# 模倣学習の上に、自分で直す層を積む

## ① 要点

お手本をまねる学習（模倣学習）の限界を越えようとする5つの方向は、どれも模倣学習を捨てていない。5つとは、実機での強化学習（ロボットが自分で試し、うまくいった動きを増やしていく学習）、世界モデル（動かしたら次にカメラに何が映るかを予測するモデル）、シミュレーションと合成データ、考える層、力・触覚である。どれも模倣学習で作った方策（ロボットの動かし方を決める学習済みモデル）の上に、直す仕組みを積んでいる。7つの限界のうち、どの手法でも消えなかったのは**対象のロボットのデータが要る**ことだ。前回の調査（人のデータをロボット用に変換する手法）の結論は、ここでも変わらない。

成果の確かさは手法によって大きく違う。実機での強化学習の目立つ成果、たとえば Physical Intelligence（以下 PI）の**失敗率が半分以下**や、Dyna の**24時間連続運転**は、どちらも会社の主張で、コードは公開されていない。査読（専門家の審査）を通った数字があるのは、合成データ（GraspVLA、Real2Render2Real）、世界モデルの研究（Ctrl-World、WMPO）、シミュレーション内の強化学習（SimpleVLA-RL）だ。いちばん手堅いのは、世界モデルやデジタルツイン（実物そっくりに作った仮想の双子）を学習ではなく**評価に使う**方向で、方策の順位を実機と**相関 0.88〜0.94** で当てている（査読なし、実機1,600回超との照合あり）。

日本では、実機で強化学習を回して成果を出した例は見つからなかった。主な動きは、遠隔操作で集めたデータの模倣学習（AIRoA）と、NVIDIA の合成データ・シミュレーションの組み込みで、どちらも成功率などの数字は公開されていない。

mechArm 270-Pi で個人が手を付けられるのは、次の順番だと考える（推論）。今の VLM（画像と文章を理解するAI）の判定の正確さを測る、Unity の双子で学習途中のモデルの順位を当てる、失敗時の手直しを足す、大きな π0.5 は凍結して小さな補正だけを実機で学ぶ。SO-101 を買えば、LeRobot の HIL-SERL と Squint という、強化学習の既製の道が2本手に入る。

## ② 7つの限界のうち、消せないのは対象ロボットのデータだけ

前回の調査では、人のデータをどう変換しても、最後は対象のロボットで動かした記録が要り、ロボット自身のずれが残ると結論した。今回はその先を調べた。模倣学習そのものの限界を、どの手法がどこまで解いているかを下の表にまとめる。確かさの欄の表記は次のとおり。査読あり＝学会・論文誌の審査を通ったもの。査読なし＝論文の公開サーバー（arXiv）に載せただけのもの。会社の主張＝ブログや発表で、第三者の検証がないもの。

| 模倣学習の限界 | 解こうとしている手法 | 代表 | 成果の確かさ |
|---|---|---|---|
| 1. 対象ロボットのデータが必ず要る | 合成データで事前学習する、シミュレーションで強化学習する、人の動画で世界モデルを事前学習する | GraspVLA（Galbot・北京大）、Squint（UCSD）、V-JEPA 2（Meta）、DYNA-2（Dyna） | **減るが消えない**。GraspVLA も実機のお手本100本を足して 80〜90%（査読あり）。Squint は実機のお手本ゼロだが、腕のデジタルツインが要る（査読なし）。Dyna は新しい現場で、現場の学習を足すまで性能が落ちた（会社の主張） |
| 2. ロボット自身の遅れやずれを直せない | 実機での強化学習、関節にノイズを入れたシミュレーション | PI の RL トークン、LeRobot の HIL-SERL、Squint、トヨタ | PI は15分の練習で、最後の数mmの作業が人の遠隔操作の中央値より速くなった（会社の主張）。Squint は関節ノイズを含む乱し方でシミュレーション学習し、実機で 91.3%（査読なし） |
| 3. お手本以上にうまくならない | 価値関数で良い行動を選ぶ強化学習 | PI の π*0.6、RL-100、Squint | PI はスループット（時間あたりにこなす数）2倍超（会社の主張）。RL-100 は熟練の操作者と同じかそれより速い（査読なし）。Squint は強化学習 91.3% 対 お手本をそのまままねる学習 47.5%、人が途中で直しながらまねる学習（DAgger）66.3%（どれもシミュレーションのお手本から学習し実機で80回、査読なし） |
| 4. 失敗からの立て直しが弱い | 人の修正を学習に戻す、世界モデルの中で練習する、上位の層で判定して計画をやり直す | PI の Recap、WMPO、Gemini Robotics-ER 2、Hi Robot | WMPO で、衝突のあと持ち直す動きが教えずに出た（査読あり。ただしシミュレーション）。ほかは会社の主張か査読なし |
| 5. データ集めが高い | 合成データの量産、世界モデルが想像した映像 | Real2Render2Real、GR00T-Mimic、DreamGen、Ctrl-World | Real2Render2Real は遠隔操作の27倍超の速さで作れる（査読あり）。Ctrl-World は想像の成功例で π0.5 を 38.7%→83.4%（査読あり） |
| 6. 実機での評価が遅い | 世界モデルやデジタルツインで評価する | Veo（Google DeepMind）、3DGS と物理の双子、1X | 実機との順位の相関 0.88〜0.94（査読なし）。**5つの中でいちばん確か** |
| 7. 接触や力を感じられない | 力・触覚を入力に足す | ForceVLA、FuSe、Figure、XELA | 成功率が20ポイント前後上がる（査読なし）。大手の基盤モデルは力・触覚の入力を打ち出していない |

表を縦に読むと、限界2〜4（ずれ・お手本の上限・立て直し）は、どれも**ロボットが自分で動いて失敗する経験**を学習に入れることで解かれている。お手本を増やしても、この3つは解けない。

## ③ 手法ごとの詳細

### A 実機での強化学習：会社は24時間運転まで来たが、個人が動かせるのは小さな仕組みだけ

**何をしているか。** 模倣学習で作った方策を実機で動かし、結果から学び直す。部品は3つある。1つ目は価値関数（今の状況から、最後に成功しそうかを予測する関数）。2つ目は報酬モデル（成功や進み具合を点数にするモデル）。3つ目は人の修正（失敗しかけたら人が操作を引き取り、立て直しを見せる）。

