シミュレーション（ユースケース）に関するニュース一覧

Googleは2026年4月2日、Gemini APIにFlexとPriorityの2つの新サービスティアを追加しました。既存のStandardと合わせて3段階となり、開発者はコストと信頼性を用途に応じて柔軟に選択できるようになります。

AIがチャットから自律エージェントへ進化するなか、開発者はバックグラウンド処理とユーザー対話型処理という2種類のロジックを管理する必要がありました。従来は同期APIと非同期バッチAPIを使い分ける必要があり、アーキテクチャが複雑化していたのです。

Flex推論は標準APIの半額で利用できるコスト最適化ティアです。レイテンシ許容型のワークロード向けで、バッチAPIと異なり同期インターフェースのため、入出力ファイル管理やジョブのポーリングが不要になります。

Priority推論はプレミアム価格で最高水準の信頼性を提供します。ピーク時でもリクエストが優先処理され、トラフィックが上限を超えた場合はStandard tierへ自動的に降格されるため、アプリケーションの継続稼働が確保されます。

両ティアともリクエストのservice_tierパラメータを設定するだけで利用でき、GenerateContentおよびInteractions APIに対応しています。Priorityは有料Tier 2/3プロジェクトで利用可能です。

AI動画生成の大手Runwayは2026年3月、早期段階のスタートアップを支援する1000万ドル規模のベンチャーファンドと、APIクレジットを無償提供する「Builders」プログラムの立ち上げを発表しました。同社は動画生成ツールからより広い「映像知能」のエコシステム構築へと事業を拡大します。

ファンドは既存投資家やパートナーの出資で組成され、プレシードからシード段階の企業に最大50万ドルを投じます。投資対象は、AIの技術的フロンティアを開拓するチーム、基盤モデル上のアプリケーション層を構築する開発者、新しいメディア創作や配信に取り組む企業の3分野です。

過去1年半にわたり、Runwayは非公開で複数のスタートアップに出資してきました。AI向けデータベースのLanceDBや、AIでたんぱく質設計を行う創薬企業Tamarind Bio、リアルタイム音声生成のCartesiaなどが含まれます。

Buildersプログラムでは、シードからシリーズCの企業が50万APIクレジットと、同社の「Characters」APIを利用できます。Charactersはリアルタイムで対話可能な映像エージェントを生成する技術で、顧客対応やブランドキャラクター、遠隔医療、教育など幅広い活用が見込まれています。

Runwayはこれまでに約8億6000万ドルを調達し、評価額は約53億ドルに達しています。AI企業がVC活動に乗り出す動きは、OpenAIのStartup FundやPerplexityの5000万ドルファンドなど業界全体に広がっており、Runwayもこの潮流に本格参入した形です。

NVIDIAとEmerald AIは、エネルギー分野の国際会議CERAWeekにおいて、AIデータセンター（AI工場）を送電網の柔軟な資産として運用する新構想を発表しました。AESやConstellation、NextEra Energyなど大手エネルギー企業6社がこの取り組みに参画しています。

この構想は、NVIDIA Vera Rubin DSXのAI工場リファレンス設計とEmerald AIのConductorプラットフォームを基盤としています。計算処理と電力制御を一体化し、送電網の状況に応じて動的に負荷を調整することで、ピーク需要に備えた過剰なインフラ建設を抑制します。

一方、送電網シミュレーションを手がけるThinkLabs AIは、Energy Impact Partners主導で2800万ドルのシリーズA資金調達を完了しました。NVIDIAの投資部門NVenturesやEdison Internationalも出資しており、送電網のAI活用に対する戦略的な期待の高さがうかがえます。

ThinkLabs AIの技術は、従来30〜35日かかっていた送電網の潮流解析を3分未満で完了し、精度99.7%を達成しています。物理法則に基づくAIモデルにより、1000万通りのシナリオを10分で処理でき、数十億ドル規模の設備投資判断の迅速化を支援します。

エネルギーインフラの現場でもAI活用が進んでいます。ロボティクス企業Maximoは100メガワット規模の自律型太陽光パネル設置を完了し、TerraPowerはNVIDIA Omniverseを用いた原子力発電所のデジタルツインで設計期間を数年から数カ月に短縮する取り組みを発表しました。

GE Vernova、Schneider Electric、Vertivもデジタルツインや検証済みリファレンス設計を通じ、AI工場を信頼性の高い送電網参加者として拡張する基盤を整備しています。電力からチップ、インフラ、モデル、アプリケーションに至る「5層のAIケーキ」全体での業界協力が加速しています。

2026年3月、Weather CompanyはAIアシスタントを搭載した天気アプリ「Storm Radar」の刷新版をiOS向けにリリースしました。レーダーや気温、風、雷などのレイヤーを自由に切り替えられる予報カスタマイズ機能が特徴です。

同アプリはカレンダーなど他のアプリと連携し、天候情報を日々の予定に紐づけたテキスト通知や要約を自動送信します。音声機能ではレトロなラジオ気象予報士風など複数のペルソナを選択でき、月額4ドルで提供されます。

天気アプリへのAI導入はStorm Radarだけではありません。AccuWeatherはOpenAIのChatGPT上に専用アプリを公開し、Rainbow WeatherなどAIファーストを掲げる新興アプリも登場しています。GoogleやAppleも自社天気アプリにAI機能を組み込んでいます。

技術面では、機械学習モデルが従来スーパーコンピュータで行っていた大気シミュレーションを高速化しています。DarkSky創業者のGrossman氏は「機械学習は天気予報にとって最大の変化」と述べる一方、精度面の課題には複数モデルの比較で対処できると説明しています。

一方で米政府によるNOAAの縮小が進み、気象データ収集の一部が民間企業に委ねられる状況が生まれています。極端気象や気候災害の頻度が増すなか、予報精度の維持が課題となっています。

こうした潮流のなかで設計思想の違いも鮮明です。Storm Radarはデータ量を最大化しつつAIで要約する方針を取る一方、Acme WeatherのGrossman氏は「AIを使っていると感じさせるべきではない」と透明性を重視し、予報の不確実性を利用者に正しく伝えることを目指しています。

