まみー🌗

商社← @drinami 研←計数←東大理1-5🇷🇺←灘69(数研) / 大阪出身 / 湧源(数理の翼35, 40), 数オリ春合宿 / ヨット部⛵️

[まみー🌗 @mamii0718]

婚約しました💍

[Tomonori SHINDOH / 進藤 智則 @tshindoh]

フィジカルAIについてはNoetraのような国プロも始まり、国内でもAIを自社開発するヒューマノイドのスタートアップが勃興するなど、このところ日本においても動きが活発になってきています。そうした中、フィジカルAIに焦点を当てたイベントを日経Robotics主催で開催します。昨年秋に第1回を開催し好評を博したイベントの第2回「Robotics NEXT Tokyo 2026」です。日経Roboticsは有料媒体ですが、こちらのインベトは事前登録で無償でご参加いただけます。場所は有楽町の国際フォーラムにて9/29。
https://t.co/TvBIU29a1H

昨年は基調講演で米Agility Robotics創業者に登壇いただきましたが、今年はVLAの技術を世界でけん引するトップ企業の1社、米Physical Intelligenceが登壇します。同社の最新VLA「π_0.7」についてお話いただきます。

基調講演の2本目は、Noetraから。日経Robotics 創刊号から連載「AI最前線」を寄稿され、Noetraでの技術開発を統括されるPreferred Networks 代表取締役社長の岡野原大輔様に「次世代基盤モデルの技術展望とロボティクスの未来」と題してお話いただきます。PFNとNoetra、両方のお立場でお話いただける予定です。

Noetraと同じく、フィジカルAI領域での国プロとしては、AIロボット協会（AIRoA）もあります。AIRoA CTOの松嶋達也様には日経Robotics 9月号からAIRoAの活動などを解説していく連載を書いていただいておりますが、本イベントでも松嶋様が登壇されます。

ロボット基盤モデル/フィジカルAIについて、最も実用化に近い立場でトライされているのが日本のロボットスタートアップの雄ともいえるTelexistenceです。ヒューマノイドをコンビニのレジ業務などに適用することを想定し、自社でVLAなどの開発を進めていらっしゃいます。このTelexistence 共同創業者 CTOの佐野元紀様にも、本イベントでは登壇いただきます。

2足歩行の国産ヒューマノイド開発に邁進するスタートアップにも登壇いただきます。先日、三菱自動車との提携も発表されたHighlanders 代表取締役 CEOの増岡宏哉様です。会場では同社製の4脚ロボット含め、デモも実施いただく予定です。ご期待ください。

ロボットの適用を広げていくには、先端技術の開発だけでなく、現場のニーズ・状況を深く知ることも重要です。そうした見地から、日経Roboticsでは創刊時から企業様でのロボット導入事例をご紹介する「Case Study」という欄を設けているのですが、今回のイベントでも、現場に即したセッションを設けました。JR東海 技術開発部の藤田京康様に、リニア中央新幹線などに向けたトンネル検査ロボットについてお話いただきます。

以上が主催者側として企画したセッションですが、本カンファレンスでは、スポンサー各社様によるご講演も「協賛講演」として多数ございます。多大なご支援いただいているスポンサー各社様には深く御礼申し上げます。

参加無料のインベトですので、皆様ぜひ本情報シェアいただき、参加ご検討いただければ幸いです。

[Jiachen Zhu @JiachenAI]

Excited to see S1 finally go public! 🚀 This release also marks exactly one year since I transitioned from vision research to robotics. If I had to share the single biggest lesson from that journey, it’s this:

Before asking "How do we train a better model?", we need to ask "How should the model behave at inference time?"

In academia, we tend to attack problems the same way: set up a benchmark, tweak the architecture or training recipe, and watch the score climb. Today, much of robotics research runs this similar loop: pit VLAs against WAMs, introduce a new loss function, test a different action representation. Model performance on benchmarks keeps improving, but inference-time behavior stays simplistic and fixed.

But my past year at @SkildAI taught me that raw model performance isn't the ultimate driver of real-world success. Inference-time behavior is.

The real world guarantees high stochasticity and endless out-of-distribution scenarios. The dominant deployment paradigm (taking the past X seconds of observations to predict the next Y seconds of actions) won't get us to general-purpose robotics, because every robotic action has compounding consequences. A vision model can guess wrong on a static test set with zero impact on the next sample. A robot cannot. It operates in a closed loop: its own mistakes create the very distribution shifts it must then survive. "Collect more data, fine-tune, redeploy" is not a scalable answer. To truly generalize, a model must adapt on the fly.

