フィジカルAIニュース(2026/7/17号)

2026年7月17日 19:02

更新日：2026/7/17

エグゼクティブサマリー
2026/7/16は、フィジカルAIが研究段階から現場運用へ移行し始めた動きが見えました。NVIDIAは世界モデル「Cosmos 3 Edge」と日本版Cosmos Coalitionを発表し、国内企業22社・組織との連携や、Jetson上での視覚理解、推論、行動生成を推進します。Walden Roboticsは3億ドルを調達し、トヨタ工場で汎用ロボットを実作業へ投入しました。研究面では、高速四足歩行、自動運転VLAの空間認識、失敗回復、遮蔽果実の収穫など、複雑環境への適応技術が進展しています。さらに、異種ロボット統合基盤や複数階対応の清掃ロボットも登場し、製造、物流、警備、農業、清掃など幅広い領域で社会実装が加速しています。

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 NVIDIA Cosmos 3 Edge／日本Cosmos Coalition：富士通・ロボット大手が協調制御構想

📎 出典：NVIDIA Newsroom / Fujitsu
NVIDIAは日本のフィジカルAI向けに、40億パラメータの世界モデル「Cosmos 3 Edge」とCosmos Coalitionの日本展開を発表しました。ファナック、富士通、日立、川崎重工業、クボタ、ソフトバンク、ソニー、安川電機など22社・組織が参加意向を示しています。NVIDIAによれば、同モデルはJetson上で視覚理解・推論・行動生成をオンデバイス実行し、特定のロボットやセンサーへ約1日で適応可能です。富士通はファナック、安川電機、川崎重工業と、Cosmos、Isaac、Omniverse NuRec、Newtonを使う協調制御基盤を検討し、製造・物流・医療への展開を目指します。

2️⃣ Walden Robotics：3億ドル調達、トヨタ工場で汎用ロボットが実作業

📎 出典：Walden Robotics公式発表 / Business Wire
Walden Roboticsがステルスを解除し、トヨタとDeviation Capitalが共同主導したシードラウンドで3億ドルを調達し、企業評価額が11億ドルになったと発表しました。同社は2026年1月にToyota Research Instituteから独立し、Diffusion PolicyやLarge Behavior Modelsの研究を土台に、製造・物流向けの汎用ロボットを開発しています。同社によれば、2月から北米のトヨタ工場で生産業務を担い、初回パイロットから実作業への移行は2カ月未満でした。資金調達規模だけでなく、人と同じ生産現場で働く運用実績を同時に示した点が重要です。

3️⃣ Jetson Thor T3000／T2000：VLA・世界モデル向けエッジモジュール

📎 出典：NVIDIA Blog
NVIDIAはBlackwell世代のJetson／IGX T3000とJetson T2000を発表しました。T3000は865 FP4 TFLOPS、32GB LPDDR5X、273GB/sのメモリ帯域、25GbEを備え、T5000の約半分のサイズと消費電力で、同等級のマルチモーダル推論性能を狙います。T2000は400 FP4 TFLOPSと16GBメモリを搭載し、AMRや産業用マニピュレータを含む幅広いエッジ機器を対象とします。JetPack 7.2.1によるT3000エミュレーションは2026年7月後半、量産モジュールは2027年第1四半期の提供予定であり、VLAや世界モデルをロボット本体で動かす選択肢が広がります。

4️⃣ APT-RL：四足歩行ロボットが森林・階段を最高6m/sで走破

📎 出典：arXiv:2607.13579 / プロジェクトページ
KAISTなどの研究チームは、四足歩行ロボット向けの統合学習手法「APT-RL」を発表しました。軌道最適化で得た18万本・15.5時間相当の移動データを8分で生成し、Transformerによる表現学習と強化学習を組み合わせています。実機HOUNDは外部モーションキャプチャやオフボード推定を使わず、オンボード知覚・計算だけでトロットとバウンディングを切り替え、1.1kmのキャンパス路と0.34kmの森林路を走破しました。60cm段差で4.25m/s、3段階段の降下で瞬間6m/sを記録し、複合地形に応じて歩容と運動技能を自律的に遷移させています。

5️⃣ S²-VLA：意味・空間ストリーム分離で自動運転の閉ループ性能を向上

📎 出典：arXiv:2607.13926
研究チームは、自動運転VLAで言語由来の意味表現が空間情報を圧縮し過ぎる「Spatial Representation Collapse」に対し、意味ストリームと空間ストリームを分離する「S²-VLA」を提案しました。意味側は階層的なVLM特徴から運転意図を推論し、空間側は視覚エンコーダの非圧縮特徴と補助知覚監督によって幾何制約を保持します。NAVSIM閉ループ評価ではPDMS 87.1、No Collision 98.4%を報告し、教師あり微調整のみを用いたVLAとして最高性能としています。ただし、現段階はシミュレーションベンチ中心であり、実車での安全性、推論遅延、未知環境への一般化は今後の検証課題です。