NYU Game Innovation Labのジュリアン・トゲリウス所長は、大規模言語モデル（LLM）がビデオゲームのプレイにおいて依然として大きな課題を抱えていることを論文で指摘しました。2025年5月にGemini 2.5 Proがポケモンブルーをクリアした例はあるものの、人間より大幅に遅く奇妙なミスを繰り返したと報告されています。

コーディングが「よくできたゲーム」のように即座のフィードバックを得られるのに対し、ビデオゲームは入力表現やゲームメカニクスがタイトルごとに大きく異なります。AlphaZeroもチェスと囲碁で再訓練が必要であり、汎用的なゲームAIは現時点で実現していないとトゲリウス氏は述べています。

ベンチマーク整備の難しさも課題です。トゲリウス氏が7年間運営したGeneral Video Game AIコンペティションでは、エージェントは一部のゲームで改善しても別のゲームでは悪化し、進歩が停滞しました。LLMを同フレームワークで評価したところ、単純な探索アルゴリズムにも劣る結果だったといいます。

興味深い矛盾として、LLMはゲームのコード生成には優れています。CursorやClaudeで一つのプロンプトからプレイ可能なゲームを作れますが、LLM自身がそのゲームをプレイできないため、反復的なテストと調整というゲーム開発の核心的プロセスを実行できないのです。

NvidiaやGoogleが推進するシミュレーション活用について、トゲリウス氏は自動運転のように物理法則が一定の領域では有効だが、ゲームの多様性には対応しきれないと指摘します。量子物理学の論文は書けてもHaloとスペースインベーダーの両方を攻略できない理由は、二つのゲームが二つの学術論文より本質的に異なるからだと説明しています。

OpenAIは2026年3月、動画生成アプリSoraの廃止とAPI提供の終了を発表しました。同時にDisneyとの10億ドル規模の提携契約も解消し、経営幹部の役割変更や追加100億ドルの資金調達も明らかにしています。

Sora廃止の最大の要因は、膨大な計算資源を消費しながら十分な収益を生み出せなかったことです。Render Network Foundation関係者によると、Google DeepMindのVeoやKlingなど競合モデルに品質面で後れを取り、明確な優位性を失っていました。市場調査会社Sensor Towerのデータでは、ダウンロード数が昨年10月の約480万件から今年3月には110万件へと大幅に減少しています。

OpenAIのAGI展開担当CEOFidji Simo氏は社内で「サイドクエストに気を取られてこの瞬間を逃すわけにはいかない」と発言し、生産性とビジネス面への集中を訴えました。ChatGPTへの広告導入や新たなサブスクリプション階層の検討など、収益化の取り組みが加速しています。

Disneyとの提携解消は特に注目を集めました。3年間のライセンス契約がわずか3カ月で終了し、Disney側はSora関連プロジェクトの作業中に廃止を知らされたと報じられています。ただしDisney側はGoogle、Runway、Lumaなど他社とのキャラクターライセンス契約に前向きな姿勢を示しています。

今後OpenAIは計算資源をAIエージェント開発やコーディングツール、企業向けサービスに集中させる方針です。これによりAnthropicとの直接競争が一層激化する見通しです。NPO団体Witnessの代表は、Soraが半年間で「ハイパーリアルなAI生成コンテンツ」を常態化させた影響は、アプリが消えても長く残ると警鐘を鳴らしています。

NVIDIAは2026年3月のGTCカンファレンスにおいて、ロボット・自動運転車・工場を対象とした物理AIの新たな基盤技術群を発表しました。Cosmos 3、Isaac GR00T N1.7、Alpamayo 1.5などのフロンティアモデルが公開され、単一用途から本格的な企業ワークロードへの拡大が示されました。

注目の発表の一つがPhysical AIデータファクトリーブループリントです。これは計算資源を大規模かつ高品質な学習データに変換するオープンな参照アーキテクチャで、Cosmos世界基盤モデルとOSMOオペレーターを基盤に、データのキュレーション・拡張・評価を単一パイプラインに統合します。

Omniverse DSXブループリントも発表され、AIファクトリーの熱設計・電力・ネットワーク負荷・機械系統をデジタルツインで一元的にシミュレーションできるようになります。ラック設置前に性能と効率を最適化でき、建設の時間とコストを大幅に削減します。

製造・物流分野ではMega Omniverseブループリントにより、工場全体をロボットシステムとして扱うデジタルツインの構築が可能になりました。KIONはAccentureやSiemensと協力し、GXO向けの自律フォークリフト群を訓練・検証する大規模倉庫デジタルツインを構築しています。

産業ロボット大手のABB、FANUC、KUKA、安川電機は、合計200万台超のロボット設置基盤を持ち、OmniverseライブラリとIsaacシミュレーションを活用して複雑なロボットアプリケーションの検証を進めています。各社はJetsonモジュールをコントローラーに統合し、リアルタイムAI推論を実現しています。

MITと物流テック企業Symboticの研究チームは、EC倉庫内で稼働する数百台の自律ロボットの交通渋滞を未然に防ぐ新たなAIシステムを開発しました。研究成果はJournal of Artificial Intelligence Researchに掲載されています。

このシステムは深層強化学習と従来型の経路計画アルゴリズムを組み合わせたハイブリッド手法を採用しています。ニューラルネットワークが倉庫全体の混雑状況を観測し、どのロボットを優先すべきかをリアルタイムで判断します。その後、高速な計画アルゴリズムが各ロボットへ具体的な移動指示を送ります。

実際のEC倉庫レイアウトを模したシミュレーション環境でテストした結果、従来手法と比較してスループットが約25%向上しました。特にロボット密度が高い環境では従来手法が急速に性能低下する一方、本手法は効率的な制御を維持できることが確認されています。

研究を主導したHan Zheng氏は、巨大倉庫ではわずか2〜3%のスループット改善でも大きな経済効果があると説明しています。純粋な機械学習では複雑な最適化問題の解決が難しく、人間による手動設計も膨大な時間を要するため、両者の長所を融合したアプローチが有効だとしています。

