フィジカルAIニュース(2026/4/10号)

2026年4月10日 19:13

更新日：2026/4/10

エグゼクティブサマリー
2026/4/9のフィジカルAIは、TAMEnの触覚付き操作学習、AgiBot GO-2の推論行動統合、Genie Sim 3.0のSpatial World Model、Tesla FSDのMLIR刷新、SiMa.aiのメモリ中心型エッジ半導体、ファナックのデジタルツイン統合、RoboSenseのロボット向けLiDAR急伸、RoSHIの野外人体データ収集など、知能化の要素技術がソフトとハードの両面で前進した。共通テーマは、視覚偏重から接触や身体性を含む多モーダル化、失敗状態まで学ぶ閉ループ設計、Sim2Realを前提にした世界モデル、そして実装即応の計算資源最適化である。物理AIの競争軸が、モデル規模の大きさよりも、現場で安定して動く再現性と量産展開力へ移りつつあることを示した。

Gemini 3 - Nano Banana Pro にて作成した、記事の全体像インフォグラフィック画像

※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 TAMEn：触覚×閉ループデータ収集エンジンが操作AI精度を2倍以上に向上

📎 出典：arXiv:2604.07335
視覚のみで平均34%だったデュアルアーム操作の成功率が、触覚フィードバック導入で55%、大規模単腕触覚データによる事前学習で65%、失敗近傍のオンライン復旧データを10%追加することで75%と3段階で向上。ケーブル配線・食器洗いなど接触支配タスクを対象に、ウェアラブル型デュアルモード収集（高精度MoCap＋可搬VR）と実行可能性チェック込みの閉ループを実装。物理AIの性能向上には「モデル巨大化」よりも「多モーダル接触情報と失敗状態からの学習」が有効であることを定量的に証明した論文。

2️⃣ AgiBot「Genie Operator-2（GO-2）」— 推論と行動を統合したVLA基盤モデル公開

📎 出典：AGIBOT公式
中国・智元机器人（AgiBot）が、推論（計画）と行動実行の断絶「Semantic-Actuation Gap」を埋めるVLA基盤モデルGO-2を公開。Action Chain-of-Thought＋非同期二重系（低頻度の意味計画×高頻度の動作追従）を採用。LIBERO平均成功率98.5%、Genie Sim 3.0でのSim2Real実機テスト成功率82.9%を記録。訓練効率〜10×・成功率2〜4×・データ要求50%+削減を主張。CVPR/ACL 2026への採択も発表。

3️⃣ AgiBot「Genie Sim 3.0」— 自然言語で3D世界を生成するSpatial World Modelにアップグレード

📎 出典：AGIBOT公式／ GitHub
テキスト/画像入力からインタラクティブ3D環境を生成する「Spatial World Model」を前面に、シミュレーション→データ→評価→RL統合までを一体化した更新。200+タスク/100,000+シナリオ/10,000+時間合成データを整備、シミュレーションと実世界テストの乖離＜10%を掲げる。1000Hz物理シミュレーション（レンダリングと物理のデカップリング）でRLの massively parallel 実行に対応。

4️⃣ Tesla FSD v14.3 — MLIRコンパイラ全面刷新で反応速度20%向上

📎 出典：Tesla Oracle
テスラがFSD v14.3（ファームウェア2026.2.9.6）を配信開始。MLIRベースのAIコンパイラとランタイムをゼロから再構築し、反応速度20%向上とモデル反復速度の改善を実現。ニューラルネットのビジョンエンコーダーも強化し、複雑交差点の3D幾何理解・視認性の低い場面・交通標識の認識精度が向上。小動物回避や右側通行違反車両への対応などエッジケースのRL訓練も強化。コンパイラ最適化とモデル改善の組み合わせにより「自動運転の判断精度と安全性」を同時に底上げした更新。

5️⃣ SiMa.ai × Micron — メモリ中心型フィジカルAIへの戦略投資

📎 出典：PR Newswire
エッジAIチップのSiMa.aiがMicron Technologyから戦略的出資を獲得。MicronのLPDDR5XメモリをModalix MLSoCプラットフォームに統合し、高帯域幅と極低消費電力を両立させた物理AIチップの生産体制を強化。ロボット・自律走行車・産業オートメーション向けに、LLM/VLMの推論をエッジ上でクラウド非依存に完結させる「認識→推論→行動」の基盤を提供。SoM（System-on-Module）形式で即日提供開始しており、既存プラットフォームへのシームレスな組み込みが可能。

