本記事は Physical AI レーダー のアーカイブをもとにまとめたものです。レーダーは 2026-09-19 から毎日配信されており、9 月 28 日までに計 67 件を収録しています（一次情報である公式発表 [O] 24 件、論文プレプリント [R] 24 件、メディアによる二次情報 [M] 19 件）。本記事では 8 つのテーマからそれぞれ最大 2 件、実質的な内容のある項目を選び、1 件ずつ原文に戻って数字を確認しました。9 月にもっとも明確だったシグナルは 2 つあります。VLA の評価が「初期状態からの成功率」という単一の指標から踏み出し始めたこと、そして推論レイテンシが論文で正式に報告される指標になったことです。
読み方
- 証拠タグ：[O] はベンダーや機関自身のブログ・ドキュメント、[R] は論文プレプリントで、数字はいずれも著者の自己申告であり、多くは査読を経ていません。[M] はメディア報道で、引用する前に一次情報を探す必要があります。
- テーマ分類は、レーダー自体の分類結果をそのまま使っています。レーダーはキーワードの照合で分類しているため、誤分類が起こります。例えば、GeForce NOW でのゲーム配信開始に関するブログが「学習」と「シミュレーション」のテーマに分類されていました。こうした項目や、身体性AI と関係のない LLM 評価の記事は、本記事から除外しています。
- 日付：9 月になってレーダーに収録されたものの、論文自体はそれより前に公開されていた項目がいくつかあり、本文で元の日付を記しています。
モデルと学習
基盤モデル（VLA / WAM）
GeoAAC：デノイズ軌道の幾何形状に応じて action chunk の長さを適応的に決める（[R]、2026-09-17）。著者らは、flow matching のデノイズ軌道が行動のプレフィックスごとに示す幾何学的な変化が、予測の不確実性と正の相関をもつことを見いだしました。そこでこれを使い、1 回の生成の中で今回実行するアクションチャンクの長さを決めます。追加の学習は不要です。GR00T N1.5 と π0.5 で、シミュレーションでは最大 8.7 ポイント向上し、実機の平均成功率は 53.3% から 74.4% に上がりました。固定の chunk 長は、現在の VLA のデプロイでほとんど誰も手を付けないデフォルトのハイパーパラメータです。この研究は、それをタスクの段階に応じて調整でき、追加コストも小さいことを示しています。
Telexistence が AWS 上で DreamZero を試験（[O]、AWS Physical AI Blog、2026-09-09）。Telexistence はすでにコンビニエンスストアに 300 台以上のロボットを導入しています。今回は NVIDIA の 14B パラメータの世界行動モデル DreamZero を使い、自社の既存の VLA を上回れるかを確かめる概念実証を行いました。記事は差をはっきり書いています。シミュレーションで最も良かったモデルの成功率は 45% でした。Telexistence の実機データでファインチューニングしてからシミュレーションで評価すると、成功率は 0% に落ちました。著者らはその原因を、実機とシミュレーションの間での関節の分布と状態のスケールの違いに帰しています。DiT のキャッシュやデノイズのステップ数を 16 から 4 に減らすといった最適化を経て、B200 での 1 ステップあたりの時間は約 583 ms となり、著者らはリアルタイム制御に必要な範囲に近づいたとしています。位置付けは PoC でありデプロイではありませんが、大規模な世界モデルの商用シーンでの弱点をはっきり書いた一次資料は多くありません。
学習と自己改善
高自由度の多指ハンド向け VLA ポストトレーニング（[R]、2026-09-17）。手順は 4 段階です。まず時系列の手の動作 codec を学習し、オープンソースの VLA が多指ハンドの絶対指令を出力できるようにします。続いて SFT、DAgger、実機での residual RL を順に行います。両手での受け渡し、手内での向き変え、道具の使用など 5 つの実機タスクで、各タスク 20 回ずつ試行し、すべて 100% 成功しました。価値は、完全で再利用可能なポストトレーニングのレシピを示した点にあります。ただし、各タスクの試行は 20 回だけで、結果は「報告されたポストトレーニング予算の範囲内」に限定されています。
不確実性ゲート付き探索ノイズでオンライン RL ファインチューニング時の task collapse を抑える（[R]、2026-09-23）。オンライン RL でファインチューニングすると、全体の平均スコアは正常に見えても、個別のタスクの能力がすでに壊れていることがあります。著者らはこの現象を task collapse と呼んでいます。実験では 450M パラメータの SmolVLA を使い、LIBERO-10 上で PPO を実行しました。固定ノイズでは 3 つの seed のうち 2 つで崩壊が起き、学習型ノイズでは測定したすべての seed で崩壊しましたが、ゲート付きコントローラーでは 1 つも崩壊しませんでした。ただし著者らは、この計算予算の範囲では、どの設定も行動クローニングのベースラインを上回らなかったとも明記しています。