**PI。** 2025-11-17 に π*0.6 と、その学習法 Recap を発表した ([PI](https://pi.website/blog/pistar06))。ロボット自身の経験から価値関数を学び、価値の予測が上がった行動を良い行動、下がった行動を悪い行動と見なす。この差をアドバンテージ（その行動が平均よりどれだけ良かったか）と呼ぶ。方策には成功も失敗も含めた全データを学習させ、本番では「アドバンテージの高い行動を出せ」と条件をつける。発表している数字は次のとおり。いちばん難しい作業でスループットが**2倍超**、失敗率が**2分の1以下**。エスプレッソを朝5:30から夜23:30まで淹れ続けた。新しい家で洗濯物50点を畳んだ。実際の工場で箱を59個組み立てた。グラフに目盛りの数字はない。論文は arXiv（2511.14759、査読なし）にあるが、コードと重みは公開されていない。

2026-03-19 には RL トークンを発表した ([Humanoids Daily](https://www.humanoidsdaily.com/news/the-last-millimeter-physical-intelligence-unveils-rl-tokens-for-hyper-fast-precision))。π0.6 に、モデル内部の状態を短い数字の列にまとめた出力（RL トークン）を足す。それを読む小さな行動役と評価役を、実機の上で1秒に数百回更新する。大きなモデルは学習し直さない。**15分の練習**で、ネジ締め・結束バンド・LAN ケーブル差し込みなどの最後の数mmが改善し、LAN ケーブルでは人の遠隔操作の中央値より速くなったという。成功率は出ていない。出典はニュース記事で、PI の一次のページは今回開けなかった。2026-04 の π0.7 は汎用性を広げた発表で、強化学習を使ったという記述は見つからなかった。

**Dyna Robotics。** 報酬モデルを入れた強化学習を、商用の現場で回している例として最もはっきりしている。ただし数字は、Dyna の発表を集めた二次的な wiki 経由のもので、Dyna の一次のページでは確かめていない ([aiwiki](https://aiwiki.ai/wiki/dyna_robotics/raw))。DYNA-1（2025-04）は、作業の進み具合を推定する報酬モデルをつないで**6週間**学習した。その結果、約5分で失敗していた状態から、24時間連続運転まで伸びた。ナプキン畳みでは24時間で800枚超を人の介入なしに処理し、成功 **99.4%**、人の約60%の速さだった。ただし、客先の品質基準（5段階の4以上）を満たしたのは **75%** だけだった。見たことのない客先では、現場で学習を足すまで性能が落ちた。2026-08 の DYNA-2 は、人の一人称動画**100万時間超**で事前学習した世界モデル型に方針を移した。共通の客先では、追加学習なしで品質に合格する割合が 46% から 87% に上がったという。資金は2025年3月のシードで約35億円（2,350万ドル）、9月のシリーズAで約180億円（1.2億ドル）を集めた ([Tech Funding News](https://techfundingnews.com/dyna-robotics-banks-120m-from-nvidia-amazon-to-bring-embodied-ai-to-the-real-world/))。

**Google DeepMind。** 2026-07-30 の Gemini Robotics 2 の発表には、強化学習の記述がない。代わりに ER 2（計画と判定を受け持つモデル）が、作業の始まりと終わり、要所の瞬間を特定し、進み具合を追い、失敗した手順をやり直せると書いている。新しい双腕の機体には、200例未満・数時間で合わせられるという ([DeepMind](https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/))。これは報酬を判定する部品を製品として出した形で、ER 2 は Google AI Studio で使える。

**公開されている研究。** 個人が動かせるかどうかで並べる。

| 手法 | 何をするか | 数字 | 確かさ | 個人で動かせるか |
|---|---|---|---|---|
| HIL-SERL（LeRobot 版） | 人がゲームパッドで途中介入しながら、成功を判定する小さな画像分類器を報酬にして実機で強化学習する | お手本15本、判定器用に20回、数時間で学習できると説明書が主張 | 元論文（UC Berkeley、arXiv 2410.21845）の数字は今回確かめ直していない（未確認） | **SO-100/SO-101 に公式対応**。NVIDIA の GPU が必要 ([LeRobot 説明書](https://huggingface.co/datasets/paulagb/hackathon-dataset_caramelos/blob/main/docs/source/hilserl.mdx)) |
| DSRL | 凍結した拡散方策（ノイズから少しずつ動きを作るモデル。π0 もこの仲間）に入れる乱数だけを、強化学習で選ぶ | — | **査読あり**（CoRL 2025） | π0 用のコードが公開 ([GitHub](https://github.com/nakamotoo/dsrl_pi0))。必要な GPU は未確認 |
| RL-100 | 拡散方策を、模倣と強化学習を同じ式で学ぶ | 実機8作業で 1000/1000 成功、最長250回連続、モールでジュースを7時間無失敗 | 査読なし、1研究室 ([arXiv](https://arxiv.org/abs/2510.14830v3)) | 研究用アームの結果 |
| SimpleVLA-RL | 成功か失敗かの2値だけを報酬に、シミュレーションの中で VLA を強化学習する | 詳細の数字は未確認 | **査読あり**（ICLR 2026） ([ICLR](https://proceedings.iclr.cc/paper_files/paper/2026/hash/cbfbcb4da14235bd69b134070898ae9d-Abstract-Conference.html)) | 複数の GPU とシミュレーションが前提 |
| ConRFT、PA-RL、残差強化学習 | 学習済みの方策に、強化学習で小さな補正を足す | 数字は未確認 | 未確認 | 安いアームでの必要時間は見つからず |

VLA（画像と言葉の指示を受けてロボットの動きを出す大きなモデル。π0.5 もその一つ）を丸ごと学び直すのではなく、**大きなモデルは凍結し、小さな部品だけを実機で学ぶ**形がそろって出てきている。PI の RL トークン、DSRL、残差強化学習がそうだ。個人の環境に持ち込めるのはこの形である。

**残る問題。** 人の時間は消えない。介入、物を元の位置に戻すこと、成功の判定のどれにも人が要る。LeRobot 版は作業を5〜10秒に限り、手先の動ける範囲を手で決め、背景や照明、通りがかる人に弱いと書いている。報酬の定義も天井になる。Dyna の 99.4% と 75% の差は、成功の判定が客先の基準より甘いと数字がふくらむことを示している。人の監督に何時間かかったかは、どの出典も書いていない。