So the order of operations has to invert. First, define an inference-time behavior scalable and robust enough to handle the real world. Then work backward to shape data collection and model training. Everything in the S1 release stems from this inversion.

Language modeling already taught us this lesson: LLMs didn't crack complex multi-step math just because someone threw more tokens at pre-training. Instead, the breakthrough came from changing the inference-time behavior first (reasoning step by step) and then redesigning training around it. Betting that data scale alone will magically produce emergent physical skills is just as naive. Robotics needs the same shift.

S1 is proof that working backward from real-world inference changes everything. And this is just the starting point.

Check out the release below, and enjoy the rest of your day! 👇

[まみー🌗 @mamii0718]

ヤコビアン予想って結局2変数が本質なのか。みんなFableに聞いてそう。

[Arata Horie @ArataHorie]

Awesome-UMI を公開しました！
特にヒューマノイドロボットの領域でボトルネックと言われている人間のデモンストレーションデータを収集する装置、「UMI（Universal Manipulation Interface）」系の装置をまとめたウェブサイトです。
まだ完璧ではないベータ版ですが、継続的に追加できればと思います

[Generalist @GeneralistAI]

Introducing GEN-1.

Our latest milestone in scaling robot learning.

We believe it to be the first general-purpose AI model to master simple physical tasks.

99% success rates, 3x faster speeds, adapts in real time to unexpected scenarios, w/ only 1 hour of robot data.

More🧵👇

[Tomonori SHINDOH / 進藤 智則 @tshindoh]

このところNVIDIAが力を入れているフィジカルAIの一種 VAM（video-action model）は世界モデルを内包しており、ロボットテレオペデータも少量で済むものの、生成が非常に重いのが難点でしたが、その難点をNVIDIAは早速解決して見せました。実装レベルからシステムレベル、モデルレベルまであらゆるレイヤーで高速化・最適化を徹底し、ロボット用にリアルタイム実行できるまでにしてしまいました。それがDreamZero。日経Robotics 4月号で解説を書きました。
https://t.co/GxzLeGJqzH

日経RoboticsではこのところNVIDIAネタが続いてしまっておりますが、インパクトのある成果ばかり出てくるので致し方ありません。Cosmos PolicyやDreameZeroのようなVAM以外にも、EgoScale、DreamDojo、SONICなど注目すべき新技術が立て続けにNVIDIAから出てきています。フィジカルAIというキーワードは以前から同社がずっとうったえかけていたものではありますが、最近はロボットAIの先端研究で本当に覚醒したかのようなモードに入ってきているように思えます。

[まみー🌗 @mamii0718]

@haru__gakita ありがとう！！同窓会行けず残念だった…！

[まみー🌗 @mamii0718]

婚約ぶりの投稿ですが結婚しました🕊️

[まみー🌗 @mamii0718]

@MA_yo_TA ありがとう！！なんかタコパしたいな

[まみー🌗 @mamii0718]

@asteroid0546 ありがとう！！！

[まみー🌗 @mamii0718]

@Kasega0 ありがとう！！！

[シェイン・グウ @shanegJP]

あけましておめでとうございます！いくつかAI業界の動向をまとめました。

🚀 Scaling Won’t Stop (自律性とGrounding) スケーリングは止まりません。「自律性（Autonomy）」と「Grounding（現実世界への接地）」の二つの方面で。人の介入なしにAIがどれだけ長時間タスクをこなせるか、その進化に驚くはずです。Gemini、Astra、Genie等を活用した没入型マルチモーダルアプリも標準化し、人間が認識する現実と、AIが認識・行動する世界の境界線はますます薄れていくでしょう。

📦 Products are as important as Models 優れたAIプロダクトにおける「ラストワンマイル」の仕事は、フロンティアモデルを作ることと同等に重要です。MetaによるManus買収はその価値を証明しました。AGIに貢献するなら、論文を書くだけでなく、最先端のモデルかプロダクトのどちらかで手を動かすべき。両方とも巨大な価値があります。