6️⃣ ファナック × NVIDIA — 産業ロボット200万台超にフィジカルAIを全面統合

📎 出典：National Today
産業ロボット大手のファナックがNVIDIAとの提携を深化。JetsonエッジモジュールとOmniverse/Isaac Simをロボットポートフォリオおよびシミュレーションソフト「ROBOGUIDE」に統合し、デジタルツインによる事前検証でコミッショニング時間とコストを削減。音声コマンドからPythonコードを自動生成し、ノンプログラミングでのロボット運用を実現。物理AIによって「仮想設計と実世界生産のギャップ」を埋め、労働力不足に悩む製造現場への適応型自動化の展開を加速する。

7️⃣ RoboSense Q1 2026実績 — ロボット向けLiDARが前年比1,458%増・自動車超え

📎 出典：PR Newswire
LiDAR大手ロボセンス（2498.HK）がQ1 2026の販売実績を発表。総330,300ユニット（前年比204.1%増）のうち、ロボット・その他セグメントが185,500ユニットで前年同期比1,458.8%増を達成。同社史上初めてロボット向けが自動車向けADAS（144,800ユニット）を上回った。自律芝刈り機・配送ロボット・ヒューマノイド・商業清掃ロボットの5分野でトップシェア。独自開発のSPAD-SoC/VCSELチップによるフルデジタルLiDARを量産し、自動車・ロボット双方の市場を牽引する。

8️⃣ RoSHI ：低コストIMU×SLAMで野外の人体データをヒューマノイド学習に接続

📎 出典：arXiv:2604.07331
低コストIMU群（9個・約350 USD）＋Meta製研究用ARヘッドセット「Project Aria」のSLAMを融合したウェアラブルシステム。実験室外の野外・日常環境で長時間・遮蔽耐性のある3D全身姿勢データを取得し、ヒューマノイドの行動学習に接続。IMU（遮蔽・高速動作に強い）とSLAM（長距離グローバル整合）の補完的融合により「可搬性・遮蔽耐性・大域整合」を同時達成。Unitree G1実機でのRL方策学習への適用も実証した論文。

総合考察

2026/4/9のトピックの特長は、フィジカルAIの性能が単独モデルの賢さではなく、接触情報、失敗復旧、世界生成、コンパイラ、メモリ、センサー、デジタルツインといった周辺スタックの統合度で決まり始めたところにある。TAMEnとRoSHIは「現実の身体データをいかに安く、長く、大量に取るか」を示し、GO-2とGenie Sim 3.0は「意味理解を実行可能な行動へどう落とすか」を示す。一方、Tesla、SiMa.ai、ファナック、RoboSenseは「その知能を低遅延で安全に量産展開できるか」を競っている。つまり競争は研究精度の比較から、データ収集、学習、評価、推論、実装、供給網までを閉じた産業システムの構築へ移行しつつあり、次の勝者は全工程を束ねる企業群になる可能性が高い。

今後注目ポイント

触覚や失敗近傍データの価値がTAMEnで定量化されたことで、今後は視覚データ量の競争よりも、接触ログや復旧軌跡をどう標準化し、実機で継続収集できるかが操作AIの本当の差になる。
GO-2型の非同期二層制御が広がると、VLAの評価軸はベンチマーク成功率だけでなく、計画更新周期と動作追従周期を分けて設計できるかという制御アーキテクチャ競争へ移る。
Genie Sim 3.0やファナックの流れを見ると、今後の勝負所は「どれだけリアルなシミュレータか」より、「実機差分をどれだけ短周期で吸収し続けられるか」という運用型Sim2Realに移る可能性が高い。
TeslaやSiMa.aiの動きは、物理AIではアルゴリズム改善だけでは不十分で、コンパイラ、メモリ帯域、消費電力を含む計算基盤の最適化が安全性と応答性を直接左右することを示している。
RoboSenseの販売構成変化は、センサー市場の主戦場がADAS単独からロボットへ広がった兆候であり、今後は清掃、配送、芝刈り、ヒューマノイド向けに量産できる知覚部品の争奪が加速しそうだ。
RoSHIのような低コストウェアラブルが普及すると、ヒューマノイド学習は研究室内の高価な計測依存から離れ、日常環境の長時間行動データを取り込むフェーズへ進み、行動多様性が大きく広がる。