### B 世界モデル：評価に使うと確か、学習に使うとまだ研究段階

世界モデルの使い方は4つある。

| 使い方 | 代表 | 数字 | 確かさ |
|---|---|---|---|
| 評価（実機の代わりに方策を試す） | Veo を使った評価器（Google DeepMind） | 8つの方策・実機1,600回超と照合し、相関 **0.88**。新しい物では **0.56** に落ちる。成功率の絶対値は低めに出るが、順位は合う | 査読なし（会社の研究） ([alphaXiv](https://www.alphaxiv.org/overview/2512.10675)) |
| 評価 | 1X の世界モデル | 相関があると主張、係数は非公開。**模倣学習の損失（学習中の誤差の値）は実機の性能と相関しなかった** | 会社の主張 ([1X](https://1x.tech/discover/redwood-ai-world-model)) |
| データ生成 | Ctrl-World（Stanford・清華大） | 想像の試行400回から成功25〜50本を選んで π0.5 を学習し、新しい物・新しい指示での成功率が **38.7%→83.4%** | **査読あり**（ICLR 2026） ([arXiv](https://arxiv.org/html/2510.10125v3)) |
| データ生成 | DreamGen／GR00T-Dreams（NVIDIA） | 1作業の遠隔操作だけから、人型ロボットが新しい振る舞い22種をこなした。手で集めると3か月の量を36時間で作ったと主張 | 査読なし・会社の主張 ([arXiv](https://arxiv.org/abs/2505.12705)、[NVIDIA](https://developer.nvidia.com/ko-kr/blog/enhance-robot-learning-with-synthetic-trajectory-data-generated-by-world-foundation-models/)) |
| 中で練習 | WMPO（香港科技大・ByteDance Seed） | 世界モデルの中だけで強化学習して、シミュレーションの成功率 33.6%→47.1%（実機の試行128本）／57.6%（1,280本）。衝突のあと持ち上げ直して差し込む動きが、教えずに出た | **査読あり**（ICLR 2026）。実機の数字は取れなかった ([arXiv](https://arxiv.org/html/2511.09515v1)) |
| 計画 | V-JEPA 2（Meta） | ロボットのデータ62時間で、新しい場所・新しい物の pick&place が **65〜80%**。毎回少し先を予測して計画し直す。重みは商用も可で公開 | 会社と技術報告 ([Meta](https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/)) |
| 計画 | Cosmos Policy（NVIDIA・Stanford） | LIBERO で 98.5%。複数の未来を想像して良いものを選ぶと、実機の難しい2作業で +12.5% | 査読なし、コード公開 ([arXiv](https://arxiv.org/html/2601.16163v1)) |

評価の結果がいちばん確かなのには理由がある。評価なら、世界モデルの間違いはモデル同士の比較で相殺されやすい。しかも実機の結果と突き合わせれば、どこまで信じてよいかを数字で示せる。1X は、15ポイント差のある2つの方策なら、正解率70%の世界モデルでも90%の確率で良い方を選べると計算している。逆に、学習に使うと間違いがそのまま方策に移る。世界モデルの中で練習すると、方策が世界モデルの間違いにつけ込む恐れがある。

公開されて使えるものとして、NVIDIA の Cosmos 3（2026-06-01、商用可、中型の Nano は16B）がある ([NVIDIA](https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Launches-Cosmos-3-the-Open-Frontier-Foundation-Model-for-Physical-AI/default.aspx))。ただし対応機体の一覧は Franka・AgiBot・UR・WidowX 250・UMI で、安い6軸の卓上アームは入っていない ([Hugging Face](https://huggingface.co/NVIDIA/COSMOS3-NANO))。前の版の Cosmos-Predict2.5（2B）は更新が止まった ([GitHub](https://github.com/nvidia-cosmos/cosmos-predict2.5))。研究で評価器を学習するのに使われた計算は、たとえば Ctrl-World で H100 16台を2〜3日である。

**残る問題。** 出典がそろって挙げる弱点は、接触と力、新しい物、長い作業（8〜20秒が普通）、物がくっつく幻覚、方策のやり直しを再現できないこと、の5つ。映像だけの世界モデルは力が見えない。だから、つかみ損ねや滑りで失敗する小さなアームの作業では、まさに失敗が起きる場面で評価が当てにならなくなる。

### C シミュレーションと合成データ：つかむ動作では実証済み、安いアームでも1件

| 手法 | 合成の量 | 実機のデータ | 実機の結果 | 計算 | 確かさ |
|---|---|---|---|---|---|
| GraspVLA（Galbot・北京大ほか） | 約10億フレーム | 0本（追加学習するなら10〜100本） | 追加学習なしでつかむ動作 90〜96.6%。透明な物は 86.6%（従来手法は10%）。実機100本の追加で 80〜90%、合成なしでは 0〜10% | RTX 4090 160台を10日 | **査読あり**（CoRL 2025） ([arXiv](https://arxiv.org/html/2505.03233v3)) |
| Real2Render2Real（UC Berkeley・TRI） | 人の動画1本から最大1,000本 | 0本 | 合成1,000本で 80%、遠隔操作150本は 73.3%。合成150本だけでは 33.3% | RTX 4090 1台で1分に約51本（遠隔操作は1.7本） | **査読あり**（CoRL 2025） ([arXiv](https://arxiv.org/html/2505.09601v1)) |
| Squint（UCSD） | ManiSkill3（GPU で大量に並べて動かすシミュレーター）で強化学習 | 0本 | **SO-101 で 91.3%（73/80）**。比較の模倣学習は、お手本をそのまままねる方式で 47.5%、人が途中で直しながらまねる方式（DAgger）で 66.3% | RTX 3090 1台で1方策15分以下 | 査読なし ([arXiv](https://arxiv.org/pdf/2602.21203)) |
| GR00T-Mimic（NVIDIA） | 78万本（人の実演6,500時間ぶん）を11時間で | 量は非公開 | 実データだけより +40% | — | 会社の主張 ([NVIDIA](https://developer.nvidia.com/blog/building-a-synthetic-motion-generation-pipeline-for-humanoid-robot-learning)) |
| Skild AI の S1 | シミュレーションの強化学習＋人の動画＋遠隔操作 | 非公開 | 新しい多段の作業で1手順ごとの成功が約66%（比較相手は9%） | 非公開 | 会社の主張 ([NVIDIA](https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/)) |

なお Real2Render2Real は UC Berkeley などの論文の名前で、エイイチのプロジェクト名 R2R2R とは別物である。この論文は Isaac を絵を描くためだけに使い、物理は計算していない。物が滑ったり押されたりしないので、ずれや立て直し（限界2と4）には効かない。