📈 Year of Google 2025年、Googleの株価は66%成長しました。しかし重要なのは数字そのものではなく、単発のモデルヒットに依存しない「継続的なイノベーションを生む文化」が完全に確立されたことです。（余談：1年前のNeurIPS2024で「Googleで何してるの？」と聞かれ「株価を上げてる」と答えてました）。私は2023年9月、OpenAIからGoogleに戻りましたので当時からGoogleの可能性は信じていました。あれから2年、まだ課題はあれど「勝ちパターン」に入ったと確信しています。OpenAIについては、かつて内部で対立した5〜10人の人物が既に去ったため、以前のような敵対心はありません。

🤖 Physical AI & Robotics 米国のTesla Optimus, Figure AI, Sunday Robotics, Generalist, Dyna、そして中国勢が2026年も圧倒します。ロボットの「器用さ」においてGPT-3的なモーメントが来れば、過去想像できなかった能力がアンロックされます。ただし、ハードウェア普及の壁はあるので「ChatGPTモーメント（大衆化）」はまだ先。フィジカルAIは絶対に解決はされますが、デジタルAIより時間はかかります。故に数は少ないですがロボット領域のスタートアップではSundayやMIT教授発などのトップへしかエンジェル投資はしていません。

🧠 From "Knowing" to "Learning" DeepSeek-R1からGemini 3へ。2025年はRLの年でしたが、2026年は「Continual & Sample-Efficient Learning（継続的かつサンプル効率の良い学習）」へ焦点が移ります。 「知識を持ったAI (AI that knows)」から、自ら「学習するAI (AI that learns)」へのシフトです。 私のケンブリッジでの博士論文のタイトルはまさに "Sample-Efficient Deep RL" でした。Sergey Levineらとサンプル効率について叫んでいた頃が懐かしい。2015年、AlphaGoには感動したけど、学習効率の悪さには満足してなく、人と同じ多様性と効率で学習ができないとAGIにはほど遠いと感じたところから深層学習のアルゴリズムとロボット研究に入っていきました。「人間と同じデータ効率での学習能力の学習」こそが次の焦点です。学習能力の学習もスケーリングも必要だと思うのでまだまだフロンティアラボが強いと思っています。

🇯🇵 Message to Japan 最後に、日本への率直な思いを。 日本の最大の課題は、良くも悪くも「日本が日本と日本人にしか興味がない」点にあると感じます。地理的に近い中国・韓国や東南アジアが過去の20年でどれだけ進化しているか、日本人よりも欧米のトップ層の方が遥かに詳しいのが現実です。 現代の「鎖国」状態から抜け出し、外を見ましょう。 例えば、アメリカのMetaで最も年収が高いAI研究チーム「TBD」の80%は中国人エンジニアですし、先日買収されたManusも中国系エンジニア創業です。トップレベルの現場では、国境関係なく才能が混ざり合っています。 「日本スゴイ」や「国産」という内向きな慰めではなく、明治維新のような「謙虚さ」を持ち、日本より速く動く国際社会と交わり働き、世界基準で価値を作っていくことが重要です。 世界を無視し、情報の非対称性の中に閉じこもれば、国も個人も容易に操作される側になってしまいます。

厳しいことも言いましたが、日本の底力と可能性を信じています。 2026年がAIにも日本にとっても飛躍の年になりますように。今年もよろしくお願いします。

[まみー🌗 @mamii0718]

@pikuchan_88 久々にX開けたらびっくり！おめでとう🥳

[kB @osaKB]

弊社スポンサーブースにいたらまみーが凸ってきた

[まみー🌗 @mamii0718]

@haru__gakita @AliceMusic_ わお、おめでとう！！🎉

[まみー🌗 @mamii0718]

@lnamikol おめでとう！！！！

[塙翔平 SHOHEI HANAWA @hanawabariton]

昨年演出させていただいた『アメリカン・ドリーム』！絶対観て欲しい。
私が作った字幕もおそらく載っています!!
詩的な表現は凄く難易度が高かったけれど手応えもありました。ぜひ映像で素晴らしい歌手陣の細やかな演技とともにお楽しみ下さい。本当観て欲しい。大事な事だから2回言わせてください。

[まみー🌗 @mamii0718]

@mt_ein ありがとう！！二人の素敵な写真もいつか楽しみにしています☺️

[まみー🌗 @mamii0718]

婚約しました💍

[まみー🌗 @mamii0718]

@MistMavGamer ありがとう！！！AI関連教えてほしい🥺

[まみー🌗 @mamii0718]

@ChN60097 ありがとう！！！嬉しい感想すぎる！笑