フィジカルAIニュース(2026/8/13号)

2026年8月13日 19:42

更新日：2026/8/13

エグゼクティブサマリー
2026/8/12は、World-Action Model（WAM）とVision-Language-Action（VLA）の競争が、精度だけでなく実機レイテンシ、計算量、安全性、現場適応へ広がりました。Flex-πは双腕実機評価で60msの推論と高い未知条件性能を示し、AECNavは四脚実機、Risk-Aware Plannerはローバーで成果を提示しました。さらにSurgical WAM、XCoT-VLA、JEPA-WAM、Gated VLA-Cacheがデータ効率・長期推論・推論コストの改善を提案し、SUPCONとCertisは警備現場への運用統合を打ち出しました。

Gemini 3 - Nano Banana 2 にて作成した、記事の全体像インフォグラフィック画像

ChatGPT Images 2.0 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 Flex-π：速度と未来予測を切り替えられる60億パラメータWAM

📎 出典：arXiv:2608.10860 / プロジェクトページ
ワシントン大学とAllen Institute for AIの研究チームが、RGB、3D pointmap、DINOv3の意味特徴、行動を共通潜在空間で同時に扱う60億パラメータのWAM「Flex-π」を発表しました。双腕YAM実機の既知5タスクではfull-joint平均83.0%、action-only平均76.4%、未知3条件では76.1%／70.8%を記録し、action-onlyのポリシー呼び出しはRTX 5090上で60msでした。さらに、8工程の自己修理を20試行中11回完遂し、最良ベースラインの1回を上回りました。1つの重みから56通りの入出力構成を選べるため、配備時に速度と予測情報量を切り替えられる点が重要ですが、第三者追試は未確認です。

2️⃣ AECNav：四脚実機で成功率95%のオープン語彙物体探索

📎 出典：arXiv:2608.10817
研究チームは、未知環境で任意の名称の物体を探すゼロショット・オープン語彙ナビゲーションを、証拠に基づく意思決定問題として再設計した「AECNav」を発表しました。共有エンコーダによる知覚ゲート、検出結果を統合するlog-odds信念、情報利得と移動コストで探索先を選ぶ機構を組み合わせ、HM3D-v2で成功率84.7%、HM3D-OVONで57.3%、MP3Dで51.3%を記録しました。実機四脚ロボットでは約5Hzで40試行中95%成功し、HM3D-v2の先頭100エピソードにおける平均実行時間も24.39秒でした。タスク固有学習不要で実機結果がある点は強い一方、コード公開は採択後予定で、再現性検証はこれからです。

3️⃣ Deployment Is Not Destiny：配備後のロボットへ未知機能を現場追加

📎 出典：arXiv:2608.11063 / プロジェクトページ
テキサス大学オースティン校の研究チームは、配備済みロボットへ未知のソフトウェア、センサー、外部計算資源を実行中に追加するruntime recomposition frameworkを発表しました。新しい機能はホストだけでなく分散ピアにも共有され、開発者の介入なしで従来の数時間規模から数分規模へ再構成時間を短縮します。運用中の原子炉施設で放射線源を探索するSpotと、暗所・狭所で人を探すPanther／Turtlebotの2実証により、遠隔GPUや熱画像機能の追加を示しました。現場適応の価値は大きい一方、通信断、権限管理、悪意あるpayload、再構成失敗率の定量評価は今後の課題です。

4️⃣ Risk-Aware Motion Planning：CVaRで計画軌道リスクを約97%削減

📎 出典：arXiv:2608.11175
ジョージア工科大学の研究チームが、AO-RRTとSequential Convex Programmingを組み合わせ、不確実性をConditional Value-at-Riskで扱うkinodynamic motion plannerを発表しました。学習した地形ダイナミクスの不確実性をconformal predictionで見積もり、動力学的に実行可能な初期軌道を生成してから滑らかに最適化します。シミュレーションと、ZED 2i・Jetson AGX Orinを搭載したLeo roverの粒状地形実験で、risk-aware AO-RRTは同等の制御コストを保ちながら初期軌道リスクを約97%削減しました。惑星探査だけでなく不整地UGVやAMRにも応用可能ですが、長時間運用時の故障・停止統計は未提示です。

5️⃣ Surgical WAM：行動ラベルなしの手術動画から閉ループ制御を学習

📎 出典：arXiv:2608.11204
研究チームは、Cosmos Policyを基盤に、action labelのない内視鏡動画で視覚ダイナミクスを事前学習し、少量のロボット行動データで制御へ適応する「Surgical WAM」を発表しました。未来の内視鏡映像とaction chunkを同時生成し、その短いprefixだけを実行して再観測するreceding-horizon型の閉ループ制御を採用します。 SurRoLの4つのシミュレーション手術タスクでは平均成功率が63.5%から77.8%へ向上し、PegTransferは66%から86%へ改善しました。実機由来JIGSAWS動画でも事前学習の傾向は確認されましたが、成功率の主要評価はシミュレーションであり、臨床安全性や組織損傷は未検証です。