安いアームで効いた例は Squint だけで、その作り方がそのまま参考になる。シムトゥリアル（シミュレーションで学習した方策を実機に持ち込むこと）のために、ドメインランダム化（シミュレーションの条件を毎回わざと変え、実機との差に強くする方法）を使った。変えた条件は、カメラの位置と画角、照明、物の大きさと摩擦、グリッパーの閉じる速さ、**関節の位置に正規分布のノイズ（σ=5）**である。さらに、1回の動きの大きさを0.15倍に絞った。正確な実機の測定（システム同定）はしていない。ただし Squint の SO-101 は**手首カメラ1台**の構成である。

評価に使う双子では、見た目と物理を実物に合わせることが効く。写真から立体の見た目を再現する手法（3DGS）と、柔らかい物の物理を組み合わせた双子は、実機との相関が **0.90〜0.94** だった。合わせていない Isaac の比較対象は **0.24〜0.65** にとどまった（Columbia・Google DeepMind ほか、査読なし） ([arXiv](https://arxiv.org/html/2511.04665v2))。Unity の例もある。UCL は iPhone 程度の写真10〜20枚から3DGS で場面を作り、Unity に取り込んで計画に使った。シミュレーションで100%、実機で9/10の成功だった（論文誌、査読あり） ([arXiv](https://arxiv.org/pdf/2601.03200))。

**残る問題。** どの会社も、実機のデータなしで汎用の作業を出荷するとは言っていない。絵を描くだけの合成データは、数でお手本に追いつくのに何倍もの量が要る。2025〜2026年に、Unity で強化学習して安いアームの実機に移した報告は見つからなかった。Unity には、ManiSkill3 や Isaac Lab のように GPU 1台で数千の環境を並べる仕組みがない。15分で学習が終わる Squint の速さは、この並列に頼っている（推論）。趣味用サーボのガタや遅れを、どの幅で乱せばよいかを調べた研究もなかった。

### D 考える層：計画と判定には効くが、手の立て直しまでは解かない

2025〜2026年に、大手がそろって2層か3層の構成に移った。上の層は VLM が言葉で考えて計画し、下の層は速い運動の方策が動きを出す。

| 会社 | 構成 | 数字 | 確かさ |
|---|---|---|---|
| Google DeepMind | ER 1.5（2025-09）→ ER 2（2026-07-30、土台は Gemini 3.5 Flash）が計画と判定を担い、VLA が動く。ER は API で使える。ただし安全上重要な用途には使わないよう明記している | ER 2 は進み具合の分類 57.4%、場面の特定 91.3%（平均の時間のずれ 0.96秒） | 会社の主張・二次情報 ([モデルカード](https://deepmind.google/models/model-cards/gemini-robotics-er-2/)、[Labellerr](https://www.labellerr.com/blog/gemini-robotics-2-google-deepmind/)) |
| Figure | Helix 02（2026-01）は3層。理解と言語、200 Hz の全身の関節目標、1 kHz のバランス制御 | 食洗機の片付けを約4分・61動作、途中で人が戻さずに通した | 会社の主張 ([記事](https://humanoidroboticstechnology.com/industry-news/figure-launches-helix-02/)) |
| PI | Hi Robot（2025-02）は、上の層が手順を言葉で下の層に渡し、人に途中で訂正されれば計画を直す | 指示どおりにできた割合：Hi Robot 76、層なし 36、GPT-4o を上に置くと 30。進み具合：81、44、64 | 査読なし ([PI](https://www.pi.website/research/hirobot)) |
| Anthropic | Claude がロボット犬のセンサーをつなぐコードを書いた | AI なしのチームより約37.7倍速い（361分→9分35秒）。ただし閉ループの細かい制御（ボールを押して戻す）は失敗した | 会社の研究 ([Anthropic](https://www.anthropic.com/research/project-fetch-phase-two)) |

効くのは、新しい作業の手順を組むこと、成否を判定すること、計画をやり直すことだ。つかみ損ねた手をどう戻すかという**運動の立て直しは解かない**。そこに数字が出ているのは、A の修正と強化学習のほうである。Hi Robot の表からは、汎用の LLM（大規模言語モデル）をそのまま上に置くと、手順の進行は上がる（44→64）が、指示どおりにできる割合は上がらない（36→30）、と読める。ただし1社の評価で、査読はない。進み具合の判定は ER 2 でも57.4%なので、判定役はまだ完璧からほど遠い。上の層を足すとどれだけ遅くなり、成功率がどう変わるかを第三者が比べた評価はない。

### E 力・触覚：成功率は20ポイント前後上がるが、研究段階でセンサーの値段が見えない

ForceVLA（上海交通大・復旦大ほか、査読なし）は、π0 を土台に6軸の力を画像・言語と並べて入力した ([arXiv](https://arxiv.org/html/2505.22159v3))。差し込み・拭き取り・皮むきなど5作業の平均成功率は、力なしの π0 が **37.3%**、ForceVLA が **60.5%** だった。視界が隠れた条件では 90% に達した。ただし、外から加わる力は実測ではなく推定値で、論文の中で同じ比較の数字が節ごとに食い違っている。FuSe（UC Berkeley 系、査読なし）は、学習済みの方策に触覚・音・視覚を足して追加学習し、どの比較相手よりも20%超上がった ([arXiv](https://arxiv.org/abs/2501.04693v3))。

ハードは会社が先に出している。Figure は指先の触覚センサーが**3 g**（クリップ1本）を感じると言う（会社の主張）。Meta と GelSight の Digit 360 は1 mN まで検出するが、値段は書かれていない ([BusinessWire](https://www.businesswire.com/news/home/20241031980322/en/GelSight-and-Meta-AI-Introduce-Digit-360-Tactile-Sensor/))。NYU の AnySkin は磁気で触覚を測るシートで、平均12秒で付け替えられ、1枚目で学習したモデルが別の個体でもほぼ同じ性能で動く。ただし周りの磁性体に弱い ([Hackster](https://www.hackster.io/news/anyskin-senses-a-disturbance-in-the-force-53dff5c38c2f))。

**残る問題。** 力・触覚が効くのは限界7だ。見えないときの頑健さを通して、限界4の一部にも効く。ただし、お手本から学ぶ点は変わらないので、お手本以上にはうまくならない。PI の API も、Gemini Robotics の公開情報も、力・触覚を入力にするとは打ち出していない。触覚のデータを集める道具と、大量の事前学習データがまだない。個人向けのセンサーは、どれも一次資料で値段を確認できなかった。

