Physical AI フロンティア・レーダー · 2026-10-09
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:
2026-10-09 07:28 UTC - 対象期間:
論文 2026-10-05 → 2026-10-09 · ブログ・報道 2026-09-09 → 2026-10-09 · 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. WARP-VLA: Wrist-Camera Adaptation for View-Robust Policy Execution in Vision-Language-Action Models
- 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠:
[R]｜ 出典: arXiv 2610.11508 ｜2026-10-08 - 主要数値:
39.2%(“rate of pi-0.5 from 39.2% to 78.3% under”) ·78.3%(“pi-0.5 from 39.2% to 78.3% under wrist-view perturbations”) - 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·コードまたは重み公開 - 重要な理由: 査読前のプレプリント。本文に実機での結果、閉ループ評価の結果、定量データあり。シミュレーション結果が実機性能をどこまで予測できるかに注目。
Despite recent advances in Vision-Language-Action models (VLAs) for robotic manipulation, their performance remains sensitive to changes in camera configuration.
2. REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models
- 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠:
[R]｜ 出典: arXiv 2610.12007 ｜2026-10-08 - シグナル:
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: 査読前のプレプリント。本文に定量データの記載なし。シミュレーション結果が実機性能をどこまで予測できるかに注目。
Flow-based vision-language-action (VLA) models generate action chunks for temporally coherent robot motion, but chunked control creates a fundamental closed-loop trade-off: long chunks provide smooth execution, whereas frequent replanning…
3. Leveraging Human-In-The-Loop Demonstrations in Reinforcement Learning for Digital Twin-Driven Robot Flexibility
- 軸: データエンジン（収集 / 精査 / スケーリング） ｜ 根拠:
[R]｜ 出典: arXiv 2610.12140 ｜2026-10-08 - 主要数値:
100%(“dual actor framework reached 83-100% mean deterministic evaluation”) ·17%(“against 0-17% for the two”) - 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: 査読前のプレプリント。本文に実機での結果、閉ループ評価の結果、定量データあり。著者自身の機体以外でもデータを再利用できるかに注目。
Growing automation makes collaborative robots work in more variable environments, increasing the need for adaptation.
4. Tell Robot What Not to Do: A Negation Understanding Perspective
- 軸: 基盤モデル（VLA / WAM） ｜ 根拠:
[R]｜ 出典: arXiv 2610.11952 ｜2026-10-08 - 主要数値:
2.60%(“rate of $π_{0.5}$ from 2.60% to 88.45% on”) ·88.45%(“$π_{0.5}$ from 2.60% to 88.45% on NegaBench and”) ·12.4%(“on NegaBench and from 12.4% to 88.8% on”) ·88.8%(“and from 12.4% to 88.8% on real-world tasks”) - 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: 査読前のプレプリント。本文に実機での結果、閉ループ評価の結果、定量データあり。新しいタスクや機体に必要なデータが減るかに注目。
Instruction following enables robots to perform diverse tasks specified in natural language, making it a fundamental capability for human-robot interaction.
5. This Disembodied Hand Is All the Robot You Need
- 軸: ハードウェアとサプライチェーン（機体 / コスト） ｜ 根拠:
[M]｜ 出典: IEEE Spectrum Robotics ｜2026-10-08 - 重要な理由: 二次報道のため、引用前に一次情報の確認を推奨。本文に定量データの記載なし。価格、供給状況、量産出荷の主体に注目。
A hand attached to the end of an arm is a given for most humans, but what if robots didn’t have to play by the same rules as we do?
6. Jabil discusses the pace of humanoid robot development and production
- 軸: ハードウェアとサプライチェーン（機体 / コスト） ｜ 根拠:
[M]｜ 出典: The Robot Report ｜2026-10-08 - 重要な理由: 二次報道のため、引用前に一次情報の確認を推奨。本文に定量データの記載なし。価格、供給状況、量産出荷の主体に注目。
Jabil, which is working with robot developers such as Apptronik, provides a design perspective on humanoid progress.
7. AWS launches open-source Physical AI Toolchain for robotics
- 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: The Robot Report ｜2026-10-08 - シグナル:
コードまたは重み公開 - 重要な理由: 二次報道のため、引用前に一次情報の確認を推奨。本文に定量データの記載なし。目標ハードウェアと実際の制御周期で高速化が保たれるかに注目。
The toolchain combines AWS and NVIDIA tools for synthetic data generation, model training, simulation and validation, edge deployment, and continuous improvement.
8. 独家 | 清华 AIR 首届博士李健雄创立本溯智能：五源资本领投，押注动作原生具身模型
- 軸: 学習と自己改善（RL / 事後学習） ｜ 根拠:
[M]｜ 出典: 雷峰网 Leiphone ｜2026-10-08 - 重要な理由: 二次報道のため、引用前に一次情報の確認を推奨。本文に定量データの記載なし。学習タスクの外でも改善が保たれるかに注目。
常春藤、线性、华山资本跟投，AIR副教授詹仙园任首席科学家。雷峰网·鲸犀独家获悉，清华大学智能产业研究院（AIR）首届博士生李健雄已毕业，并创立具身智能公司 本溯智能 （BASAL Intelligence，简称 BASAL）。
フロンティア基準（キュレーション）
1. NVIDIA Cosmos 3: physical reasoning, world generation and action generation in one open model
- 軸: 基盤モデル（VLA / WAM） ｜ 根拠:
[O]｜ 出典: NVIDIA Technical Blog ｜2026-08 - 主要数値:
single open model·Nano / Super / Edge variants - 重要な理由: 物理推論・世界生成・行動生成を単一のオープンモデルに統合し、「想像」と「行動」が別スタックでなくなる。
2. 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。
3. 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。
4. 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。
5. 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 - 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。
6. Newton: open-source GPU physics engine for robotics (NVIDIA, Google DeepMind, Disney Research)
- 軸: シミュレーションと評価（sim2real / 閉ループ） ｜ 根拠:
[O]｜ 出典: NVIDIA Developer ｜2026 - 主要数値:
built on Warp + OpenUSD·MuJoCo Warp up to 152x (locomotion) / 313x (manipulation) vs MJX on RTX 4090 - シグナル:
コードまたは重み公開 - 重要な理由: 微分可能な新しいシミュレーション基盤とIsaac Labのバックエンド切替により、学習と評価で同じアクチュエータ設定を再利用できる。
軸ごとの分布 (直近 7 日の採択)
| 軸 | # |
|---|---|
| 基盤モデル（VLA / WAM） | 10 |
| データエンジン（収集 / 精査 / スケーリング） | 4 |
| 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） | 14 |
| エッジとリアルタイム（オンデバイス推論 / 制御周期） | 9 |
| 安全・権限・コンプライアンス | 3 |
| システムとオーケストレーション（長期タスク / 複数方策） | 3 |
| ハードウェアとサプライチェーン（機体 / コスト） | 7 |
直近の推移
- 出典構成 (直近 7 日の採択):
[O]1 ·[R]40 ·[M]15 - 最近の各回の採択件数: 10-03 8 · 10-04 8 · 10-05 8 · 10-06 8 · 10-07 8 · 10-08 8 · 10-09 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。