産業オートノミー拡大の鍵は「認識」にあり
産業オートノミーの拡大には、ロボットの運動能力だけでなく、機械の認識、動的決定、複数車両の協調、大規模な空間精度が重要とされる。本稿は、認識が産業オートノミー拡大の鍵であると指摘する。
世界のフィジカルAIを、日本語で。
産業オートノミーの拡大には、ロボットの運動能力だけでなく、機械の認識、動的決定、複数車両の協調、大規模な空間精度が重要とされる。本稿は、認識が産業オートノミー拡大の鍵であると指摘する。
Mooveは自動運転車向けインフラ構築のため2.5億ドルを調達した。資金は自律走行車両の保有拡大とロボット優先のデポ「Nests」の整備に充てられる。
GAM Enterprisesは、シェフラーのPSC減速機の知的財産を取得し、生産を開始する。これにより、GAMはサプライチェーンを垂直統合し、製造能力を拡大する。
AvnetとWeston Robotが提携し、複雑な産業環境向けのAI搭載自律点検プラットフォームを発表した。
現実的な倉庫環境を模したLMAPF-R2問題に対し、探索ベースのプランナーと強化学習を統合したSJRLを提案。高密度マップで既存の強力な探索手法を上回る性能を達成。8台の実機ロボットと248台の仮想ロボットによる混合現実環境でも検証された。
大規模3Dビジョンモデルを用いて任意カメラ視点の画像を正準視点へ整列する前処理パイプライン「ARGUS」が提案された。視点多様なデータセットでの学習効率が従来比4〜6倍向上し、汎化性能も改善したとみられる。ロボット操作ポリシーの視点依存問題への対処が期待される。
物理エンジンと生成ビデオ世界モデルの物理忠実度を実世界データで診断するベンチマーク「GAUGE」が公開された。Isaac Sim、Genesis、Newtonを14タスク群で評価し、衝撃接触や高速テキスタイル運動などで誤差が大きいことが判明。ビデオ世界モデルは方程式の形は一致しても加速度や運動量伝達を誤る傾向がある。
防衛省は、腕及び脚構造を持つ無人機関連技術の調査検討を一般競争入札で公告した。納期は令和9年3月24日、入札は令和8年9月8日。陸上装備研究所が調達を担当する。
Franka Roboticsのアームを用いた研究で、人間参加型強化学習の新フレームワーク「EvoHIL」が提案された。報酬モデル、行動生成、視覚領域を適応的に進化させ、照明変化下でのタスク成功率を向上させる。6つの操作タスクで従来手法を上回る性能を示した。
PRIMAL3は、強化学習と模倣学習を統合した大規模マルチエージェント経路探索(MAPF)フレームワーク。トポロジー認識通信とLaCAM3ガイド付き訓練、PIBTによる行動洗練を特徴とし、最大10万エージェントの都市規模問題を処理する。物理ロボットでの実証も行われ、学習ベースの最先端手法を大幅に上回る性能を示した。
視覚・言語・行動を統合するVLAモデルは長期タスクで課題を抱える。新たな階層型アーキテクチャが明示的言語メモリを導入し、時間的一貫性と誤差修正を改善。シミュレーションと実機実験で成功率と堅牢性の向上を確認した。
新たな神経記号メモリシステム「Mimir」が、身体性エージェントの長期的タスクで最大42.5%の成功率向上を達成。EB-Habitat Long-horizonサブセットでは86.0%の成功率を記録し、既存のクローズドソースモデルを大幅に上回った。世界記憶とタスク記憶を分離し、行動前に動的グラウンディングを行う点が特徴。
倉庫内のロボット群が、IoTタグから緊急度を直接読み取り、優先度の高い物品を先に運ぶシステムを提案。シミュレーションと実機検証で、優先度整合性が0.41から0.64に向上した。大規模構成ではP95遅延が5.2%〜11.8%改善した。
カメラ較正誤差に対して証明可能な1次免疫性を持つ、6自由度(6-DOF)微小運動推定法がarXivで公開された。従来法より高精度・高速で、単眼・複眼の両対応。コードは公開予定。
Mind-VLAは、言語指示で指定された対象物体の3D幾何に基づいて表現を整列させる新しいVLA手法。LIBEROで93.9%、CALVINで4.47を達成し、実ロボットの遮蔽タスクで従来比32ポイント向上。コードは公開予定。
arXivに公開された研究で、LLMを用いた構造化アーキテクチャが、隠れた目標を持つ協調建設タスクでゼロショット人機協調を実現。Theory-of-Mind推論を組み込むことで、相互作用ステップの削減と信頼スコアの向上を確認した。
GPUを活用したリアルタイム衝突回避モーション生成プランナー「GASP」がarXivで公開された。クランプBスプラインと畳み込み残差ネットワークを組み合わせ、潜時軌道サンプリングによりミリ秒級の推論を実現する。強化学習のリセットプランナーとしても有効で、訓練中の衝突を約半分に削減した。
米研究チームが、地面効果を利用したイオン推進式の手のひらサイズ・ホバークラフトを開発し、世界で初めて飛行実証に成功した。推力効率は16 mN/Wで、同サイズのイオン推進ロボットを1桁上回る。無音・固体構造で、長時間飛行や耐障害性も確認された。
ロボットのツールが物理的に到達可能な表面を、スパースLiDARのストリームからリアルタイムに推定する「Accessibility Field」が提案された。GPU上で動作し、事前のシーンモデルや固定ベースを必要としない。可視性推定では不十分なアクセシビリティ評価を、F1スコア90.8で達成した。
人間の動画からロボット操作に活用可能なアフォーダンスを抽出するフレームワークVLAffが提案された。大規模データセットEgoAffordance(204Kエピソード、5.6Mの視覚アフォーダンス、11.6Mの把持・軌道アフォーダンス)を構築し、視覚・把持・軌道の各アフォーダンスを統合的に予測する。実ロボットへのゼロショット操作やアフォーダンス誘導学習への応用が示された。