フィジカルAIニュース(2026/7/25号)

2026年7月25日 19:04

更新日：2026/7/25

エグゼクティブサマリー
2026/7/24は、AMDがCPU・GPU・NPU・FPGAを組み合わせたロボティクス計算基盤を発表し、ファナックが国産基盤モデル開発企業Noetraへ出資したことで、計算資源と産業データの両面からフィジカルAI競争が進展しました。研究面では、GEN-1の多様なロボットハンドへの適応、AXISの成長型データ基盤、TransBiolabの透明物体知覚、RL-MACROとFORGE-plusの安全制約付き閉ループ制御が焦点です。さらにAISIの安全評価ガイドと、指示因子別にデータ収集を最適化する研究が、競争軸を性能から評価・運用・責任設計へ広げています。

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

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 AMD Kria AI：CPU・GPU・NPU・FPGAを統合するロボティクス計算基盤

📎 出典：AMD公式発表 / AMD Kria AI Solutions
AMDはAdvancing AI 2026で、Ryzen AI Embedded X100シリーズを搭載するKria AI SOMとKria AI Robotics Developer Platformを発表しました。SOMは最大16コアのZen 5 CPU、RDNA 3.5 GPU、XDNA 2 NPU、最大128GBの統合メモリを備え、開発基板側のFPGAと組み合わせて知覚・推論・決定論的なリアルタイム制御を統合します。最大8系統のカメラ入力や産業用通信にも対応し、ROCmとROS 2を軸にしたオープン構成によって、NVIDIA中心だったロボット計算基盤に量産向けの有力な選択肢が加わりました。

2️⃣ ファナック、Noetraへ出資：国産フィジカルAI基盤に製造現場の知見を接続

📎 出典：ファナック公式発表 / Noetra公式発表
ファナックは7月24日、国産マルチモーダル基盤モデルを開発するNoetraへの出資を発表しました。Noetraは国産AI開発、製造、金融など幅広い業種の合計44社から出資を受け、言語や画像だけでなく、空間認識と物理特性を扱う「実世界ネイティブAI」を目標にしています。ファナックはFA、産業用ロボット、ロボマシンで蓄積した現場知見を研究開発へ生かす方針です。日本の強みである製造データを国内で学習・管理できる体制が厚くなる一方、データ共有範囲、知的財産、安全責任の設計が実装速度を左右します。

3️⃣ Generalist AI「GEN-1」：約9,000の手先・工具バリエーションを学習

📎 出典：Generalist AI公式ブログ
Generalist AIは、単一の身体性基盤モデル「GEN-1」を、五指ハンド、二指グリッパー、工具系など多様なエンドエフェクタへ拡張した結果を公開しました。同社によると、事前学習データは実世界での相互作用50万時間超で、既製工具や印刷部品、二指グリッパーの改造などは約9,000のバリエーションに達し、微調整時の相対パラメータ変化は2.5～11.4%でした。作業途中で手先を交換しても新しい軌道と接触戦略へ適応する例を示しており、専用モデルから「一つの知能で多数の手を使う」設計への移行を示します。ただし数値は企業ブログによる自己報告で、外部ベンチマークによる再検証が必要です。

4️⃣ AISI「AIロボティクスに関するセーフティ評価観点ガイド」：物理・心理・社会リスクを統合

📎 出典：IPA／AIセーフティ・インスティテュート
AIセーフティ・インスティテュート（AISI）は、人と空間を共有して移動・対話・搬送するAIロボット向けに「AIロボティクスに関するセーフティ評価観点ガイド」を公開しました。カフェ搬送ロボットと遠隔操作型小型配送ロボットを例に、衝突や接触などの物理的リスクだけでなく、威圧的発話などの心理的リスク、差別的扱いや誤情報拡散などの社会的リスクまで整理しています。設計・開発・提供・運用で確認すべき事項を9項目にまとめ、AIの認識・判断誤り、ログ、説明可能性、人間介入などを、従来の機械安全・機能安全に加えて扱う実務枠組みを提示しました。

5️⃣ AXIS：継続的に成長するコミュニティ駆動型ロボット操作データ基盤

📎 出典：arXiv:2607.21588 / プロジェクトページ
AXISは、ブラウザ遠隔操作、タスク自動生成、成功判定、軌道平滑化、視覚・物理拡張を一体化した、コミュニティ駆動のロボット操作データ基盤です。論文スナップショットは207タスク・5万超軌道ですが、公式サイトの確認時リアルタイム統計は1,816タスク・153万超軌道に達しています。π0.5をAXISで継続事前学習すると、LIBERO-Plus全体成功率は83.9%から88.8%へ向上しました。データ収集と評価を継続運用できる点は大きい一方、中心はシミュレーションであり、実機での定量評価、安全検証、投稿データの品質統制が次の課題です。

