フィジカルAIニュース(2026/4/24号)

更新日：2026/4/24

エグゼクティブサマリー
2026/4/23のフィジカルAI領域では、ヒューマノイド量産、競技スポーツでのAIロボット勝利、家庭用ロボット制御、軽量VLA、非専門家向けスキル調整、製造現場の自律エネルギー制御、産学連携OS開発が進展した。Tesla、Sony AI、Figure AI、富士通、日立などの動きから、フィジカルAIは研究実証段階を超え、量産・現場適用・社会実装を競う局面へ移行している。

※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 Tesla AI5チップ＋Optimus専用工場：ヒューマノイドの量産化宣言

📎 出典：Tesla isn't joking about building Optimus at an industrial scale
TeslaはQ1 2026レポートおよび決算説明会で、ヒューマノイド「Optimus」専用推論プロセッサ「AI5」のテープアウト完了と、テキサス州Gigafactory Northキャンパスへの520万平方フィート以上の専用工場建設（投資額50〜100億ドル）を発表。長期目標は年産1,000万台。AIトレーニングクラスター「Cortex」がGiga Texasに隣接することで、学習→推論（AI5）→実機（Optimus）の垂直統合によるコスト競争力を確保する構造を実現する。

2️⃣ Sony AI 卓球ロボット「Ace」が世界トップ選手に勝利：競技スポーツ初の人間超え

📎 出典：Ping-pong robot Ace makes history by beating top-level human players | Reuters
Sony AIの卓球ロボット「Ace」が、世界のエリートレベル・プロレベルの卓球選手と対戦し勝利を収め、競技スポーツにおいてAIロボットが初めてエキスパートレベルに到達したとしてNature誌に掲載された。9台の同期カメラと3つの視覚システム、8関節の専用ロボットプラットフォームを組み合わせ、人間を超えたボールのスピン認識能力とリアルタイム制御を実現。製造業・サービスロボティクス・安全領域など、高速かつ精密な実世界インタラクションが求められる分野への応用可能性も示唆されている。

3️⃣ Figure 03 / Helix 02：階層型統一神経網が「家庭用ロボット」の制御標準を提示

📎 出典：The Domestic Robotics Revolution: Figure AI Unveils Figure 03
Figure AIが公開した「Helix 02」統一神経網は、1kHz低レベル制御（System 0）・200Hz反応ポリシー（System 1）・70億パラメータVLAモデル（System 2）による3層構造でシームレス統合。4分間の無編集デモで「食器洗い機からの食器取り出し」という移動＋把持の複合タスクを実演し、「ロコ・マニピュレーション」の実用水準到達を示した。従来のVLAモデルが抱えていた「遅延ギャップ」を解消した点が専門家から高く評価されている。

4️⃣ PokeVLA：小型視覚-言語-行動モデルがロボット操作を高度化

📎 出典：arXiv:2604.20834 PokéVLA: Empowering Pocket-Sized Vision-Language-Action Model
2.4Mサンプルで事前学習した軽量VLAモデル「PokeVLA」がLIBERO-Plusベンチマークでstate-of-the-art性能を達成し、同等規模の既存手法を成功率・堅牢性で上回った。空間的グラウンディング・アフォーダンス・身体化推論を含むマルチモーダルデータで事前学習後、マルチビュー意味論・幾何アライメント・アクションエキスパートを組み合わせた2段階訓練が特徴。大規模モデルに依存しない「ポケットサイズ知性」として、コード・モデル重みはオープンソース公開予定。

5️⃣ MOMO：音声・触覚・GUIでロボットスキルを誰でも調整できるフレームワーク

📎 出典：arXiv:2604.20468 MOMO: A framework for seamless physical, verbal, and graphical robot skill learning
キネステティック（物理タッチ）・自然言語・グラフィカルUIの3モダリティでロボット動作を調整可能とするフレームワーク「MOMO」。ツール型LLMとKMP・確率的仮想フィクスチャ・エルゴード制御を組み合わせ、7自由度トルク制御ロボット上でAutomatica 2025展示会にて音声指示による表面研磨タスクを実演し産業適用性を実証。非専門家でもロボットスキルを容易に変更できる点が特長で、産業ロボットの柔軟な現場適応を大幅に促進する。

6️⃣ トヨタ東日本・日立 フィジカルAI EMS稼働：製造現場のエネルギー自律制御が本格化

📎 出典：フィジカルAIをエネルギーマネジメントに活用、トヨタ東日本が新EMS稼働
日立製のEMS「EMilia（エミリア）」がトヨタ自動車東日本の岩手工場で2026年4月より稼働開始。フィジカルAIが生産情報・気象情報・電力量実績などを学習して高精度な需要予測を行い、コージェネレーションシステムや蓄電池を自律制御することで再生可能エネルギーの活用を最大化する。試運転調整時にはインバランス率1%前後という極めて高い予測精度を達成しており、地域防災力強化（停電時の近隣への電力供給）も兼ね備えた取り組みとして注目される。

7️⃣ 富士通・CMU フィジカルAI共同研究センター設立：「Kozuchi Physical OS」開発加速

📎 出典：Fujitsu and Carnegie Mellon University launch joint center for Physical AI
富士通とカーネギーメロン大学（CMU）が「Fujitsu-Carnegie Mellon Physical AI Research Center」を設立。ロボティクス・機械学習・人間ロボットインタラクション・倫理など多分野のCMU教員と富士通の研究者が連携し、フィジカルAIのコア技術研究開発を推進する。富士通は同センターの成果を「Kozuchi Physical OS」へ2026年度より順次組み込み、脳知能と空間知能を統合したフィジカルAIプラットフォームの社会実装加速を目指す。

総合考察

2026/4/23のトピックに共通するのは、フィジカルAIの競争軸が「賢いモデル」単体から、専用チップ、制御階層、実機データ、現場運用、エネルギー管理まで含む統合システムへ移っている点にありました。TeslaはAI5とOptimus工場で量産インフラを押さえ、Sony AIは高速知覚と精密制御で人間超えを示した。Figure、PokéVLA、MOMOはロボットの実用制御と学習効率を高め、日立・富士通は産業・社会インフラへの展開を進める。今後は、モデル性能よりも「実世界で安く、速く、安全に動かせるか」が勝敗を分ける。

今後注目ポイント

• TeslaのOptimus量産構想は、AI5、Cortex、専用工場を結ぶ垂直統合が本当にロボットの製造原価を下げられるかが焦点になる。

• Sony AIの卓球ロボットは、スポーツ実績そのもの以上に、高速視覚認識とリアルタイム制御が製造、物流、安全監視へ転用される可能性が重要。

• FigureやPokéVLAの動きから、巨大モデル一辺倒ではなく、階層型制御や軽量モデルを組み合わせる実用派アーキテクチャが主流化しそうだ。

• MOMOのような音声、触覚、GUIによる調整技術は、ロボット導入後の現場改善を非専門家に開放し、SI依存を減らす鍵になる。

• トヨタ東日本と日立のEMS事例は、フィジカルAIがロボットだけでなく、工場エネルギーや地域防災まで制御対象を広げる兆候といえる。

• 富士通とCMUの共同研究は、フィジカルAIを個別ロボット技術ではなく、社会実装基盤としてOS化する流れを象徴している。