フィジカルAIニュース(2026/9/10号)
更新日：2026/9/10
エグゼクティブサマリー
2026/9/9は、フィジカルAIの進化が「大規模データ」「高速制御」「人間介入学習」「役割分担」「産業実装」の複数方向で同時に進んでいることが示されていました。GE-Act 2.0は学習データを3万時間へ拡大し、未知環境での実機成功率を大きく改善しました。CR-VLA-ForceはVLAと500Hzの低レベル制御を分離し、接触操作の成功率を高めています。WHIRLは人間の介入を将来の危険状態を避ける学習信号として活用し、GloVLAは移動と接触操作の分業で性能と推論効率を両立しています。産業面でもFANUC Americaとの連携、大型資金調達、車載エッジAIの協業が進み、研究競争から実装基盤を巡る競争へ移行しつつあります。一方、成功率や安全性、商用化時期は個別に検証する必要があります。
※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 GE-Act 2.0：3万時間分の学習データで世界行動モデルの実機性能が向上
📎 出典：arXiv:2609.05588 / 公式プロジェクトページ
AgiBotの世界行動モデル「GE-Act 2.0」は、既存の動画生成モデルを流用せず、制御指向オートエンコーダ、単一ステップ視覚プランナー、逆動力学モデルをすべて操作データから一から事前学習し、KASOで共同学習します。共同学習データを300時間から3万時間へ拡大すると、実機成功率はG1-OPで17.1%から44.1%、G2-90Dで13.4%から31.1%に向上し、技能群別でも19/20、18/20で改善しました。評価は未知の場面・背景・照明・物体を含む100タスク・20技能群で、タスク別の追加学習は行っていません。データ拡大による汎化性能の向上を示す一方、数値は著者報告であり、平均成功率は両機種とも50%未満です。
2️⃣ CR-VLA-Force：VLAと500 Hz制御を組み合わせ、接触操作を改善
📎 出典：arXiv:2609.05832 / 論文全文
「CR-VLA-Force」は、接触時の力加減を制御する「CC-VLA」を提案しています。視覚・言語・行動を統合するVLAの推論と、接触に応じて柔らかさを変える制御器を分離し、UR5eでVLAを1 Hz、力系列のサンプリングを10 Hz、低レベル制御を500 Hzで動かします。著者らによるボタン押しや窓開けなどの6評価条件では平均成功率89.2%となり、ForceVLAの73.2%を上回りました。AI推論の更新を待たずに物理的な応答を調整する設計が特徴です。RA-L採択済みと記載されていますが、結果は限定された接触操作の評価です。
3️⃣ WHIRL：人間の介入を将来のリスク回避に生かす実機強化学習
📎 出典：arXiv:2609.06009 / 公式プロジェクトページ
「WHIRL」は、人間がロボットの操作に介入した事実を、人間が避けたい状況を学ぶ信号として利用します。世界モデルに介入確率を予測する機能を加え、操作の引き継ぎが必要になりそうな状態へ進まないよう行動方針を調整します。16自由度のLEAP Handを使った実機強化学習では、複雑な把持課題で成功率96.7%、操作ステップで重み付けした介入負担で最大84%の削減を報告しています。単なる操作の修正ではなく、人間の判断を予防的な学習へ変える点が特徴です。CoRL 2026採択済みと記載されていますが、無事故や完全自律を保証するものではありません。
4️⃣ GloVLA：移動と接触操作の分業で、実機成功率90.0%を報告
📎 出典：arXiv:2609.06256 / 公式プロジェクトページ
「GloVLA」は、ロボットの全動作をVLAに任せず、手先の長距離移動を幾何学的な制御器、把持や配置などの接触局面を局所的なVLAに分担させる方式です。著者らは実機UR10eで、全軌道をVLAが生成する比較方式に対し、成功率を35.6%から90.0%へ高め、平均推論時間を半分未満にしたと報告しています。追加の実演データを必要とせず、複数の基盤モデルに適用できる点も特徴です。移動と接触操作を分業させることで、性能と計算負荷の両立を狙います。論文はRA-Lへの投稿段階と記載されており、採択報告ではありません。
5️⃣ Palladyne AI × FANUC America：産業ロボットへの適応型AI統合で提携
📎 出典：Palladyne AI公式発表／Business Wire