## ④ 企業の地図：米国は強化学習と評価、中国は合成データとデータ量、日本は組み込み

| 国 | 会社・機関 | 賭けている方向 | 公開された成果と確かさ |
|---|---|---|---|
| 米国 | Physical Intelligence | 実機の強化学習（Recap、RL トークン）、考える層（Hi Robot、記憶の MEM）、API（2026-10-13 ベータ、順番待ち） | 失敗率が半分以下、15分の練習（会社の主張）。コードは π0・π0.5 だけ公開 |
| 米国 | Google DeepMind | 判定と計画の層（ER 2 を API で提供）、世界モデルでの評価（Veo） | 相関 0.88（査読なし） |
| 米国 | NVIDIA | 合成データ（GR00T-Mimic、DreamGen）、世界モデル（Cosmos 3、公開）、シミュレーション（Isaac Lab、Newton） | 多くは会社の主張。Cosmos Policy は査読なし |
| 米国 | Dyna Robotics | 報酬モデルでの実機強化学習 → 人の動画100万時間の世界モデル型へ | 24時間運転、99.4%（会社の主張・二次情報） |
| 米国 | Skild AI | シミュレーションの強化学習＋人の動画。評価額約2.1兆円（140億ドル）超、年間売上約150億円（1億ドル）と主張 | 66% 対 9%（会社の主張） |
| 米国 | Figure | 3層の考える層、シミュレーションで学習したバランス制御、指先の触覚 | 実演のみ（会社の主張） |
| 米国 | 1X | 世界モデルでの評価、失敗も学習に使う Redwood | 係数は非公開（会社の主張） |
| 米国 | Meta | 予測型の世界モデル V-JEPA 2（公開）、触覚 Digit 360 | 65〜80%（会社と技術報告） |
| 米国 | Genesis AI | 自前の物理シミュレーター。シード約158億円（1.05億ドル） | 数字なし ([TechCrunch](https://www.techcrunch.com/2025/07/01/genesis-ai-launches-with-105m-seed-funding-from-eclipse-khosla-to-build-ai-models-for-robots)) |
| 中国 | Galbot・北京大 | 合成データだけの事前学習（GraspVLA） | 査読あり |
| 中国 | AgiBot | 世界モデルのシミュレーター（Genie Envisioner、一部公開）、その中での強化学習 | 相関の数字なし（会社の主張） ([The Robot Report](https://www.therobotreport.com/agibot-unveils-genie-envisioner-2-0-advance-world-models-scalable-simulators-embodied-ai/)) |
| 中国 | Lightwheel（光轮智能） | シミュレーションの素材・合成データ・評価を請け負う。約210億円（10億元）を調達 | 顧客の名前のみ（会社の主張） ([EqualOcean](https://www.equalocean.com/news/2026031121786-light-wheel-intelligence-raises-rmb-1b-build-physical-ai-infrastructure)) |
| 中国 | Xiaomi、Ant Group | 実機データの量（10万時間超、約6万時間）を緩い条件で公開。中身は模倣学習 | 報道 ([AI新聞](https://exawizards.com/column/ai-trend/news-0823-2026/)) |
| 中国 | ByteDance Seed、清華大ほか | 世界モデル内の強化学習（WMPO）、評価（Ctrl-World） | 査読あり |
| 日本 | ⑤ を参照 | NVIDIA 技術の組み込み、遠隔操作データ、シミュレーションの強化学習（歩行） | 数字なし |

Generalist、Covariant と Amazon、Tesla、Field AI、Amazon FAR については、実機の強化学習を公開した一次情報を今回見つけられなかった。何もしていないという意味ではない。

## ⑤ 日本の動き：模倣学習の拠点づくりが中心で、その先は NVIDIA 頼み

**AIRoA（AIロボット協会）が実際に出したものは模倣学習だ。** 2026-07-31 に3つを公開した。データセット AIRoA MoMa 5k、モデル pi05_hsr_base、学習コード AiroPi である ([AIRoA](https://airoa.org/updates/20260803/487/))。データは、トヨタ HSR 44台を5拠点で人が遠隔操作して集めた**5,025時間**。うち9割超を Telexistence と九州工業大の2拠点が占める。モデルは米国 PI の π0.5 を土台に、H200 64基で継続学習したもの。利用は研究目的に限られ、派生モデルの再配布も禁止されている ([AI新聞](https://exawizards.com/column/ai-trend/news-0823-2026/))。中国の Xiaomi（10万時間超）や Ant（約6万時間）と比べると、量は10分の1から20分の1で、条件も閉じている。国産の基盤モデルのβ版は、2027年6月ごろにオープンソースで出す計画である。AIRoA が強化学習・世界モデル・合成データを使ったという公開情報はなかった。予算205億円という数字は二次情報だけで、NEDO の一次資料では確かめていない ([Japan Physical AI News](https://physicalainews.jp/columns/japan-physical-ai-startups-30))。

**政府は世界モデルを掲げるが、お金が動いているのはデータと大型モデルだ。** AIロボティクス戦略（3月策定、6月30日改訂）は、2040年に国内1,000万台、世界市場60兆円のうち約20兆円を取る目標を立て、国産の基盤モデルと世界モデルの開発を明記した ([ロボスタ](https://robotstart.info/article/2026/07/28/382200.html))。NEDO の基盤モデル事業に採択されたのは、Noetra と産総研の2者だけである ([経産省](https://www.meti.go.jp/press/2026/06/20260630005/20260630005.html))。Noetra はソニーG・ソフトバンク・NEC・ホンダが中核で、物理を理解するモデルは FY2030 の目標に置いている。計算資源（NVIDIA Rubin 約27,500基）の稼働は2028年6月の予定だ ([ソフトバンク](https://www.softbank.jp/en/corp/news/press/sbkk/2026/20260716_01/))。

