フィジカルAIニュース(2026/8/19号)
更新日：2026/8/19
エグゼクティブサマリー
2026/8/18は、病院ロボット「Moxi 2.0」の実運用展開に加え、VLAをヒューマノイド全身制御へ適応するHAF、失敗軌道から復旧させるCoRe、人間介入を効率的に学習するMax-Qが大きな焦点となりました。さらに、超音波検査へ力覚を統合するForceU-VLA、低侵襲手術向け触覚センサーMISTac、NPUを利用した方策学習時のアクセラレータ省エネルギー化が報告され、フィジカルAIの競争軸が性能向上だけでなく、復旧、安全な接触、継続学習、計算効率へ広がっていることを示しています。
※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 Diligent Robotics「Moxi 2.0」：病院フリート向けWorld Modelを実運用へ
📎 出典：Diligent Robotics / GlobeNewswire / Serve Robotics SEC提出資料
米Diligent Roboticsは、病院搬送ロボット「Moxi 2.0」の米国医療機関への展開開始を発表しました。25超の病院で5年間蓄積した運用知見を基に、NVIDIA製A2000でオンボード計算量を10倍、周辺認識を10〜15倍高速化し、1回最大9時間・1日最大18時間の稼働と30%高速な充電をうたっています。さらに、各機体の経験をクラウド学習へ戻す独自World Modelを導入し、混雑した廊下やエレベーター周辺での判断・復旧能力を継続改善する構成です。安全・自律機能は機上で動作し、Wi-Fi断でもタスクを完結するとしていますが、性能値は企業発表であり、施設横断の第三者評価が必要です。
2️⃣ HAF：汎用VLAをヒューマノイド全身ロコマニピュレーションへ適応
📎 出典：arXiv:2608.16837 / プロジェクトページ
北京大学・北京ヒューマノイドロボティクスイノベーションセンターなどの研究チームは、汎用VLAをヒューマノイドの歩行、腰姿勢、双腕操作へ適応する「HAF」を公開しました。HAF-VLAは全身アクションのデノイズを「移動＋頭部」「腰」「操作」の3段階に分け、stage embeddingとcross-stage KV cacheで運動学的な依存関係を保持します。HAF-SteerはVLA本体を凍結したまま、Flow Matchingの逆変換とDCT圧縮による低次元潜在空間で実機RLを行います。7種類の実機課題における平均正規化タスクスコアは70.5%で、π0.5の53.3%を上回ったと著者らは報告しています。
3️⃣ CoRe：合成観測による反実仮想推論でVLAを失敗軌道から復旧
📎 出典：arXiv:2608.14822
研究チームは、VLAが物理的外乱や途中の指示変更によって失敗軌道へ入った際、追加学習なしで復旧させるCounterfactual Realignment「CoRe」を発表しました。直近の実行可能な状態から、合成観測上で「現在の目標へ進んだ場合の続きを」仮想展開し、ロボットと環境を必要最小限だけ整合させて元のVLAへ制御を戻します。複数のシミュレータ、VLAバックボーン、実世界環境で評価され、成功率を最大85.0ポイント改善し、物理的な復元操作を42.2%削減したと報告しています。数値は著者評価であり、逸脱検知の誤検出率や形式的な安全保証は今後の検証課題です。
4️⃣ Max-Q Selective Imitation：20デモ・30分で実機USB挿入99%成功
📎 出典：arXiv:2608.15088
Human-in-the-Loop型の実機オンライン学習を高速化する「Max-Q Selective Imitation」が公開されました。MC Q-chunk criticで人間の介入軌道を評価し、各状態で現在の方策が生成した行動とリプレイバッファ内の行動を比較して、Q値が高い側だけを模倣します。これにより、人間の介入が有効な段階では介入から学び、自律方策が上回った後は自律改善へ切り替わります。実機USB pick-and-insertionでは20デモから30分以内に99%成功へ到達し、比較対象HIL-SERLは収束まで約5時間を要したと報告しています。ただし実世界評価は単一タスクであり、複雑な作業への一般化確認が必要です。
5️⃣ ForceU-VLA：超音波画像と接触力を統合する自律スキャンモデル
📎 出典：arXiv:2608.15009 / GitHub
