フィジカルAIニュース(2026/7/30号)

更新日：2026/7/30

エグゼクティブサマリー
2026/7/29は、米FCCが外国製の人型・四足歩行など高度移動ロボットをCovered Listへ追加し、フィジカルAIの市場アクセスが安全保障政策に左右される局面へ入りました。研究面では、実機を使わない高精度データ収集基盤「HiFi-UMI」、25Hz閉ループ制御の「πR²」、探索不要の世界モデル「INTACT」、機体設計と制御を単一モデルで統合する「Transformer Transformer」が登場しました。さらに、社会ナビゲーション基盤「SONG」と共有ボクセル地図による複数UAV協調が、学習データ、即応制御、身体設計、実環境安全性の各課題を前進させています。

※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 米FCC「Covered List」：外国製高度移動ロボットの新規認証を制限

📎 出典：FCC Fact Sheet
米連邦通信委員会（FCC）は2026年7月28日、Covered Listを更新し、外国製の「高度ロボット装置」（人型・四足歩行などの移動ロボット）と、外国製の接続型パワーインバーターの2カテゴリーを新たに追加した。ホワイトハウス主導の省庁横断的な安全保障判断に基づく措置で、理由としてロボットによるデータ収集、遠隔での乗っ取り、供給網の脆弱性、重要インフラへのサイバーリスクが挙げられている。新規モデルは原則としてFCC機器認証を受けられず、米国内での輸入・販売・マーケティングが制限される。一方、既に認証済みモデルの販売継続、購入済み機器の利用、連邦政府向け販売や利用は対象外。DoW（またはインバーターはDHS）の「条件付き承認」を得た製造者は認証取得を継続できる。新機種の市場参入では、性能だけでなく認証とサプライチェーン管理が重要になる。

2️⃣ HiFi-UMI：実機遠隔操作データを使わず高精度ロボット操作方策を後学習

📎 出典：arXiv:2607.25895
ロボットを使わず人間の操作軌跡を収集する高精度データ基盤「HiFi-UMI」が発表されました。頭部装着型ステレオ慣性SLAM、両手の広角カメラ、マイクロ秒単位の同期を組み合わせ、外部トラッキングなしで作業空間内3mmの手先精度を実現します。このデータだけで後学習した方策を実機へ直接展開し、VLA・世界行動モデル系の3基盤で実機遠隔操作データと同等水準を示し、精密挿入では最高85%を達成しました。4,000時間の事前学習で未見10タスクの行動誤差を41%低減し、2,000時間分のデータセットも公開しています。高価な実機収集をどこまで置き換えられるかを検証する重要な試みです。

3️⃣ πR²：25Hzで再計画するリアルタイム反応型フローポリシー

📎 出典：arXiv:2607.26055
リアルタイム反応型フローポリシー「πR²」は、長い行動チャンクをオープンループ実行する汎用操作方策が実行中に届く観測へ反応できない弱点を解消する。拡散フォーシングの位置ごとノイズスケジュールを基盤に、条件付けを自己受容感覚を毎ティック更新する高速チャネルと、視覚・言語特徴を非同期更新する低速チャネルに分離。さらに実行中の行動をインペインティング条件として扱う遅延適応型フロースケジュールにより、1呼び出しあたり1回のデノイズで行動を出力し、単一モデルで異なるハードウェア遅延に適応できる。既存アーキテクチャの小改変で事前学習済み方策から微調整でき、GR00T-N1.7を実機xArm6＋XHandへ適用した際はA5000 GPU 1基で約25Hz、40ミリ秒ごとに新しい観測に基づく閉ループ再計画を行い、基盤方策の約4倍速。成功率は最強ベースライン比でシミュレーション最大23%、実世界最大30%向上した。

4️⃣ INTACT：探索不要・プランナー側2.9〜5.5ミリ秒推論の世界モデル制御

📎 出典：arXiv:2607.26056
世界モデルから目標行動を得る際の高コストな探索を省く「INTACT」が提案されました。報酬なしの行動付き軌跡から、各状態遷移の差を「物理的意図」、現在状態と将来目標の差を「実行時の意図」として学習し、その意図を直接アクション分布へ変換する検索不要の方策を構築します。LeWMの4公式タスクでは1エポック学習・探索なしで85.78%、100%、97.67%、97.89%の成功率を記録し、プランナー側のDirect推論は2.9〜5.5ミリ秒でした。任意の局所CEMを加える場合も候補系列を9,000から384へ減らし、マクロ成功率96.86%を達成しています。世界モデルを予測器から低遅延の実行方策へ変えるアプローチとして注目されます。