**企業で模倣学習の先が動いているのは2系統で、どちらも数字を出していない。**

| 会社 | 何をしたか | 段階 | 数字 |
|---|---|---|---|
| トヨタ（未来創生センター） | 人型ロボットで、シミュレーションの強化学習を実機に移した。数千体を並列に動かし、センサーのノイズや床の摩擦を乱した。モーターのモデルを実機の軌跡に合わせ込んだ。歩行とドリブルが実機で成立した ([トヨタ](https://global.toyota/jp/mobility/frontier-research/44105203.html)) | 研究。腕の操作ではなく歩行 | なし（シミュレーションで1〜2時間学習） |
| ソフトバンク×安川電機 | ワイヤーハーネスの箱詰め。実機データ → Cosmos で照明・背景を変えた合成データ → 学習 → Omniverse で評価 → 実機、を自動で回した ([ソフトバンク](https://www.softbank.jp/corp/news/press/sbkk/2026/20260713_01/)) | 実証 | なし |
| 富士通×ファナック・安川電機・川崎重工 | NVIDIA の Cosmos・Isaac・Newton を使う事業検討 ([マイナビ](https://news.mynavi.jp/techplus/article/20260716-4708714/)) | 検討 | なし |
| NEC | 周りの人の位置・姿勢・ストレスを予測する独自の世界モデル ([NEC](https://www.nec.com/en/press/202603/global_20260312_01.html)) | 発表 | なし |
| Mujin | Cosmos を MujinOS（世界で2,000台超が稼働）で使えるか検証 ([LNEWS](https://www.lnews.jp/2026/07/s0716107.html)) | 検証 | なし |
| XELA Robotics、FingerVision | 触覚センサー（XELA の uSkin は3軸の力、分解能0.1 g） ([EE Times Japan](https://eetimes.itmedia.co.jp/ee/articles/2604/06/news026_2.html)) | 販売中 | 値段は非公開 |

広島大の研究者は、SO-101 で VLA を比べた（査読なし）。遠隔操作100本で、π0.5 の平均成功率は 56.25%、途中の失敗から立て直せた割合は **30.77%（8/26）** だった ([批評記事](https://mcobzarenco-fontaine-blog.static.hf.space/papers/so101-vla-benchmark.html))。安いアームの模倣学習が立て直しに弱いことを示す、数少ない数字である。ただし1条件20回なので、±22ポイントほどの誤差がある。

まとめると、日本の現場の実機で強化学習を回した事例は、一次情報では見つからなかった。日本が強いのは機体と現場（HSR、産業用ロボットの台数、MujinOS）で、弱いのはデータの量、データの公開性、自前の基盤モデルの3つである。

## ⑥ 共通して言えること：模倣学習は土台、評価が先、報酬が天井

1つ目に、**どの手法も模倣学習を捨てていない**。PI の Recap は、事前学習 → お手本での追加学習 → 実機の強化学習、の順で積む。HIL-SERL もお手本15本から始める。GraspVLA は実機100本の追加で 80〜90% に上がり、DreamGen は1作業の遠隔操作を土台にする。Ctrl-World は π0.5 を追加学習し、Gemini Robotics 2 も新しい機体には200例未満のお手本で合わせる。強化学習や世界モデルは模倣学習の代わりではない。模倣学習が届かない最後の部分を直す層である。

2つ目に、**対象のロボットの情報は、データか双子のどちらかの形で必ず要る**。Squint は実機のお手本をゼロにしたが、代わりに SO-101 のデジタルツインを使う。Dyna は新しい客先で、現場の学習を足すまで性能が落ちた。V-JEPA 2 もロボットのデータ62時間を使っている。

3つ目に、**評価に使うほうが、学習に使うより確か**。評価では、実機との相関 0.88〜0.94 という照合済みの数字がある。学習に使う側は、WMPO の実機の数字が取れず、DreamGen は NVIDIA 以外での再現がない。新しい物で相関が 0.56 まで落ちるように、評価にも限界はある。それでも、実機で確かめる回数を減らすという用途なら、今日から使える。1X の観察も重要だ。**学習中の誤差の値は、実機の性能と相関しなかった**。学習途中のモデルを誤差で選ぶのではなく、評価で選ぶ必要がある。

4つ目に、**報酬と判定が天井になる**。Dyna の 99.4% 対 75%、ER 2 の進み具合の分類 57.4% が示すように、何を成功と呼ぶかで、強化学習が伸ばすものが決まる。判定が甘いと、数字だけが伸びる。

5つ目に、**大きなモデルは凍結し、小さな部品を学ぶ形にそろってきた**。PI の RL トークン、DSRL、残差強化学習がそうだ。AIRoA も言語の部分を凍結している（ただし模倣学習）。計算と実機の時間を減らすためで、個人の規模に合うのもこの形である。

6つ目に、**接触はまだ穴になっている**。世界モデルも、Real2Render2Real も、Veo の評価器も、力を扱えないと自ら書いている。触覚の研究は伸びているが、査読済みの結果はまだない。

## ⑦ mechArm で個人が手を付けられるもの（推論）

ここからは、ノートの証拠から導いた**推論**である。mechArm で検証した手順ではない。前提は、今の環境（mechArm 270-Pi、上と横の iPhone、手首カメラなし、1.5M 点の FK 表（関節角から手先の位置を引く表）、Unity の双子、Runpod での π0.5 の追加学習、Claude による PICK/PLACE の成否判定）だ。前回の調査で提案した、キーポーズの動かし直しと人の計画の再生は、この順番の前段にあたる。

| 順番 | やること | 費用・時間 | 測るもの | 根拠 |
|---|---|---|---|---|
| 1 | **判定を測る**。台帳の過去の試行から100本ほどを選び、Claude の PICK/PLACE 判定と目視を突き合わせる。さらに体験の質を段階で付ける（置き位置のずれ、動きのガクつき、物を倒したか）。余力があれば Gemini Robotics-ER 2 プレビューを2つ目の判定役として並べる | API の利用料だけ。GPU は不要 | 判定の一致率。特に**判定は成功・目視は失敗**の割合。質の段階ごとの分布 | Dyna の 99.4% 対 75%。ER 2 の進み具合 57.4%。これは強化学習の報酬そのものになる |
| 2 | **Unity の双子で順位を当てる**。学習途中の π0.5 を3〜5個、Unity と実機で同じブロック位置で動かし、成功率の順位が合うかを見る。見た目が合わなければ、iPhone の写真から 3DGS で場面を作る | Runpod の推論時間＋Unity。実機は各条件の確認分だけ | Unity と実機の成功率の相関。外れた条件（新しい物、接触） | 双子の相関 0.90〜0.94、合わせない Isaac は 0.24〜0.65。UCL の Unity＋3DGS。1X の、誤差は性能と相関しないという観察 |
| 3 | **失敗時の手直しを足す**。π0.5 が失敗しかけたら止めて、手で直した回を記録し、前のデータと混ぜて学習する | 人の時間。学習は今の Runpod の手順 | 立て直せた割合（広島大の SO-101 の 30.77% と比べられる） | PI の Recap の修正、前回の順番4 |
| 4 | **小さな補正だけを実機で学ぶ**。π0.5 は凍結し、つかむ直前の手先のずれ（数mm）を画像から出す小さなネットワークを、順番1の判定を報酬に強化学習する。手先のずれは FK 表で関節角に直す | 小さなネットワークの学習。実機の時間は1回あたり数秒×数百回。戻しの手間がいちばん重い | 補正の前と後の成功率（同じブロック位置で、1条件50回以上）。実機の時間、人の介入と戻しの回数、指令角と到達角の差 | PI の RL トークン、DSRL、残差強化学習。LeRobot の説明書は、関節角より手先の小さな動きのほうが学びやすいと書いている |
| 5 | **Unity で短い強化学習**。Squint の乱し方（関節にノイズ、グリッパーの速さ、摩擦、カメラ位置）を Unity に入れ、追加学習なしで実機に移す | Unity の CPU 時間。GPU の並列がないので遅い（推論） | シミュレーションと実機の成功率の差 | Squint。ただし Squint は手首カメラ、mechArm は固定カメラ |
| 後回し | 世界モデル、力・触覚 | 世界モデルは自分のロボットのデータが数十時間と、H100 級の GPU が要る。触覚は値段が不明 | — | V-JEPA 2 の62時間。Cosmos 3 の対応機体に卓上アームはない |