6️⃣ TransBiolab：透明な実験器具を捉える実世界マルチビューRGB-Dデータセット

📎 出典：arXiv:2607.21071 / プロジェクトページ
TransBiolabは、透明な培養器具やチューブが密集する実験室を対象に、98シーン・161,315フレーム・103万件のインスタンス注釈・15種類の器具を収録した実世界RGB-Dデータセットです。Intel RealSense D435iを7自由度のFranka Emika Pandaに搭載し、校正済みの多視点軌道で取得しました。FoundationPoseはADD-S AUC 80.8%、SAM 3はmIoU 68.5%を記録し、視点による性能差も定量化しています。自動化ラボでは認識モデルの精度だけでなく、カメラをどの位置から向けるかが認識性能を左右し、操作成否にも影響し得ることを示すデータ基盤です。

7️⃣ RL-MACRO：力覚と音響から温度を推定する自律頭蓋切削ロボット

📎 出典：arXiv:2607.21113
RL-MACROは、頭蓋切削で直接測れない温度を力覚と音響から推定し、その推定値を使って送り速度、回転数、切削深さを閉ループ調整する医療ロボット制御です。CNN-LSTM観測器は温度推定でR²=0.939、MAE=1.717℃を示し、オフライン強化学習の方策とオンライン軌道再計画を統合しました。牛肋骨と6体のex vivoヤギ頭蓋を用い、力・温度逸脱からの回復と不規則面での連続切削を検証しています。実機と生体組織を用いた点は強いものの、臨床安全性や患者差への一般化を示す段階ではありません。

8️⃣ FORGE-plus：LLMと低レベル力制御を分離した接触組立フレームワーク

📎 出典：arXiv:2607.21227
FORGE-plusは、LLMを接触作業の上位監督に限定し、物体ごとの力上限と回復動作を選ばせる一方、低レベル制御器がその上限を強制する二層構成です。脆弱ボトル配置の回復試験は9/9を破損なしで成功し、直径クリアランス0.4mmのギア挿入ではRobotiq 2F-140上の単一方策が脆弱・堅牢クラスで各256/256を破損なしで通過しました。テーブル上の把持から始める完全工程は64/64、平均ピーク力は5.4Nで、滑り注入時の回復率は2種類のグリッパーで40%と64%です。「LLMに力を直接扱わせない」責任分界は実務的ですが、全実験は剛体シミュレーションであり、実機移行は未検証です。

9️⃣ Scale Up Strategically：言語バイアスを診断し、必要な操作データだけを追加収集

📎 出典：arXiv:2607.21582
Scale Up Strategicallyは、ロボットが指示文の意味を十分に理解せず、色など目立つ手掛かりへ近道依存する問題を因子別に診断します。6種類の基盤方策を評価した結果、依存の強さは概ね「色≧物体≧空間≧動詞≧サイズ」となり、動詞とサイズの接地が弱いことを示しました。この診断に沿って不足因子へ収集予算を再配分すると、半分のデモ数でシミュレーションと実ロボットの双方においてベースラインを上回りました。単純なデータ総量競争から、失敗要因を測って集め方を最適化する方向への転換を示す研究です。

総合考察

2026/7/24のトピックから見えた特長は、フィジカルAIの競争単位が単体モデルから「計算基盤・データ・評価・安全制御・産業連携」を束ねたシステムへ移ったことが読み取れました。AMDはロボットの知覚・推論とリアルタイム制御を一つの開発基盤へ近づけ、Noetraとファナックは国内製造データを国産モデルへ接続する体制を厚くしました。一方、GEN-1やAXISは身体やタスクの多様性を拡大し、TransBiolabとScale Up Strategicallyは、失敗を生む視点や言語バイアスを測定可能にしています。RL-MACROとFORGE-plusが示す重要点は、上位AIの判断だけでなく、推定温度に基づく閉ループ調整や下位制御による力上限の強制といった責任分界です。ただし、企業自己報告、シミュレーション中心、ex vivo検証といった限界は残ります。今後の勝敗は、実機で再現できるデータ循環、停止・介入設計、第三者評価、現場の知的財産を守る運用を同時に成立させられるかで決まります。

今後注目ポイント

AMD Kria AIについては、量産機への搭載事例、実消費電力、VLA推論速度、NVIDIA Jetson系との第三者比較が重要です。
Noetraでは、参画企業間での製造データ共有ルール、知的財産の帰属、モデルの外部提供範囲、現場事故時の責任分界が注目されます。
GEN-1は約9,000の手先・工具バリエーションを用いた学習を報告していますが、未知の工具や異なるロボット本体を用いた外部再現試験が必要です。
AXISは急速にデータ規模を拡大しているため、重複・低品質データの除去、実機転移効果、リアルタイム統計と公開スナップショットの管理方法が焦点です。
RL-MACROとFORGE-plusでは、推定温度に基づく閉ループ調整や、力上限を低レベル制御で強制する設計が、実機接触、故障、センサー欠損、医療規制下でも維持できるかが検証点です。