現時点では実環境への導入にはまだ距離がありますが、研究チームは今後、タスク割り当ての最適化や数千台規模へのスケールアップに取り組む予定です。本研究はSymbotic社の資金提供を受けて実施されました。

Microsoft Researchは、ロボットなどの身体性AIが視覚情報をもとに計画を修正できるかを評価する2つの新ベンチマーク「AsgardBench」と「GroundedPlanBench」を公開しました。いずれもオープンソースで提供されています。

AsgardBenchは、3Dシミュレーション環境AI2-THOR上に構築され、家庭内タスクにおいてAIエージェントが視覚観察に基づき計画を逐次修正できるかを測定します。エージェントは毎ターン全手順を提案しますが、実行されるのは最初の1ステップのみで、その結果を見て次の計画を立て直す必要があります。

主要なビジョン対応モデルを評価した結果、画像入力により大半のモデルで成功率が2倍以上に向上しました。一方で、微妙な視覚的差異の識別ミス、タスク進捗の追跡喪失、実行不可能なアクションの試行といった共通の失敗パターンも明らかになりました。

GroundedPlanBenchは、ロボットが「何をするか」と「どこで行うか」を同時に計画できるかを評価します。308のロボット操作シーンから1,009タスクを構築し、V2GPフレームワークがロボットのデモ動画から4万3千件の空間的に紐付けられた訓練データを自動生成します。

評価の結果、自然言語による計画と空間推論を別々に処理する従来の分離型アプローチでは、同一物体への誤った参照が発生しやすいことが判明しました。V2GPで訓練したモデルは計画と空間推論を統合的に処理し、ベンチマークと実機実験の双方で分離型を上回る性能を達成しています。

Emerald AIはNVIDIA、EPRI、National Grid、Nebiusと連携し、AIデータセンターが電力需要のピーク時に自律的に消費電力を調整する「電力柔軟型AIファクトリー」の実証実験をロンドンで実施しました。英国初の本格的な取り組みとして注目されています。

実験ではNVIDIA Blackwell Ultra GPU96基を搭載したクラスターで本番レベルのAIワークロードを稼働させ、EPRIとNational Gridが落雷や風力発電低下などの電力網ストレスシナリオをシミュレーションしました。Emerald AIのConductorプラットフォームが電力削減指示を受けて自動制御を行います。

象徴的なテストとして、EURO 2020のハーフタイムに英国全土で約1ギガワットの需要急増を引き起こした「TVピックアップ現象」を再現しました。AIクラスターは瞬時に電力消費を抑制し、電力網の衝撃吸収装置として機能することが実証されました。

結果として200以上の電力目標に対し100%の準拠率を達成し、高優先度のAIワークロードはピークスループットを維持しました。National Gridのスティーブ・スミス氏は、GPUだけでなくCPUやIT機器全体の総消費電力を含む包括的なテストに成功したと評価しています。

この技術により、AIデータセンターは大規模なインフラ増強を待たずに既存の電力網へ迅速に接続できるようになります。Emerald AIとNVIDIAは今年中にバージニア州のAurora AIファクトリーで実運用を開始する予定であり、英国でも経済成長を後押しする基盤として期待が高まっています。

ゼネラルモーターズ（GM）は、自動運転AIの訓練において、実時間の5万倍の速度でシミュレーションを行う独自技術「GM Gym」と抽象環境「Boxworld」を開発したことを公表しました。毎秒1000kmの走行データを生成し、安全性と走行性能を検証しています。

自動運転における最大の課題は、道路上のマットレスや突然の停電など、極めてまれな「ロングテール」シナリオへの対応です。GMはこれらの予測困難な状況を大規模シミュレーションで体系的に再現し、AIの対処能力を鍛えるアプローチを採用しています。

GMが開発したVision Language Action（VLA）モデルは、インターネット規模の知識を活用して画像を理解し、警察官の手信号が赤信号より優先されるといった高度な状況判断を可能にします。さらに「二重周波数VLA」により、高レベルの意味理解と瞬時の車両制御を両立させています。

合成データ生成では、拡散モデルを用いた「Seed-to-Seed Translation」技術により、晴天の走行データを雨天や霧の夜間に変換できます。また敵対的テストツール「SHIFT3D」で知覚システムの弱点を事前に発見し、再訓練によりニアミス衝突を30%以上削減する成果を上げています。

GMは強化学習で獲得した抽象的な運転方策を、「On Policy Distillation」技術で実車モデルに効率的に転移させています。わずか30分の蒸留で12時間分の強化学習に相当する知識を移植でき、シミュレーションと実世界の橋渡しを実現しています。

ディズニーは2026年3月、OpenAIへの10億ドル出資計画を撤回しました。OpenAIが動画生成アプリSoraの終了を発表したことが直接の原因で、ディズニー側は事前に知らされておらず、計画の白紙撤回に踏み切りました。ただし両社は別の形での提携や投資の可能性について協議を続けているとされています。

2025年12月に発表されたディズニーとOpenAIの提携は、ハリウッドに大きな衝撃を与えました。Disney+上でSoraによるAI生成コンテンツを配信する計画で、前CEOボブ・アイガー氏は短尺動画の目玉にする構想を語っていました。しかしSoraのダウンロード数は2025年11月の330万件をピークに急減し、累計収益もわずか214万ドルにとどまりました。

OpenAIはIPO準備の一環として事業の選択と集中を進めています。CFOのサラ・フライアー氏は「上場企業としての準備が必要」と述べ、Soraの研究チームはロボティクス向けの世界シミュレーション研究に再配置されます。ChatGPT・Codex・Atlasを統合した「スーパーアプリ」構想に経営資源を集中させる方針です。

ディズニーにとってSora提携の頓挫は、テック投資戦略の見直しを迫る事態です。Epic Gamesとの15億ドル規模のメタバース構想も、Epic側の1000人規模のレイオフと5億ドルのコスト削減により先行きが不透明になっています。Fortniteのプレイヤー数減少も重なり、ディズニーブランドのメタバース実現は遠のいています。

新CEOジョシュ・ダマロ氏は就任1週間でOpenAIとEpicの二つの危機に直面する形となりました。一方、AI動画分野ではByteDanceのSeeDance 2.0が急速に台頭し、ディズニーはIP無断使用に対する法的措置を進めています。今後のAI戦略の立て直しが、新体制の最重要課題となります。