6️⃣ XCoT-VLA：自動運転の言語推論を2〜6個の実行tokenに置換

📎 出典：arXiv:2608.10976
XPengのFoundation Model Teamが、自動運転VLAの長い自然言語Chain-of-Thoughtを、2〜6個の実行指向tokenに置き換える「XCoT-VLA」を発表しました。一般分布セットでは6秒先の縦方向ADEを1.6452mから1.3233mへ、車線変更セットでは横方向FDEを1.6160mから0.6484mへ改善しました。 H100上の推論インターフェースは推定最大66.3msで12Hzの83.3ms予算内ですが、この試算は知覚前処理や後処理を含みません。評価はログデータによるopen-loop軌道予測であり、実車closed-loopの衝突率、介入率、交通規則違反は今後の検証項目です。

7️⃣ JEPA-WAM：次のタスク段階を予測して長期操作を効率化

📎 出典：arXiv:2608.10780
JEPA-WAMは、短期の映像・行動未来に加え、タスクが次に到達すべき「段階」の潜在表現をStage-JEPAで予測し、WAMの行動生成を誘導する手法です。RoboTwin 2.0の50タスク、clean／randomized計1万エピソード相当の評価でoverall success 90.25%を達成し、成功rolloutの平均実行stepを最強baseline比5.97%削減しました。付録のLIFT2双腕実機2タスクではtask-progress score平均48.0で、π0.5の41.5を上回りました。ただし実機は各タスク20試行、タスク別モデル、成功率ではなく進捗点による評価であり、汎用性の結論には追加検証が必要です。

8️⃣ Gated VLA-Cache：不確実な瞬間だけ再計算してVLを高速化

📎 出典：arXiv:2608.10824 / プロジェクトページ
東京大学の研究チームが、VLAのKV cache再利用をモデル自身の確信度で制御する学習不要の「Gated VLA-Cache」を発表し、IROS 2026採択を公表しました。top-1とtop-2のaction-token確率差が閾値を下回るとcacheを破棄してfull recomputeします。 OpenVLAのLIBERO-Longでは、通常推論54.0%・1.88 TFLOPs、VLA-Cache 50.2%・1.43 TFLOPsに対し、54.8%・1.54 TFLOPsを記録しました。計算削減と長期タスク精度の両立を示しますが、評価はLIBEROとA100上に限られ、実機周期や電力消費は未確認です。

9️⃣ SUPCON × Certis：警備・対人サービス環境でロボット運用統合へ

📎 出典：共同通信PRワイヤー / PR Newswire
中国の産業自動化企業SUPCONとシンガポールの警備サービス企業Certisは、警備・対人サービス環境でロボットの検証、導入、運用統合を進める戦略協力協定を発表しました。対象は巡回、来訪者・職員案内、異常通知、現場支援、遠隔協働、施設管理で、Certisが運用要件とfield data、SUPCONがロボット機能・統合・scenario adaptationを担当します。 pilot deployment、field evaluation、product optimisation、共同solution開発の順で反復可能な運用モデルを目指します。ただし台数、機種、開始日、KPI、安全停止率は未公表であり、現段階は導入計画の確認にとどまります。

総合考察

2026/8/12のトピックから見えた特長は、フィジカルAIの競争軸が「単一ベンチマークの成功率」から「配備時に選べる計算量、未知環境での証拠統合、リスクを目的関数へ組み込む安全設計、現場で機能を追加できる運用性」へ移っている点でした。Flex-πとGated VLA-Cacheは計算予算を動的に扱い、AECNavとruntime recompositionは現場での適応性を押し上げ、Risk-Aware Plannerはtail riskを制御系の中心に置きました。一方、Surgical WAMとXCoT-VLAの主要数値はシミュレーションまたはopen-loop評価で、SUPCONとCertisの協業にも台数やKPIがありません。今後の勝敗は、モデル性能だけでなく、第三者再現、実機長時間統計、フェイルセーフ、サイバーセキュリティ、導入コストを同じ評価表で示せるかに左右されます。

今後注目ポイント

Flex-πはYAM以外のロボット形態でも60ms級の推論と未知条件性能を再現できるか、消費電力や連続稼働時の失敗率を含む第三者評価が注目されます。
AECNavとJEPA-WAMは実機評価をさらに拡大し、対象物の種類、照明変化、動的障害物、別施設への移設後も性能を維持できるかが重要です。
Surgical WAMは実機dVRKによる閉ループ操作へ進み、力制御、組織損傷、緊急停止、専門医介入を含む安全指標を示せるかが焦点です。
XCoT-VLAは実車closed-loop試験で、ルート完遂率、衝突、規則違反、乗り心地、遠隔介入率を検証する必要があります。
runtime recompositionとSUPCON・Certisの協業では、payload署名、権限分離、通信断時の退避動作、導入台数、警報精度、稼働率などの運用KPIが注目されます。