6️⃣ Agentic Reinforcement Learning：VLAの実行劣化を検知して回復モードを選択

📎 出典：arXiv:2607.13818
研究チームは、ロボット操作の実行劣化を検出して回復方法を選ぶ「Agentic Reinforcement Learning」を提案しました。VLAなどの低レベル方策を直接学び直すのではなく、直近の実行履歴を監視する二つの品質指標と、高位エージェントが少数の実行モードから適切な回復手段を選択する構成です。異常時には過去に通過した正常状態へ戻し、失敗が累積する前にタスクを継続させます。LIBEROでは通常条件で成功率を最大13.7%、外乱条件で最大39.2%改善しました。一方、現段階はベンチマーク評価であり、実機の接触誤差や物体破損、安全停止を含む検証が必要です。

7️⃣ VGPA：遮蔽された熟果を露出させて収穫する階層型強化学習

📎 出典：arXiv:2607.13799
いちごの房では熟果が未熟果に隠れ、直接把持が失敗しやすい課題に対し、研究チームは階層型強化学習「VGPA」を提案しました。作業を障害果の分離と対象果の把持に分け、高位では視覚に基づいて行動オプションを選び、低位ではProgressive Adaptive Exploration Strategyによって連続制御の探索効率と学習安定性を高めます。シミュレーション成功率は96.7%、自作パラレルロボットへのsim-to-realでは71.7〜88.3%でした。直接摘み取りより平均1.22秒長いものの成功率で上回り、遮蔽を解いてから収穫する行動順序学習の実用性を示しました。

8️⃣ ROBOTS：異種ロボット統合制御基盤を警備現場から社会実装

📎 出典：ROBOTS / PR TIMES / NTTドコモ
NTTドコモの新規事業創出プログラム「docomo STARTUP」からスピンアウトしたROBOTSが、インキュベイトファンドおよびNTTドコモを引受先とするシードラウンド調達を発表しました。調達額は非公表です。同社はメーカーや機種の異なる四足歩行ロボット、アーム、センサーを一つの基盤に接続し、移動と物体操作まで動作レベルで協調させるロボット統合制御基盤とフィジカルAIを開発します。まず担い手不足が深刻な警備分野で巡回、監視、段差移動、施錠確認などを対象に、2026年度はパートナー企業と実証を行い、検証結果を踏まえて2027年度中の商用化を目指します。将来は設備点検・保守、建設・土木など段差移動や物体操作を伴う他分野への展開も計画しています。

9️⃣ RAPiiTT：エレベーター・セキュリティ連携で複数階を自律清掃

📎 出典：Preferred Robotics / PR TIMES / アマノ製品ページ
Preferred Roboticsは、アマノが2026年7月16日に発売した業務用ロボット掃除機「RAPiiTT（ラピット）」に、自社のAI・自律移動ソフトウェアが採用されたと発表しました。RAPiiTTは小型の乾式ロボット掃除機で、HAPiiBOTや自律搬送ロボット「カチャカ」シリーズで培った技術を応用し、スムーズで安定した自律走行を実現します。サイドブラシやロールブラシ、サイクロン集じん方式により最大清掃幅500mmで大きなゴミから微細粉じんまで回収し、ノイズリダクション設計で高い除塵力と静音性を両立しました。オプションでエレベーターやセキュリティシステムと連携し、クラウドによる統合管理や遠隔サポートと合わせて複数フロアの自律清掃を可能にし、人手不足が深刻な清掃現場の省人化と運用効率向上に貢献します。

総合考察

2026/7/16のトピックから見えた特長は、フィジカルAIの競争軸が単体モデルの性能向上から、実環境で安定運用できるシステム全体の構築へ移っていることが読み取れました。CosmosやJetsonの進化は、世界モデルやVLAをクラウドではなくロボット本体で動かす流れを強め、低遅延性、機密性、通信障害への耐性を高めます。一方、Walden Roboticsの工場導入やRAPiiTTの複数階清掃は、導入速度と既存設備との連携が事業価値を左右することを示しています。APT-RL、S2VLA、Agentic Reinforcement Learning、VGPAに共通するのは、認識、判断、行動、失敗回復を一体化する方向性です。今後はモデル精度だけでなく、安全性、復旧能力、異種機器連携、運用コスト、実環境での継続稼働実績が導入判断の中心になります。

今後注目ポイント

Cosmos Coalitionへの参加表明が共同研究にとどまらず、メーカーをまたいだロボット協調制御の共通仕様、データ共有、商用サービスへ発展するかが、日本の産業競争力を左右する重要な観察点です。
Jetson T3000とT2000によってVLAや世界モデルのオンデバイス実行が広がる一方、実際の導入では演算性能だけでなく、消費電力、発熱、価格、量産時期、既存機器への組み込みやすさが問われます。
Walden Roboticsの評価では、資金調達額や企業評価額以上に、トヨタ工場での作業内容、稼働率、人との協働安全性、工程変更への適応速度が、汎用ロボットの事業性を測る有力な指標になります。
S2VLAやAgentic Reinforcement Learningが示した高性能を実社会へつなげるには、未知環境、接触誤差、通信遅延、センサー故障など、ベンチマークでは再現しにくい異常条件での検証が不可欠です。
ROBOTSやRAPiiTTの事例から、社会実装では高性能な単体ロボットよりも、エレベーター、入退室管理、監視設備、クラウドなど既存インフラと接続できる統合能力が差別化要因になります。
高速移動、障害物の操作、失敗からの回復といった技能が統合されることで、ロボットの評価基準は個別タスクの成功率から、長時間の自律稼働率や人間による介入回数へ移行すると考えられます。