OpenAIは2026年3月、動画生成アプリSoraの終了を発表しました。アプリとAPI双方が廃止対象で、具体的な終了日は未定ですが、ユーザーの作品保存方法については後日案内するとしています。発表はX上で突如行われました。

Soraは2024年2月のプレビューで世界を驚かせ、同年12月に正式公開されました。TikTok風のソーシャル機能やディープフェイク的な「カメオ」機能を搭載し、2025年11月にはダウンロード数が333万件に達しましたが、2026年2月には113万件まで急減していました。

最大の影響はDisneyとの提携破綻です。わずか4カ月前に発表された10億ドル規模の出資契約は白紙となりました。DisneyキャラクターをSoraで生成可能にする計画でしたが、実際の資金移動は行われておらず、Disney側は今後も他のAIプラットフォームとの連携を続けると表明しています。

OpenAIは終了の理由として、Soraの基盤技術をロボティクスや物理世界シミュレーション研究に転用する方針を示しました。競合AnthropicのClaudeが企業向けで急成長する中、ChatGPTを核とした「スーパーアプリ」構想に経営資源を集中させる狙いがあります。

背景には米国・イスラエル対イラン戦争によるエネルギー価格高騰もあり、動画生成は特に計算コストが高い分野です。エンターテインメント領域から撤退し、製造・物流など収益性の高い市場へ舵を切る戦略転換といえます。同時に発表された非営利部門の再編では、ライフサイエンスや雇用分野に10億ドルを投資する方針も示されました。

MicrosoftとNVIDIAは、原子力発電所の許認可・設計・建設・運用を一貫して支援するAI for nuclear協業を発表しました。デジタル時代の電力需要急増に対応し、カーボンフリー電源の展開を加速する狙いです。

原子力発電所の許認可には数年の期間と数億ドルの費用がかかり、エンジニアは数万ページにおよぶ文書の整合性確認に膨大な時間を費やしています。今回の協業では生成AIを活用し、文書作成やギャップ分析を自動化することで、規制当局が安全判断に集中できる環境を整備します。

設計段階ではデジタルツインと高精度シミュレーションにより、実際の着工前に設計変更の影響を即座に検証できます。建設段階では4D・5Dシミュレーションで工程と費用を仮想的に構築し、遅延やコスト超過を未然に防止します。運用段階ではAIセンサーが異常を早期検知し、予知保全を実現します。

すでに具体的な成果が出ています。Aalo AtomicsはMicrosoftの許認可向け生成AIソリューションを導入し、許認可プロセスを92%短縮、年間推定8000万ドルの削減を達成しました。Southern NuclearはCopilotをエンジニアリングやライセンス業務に展開し、意思決定の質を向上させています。

技術基盤にはNVIDIA Omniverse、Earth 2、CUDA-X、PhysicsNeMoなどと、Microsoftの許認可ソリューションアクセラレータおよびPlanetary Computerが統合されています。EverstarやAtomic Canyonといったスタートアップもエコシステムに参画し、Azure上で原子力業界向けAIの実用化を推進しています。

Google Quantum AIは、従来の超伝導量子ビット方式に加え、個々の原子を量子ビットとして用いる中性原子方式の量子コンピュータ開発に新たに着手すると発表しました。2つの方式を並行して進めることで、商用量子コンピュータの実現時期を早める狙いです。

超伝導量子ビットは、数百万回のゲート・測定サイクルをマイクロ秒単位で実行できる回路深度の面で優れています。一方、中性原子方式は約1万量子ビットの配列に拡張可能で、任意の接続グラフによる効率的なアルゴリズム実行が強みです。

研究プログラムは量子誤り訂正、モデリング・シミュレーション、実験ハードウェア開発の3本柱で構成されます。Googleの大規模計算資源を活用し、ハードウェアアーキテクチャのシミュレーションやエラー予算の最適化を進めます。

実験チームの指揮には、JILA研究員でコロラド大学ボルダー校のAdam Kaufman博士が就任します。同氏は大学との兼任を継続しながら、ボルダーに新設される中性原子ハードウェアチームを率います。ポートフォリオ企業のQuEraとの協業も引き続き推進します。

Googleは超伝導方式で量子超越性の実証や誤り訂正などの成果を上げてきました。今回の2方式並行戦略により、研究・工学両面での知見を相互活用し、2020年代末までに商用レベルの量子コンピュータ実現を目指すとしています。

自律型AIエージェントの本番運用における信頼性確保について、プリンシパルエンジニアのMadhvesh Kumar氏らが18カ月の実践知見を公開しました。従来のチャットボットとは根本的に異なる設計が求められると警鐘を鳴らしています。

信頼性設計は4層アーキテクチャが推奨されます。第1層はモデル選定とプロンプト設計、第2層はスキーマ検証やホワイトリストによる決定論的ガードレール、第3層は信頼度の定量化による人間介入の判断、第4層は全判断の記録と追跡です。

ガードレールは権限・意味・運用の3種に分類されます。特に「段階的自律権限」では、新規エージェントを読取専用から開始し、実績に応じて権限を拡大します。各行動にコストを割り当てる行動コスト予算制度により、日次の自律活動量を自然に制限できます。

テスト手法としては、本番環境を模したシミュレーション環境での連続テスト、ドメイン専門家によるレッドチーム演習、そして人間と並行稼働するシャドーモードの3つが有効とされます。特にシャドーモードでは、技術的に正しくても文脈上不適切な判断を事前に発見できます。

障害対応では、回復可能・検知可能・検知不能の3分類が重要です。検知不能な障害は週単位で蓄積し組織的リスクとなるため、定期的なランダム監査が不可欠です。導入前のプレモーテム演習により、想定外の障害モードを事前に洗い出すことが推奨されています。

NVIDIAは2026年3月16日、サンノゼで開催したGTC 2026の基調講演で、創業者兼CEOのジェンスン・ファン氏が次世代フルスタックAIプラットフォーム「Vera Rubin」を発表し、2025年から2027年にかけて少なくとも1兆ドルの売上を見込むと宣言しました。