順番1を先頭に置く理由は2つある。今の判定はすでに強化学習の報酬（成功か失敗かの2値）と同じ形をしていて、その正確さが、そのあとのすべての天井になる。もう一つ、何を成功と呼ぶかを決めるのは、エイイチの差別化である**体験の設計**そのものだ。ガクつかない、倒さない、といった体験の質を判定に入れれば、強化学習はその質を伸ばす方向に働く（推論）。

順番4は実機を動かすコードなので、MASTER の手順（設計 → Claude Code の実装 → 外部レビュー → dry-run → 実機）を飛ばせない。補正の範囲は既存の関節ガードの内側に収める。DSRL のコードは π0 用で、π0.5 でそのまま動くかは確かめていない。PI の RL トークンは公開されていない。だから最初は、自前の小さなネットワークで始めるのが現実的だ。mechArm のサーボが負荷の値を返せるなら、それを力の代わりに使える（ForceVLA も外力は推定値）。ただし、返せるかどうかは今回確認していない。

**SO-101 の購入判断に関わること。** SO-101 には既製の道が2本ある。1本目は LeRobot の HIL-SERL で、SO-100/SO-101 に公式対応し、ゲームパッドでの介入、成功判定器、お手本15本の手順がそろっている。2本目は Squint で、SO-101 を ManiSkill3 で強化学習し、RTX 3090 1台・15分以下で実機 91.3% と報告している。さらに広島大の SO-101 の比較（π0.5 で 56.25%）があり、数字を他人と比べられる。どちらの主張も、**第三者が SO-101 で再現した報告は見つからなかった**。自分で再現すれば、それ自体が Mission の再現可能な環境の1件になる。注意点は3つある。HIL-SERL には NVIDIA の GPU が要り、Mac では学習側を動かせない。学習側を遠くのクラウドに置けるかは今回確かめていない。Squint を写すには手首カメラが要る。MASTER の買う前に借りて測るに沿えば、先に Runpod で ManiSkill3 の Squint を動かして時間と GPU メモリを測り、そのあとで SO-101 を買うのが筋になる。SO-101 の値段は今回の調査に含まれていない。

## ⑧ 確認できなかったこと

**PI と海外の会社。** PI の RL トークンの一次のページは開けず、論文番号も成功率も見つからなかった。π*0.6 のグラフの値、自律で動かした時間、コードの公開もない。π0.7 が強化学習を使っているかも分からなかった。Dyna の数字は二次的な wiki 経由で、一次のページでは確かめていない（ナプキンの枚数は出典によって700・800・850枚と食い違う）。Generalist、Covariant と Amazon、Tesla、Figure の強化学習、Field AI、Amazon FAR は一次情報がなかった。

**研究の数字。** HIL-SERL の元論文の数字と掲載誌、ConRFT、PA-RL、SimpleVLA-RL の細かい数字は、調査者の事前知識によるもので、今回確かめ直していない。そのため本文では使っていない。RECALL がどの論文を指すかも特定できなかった。DSRL と Cosmos の必要な GPU メモリ、WMPO と DreamGen の実機の成功率、Ctrl-World の評価の相関係数も取れなかった。Gemini Robotics-ER 2 の料金も分からない。

**安いアームと道具。** LeRobot の HIL-SERL を SO-101 で第三者が再現した報告はなかった。Unity で強化学習して安いアームに移した2025〜2026年の報告もない。趣味用サーボのガタや遅れの乱し方を調べた研究もない。触覚センサー（Digit 360、XELA、AnySkin）の値段と、mechArm 270-Pi のサーボが負荷の値を返せるかも確認できなかった。

**日本。** AIRoA の予算205億円は NEDO の一次資料で確かめていない。FY2026 の中身（複数の機種への拡大）も分からない。GENIAC のロボット基盤モデル2テーマの採択先、Noetra への支援額も確認できなかった。Sony AI、デンソー、日立、松尾研、東大・理研の研究室の学習手法は調べきれていない。

## ⑨ 出典

**実機での強化学習**
- [PI：π*0.6 と Recap](https://pi.website/blog/pistar06)／[PI のブログ一覧](https://www.pi.website/blog)／[PI：Hi Robot](https://www.pi.website/research/hirobot)／[PI：MEM](https://www.pi.website/research/memory)／[PI：API ベータ](https://www.pi.website/blog/api-beta)
- [Humanoids Daily：PI の RL トークン](https://www.humanoidsdaily.com/news/the-last-millimeter-physical-intelligence-unveils-rl-tokens-for-hyper-fast-precision)
- [aiwiki：Dyna Robotics（二次情報）](https://aiwiki.ai/wiki/dyna_robotics/raw)／[Tech Funding News：Dyna の資金調達](https://techfundingnews.com/dyna-robotics-banks-120m-from-nvidia-amazon-to-bring-embodied-ai-to-the-real-world/)／[Sacra：Dyna](https://sacra.com/research/dyna-robotics)
- [Google DeepMind：Gemini Robotics 2](https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/)／[ER 2 モデルカード](https://deepmind.google/models/model-cards/gemini-robotics-er-2/)／[Gemini API：ER 2](https://ai.google.dev/gemini-api/docs/models/gemini-robotics-er-2-preview)／[Labellerr：Gemini Robotics 2 の数字（二次情報）](https://www.labellerr.com/blog/gemini-robotics-2-google-deepmind/)
- [LeRobot：HIL-SERL の説明書（ミラー）](https://huggingface.co/datasets/paulagb/hackathon-dataset_caramelos/blob/main/docs/source/hilserl.mdx)／[HIL-SERL 論文](https://arxiv.org/abs/2410.21845)
- [DSRL（CoRL 2025）](https://proceedings.mlr.press/v305/wagenmaker25a.html)／[DSRL コード](https://github.com/nakamotoo/dsrl_pi0)
- [RL-100](https://arxiv.org/abs/2510.14830v3)／[SimpleVLA-RL（ICLR 2026）](https://proceedings.iclr.cc/paper_files/paper/2026/hash/cbfbcb4da14235bd69b134070898ae9d-Abstract-Conference.html)