Palladyne AIとFANUC Americaは、産業ロボットとフィジカルAIソフトウェア「Palladyne IQ」を組み合わせる戦略提携を発表しました。FANUCのロボット基盤への最適化に加え、AIによる動作計画、環境変化への適応、遠隔操作、人間の支援を受けた学習を共同で進めます。製造・倉庫・物流分野の顧客用途を検証し、システムインテグレーター向けに導入手順を標準化する方針です。既存の産業用ロボットを、柔軟に再設定できるシステムへ発展させる取り組みです。ただし、統合製品の提供開始や成功率、推論遅延、安全停止性能の達成を発表したものではありません。
6️⃣ PHYMI：IDG Capital主導で1億ドル近いシード調達と報道
📎 出典：ChinaVenture／36Kr / DealStreetAsia
9月9日のChinaVenture／36KrとDealStreetAsiaの報道によると、具身AIスタートアップ「PHYMI」が1億ドル近いシード資金調達を完了しました。IDG Capitalが主導し、DiDiやHesaiなどが参加しています。創業者は自動運転企業DeepRoute.ai出身の劉念邱氏で、ロボットの認知と移動・操作を結び付ける事業を目指します。資金は中核技術の研究開発、実世界のデータ基盤、製品の開発・導入、人材拡充に充てる方針です。自動運転の知見がロボティクスへ移る動きとして注目されます。ただし、大型調達の成立と、汎用ロボットの性能や収益性が実証されたことは区別する必要があります。
7️⃣ ミックウェア × MulticoreWare：車載・エッジのフィジカルAIで協業検討
📎 出典：ミックウェア公式発表／PR TIMES
ミックウェアは9月9日、MulticoreWareと、先進運転支援システム（ADAS）の性能最適化やエッジ環境でのフィジカルAIについて、協業の可能性を検討する基本合意書を締結したと発表しました。ミックウェアの車載ソフトウェア・顧客基盤と、MulticoreWareの半導体構成に合わせた最適化技術を組み合わせることを検討します。車載の電子制御ユニット上でVLAや大規模言語モデルを実行し、電力効率とリアルタイム性の両立を目指します。対象には車内のユーザー体験やセンサー融合も含まれます。今回は協業検討の合意であり、具体的な遅延短縮率や、安全停止性能の保証が示されたわけではありません。
総合考察
2026/9/9のトピックから見えた特長は、フィジカルAIの性能向上が単純なモデル大型化だけではなく、「どこをAIに任せ、どこを従来制御や人間の判断で補完するか」というシステム設計の競争へ移っている点でした。GE-Act 2.0は実世界データの規模が汎化性能を左右することを示す一方、CR-VLA-ForceやGloVLAは高速制御や幾何学制御との分業によってVLAの弱点を補っています。WHIRLは人間介入そのものを学習資産へ変換しており、安全性と学習効率を結び付ける方向性として重要です。さらにFANUC、PHYMI、車載エッジ領域の動きから、今後はアルゴリズム単体ではなく、データ収集、制御スタック、計算基盤、導入支援まで含めた総合力が競争優位を決める可能性が高まっています。
今後注目ポイント
GE-Act 2.0が示した「実世界データ量と汎化性能の相関」が他方式でも再現されるかが重要です。今後はモデル規模以上に、高品質な実機データを低コストで継続取得できる企業の優位性が高まる可能性があります。
CR-VLA-ForceやGloVLAに共通するのは、VLAへ全制御を委ねない設計です。今後の実用ロボットでは、AIと従来制御を階層化し、用途別に最適な周期で動かすハイブリッド構成が標準化する可能性があります。
WHIRLのように人間介入を失敗修正ではなく「避けるべき状態」の教師データとして利用できれば、遠隔操作員の役割は操作者から学習監督者へ変化し、実機強化学習の運用コストを左右する要素になります。
FANUC Americaとの連携で注目すべきなのはAI性能そのものより、既存工場へ再現可能な形で導入できるかです。システムインテグレーター向け手順、安全認証、保守体系まで標準化できる企業が普及局面を主導すると考えられます。
PHYMIの大型調達や車載エッジAIの協業は、フィジカルAI市場がロボット単体から自動運転、半導体、エッジ計算へ広がっていることを示します。今後は人材、実世界データ、推論基盤を巡る産業横断的な獲得競争にも注目です。