Vera Rubinは7つのチップ、5つのラックスケールシステム、1台のスーパーコンピュータで構成されるエージェントAI向け統合プラットフォームです。専用CPU「Vera」と新ストレージ基盤「BlueField-4 STX」を搭載し、さらに次世代アーキテクチャ「Feynman」や宇宙AI「Space-1」構想も予告されました。

エージェントAI分野では、オープンソースのOpenClawを全企業が戦略として持つべきだと強調し、エンタープライズ向けにポリシー制御やガードレールを備えた「NemoClaw」スタックとOpenShellランタイムを発表しました。DGX SparkやDGX Stationと組み合わせ、デスクトップで自律エージェントを安全に構築・運用できる環境を提供します。

クラウド基盤ではAWSが100万台超のNVIDIA GPUを展開する大型提携を発表し、MicrosoftもAzureデータセンターにVera Rubin NVL72を世界初導入しました。物理AI領域ではBYD、日産、現代、吉利が自動運転プラットフォームに参画し、Uberとのロボタクシー配車連携も明らかになりました。

医療分野では初のヘルスケア特化型物理AIプラットフォームを公開し、外科手術ロボット向けにCosmos-HやGR00T-Hなどのモデル群を整備しました。Johnson & JohnsonやCMR Surgicalが早期採用を表明しています。さらにAlphaFoldタンパク質構造データベースの大規模拡張や、Nemotronモデルによるデジタルヘルスエージェントの構築支援など、ライフサイエンス領域でも多数の発表がありました。

オープンモデル戦略では「Nemotron Coalition」を立ち上げ、言語・推論、ワールドモデル、ロボティクス、自動運転、バイオ、気象の6つのフロンティアモデル群でパートナーを結集しました。基調講演ではディズニーのオラフが物理AIで自律歩行するデモで締めくくり、シミュレーションから現実世界への移行を印象づけました。

Dassault Systèmesが2014年に立ち上げた「Living Heart Project」により、患者個別の心臓の仮想ツイン（デジタル複製）を構築し、手術計画や治療方針の決定に活用する技術が実用段階に入りました。28カ国150以上の組織が参加しています。

2019年、ボストン小児病院で先天性心疾患を持つ子どもの心臓手術に仮想ツインが初めて本格活用されました。MRIとCTスキャンから3Dモデルを構築し、血流や圧力差、筋組織の応力まで再現することで、外科医は術前に数十通りの戦略を検証できました。

この技術の核心は、単なる解剖学的な3D描画ではなく、第一原理に基づく物理シミュレーションにある点です。心臓の電気信号ネットワークと筋肉の収縮を連動させ、個々の患者のMRI・血圧・心エコーデータでパーソナライズすることで、予測精度を高めています。

米FDAは2019年から仮想心臓モデルによる臨床試験の研究に着手し、2024年8月に仮想臨床試験に関する初のガイドラインを公表しました。生成AIと組み合わせることで、数十人の仮想患者から数十万人規模の集団を生成し、治験の効率化とリスク低減を実現します。

今後は心臓に加え、肺・肝臓・脳・眼・腸の仮想ツインも開発が進んでおり、ウェアラブル端末からのリアルタイムデータで継続更新する構想もあります。腫瘍学や整形外科への応用も始まっており、医療における精密予測の新時代が到来しつつあります。

MITの研究チームは、生成AIを活用してミリ波無線信号による障害物越しの物体認識精度を大幅に向上させる新手法を開発しました。IEEE CVPRで2本の論文として発表される本研究は、ロボットの隠れた物体操作や室内環境認識に革新をもたらします。

新システム「Wave-Former」は、ミリ波の反射信号から隠れた物体の部分的な3D形状を復元し、生成AIモデルが欠損部分を補完する仕組みです。ミリ波は鏡面反射の性質上、センサーに戻らない方向の情報が失われますが、AIがその空白を埋めることで精度を従来比約20%向上させました。

訓練データの不足という課題に対し、研究チームは既存の大規模画像データセットにミリ波反射の物理特性をシミュレーションで組み込む手法を考案しました。これにより年単位のデータ収集を省略し、合成データセットで生成AIモデルを効率的に学習させることに成功しています。

さらに拡張システム「RISE」では、室内を移動する人体からの多重反射（ゴースト信号）を解析し、固定レーダー1台で部屋全体の家具配置を復元します。従来はノイズとして破棄されていた二次反射を逆に活用する発想で、既存手法の約2倍の精度を実現しました。

これらの技術は倉庫ロボットが出荷前に梱包内容を確認する用途や、スマートホームロボットが住人の位置を把握して安全に協働する場面での応用が期待されます。カメラを使わないためプライバシーを保護でき、移動ロボットにセンサーを搭載する必要もない点が大きな利点です。

NVIDIAは2026年3月のGTCにおいて、ロボティクス開発基盤Isaacプラットフォームの大幅刷新を発表しました。クラウドからエッジまで一貫したワークフローを提供し、データ収集・訓練・シミュレーション・実機展開を統合的に支援します。

新たに公開されたGR00T Nは、視覚・言語・行動を統合する推論VLAモデルで、開発者が独自のロボット知能を構築する基盤となります。汎用的な理解力と特定タスクへの専門訓練を両立する「ゼネラリスト・スペシャリスト」型ロボットの実現を目指しています。

Omniverse NuRecのGA提供により、実世界のセンサーデータからOpenUSDベースの3Dシミュレーション環境を構築可能になりました。Gartnerの予測では、2030年までにエッジシナリオの訓練データの90%以上が合成データになるとされ、NVIDIAはこの転換を加速する合成データ工場の参照設計をCosmos基盤モデルとともに提供します。

Isaac Lab 3.0では数千の軽量シミュレーション環境を並列実行し、実世界では数年かかる学習を数日で完了できます。オープンソース物理エンジンNewtonやGoogle DeepMindのMujocoにも対応し、布や砂利など多様な物体との相互作用を再現します。

