アラちゃん｜commissure

Physical AI News｜Business Development｜UMI、Manipulation｜commissure Vice President

[アラちゃん｜commissure @ara_Physical_AI]

https://t.co/Qwk42Vc7fi

[アラちゃん｜commissure @ara_Physical_AI]

非常に難しい問題。

AIが社会に実装され、一般化したからこそ、安全性の問題が現実のものとして顕在化してきた。

だからこそ、議論すべきは「AI開発を減速させるか」だ��ではなく、能力向上と安全性向上に研究・資本・人材をどう配分するかだと思う。

これはPhysical AIでも、いずれ同じ問題に直面する。

知能が身体を持ち、現実世界に直接作用するようになれば、どこまで権限を与え、どこに人間の統制を残すのかが、より重要になる。

今の生成AIを巡る議論は、将来、人間より高度な知能とどう共存するのかを考える入口なのかもしれない。

[Forbes JAPAN @forbesjapan]

ここで重要なのは、減速が必要だと考えるに至った理由を、アンソロピックのアモデイCEOが2つ挙げている点である

→アンソロピックCEOがAI開発の減速を要��、「再帰的自己改善と命令なき攻撃」を転機に挙げる
https://t.co/vdYsts5aNO

[アラちゃん｜commissure @ara_Physical_AI]

PaXini、素晴らしいですよね。

commissureも触覚領域に取り組んでいるので、かなり参考にさせてもらっています。

PaXiniの面白さは、触覚センサーから始まり、ロボットハンド、実世界データ収集、AIモデルまで一気通貫で広げているところ。

一方で、commissureが今強く見ているのは、より工場現場での実装側です。

既に大量に導入されている産業ロボットに対して、触覚や学習データ、Physical AIの技術をどう転用し、これまで自動化できなかった作業まで対応範囲を広げられるか。

日本の製造現場では、すべてをヒューマノイドに置き換えるよりも、既存のロボットアーム、設備、SIerのネットワークを活かしながら知能化していく方が、短期的には実装速度もROIも出しやすい領域がかなりあると見ています。

その意味で、PaXiniが触覚からハード・データ・モデルへ垂直に広げている動きは非常に興味深い。

触覚は単なるセンサー追加ではなく、ロボットが実世界を理解するための重要な観測チャネルです。

「見る」だけでは難しかった作業を、
「触る」「滑りを感じる」「力加減を知る」
まで含めて学習できるようになる。

この能力が、既存の産業ロボットにも自然に組み込まれていくと、Physical AIの実装可能領域は一気に広がると思っています。

PaXiniのようなプレイヤーが技術のフロンティアを押し広げ、我々のようなプレイヤーが現場実装を広げていく。

この両輪が揃って、Physical AIの社会実装が進んでいくのだと思います。

[吉川真人🇯🇵深セン @mako_63]

中国の人型ロボット業界で巨額の資金が集まっているのはロボット本体だけではありません。

深圳のPAXINIがB++ラウンドで��億元を調達。累計調達額は40億元を超えました。8月にも10億元を調達したばかりです。

この会社を見ていて面白いのは、触覚センサーからスタートして、ロボットハンド、人型ロボット、実世界データ収集、さらにAIモデルまで広げていることです。

人型ロボットというと歩行やVLAに注目が集まりがちですが、実際に仕事をさせようとすると「物をどれくらいの力で握るのか」「滑っていないか」「何かに接触したか」といった物理世界の感覚が必要になります。

PAXINIにはBYDも出資しており、今年8月にはBYDとデータ収集・ロボット分野で戦略提携も締結しました。

最近の中国のフィジカルAIを見ていると、競争は「人型ロボットを作れるか」から、触覚、データ、モデル、実際の作業までをどうつなげるかに移りつつあるように感じます。
個人的��もPAXINIは引き続き追っておきたい会社です。

[アラちゃん｜commissure @ara_Physical_AI]

出典: 36Kr Japan / Yahoo!ニュース
https://t.co/6In5VHpjNM

[アラちゃん｜commissure @ara_Physical_AI]

UBTECHが広西チワン族自治区柳州市にスマート工場を建設し、工業用ヒューマノイドの本格生産を開始したと発表。
年間生産能力は1万台超、生産ペースは10分に1台で、資材供給や最終組み立てには協働ロボットとAGVを使う体制だという。