研究チームは、超音波画像と接触力を同時に利用してプローブ運動を制御する医療向けVLA「ForceU-VLA」を公開しました。Force-Ultrasound Synergistic Fusion Moduleで画像と力覚を融合し、Stage-Adaptive Modulation Mechanismで非接触から安定接触へ移る段階に応じて特徴量を調整します。併せて構築し、一部公開したForceU-VLA-Dataは、2臓器、5種類の代表的臨床ビュー、専門家が収集した450軌道、約10万の同期マルチモーダルフレームで構成されます。接触安定性とプローブ圧制御の改善を報告していますが、臨床的に妥当な安全圧力範囲や、患者を対象とした臨床試験による安全性検証は示されていません。
6️⃣ MISTac：低侵襲手術向け8mm径の視覚式触覚センサー
📎 出典：arXiv:2608.14772 / GitHub
低侵襲手術やロボット支援手術で失われやすい触診感覚を補う、視覚式触覚センサー「MISTac」が発表されました。交換可能なセンサーチップは直径8mmで、一般的な手術用トロカールを通過できる設計です。光学分解能176.68μm、触覚分解能250μm、最小検出力24.3mNを実現し、鎮静下のブタ2頭を用いたin vivo試験で得た触覚データによる組織分類では、leave-one-out交差検証で約84%の総合精度を報告しています。CAD、部品表、照明設定コードも公開されていますが、現段階ではセンシング技術であり、自律手術制御や腫瘍診断性能を実証したものではありません。
7️⃣ NPU Offloading：ロボット方策学習の電力・時間・精度を実測比較
📎 出典：arXiv:2608.15002
ロボット方策学習時に凍結したvisual encoderを段階的にNPUへオフロードする異種アクセラレータ構成が検証されました。Mobilint Aries2 NPUで対象部分をA8W8 INT8実行し、NVIDIA GeForce RTX 5060 TiではFP32のaction expertを学習します。最大構成ではGPU・NPUボードで測定した1サンプル当たりのエネルギーを27.9%、ピークGPUメモリを約20%削減した一方、学習時間は37.7%増加しました。3シード・計15方策による4,500回のシミュレータ評価では、GPU単独の成功率93.33%に対しNPU構成は91.44〜92.89%となり、0.44〜1.89ポイント低下しました。アクセラレータの省エネルギー化に伴う時間・精度とのトレードオフを定量化した点が重要です。
総合考察
2026/8/18のトピックから見えた特長は、フィジカルAIの競争軸が単なるタスク成功率から、「現場で学び続ける仕組み」「失敗後に戻れる復旧層」「接触を安全に扱う力覚・触覚」「計算資源の持続可能性」へ広がっていることが読み取れました。Moxi 2.0はフリート経験を世界モデルへ還流する商用運用を示し、HAFは巨大VLAを全面更新せず、Max-Qは人間介入を選別して実機適応を進める方向を示しました。CoReは既存VLAを置き換えず復旧能力を後付けし、ForceU-VLAとMISTacは医療ロボットを画像中心から物理接触理解へ押し広げています。一方、性能値の多くは企業または著者による限定条件下の報告です。今後の勝敗は、異なる施設・機体・利用者でも再現できるか、異常検知と安全停止を定量化できるか、そして電力・時間・精度を含む学習・運用総コストを抑えられるかで決まります。
今後注目ポイント
Moxi 2.0では、病院間での世界モデル更新効果、患者・施設データの管理、更新失敗時のロールバック、ネットワーク断時の安全性を実運用データで確認する必要があります。
HAFは全身VLAの実機適応を前進させましたが、異なるヒューマノイド機体への転移性能と、オンライン探索時の停止条件・接触制限が重要な検証項目です。
CoReの実用化では、逸脱検知器のfalse positive・false negative、復旧操作自体が新たな衝突やタスク破壊を起こさないかが焦点になります。
ForceU-VLAとMISTacは医療ロボットの接触理解を進めていますが、患者ごとの組織差、安全な圧力範囲、臨床試験、規制適合の検証が不可欠です。
NPUオフロードはアクセラレータ省エネルギー化に有望ですが、CPU・DRAM・PCIeを含む総システム消費電力、データ転送遅延、発熱、異なるタスク・デバイスでの再現性まで含めた評価が注目されます。