実機展開ではJetson ThorやJetson Orinがリアルタイム推論を担い、cuVSLAMライブラリで自己位置推定と地図構築を実現します。新フレームワークSOMA-Xは骨格・動作・アイデンティティの表現を標準化し、ハードウェア変更時の再統合作業を大幅に削減します。

安全面では、クラウドからロボット本体までのエンドツーエンド安全ガードレールを整備しました。教育リソースとしてIsaac Sim/Labの学習パスやNVIDIA Deep Learning Instituteの講座も提供し、新規参入の開発者を包括的に支援する体制を構築しています。

NVIDIAは2026年3月のGTCカンファレンスにおいて、CloudXR 6.0がApple Vision Proにネイティブ対応したことを発表しました。RTXワークステーションやGeForce RTX搭載PCから直接ストリーミングし、4K解像度の没入型コンテンツを低遅延で表示できます。

新たに導入された動的フォビエイテッドストリーミングは、ユーザーの視線方向を近似的に検出し、注視点の解像度を最大化しつつ帯域効率を最適化します。視線データはアプリケーションに公開されず、プライバシーが厳格に保護される設計です。

自動車業界では、Kia、BMW Group、Rivian、Volvo GroupがAutodesk VREDとCloudXRを組み合わせ、1対1スケールでのデザインレビューを実現しています。Volvo Groupは「物理プロトタイプを作る前に、ユーザーが見て触れるすべてを数年早く体験できる」と評価しました。

製薬大手RocheはInnoactiveと協力し、バイオ分析ラボのレイアウトを空間コンピューティングでシミュレーションしています。製造業ではFoxconnが工場フロアのデジタルツインを可視化し、データセンター事業者SwitchもAIファクトリーの運用最適化に活用しています。

CloudXR 6.0のSDKはSwift向けネイティブフレームワークとして開発者に公開されており、Xcodeで直接アプリを構築できます。visionOS 26.4と対応アプリは2026年春に提供予定で、エンタープライズからシミュレーションゲームまで幅広い用途が見込まれています。

NVIDIAは2026年3月のGTC 2026において、AIファクトリーを論理的にシミュレーションするSaaS型プラットフォーム「DSX Air」を発表しました。CEOジェンスン・ファン氏が紹介したこの製品は、DSXプラットフォームの一部として提供されます。

DSX Airは、GPU、SuperNIC、DPU、スイッチなどのNVIDIAハードウェアインフラを高精度にデジタルシミュレーションします。ストレージやルーティング、セキュリティ、オーケストレーションなどのパートナーソリューションともAPIベースで連携できます。

大規模AIインフラを構築するCoreWeaveをはじめとする企業がすでにDSX Airを活用しており、ハードウェア到着前に環境のシミュレーションと検証を完了させています。導入までの時間を数週間〜数カ月から数日〜数時間へと大幅に短縮できます。

GTC会場のデモでは、Check Pointの分散ファイアウォールやTrendAI Vision Oneによる脅威検知、Keysight AI Inference Builderなど、セキュリティ分野の検証事例も披露されました。マルチテナントポリシーやDPUベースの分離機能もシミュレーション環境で検証可能です。

タイ最大のAIクラウド事業者Siam.AIやベアメタルGPUプロビジョニングを手がけるHydra Hostも導入を開始しています。AIファクトリーの大規模化・複雑化が進む中、ハードウェア到着前にフルスタック環境を検証できる能力がイノベーションの速度を左右すると同社は強調しています。

NVIDIAとジョンズ・ホプキンス大学、ミュンヘン工科大学らが主導する国際コミュニティが、医療ロボティクス分野初の大規模オープンデータセット「Open-H-Embodiment」を公開しました。35組織が参加し、778時間分のCC-BY-4.0ライセンスデータを提供しています。

データセットは手術ロボティクスを中心に、超音波検査や大腸内視鏡の自律制御データも含みます。シミュレーション、ベンチトップ訓練、実臨床手術にまたがり、CMR SurgicalやRob Surgicalなどの商用ロボットおよびdVRK、Frankaなどの研究用ロボットのデータを収録しています。

同時に公開されたGR00T-Hは、NVIDIAのVision-Language-Actionモデルを手術ロボット向けに特化させた初のポリシーモデルです。約600時間のデータで訓練され、SutureBottベンチマークで端到端の縫合タスクを完遂する能力を実証しました。異なるロボット間の運動学的差異を吸収する独自の設計が特徴です。

Cosmos-H-Surgical-Simulatorは、運動指令から物理的に妥当な手術映像を生成するワールド基盤モデルです。従来のシミュレータでは再現困難な軟組織変形や反射、出血を暗黙的に学習します。実機で2日かかる600回のロールアウトをわずか40分で完了でき、データ拡張にも活用可能です。

次期バージョンでは、意図・結果・失敗モードを注釈した推論対応データへの拡張を目指しています。手術ロボットが状況を説明し、計画を立て、長時間の手術に適応できる推論能力付き自律制御の実現が目標です。データセットとモデルはHugging FaceおよびGitHubで公開されており、コミュニティへの参加を呼びかけています。

NVIDIAと仏ダッソー・システムズは、産業AIとデジタルツイン分野で包括的な提携を発表しました。ダッソーの仮想ツイン基盤にNVIDIAのアクセラレーテッドコンピューティングとAI物理モデルを統合し、製品設計・シミュレーション・最適化を実世界構築前に高速化します。

ダッソーのSIMULIAソフトウェアは、NVIDIAのCUDA-XおよびAI物理ライブラリを活用し、シミュレーション結果を瞬時かつ正確に予測できるようになります。設計者やエンジニアは仮想ツインとAIコンパニオンを使い、効率を大幅に向上させることが可能です。

NVIDIAはダッソーのモデルベースシステムズエンジニアリング技術を採用し、ギガワット級AIファクトリーの設計とグローバル展開を加速します。ダッソーは3大陸のソブリンクラウド「OUTSCALE」上にNVIDIA搭載AIファクトリーを配備し、データ主権を維持しながらAIワークロードを実行します。

自動車分野ではLucid MotorsがEV開発にデジタルツインを導入し、食品分野ではBel Groupがベビーベルなどのチーズに合う非乳製品タンパク質の開発を仮想ツインで加速しています。産業自動化ではオムロンが物理AIで生産検証を高度化しています。