データと評価
データエンジン
MATE：マルチエージェント仮想遠隔操作プラットフォーム（[R]、2026-09-22）。離れた場所にいる複数のオペレーターが、同じ物理シミュレーション環境で全身ヒューマノイドを同時に遠隔操作できます。これにより、24.1 時間、2,500 の共同 episode からなり、5 つの長期的な協調タスク（受け渡し、リレー配送、共同運搬など）をカバーするデータセットを構築しました。著者らは、実機でのファインチューニングなしで、方策を実物のヒューマノイド 1 台にゼロショット転移できたと報告しています。複数ロボットの協調データを集めるのに、必ずしも実機を何台も買う必要はないことを示す結果ですが、アブストラクトには実機での成功率が示されていません。
Skild AI S1：1 本の動画から新しいタスクを学ぶ（[O]、NVIDIA Blog、2026-09-10）。S1 はデモ動画 1 本をプロンプトとして扱い、重みを更新せずに in-context で最長 10 分の新しい長期タスクを実行します。記事によれば、新しい多段階タスクでの各ステップの成功率は S1 が約 66% で、類似システムは 9% にとどまります。また、短い動画 1 本は人手によるデモ約 380 本に相当し、それだけのデモを集めるには 50–100 時間かかるとしています。これらの数字は NVIDIA のブログが Skild の自己申告の結果を伝えたもので、評価プロトコルは公開されていない点に注意してください。
シミュレーションと評価
RoboRecover：実行が逸脱した後の回復能力のベンチマーク（[R]、2026-09-24）。実行軌道から逸脱した状態を切り出し、行動のプレフィックスを再生してシーンを再構築したうえで、方策に元のタスクの続きを実行させます。ベンチマークは計 2,000 シーンで、RoboTwin と LIBERO がそれぞれ 1,000 シーンです。結果を見ると、LIBERO では UnifoLM の初期状態成功率が 98.83% なのに対し、回復成功率は 48.00% にとどまりました。π0.5 は初期状態成功率がやや低い（94.17%）ものの、回復成功率は最も高くなりました（64.40%）。つまり、初期状態成功率が高くても、ずれが生じたときに立て直せるとは限りません。
Beyond Binary Success：サンプル効率が高く統計的に厳密な方策比較（[R]、TRI ほか、論文の公開は 2026-03、レーダーへの収録は 9 月）。手法は safe anytime-valid inference にもとづく逐次検定で、証拠が十分になった時点で評価を早期に打ち切ることができ、二値の成功/失敗の指標に限定されません。標準的なバッチ手法と比べて評価量を最大 70%、二値結果向けの逐次手法と比べて最大 50% 削減します。著者らはまた、二値の成功率よりも細かいタスク進捗指標を使うほうが、2 つの方策の優劣を早く区別できることを見いだしました。
デプロイ：エッジとシステム
エッジとリアルタイム性
PASSAGE：雑然とした環境でのヒューマノイドの知覚にもとづく通行（[R]、2026-09-16）。著者らは VR と慣性式モーションキャプチャを使い、1,500 の雑然としたシーンで 100 時間分の人間の動作を収集しました。flow matching planner は 6.25 Hz で計画し、全身 tracker は 50 Hz で制御し、すべて Jetson AGX Orin 上で動作します。3 つの seed で、学習データを 6 時間から 100 時間に増やすと、ホールドアウトしたシーンでの衝突なし成功率は 48.1% から 68.9% に上がり、シーン拡張を加えると 70.3% に達しました。実機では、未見の 50 のレイアウトでテストしています。データのスケーリングとオンデバイスのリアルタイム性が同時に成り立つ例です。
rMuscle：実行間の類似性を利用した VLA 推論キャッシュ（[R]、2026-09-16）。工場の作業セルでは、ロボットが同じ種類のタスクを繰り返し実行するため、観測、行動軌道、さらにはモデルの内部状態まで非常によく似ています。rMuscle は Context Cache で視覚トークンの出力を再利用し、Action Cache でニューロンの活性化パターンを再利用することで、RTX 4090 と Jetson Thor で 1.29–1.42 倍の高速化を実現しました。実機の成功率は低下していません。高速化の幅は大きくありませんが、モデルを変更する必要がないため、繰り返し作業を行う作業セルのデフォルトの最適化手段に向いています。
システムとオーケストレーション
Isaac ROS 5.0（[O]、NVIDIA Blog、2026-09-22）。このバージョンは ROS Lyrical と Ubuntu 24.04 に対応し、AI agent 向けのドキュメントと Isaac skills（FoundationStereo のファインチューニング、ピックアンドプレースのフローなど）を提供します。公式発表では FoundationPose の物体追跡が最大 5.5 倍高速になり、対象ハードウェアは Jetson Orin Nano から Jetson Thor までです。NVIDIA が「コーディング agent にロボットのソフトウェアスタックを操作させる」ことを正式な機能として扱っている点は、個々の性能数字よりも注目に値します。