ロボットがロボットを作るこのペース、日本の現場に持ち込むなら部品供給網が先に問われそうだな。

[アラちゃん｜commissure @ara_Physical_AI]

とても励まされました。

確かに、Astraのようなフロンティアモデルが出てくるたびに、Physical AIスタートアップとして「このまま全部食われるのではないか」と不安になる瞬間はある。

ただ、そのたびに立ち返るべきなのは、モデル性能そのものを追いかけることではなく、強いモデルが存在する前提で、
「自分たちにしか持てない価値は何か」
という問いだと思う。

実態をよく見ると、対象は限定的で、必ずカバーできない範囲がある。

だからこそ、実機に触れ、顧客と向き合い、独自のデータと運用知見を蓄積する。

どの環境で、どのタスクを、どこまで安定して動かせるのか。どこでモデルが壊れ、何を適応させればデプロイできるのか。

フロンティアモデルが強くなるほど、現場でしか解けない問いはむしろ鮮明になる。

新しいモデルが出るたびに存在意義を疑うより、その進化を使い切る。

我々にしかできないことをやろう。

[Sherry Yang @sherryyangML]

Robotics researchers in academia including myself might be having a bit of an existential crisis watching systems like Astra get better so fast.

But academia has an unusual advantage: robots doing real science in physical labs.

That's why I'm excited about WetRobo 🧬🤖, where coding agents observe a wet lab, write + execute robot programs, and adapt through physical trial and error.

Paper: https://t.co/TZVEChgaDF
Code: https://t.co/KTO26qUEWL

[アラちゃん｜commissure @ara_Physical_AI]

このMolmoAct2で面白いのは、Reasoningそのものより、
「認識からActionまでの間に、外から扱える空間計画を置いた」
ことですね。

MolmoActの論文では、従来のRobotics Foundation Modelは、perceptionとinstructionを直接controlへ写像する構造が中心だったと整理されています。

これに対してMolmoAct系では、

認識
→ 空間的な計画
→ Action

と分け、途中の計画をtrajectoryなどの形で明示化する。

従来のend-to-end型VLAでは、指示した後にモデルがどの経路を通り、どこを掴み、どう接近するかという運動計画に対して、外から細かく介入するのは難しかった。

その間に空間的なインターフェースを設けることで、
「この領域には入らない」
「この経路を通る」
「この方向から把持する」
といった制約を入れやすくなり、危険なtrajectoryを実行前に検知・修正する余地も生まれる。

もちろん、Reasoningを入れれば自動的に安全になるわけではない。
レイテンシも増えるため、どのタスク・どの制御周期で使うかはかなり重要になる。

MolmoAct2自体も、現時点では対象ロボットへのfine-tuningや実機側の安全制約を前提とした研究・開発段階のモデル。

それでも、
「認識してそのまま動く」VLAから、
「どう動くかを一度空間計画として外に出し、確認・制約・修正してから動く」方向への進化はかなり面白い。

Physical AIを実環境に持っていく上で、この計画層がどこまで性能の安定化と安全性の設計に効いてくるのか、今後かなり楽しみです。

[Jiafei Duan @DJiafei]

For folks interested in robot safety: we believe MolmoAct2 is one of the most transparent robotics foundation models built to date.

Why? 🔍
Everything is open for inspection: every training data point, the LLMs used, and the full training code. MolmoAct2 also provides reasoning traces to inspect before actions are executed.
Check out MolmoAct2 👇
https://t.co/iyScKogwdK

[アラちゃん｜commissure @ara_Physical_AI]

当日は参加できませんでしたが、記事で各ヒューマノイドの特徴が丁寧に整理されていて、とても分かりやすかったです。

7社それぞれで身体構成や設計思想が異なり、非常に興味深い。

AIRoAの汎用ロボット開発として、今は一つの形に寄せるよりも、各社が異なるアプローチを試しながら、
・それぞれの身体構成がどのような特性を持つのか
・どこまで共通化できるのか
を広く見ていく探索の段階なのだと思う。

この試行錯誤を重ねることで、AIRoAとして求める機体要件の解像度も上がっていくはず。

一方で、共通データや基盤モデルを産業全体で育てていくのであれば、データ仕様の共通化だけでなく、
「そのデータをどの身体構成で取得し、どのハードウェアを前提に学習・評価するのか」
についても、一定の基準が必要になってくる。