5️⃣ Transformer Transformer：AIがロボットの機体設計と制御を単一モデルで統合

📎 出典：arXiv:2607.25798
ロボットの身体設計と制御を同じ生成モデルで扱う「Transformer Transformer」が発表されました。機体構造、状態、行動を共通表現「RoboTokens」に変換し、拡散Transformerが人間の実演から得た手先軌跡を追従しつつ、用途別報酬を満たす機体を生成します。車輪型双腕、四足、人型など異なる身体空間に同一アーキテクチャを適用でき、未見の報酬や軌跡に対するゼロショット最適化も実証しました。さらに生成結果に基づく改良型ALOHAを実際に製作し、元設計と比べて追従誤差を70%以上削減しました。AIがロボットの「脳」だけでなく「身体」も共同設計する方向性を示しています。

6️⃣ SONG：3DGSとLLMで社会ナビゲーション環境を現実化

📎 出典：arXiv:2607.25219
社会的ナビゲーション研究向けに、3D Gaussian Splatting（3DGS）を用いた写実的シミュレーション基盤「SONG」が提案された。シーンと人物アバターの双方を3DGSで表現し、大規模言語モデルが意味的に妥当な歩行者軌跡を生成、その軌跡を条件とする動作生成器が連続的で自然な全身動作を合成する。基盤上には難易度別に層化した評価エピソード集「SONG-Bench」と、有効性・安全性・社会的順守を測る多面的指標群を用意。代表的なナビゲーション手法を体系的に評価した結果、視覚ベースの社会的ナビゲーションは未解決であること、社会的礼儀以前に衝突回避などの基本的安全性が不足していること、モデル規模より実世界データが重要であることが示された。整備データでの微調整は実環境での成功率も改善した。

7️⃣ 共有ボクセルマップUAV：GNSSなしの屋内環境で2機協調

📎 出典：arXiv:2607.25728
GNSSが使えない屋内で複数ドローンを協調誘導する、共有ボクセルマップとマルチエージェントSoft Actor-Criticを組み合わせた方式が発表されました。各機の360度LiDAR観測を共通座標の占有地図へ統合し、鳥瞰表現から各ドローン向けの局所地図を切り出すことで、空間認識は共有しつつ制御は分散実行します。シミュレーションの通路航行で成功率90.3%を達成し、A*探索、人工ポテンシャル法、既存の学習型誘導を上回りました。実データによるオフライン模倣微調整を加え、障害物が増える実環境でも2機の安定協調を実証しています。倉庫、設備点検、災害現場など通信・測位条件が厳しい空間への応用が見込まれます。

総合考察

2026/7/29のトピックから見えた特長は、フィジカルAIの競争軸が「モデル精度」だけではなく、データ取得、リアルタイム制御、身体設計、社会実装ルールへ同時に拡張していることが読み取れました。HiFi-UMIは高価な実機収集を減らし、πR²とINTACTは推論遅延や探索コストを抑え、Transformer Transformerは機体そのものを学習対象へ取り込みました。SONGと複数UAV研究は、現実に近い人流や共有空間認識を通じて安全性と協調性を評価しています。一方、FCCの措置は、ネットワーク化された移動ロボットが単なる機械ではなく、センサー、通信、AIモデル、供給網を一体化した重要インフラ機器として扱われ始めたことを示します。今後の勝敗は、性能ベンチマークに加え、データ由来の信頼性、低遅延での閉ループ動作、サイバー安全性、規制適合を製品設計の初期段階から統合できるかで決まります。

今後注目ポイント

• FCCの条件付き承認制度では、外国製ロボットがどのようなセキュリティ要件を満たせば新規認証を受けられるのか、最初の承認事例と審査基準が注目されます。

• HiFi-UMIは実機遠隔操作データを使わない後学習を掲げており、公開された2,000時間データが異なるロボット、作業環境、VLA基盤でも再現性を保てるかが焦点です。

• πR²とINTACTは低遅延化で優れた結果を示しましたが、接触失敗、動く障害物、通信遅延など予測外の変化が続く環境での長時間安定性が注目されます。

• Transformer Transformerでは、生成された機体設計に製造コスト、耐久性、安全規格、部品調達制約まで組み込めるかが、実製品化の検証ポイントになります。

• SONGと共有ボクセルマップUAVは、シミュレーションから実環境への移行後も、人との距離、通信喪失、複数機干渉を含む安全性を維持できるかが注目されます。