding infrastructure.

フロンティア基準（キュレーション）

1. RoboHarness: memory-driven orchestration of heterogeneous robot policies

• 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: [R] ｜ 出典: arXiv 2607.18060 (Huawei Noah’s Ark Lab) ｜ 2026
• 主要数値: VLA + RL + TAMP as agentic skills · capability-aware routing · Memory Bridge for policy handoff without retraining
• 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。運用対象は単一モデルから宣言可能な能力境界の集合へ。

2. RoboTTT: context scaling for robot policies via test-time training

• 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: [R] ｜ 出典: arXiv 2607.15275 (NVIDIA) ｜ 2026-07-16
• 主要数値: 8K timestep visuomotor context · 3 orders of magnitude beyond prior policies · no inference-latency growth
• シグナル: 遅延・制御周期の数値あり
• 重要な理由: 遅延を増やさず長い文脈を方策に導入。ワンショット模倣と実行中の改善を同一の推論で扱える。

3. Fleet-scale reinforcement learning for generalist robot policies

• 軸: 学習と自己改善（RL / 事後学習） ｜ 根拠: [R] ｜ 出典: arXiv 2605.00416 ｜ 2026
• 主要数値: deploy -> shared experience -> improve -> redeploy loop · autonomous rollouts + human interventions across a fleet
• 重要な理由: 機群規模が運用負担ではなく学習資産として扱われ、フリート・テレメトリの設計目標が変わる。

4. China approves 60 guiding technical documents incl. embodied-AI data quality (part 1: real data)

• 軸: 安全・権限・コンプライアンス ｜ 根拠: [O] ｜ 出典: SAMR / SAC announcement ｜ 2026-09
• 主要数値: 60 guiding technical documents (“China approves 60 guiding technical documents incl”) · embodied-AI data quality, part 1: real data
• 重要な理由: 具身知能のデータ品質が初めて国家標準体系に入り、データガバナンスがチームの慣行から監査可能な規範へ。

5. SHIELD: safety on humanoids via control barrier functions in expectation on learned dynamics

• 軸: 安全・権限・コンプライアンス ｜ 根拠: [R] ｜ 出典: arXiv 2505.11494 ｜ 2026
• 主要数値: runtime constraint specification · no retraining when constraints change
• 重要な理由: 「制約変更に再学習不要」を可能にする。ローカルな権限ゲートの学術的な対応物。

6. Z-1: efficient RL post-training for flow-based VLA models

• 軸: 学習と自己改善（RL / 事後学習） ｜ 根拠: [R] ｜ 出典: arXiv 2606.31846 ｜ 2026
• 主要数値: 80.6% average success on 24 RoboCasa tasks · +13.2 points over SFT init · public demos only
• 重要な理由: 私有デモを増やさずに体系的なGRPO事後学習で二桁の改善。「データを足すしかない」という前提を崩す。

軸ごとの分布 (直近 7 日の採択)

直近の推移

• 出典構成 (直近 7 日の採択): [O] 2 · [R] 32 · [M] 18
• 最近の各回の採択件数: 09-28 4 · 09-29 8 · 09-30 8 · 10-01 8 · 10-02 8 · 10-03 8 · 10-04 8

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.

本ページの項目別分析は radar-analyst（claude-opus-5.5）が下書きし、決定的な検査とエージェント査読を経て自動的に取り込まれました。人間の確認は経ていません。タイトルと数値は改変していません。

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。

方法論 · 週間まとめ · アーカイブ