もちろん、多様な機体から得られるデータを共通表現へ落とし込み、基盤モデルを育てていくことは重要。

そのうえで、学習や評価の再現性を高め、蓄積したデータを実際のオペレーションにつなげていくには、
「AIRoAとして参照できるリファレンス機体」
も、いずれ定義していく必要があるのではないか。

探索をどこまで���げ、どのタイミングで収斂させるのか。
そして、そこでAIRoAがどのようなリーダーシップを取るのか。

日本のPhysical AIを研究開発から実装へつなげていくうえで、今後かなり重要な論点になりそうです。

[森山和道／ライター、書評屋 @kmoriyama]

レポートを書きました。ご覧くだされば幸いです。

AIロボット協会（AIRoA）による「国産汎用ロボット開発コンペティション」と今後の展望／尾形理事長講演レポート
https://t.co/FzvwciGVWf

[アラちゃん｜commissure @ara_Physical_AI]

出典: Dellows News
https://t.co/Dt1TdO2uoS

[アラちゃん｜commissure @ara_Physical_AI]

シリンダーなど実験器具を想定した検証で、双腕ロボットが「左アームで対象物を掴む」「右アームへ持ち替える」「向きを変えて所定のラックへ挿入する」という一連の動作を実機で確認できたという。

遠隔操作データによる模倣学習が前提で、運用原価を左右する動作速度や再現性は今後の公開情報を待ちたい。

[アラちゃん｜commissure @ara_Physical_AI]

ロボットの進化を感じるのは、単一動作よりも「仕事のまとまり」を自律で処理し始めている点。

引き出しを開けて、中から指������を探して、取り出す。

VLAがこうした時系列タスクを安定して完遂できるようになると、生活空間で任せられる仕事の幅が一気に広がる。

[LimX Dynamics @LimX_Dynamics]

TRON 2 VLA Demo – EP.4: Autonomous Drawer Opening and Toy Retrieval

TRON 2 autonomously opens a drawer and retrieves a toy using VLA: identify the drawer → pull it open → locate the target object → retrieve it precisely.
This demo completes an entire temporally constrained task sequence. The robot must determine the correct order of actions—one wrong step, and it cannot retrieve the toy.
#EmbodiedAI #DualArmRobot #Robotics #TRON2 #VLA

[アラちゃん｜commissure @ara_Physical_AI]

出典: The Robot Report
https://t.co/FGZmUZV7Ir

[アラちゃん｜commissure @ara_Physical_AI]

SoftBank GroupがHyundai Motor GroupからRobotics and AI Institute（RAI）を買収することで合意したと報じられた。
金額などの条件は非公表で、CFIUSの審査を経る段階とのこと。
以前から噂されていた案件が実際に動いた形で、大手同士のフィジカルAI再編が一段進んだ印象。

投資家との会話でも、こういう大型の動きが話題に上ることが増えてき��。

[アラちゃん｜commissure @ara_Physical_AI]

LLMがロボットを直接動かして、もう35%まで来ている。

もちろん人間の遠隔操作は100%なので、まだ差は大きい。

ただ、この伸び方を見ると
「LLMは考えるだけ、制御は別モデル」
という前提も少しずつ変わっていきそう。

次は触覚や実演データまで入った時に、どこまで成功率が上がるのかが楽しみ。

[Pantograph @pantographPBC]

Astra outperforms Fable at robotic control!

We ran a controlled benchmark of GPT-6 Astra and Claude Fable 5.1 on our Pandroid robots across eight manipulation tasks. Astra completed 35% of attempts, Fable 15% (p≈0.001). Human teleoperators completed every task.