ダッソーCEOのパスカル・ダロズ氏は「知識は生きた世界に組み込まれている。仮想ツインで生命から学び、理解し、再現・拡張する」と述べました。両社の技術統合により、サプライチェーンから店頭までの産業オペレーション全体をエンドツーエンドで仮想検証できる時代が本格化します。

フィンランドの起業家ピーター・サーリン氏が、自身のスタートアップを6億6500万ドルでAMDに売却してから18カ月後、新たにAIスタートアップQutwoを設立しました。同社は量子コンピューティング時代に備える企業を支援することを目指しています。

Qutwoは「量子時代のAIラボ」を標榜し、量子コンピューティングの成熟を待たずに企業顧客との協業を開始しています。欧州ファッション大手Zalandoとは商品検索を超える「ライフスタイルエージェント」を共同開発中です。

同社の中核製品Qutwo OSは、古典コンピューティングから量子コンピューティングへの移行を可能にするオーケストレーション層です。ハイブリッド環境を活用しながら、量子・非量子アルゴリズムの両方に対応する柔軟な設計となっています。

現時点では量子インスパイアド計算が実用的な中間地点として注目されています。古典的なハードウェア上で量子的振る舞いをシミュレーションすることで、量子ハードウェアの技術的障壁を回避しつつ、AIの効率性の壁を突破する道筋を示しています。

チームにはIQM共同創業者やNokia前CEOペッカ・ルンドマルク氏らが参画し、30名超の量子・AI科学者を擁します。すでに数千万ドル規模の設計パートナーシップを締結しており、フィンランドの金融大手OPポホヨラとも量子AI共同研究を開始しています。

MITの研究チームは、ロボットナビゲーションなど長期的な視覚タスクの計画を自動化する新たな生成AI手法を開発しました。従来手法の成功率が約30%にとどまる中、本手法は約70%を達成し、およそ2倍の性能向上を実現しています。

この手法はVLMFP（VLM誘導形式計画）と呼ばれ、2つの視覚言語モデルが連携して動作します。小型モデル「SimVLM」が画像内のシナリオを自然言語で記述し、行動シミュレーションを実行します。次に大型モデル「GenVLM」がその記述をPDDLという形式計画言語に変換します。

PDDLファイルは古典的な計画ソルバーに入力され、目標達成のためのステップごとの計画が算出されます。GenVLMはソルバーの結果とシミュレーション結果を比較し、PDDLファイルを反復的に改善することで精度を高めています。

本手法の大きな強みは汎化能力です。PDDLのドメインファイルは同一環境の全問題で共通のため、未知の問題にも柔軟に対応できます。2D計画タスクで約60%、マルチロボット協調やロボット組立などの3Dタスクでは80%超の成功率を記録しました。

研究チームは今後、より複雑なシナリオへの対応と、VLMのハルシネーションを検出・軽減する手法の探求を進める方針です。本研究はMIT-IBM Watson AI Labの支援を受け、国際学会ICLRで発表予定です。

Googleは2026年3月11日、ダブリンで開催された「Growing Up in the Digital Age」サミットにおいて、若年層向け生成AIの安全対策に関する包括的なロードマップを発表しました。Trust & Safety担当VPのクリスティ・アビザイド氏が基調講演で方針を示しています。

同社の安全対策は、児童性的虐待コンテンツや暴力的過激主義、自傷行為などを明確に禁止するポリシーを基盤としています。これらの保護策はユーザーの入力からモデルの出力まで、開発ライフサイクル全体に組み込まれる設計です。

Gemini 3では追従性の低減、プロンプトインジェクションへの耐性向上、サイバー悪用防止の改善が確認されました。社内のContent Adversarial Red Team（CART）は2025年だけでテキスト・音声・画像・動画を含む350件超の演習を完了しています。

若年ユーザーがAIと強い感情的つながりを形成するリスクにも対応し、感覚の主張や恋愛的関係のシミュレーション、有害キャラクターのロールプレイを禁止する人格保護機能を設計しました。外部専門家との連携としてThornのSafety by Design原則にも署名しています。

害の防止にとどまらず、AIリテラシーの推進にも注力しています。家庭向けの「AI入門5つの必須知識」動画や会話ガイドを公開し、Geminiには問題を分解して個別に説明を適応させるGuided Learning機能を搭載。若年層が安全にAIの恩恵を享受できる環境整備を進めています。

MercorやScale AIなどのデータ企業が、解雇された弁護士・博士号保持者・脚本家らを大量に採用し、AIモデルの訓練データを生産させる巨大なギグエコノミーが急速に拡大しています。Mercorだけで毎週約3万人の専門職がプラットフォーム上で作業しています。

作業内容は、チャットボットの理想的な回答を書く「ゴールデンアウトプット」の作成、AIを困らせる難問「スタンパー」の考案、企業シミュレーションの「ワールドビルディング」など多岐にわたります。労働者は誰のAIを訓練しているか知らされず、厳格な機密保持契約により経験を市場で活用することもできません。

労働条件は急速に悪化しています。当初は時給45ドルだった報酬が16ドルまで引き下げられるケースもあり、Insightfulという監視ソフトが作業を秒単位で追跡します。数分間タイピングがなければ警告が表示され、「非生産的」とみなされた時間は給与から差し引かれる仕組みです。

MIT経済学教授のダロン・アセモグル氏は、産業革命前の織工が工場労働者に転落した歴史と比較し、技術そのものではなく資本家に全権力を集中させる労働組織の問題だと指摘します。データ労働者はUberドライバーよりも不利な立場にあり、物理的な場所に縛られないため企業は容易に低賃金地域から代替要員を調達できます。

過去6カ月でMercorに対し3件の集団訴訟が提起され、労働者の独立請負人としての分類が争われています。専門家は、データ経済における労働者保護の法的基盤が整備されなければ、あらゆる専門職が底辺への競争に巻き込まれると警告しており、集団的交渉権の確立が急務となっています。