Qualcomm が PickNik の買収を発表（[O] + [M]、2026-09-23）。PickNik の公式サイトは、買収が ROSCon Toronto で発表されたことを確認しています。Qualcomm の発表ページは本文が動的に読み込まれるため、本記事では内容を取得できませんでした。以下の詳細は The Robot Report の報道（[M]）によるものです。取引はまだ完了しておらず、金額は非公表です。Qualcomm は、MoveIt 1 と 2 について現行のライセンスとコミュニティのロードマップを継続するとしており、同時に商用版の MoveIt Pro を Dragonwing プラットフォームと Arduino VENTUNO Q に統合します。MoveIt に依存するチームは、短期的にはライセンスを心配する必要はありません。注目すべきは、ロードマップが特定のチッププラットフォームに偏っていくかどうかです。
安全性と機体
安全性、権限、コンプライアンス
NVIDIA Halos：階層型の安全アーキテクチャ（[O]、NVIDIA Blog、2026-09-21）。ロボット側の構成要素には、Functional Safety Island を備えた IGX Thor、Halos Core for IGX、Holoscan Sensor Bridge、オープンソースの Halos Outside-In Safety Blueprint が含まれます。記事で引用されている産業規格は IEC 61508 と ISO 13849 です。現状は区別して捉える必要があります。自動車側の DriveOS 6.0 はすでに TÜV SÜD から ISO 26262 ASIL D の認証を取得していますが、ロボット側の IGX Thor、Halos OS、Holoscan はまだ TÜV Rheinland による機能安全の準備状況評価の段階にあり、認証は取得していません。アーカイブされた日次ピックアップの中で、「安全性、権限、コンプライアンス」テーマの項目はこれが唯一です。
機体とサプライチェーン
DAWN：世界モデルで深度ノイズを除去する四脚パルクール（[R]、IROS 2026 採択）。学習時にはノイズを含む深度画像をエンコーダーに入力し、同時にきれいな深度を再構成の目標とし、さらに対照学習で両者の潜在状態を揃えます。これにより、デプロイ時にフィルターのパラメータを手作業で調整する必要がなく、推論コストも増えません。Unitree Go1 で生の深度をそのまま使い、ゼロショットでパルクールを達成しました（18 cm の階段、70 cm のギャップ、45 cm の段差）。これまでの視覚ベースの歩行の研究はフィルターのパラメータを公開していないことが多く、この研究は再現性の面でも前進です。このテーマの残りの項目は、メディア報道しかなく一次情報が見つからないもの（ベンダーの新製品、形態の探索、2030 年に向けたヒューマノイドの実証計画など）か、誤ってここに分類されたロボット以外の記事で、いずれも本記事では取り上げていません。
制約と注意点
- アーカイブがカバーするのは約 10 日間だけで、「1 か月の全体像」とは言えません。レーダーは 1 日あたりの選定数に上限があるため、そこから漏れた重要な研究はここには現れません。
- [R] 項目の数字はすべて著者の自己申告で、ほとんどは LIBERO や RoboTwin などのシミュレーションベンチマークのみによるものです。実機部分のサンプル数は通常ごく少数です（例えば各タスク 20 回）。
- [O] 項目にも、ベンダーが提携先のデータを伝えているケースがあり（Skild AI S1 など）、性質としては自己申告に近く、独立した評価ではありません。
- メディア報道しかなく一次情報が見つからない項目は、本記事では取り上げていません。唯一の例外は Qualcomm による PickNik の買収で、メディアを引用した部分はその旨を明記しています。
リンク
- Physical AI レーダー
- GeoAAC（arXiv 2609.20776）
- Telexistence の DreamZero 実験（AWS）
- 高自由度 VLA ポストトレーニング（arXiv 2609.19666）
- 不確実性ゲート付き探索ノイズ（arXiv 2609.28838）
- MATE（arXiv 2609.26520）
- Skild AI S1（NVIDIA Blog）
- RoboRecover（arXiv 2609.28952）
- Beyond Binary Success（arXiv 2603.13616）
- PASSAGE（arXiv 2609.18732）
- rMuscle（arXiv 2609.19104）
- Isaac ROS 5.0（NVIDIA Blog）
- Qualcomm による PickNik 買収の発表 · PickNik News
- NVIDIA Halos（NVIDIA Blog）
- DAWN（arXiv 2609.29092）