[アラちゃん｜commissure @ara_Physical_AI]

ハーネスのような柔軟物を扱う作業は、状態変化が大きく、あらゆるケースを事前にルール化するのが難しい。

だからこ���、環境を認識し、その場で動作を適応させるPhysical AIの価値が出やすい領域だと思います。

住友電装×Skild AIが「ワイヤーハーネス製造」を具体的な共同開発テーマに置いたのも象徴的。製造業でPhysical AIがどこ��ら実装されるのか、かなり分かりやすい事例になりそうです。

[ひまろ@製造業xデジタル/IT の人 @mshgao]

ハーネスは、ルールベースの産業用ロボットとは相性悪かったので、フィジカルAIの恩恵を受けれる部分が多そうです。
住友電装、次世代工場の構築本格化。日米のAI関連企業と協業（鉄鋼新聞） - Yahoo!ニュース
https://t.co/qKxP1oVa1C

[アラちゃん｜commissure @ara_Physical_AI]

出典: 36Kr Japan
https://t.co/j9Vj4kuviC

[アラちゃん｜commissure @ara_Physical_AI]

中国のAIインフラスタートアップ「瞬適科技（InstAdapt）」が、シードラウンドで1000万ドル（約15億円）を調達したと36Kr Japanが報じた。

調達資金はフィジカルAIのデータインフラと世界モデルの研究開発���そしてチームの拡充に充てるという。

[アラちゃん｜commissure @ara_Physical_AI]

Jensen Huangの「ロボットに年間5万ドル払う」という話。

これは、ロボット本体が5万ドルならROIが合う、という話ではなく、ロボットを「年間の労働力」として評価しているのがポイントだと思う。

日本では人件費水準が違うので、単純な1人置換では成立しないケースも多い。

結局問われるのは、
1台で何時間働けるか。
何工程を横断できるか。
何人分の仕事を担えるか。

汎用ロボットのROIは、「価格」より「担える仕事の総量」で決まる。

[Veee @vikktorrrre]

Jensen Huang: the time has come for robots and this could become the largest industry of all.

“By the end of this decade, the world is going to be at least 50 million workers short.”

“We’re probably gonna have to pay robots $50,000 a year to come to work.”

“Every car is already a robot.”

“Now we’re building general robots.”

“Physical AI and robotics are moving so fast.”

“Everybody pay attention to this space.”

“This could very well likely be the largest industry of all.”

[アラちゃん｜commissure @ara_Physical_AI]

めちゃくちゃリアル
撤去するのもお金かかるし、これは深刻そう

[吉川真人🇯🇵深��ン @mako_63]

深圳で調理ロボットが導入���れているレストランの厨房を見せてもらいました。ところが実際に料理していたのはすべて人間。スタッフに聞くと調理ロボットは「使わない」とのこと。現場では人間がやった方が早いという判断になっているようで、設備は置かれているものの巨大オブジェ化。

調理ロボットは何店舗に導入されたかだけでは実態が分からないし、導入されても、末端の厨房スタッフが自分でやった方が早いと判断すれば使われなくなる現実を目の当たりにしました。

[アラちゃん｜commissure @ara_Physical_AI]

「日本はAI実装で勝負せよ」はまさにその通りだと思う。

基盤モデルの開発力だけで��中と競うのではなく、日本が長年蓄積してきた製造現場、ロボティクス、そして現場データをPhysical AIにつなげていく。

特に重要なのは、工場の中に眠る「人間がどう作業しているか」という実世界データ。

ここを学習可能な形で蓄積し、ロボットへ実装していけるか。

日本のPhysical AIの勝負は、モデルそのもの以上に「現場をどれだけ学習資産に変えられるか」にあるのではないか。

[日本経済新聞 電子版（日経電子版） @nikkei]

「日本はフィジカルAIに勝機見いだせ」　ジェトロ理事長に聞く米国投資
https://t.co/80Ykoril4Y

[アラちゃん｜commissure @ara_Physical_AI]

今回面白いのは「VLAが不要」という話ではなく、VLAが担っていた役割の一部を、汎用Foundation Modelが吸収し始めたことじゃないかな。

大脳系：
認識、推論、計画、粗いAction生成

小脳系：
接触、力加減、高速補正、連続制御

前者はかなり一本化��れつつある。
一方、後者はまだ専用PolicyやControllerが強い。

ロボットAIの競争軸は、
「LLMかVLAか」ではなく、
「どこまでを汎用モデルに統合し、どこからを高速な身体制御として切り分けるか」
になっていきそう。

[布留川英一 / Hidekazu Furukawa @npaka123]

GPT-6 AstraがVLAなしでRoboDojo評価の最高スコアを記録｜npaka @npaka123 https://t.co/XTK1KjjXUG