**世界モデル**
- [Veo による Gemini Robotics の方策評価](https://www.alphaxiv.org/overview/2512.10675)／[1X の世界モデル](https://1x.tech/discover/redwood-ai-world-model)／[1X Redwood](https://www.1x.tech/discover/redwood-ai)
- [Ctrl-World](https://arxiv.org/html/2510.10125v3)／[Ctrl-World の掲載（ICLR 2026）](https://mlanthology.org/iclr/2026/guo2026iclr-ctrlworld/)
- [DreamGen](https://arxiv.org/abs/2505.12705)／[NVIDIA：GR00T-Dreams](https://developer.nvidia.com/ko-kr/blog/enhance-robot-learning-with-synthetic-trajectory-data-generated-by-world-foundation-models/)
- [WMPO](https://arxiv.org/html/2511.09515v1)／[WMPO の掲載（ICLR 2026）](https://iclr.cc/virtual/2026/poster/10007263)
- [Meta：V-JEPA 2](https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/)／[Cosmos Policy](https://arxiv.org/html/2601.16163v1)
- [NVIDIA：Cosmos 3](https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Launches-Cosmos-3-the-Open-Frontier-Foundation-Model-for-Physical-AI/default.aspx)／[Cosmos3-Nano](https://huggingface.co/NVIDIA/COSMOS3-NANO)／[Cosmos-Predict2.5](https://github.com/nvidia-cosmos/cosmos-predict2.5)
- [The Robot Report：AgiBot Genie Envisioner 2.0](https://www.therobotreport.com/agibot-unveils-genie-envisioner-2-0-advance-world-models-scalable-simulators-embodied-ai/)／[世界モデルの総説](https://arxiv.org/html/2605.00080v1)

**シミュレーションと合成データ**
- [GraspVLA](https://arxiv.org/html/2505.03233v3)／[GraspVLA の掲載（CoRL 2025）](https://mlanthology.org/corl/2025/deng2025corl-graspvla)
- [Real2Render2Real](https://arxiv.org/html/2505.09601v1)／[掲載（CoRL 2025）](https://proceedings.mlr.press/v305/yu25a.html)
- [Squint](https://arxiv.org/pdf/2602.21203)／[NVIDIA の SO-101 用方策](https://huggingface.co/nvidia/so101-reach)
- [NVIDIA：GR00T-Mimic](https://developer.nvidia.com/blog/building-a-synthetic-motion-generation-pipeline-for-humanoid-robot-learning)／[NVIDIA：Skild AI の S1](https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/)／[Skild の評価額](https://www.advisorperspectives.com/articles/2026/01/14/robotics-skild-ai-valued-above-14-billion-new-funding)
- [3DGS と物理の双子による評価](https://arxiv.org/html/2511.04665v2)／[UCL の Unity と 3DGS の双子](https://arxiv.org/pdf/2601.03200)
- [TechCrunch：Genesis AI](https://www.techcrunch.com/2025/07/01/genesis-ai-launches-with-105m-seed-funding-from-eclipse-khosla-to-build-ai-models-for-robots)／[EqualOcean：Lightwheel](https://www.equalocean.com/news/2026031121786-light-wheel-intelligence-raises-rmb-1b-build-physical-ai-infrastructure)

**考える層と力・触覚**
- [Gemini Robotics-ER 1.5](https://developers.googleblog.com/en/building-the-next-generation-of-physical-agents-with-gemini-robotics-er-15/)／[Gemini Robotics 1.5 技術報告](https://arxiv.org/abs/2510.03342)
- [Figure Helix 02](https://humanoidroboticstechnology.com/industry-news/figure-launches-helix-02/)／[Anthropic：Project Fetch Phase 2](https://www.anthropic.com/research/project-fetch-phase-two)
- [ForceVLA](https://arxiv.org/html/2505.22159v3)／[FuSe](https://arxiv.org/abs/2501.04693v3)
- [GelSight と Meta の Digit 360](https://www.businesswire.com/news/home/20241031980322/en/GelSight-and-Meta-AI-Introduce-Digit-360-Tactile-Sensor/)／[AnySkin](https://www.hackster.io/news/anyskin-senses-a-disturbance-in-the-force-53dff5c38c2f)

**日本**
- [AIRoA：データとモデルの公開](https://airoa.org/updates/20260803/487/)／[AI新聞：AIRoA と中国の比較](https://exawizards.com/column/ai-trend/news-0823-2026/)／[Japan Physical AI News](https://physicalainews.jp/columns/japan-physical-ai-startups-30)
- [ロボスタ：AIロボティクス戦略](https://robotstart.info/article/2026/07/28/382200.html)／[経産省：NEDO 基盤モデル事業の採択](https://www.meti.go.jp/press/2026/06/20260630005/20260630005.html)／[ソフトバンク：Noetra](https://www.softbank.jp/en/corp/news/press/sbkk/2026/20260716_01/)
- [トヨタ：人型ロボットのシミュレーション強化学習](https://global.toyota/jp/mobility/frontier-research/44105203.html)／[ソフトバンク×安川電機](https://www.softbank.jp/corp/news/press/sbkk/2026/20260713_01/)／[マイナビ：富士通の連合](https://news.mynavi.jp/techplus/article/20260716-4708714/)／[NEC の世界モデル](https://www.nec.com/en/press/202603/global_20260312_01.html)／[LNEWS：Mujin](https://www.lnews.jp/2026/07/s0716107.html)
- [EE Times Japan：XELA Robotics](https://eetimes.itmedia.co.jp/ee/articles/2604/06/news026_2.html)／[SO-101 の VLA 比較と批評（広島大の研究）](https://mcobzarenco-fontaine-blog.static.hf.space/papers/so101-vla-benchmark.html)