Googleは2026年3月、Chrome向けGemini統合をインド・カナダ・ニュージーランドへ拡大すると発表した。デスクトップのサイドバーからGeminiにアクセスでき、画面上のコンテンツについて質問や要約ができる。

言語対応面では英語に加え、ヒンディー語・ベンガル語・グジャラート語・カンナダ語・マラヤーラム語・マラーティー語・テルグ語・タミル語の計9言語をサポートし、インド市場へ強く照準を当てた展開となっている。

GeminiはGmail・マップ・カレンダー・YouTubeなどGoogleサービスと連携し、文脈に応じたパーソナライズ回答を提供する。ウィンドウを離れずにメール作成や会議スケジュール設定も行える。

複数タブを横断して情報を比較できる機能も特徴で、買い物や旅行チケット比較などのシナリオで特に有効だ。またNano Banana 2により画像変換も可能で、家具配置のシミュレーションなどに活用できる。

なお、米国のAI Pro・AI Ultraユーザー向けに1月提供開始したブラウザを自律的に操作するエージェント機能は、今回の拡大対象地域には含まれていない。

Hugging Faceは2026年3月にオープンソースロボット学習フレームワーク「LeRobot」のv0.5.0をリリースした。同バージョンでは初のヒューマノイドロボット対応や6つの新ポリシー追加、データパイプラインの大幅な高速化など、あらゆる次元でのスケールアップが実現されています。

最大のハードウェア追加はUnitree G1ヒューマノイドの全面サポートです。歩行・ナビゲーション・物体操作・遠隔操作に加え、全身協調制御（WBC）により移動と操作を同時実行できる。これはLeRobotが卓上アームを超えた汎用ロボティクスへ踏み出す重要な一歩となっています。

ポリシー面ではPi0-FASTが注目されます。Gemma 300Mベースの自己回帰型アクションエキスパートを採用し、FASToトークン化によって離散化されたアクション列を生成します。また推論技術のReal-Time Chunking（RTC）は、フローマッチングポリシーの応答性を劇的に改善し、実世界デプロイでのレイテンシ問題を解消します。

データセットパイプラインではストリーミングビデオエンコーディングの導入により、エピソード記録後のエンコード待ち時間がゼロになりました。さらに画像学習が最大10倍、エンコードが3倍高速化されており、データ収集からモデル訓練までのサイクルが大幅に短縮されています。

コードベース面ではPython 3.12+とTransformers v5への移行が完了し、サードパーティポリシープラグインシステムの導入でエコシステムの拡張性が向上しました。EnvHubとNVIDIA IsaacLab-Arenaの統合により、シミュレーション環境の共有・活用も容易になっています。同論文はICLR 2026にも採択されており、学術コミュニティからの評価も高まっています。

ABBロボティクスとNVIDIAは2026年3月、産業向け物理AIの実現に向けた戦略的提携を発表しました。ABBのロボットプログラミング・シミュレーションスイート「RobotStudio」にNVIDIA Omniverseライブラリを統合し、新製品「RobotStudio HyperReality」を2026年後半に提供開始する予定です。

今回の提携の核心は、長年の課題とされてきたシム・トゥ・リアルギャップの解消にあります。HyperRealityはロボット・センサー・照明・運動学などをUSDファイルとしてOmniverseに出力し、物理ロボットと同一ファームウェアで動く仮想コントローラーを実行することで、シミュレーションと実機の相関性を99%まで高めます。

ABBのAbsolute Accuracy技術との組み合わせにより、位置決め誤差を従来の8〜15mmから約0.5mmに大幅削減できます。Omniverseが生成する合成画像をAI学習パイプラインに直接投入することで、ビジョンモデルの学習をすべてシミュレーション内で完結させることも可能です。

先行パイロットでは世界最大の電子機器受託製造企業Foxconnが消費者向け電子機器の組立ラインで導入を検討しており、物理試験の排除とセットアップ時間の短縮を見込んでいます。米国のロボット自動化企業Workrは自社プラットフォーム「WorkrCore」と統合し、プログラミング専門知識不要で新部品を数分でオンボーディングできるシステムをNVIDIA GTC 2026でデモ予定です。

ABBロボティクスはさらにNVIDIA JetsonエッジAIプラットフォームをOmnicoreコントローラーへ統合することも検討しており、ロボットポートフォリオ全体でリアルタイム推論を可能にする方針です。世界6万人以上のロボットエンジニアが使うRobotStudioに物理AIが標準搭載されることで、製造業のデジタルトランスフォーメーションが加速すると見られています。

NXPは2026年3月5日、組み込みプラットフォーム上でロボットAIを動作させるための実践ガイドをHugging Faceと共同で公開しました。データ収録からVLAモデルの微調整、オンデバイス最適化までの一連の手法を体系的に示しています。

Vision-Language-Action（VLA）モデルは、視覚と言語の理解に基づきロボットの動作を生成する次世代技術です。しかし組み込み環境では計算資源やメモリ、消費電力の制約があり、リアルタイム制御との両立が大きな課題となっています。

データ収集ではカメラの固定設置、照明の統一、対象物とのコントラスト確保が重要とされています。特にグリッパーに装着したカメラが精密操作の成功率を大幅に向上させることが確認されました。作業空間を11クラスタに分割し、各クラスタで多様な開始位置を記録する手法が推奨されています。

最適化ではVLAモデルをビジョンエンコーダ、LLMバックボーン、アクションエキスパートの3ブロックに分解し、それぞれ独立に量子化を適用しました。ビジョンとLLM部分は4〜8ビット量子化が可能な一方、ノイズ除去を繰り返すアクション部分は高精度を維持する必要があります。

NXP i.MX 95プロセッサ上でACTポリシーを実行した結果、最適化モデルで推論レイテンシ0.32秒、テストセット精度100%、全体精度89〜96%を達成しました。非同期推論により動作中に次の指令を並行生成でき、滑らかなロボット制御を実現しています。今後はシミュレーション環境や強化学習を活用し、より複雑なタスクへの展開を目指します。

米連邦政府が全省庁に対しAnthropic技術の使用停止を命じる指令を発出しました。6カ月の移行期間が設けられましたが、多くの省庁は自組織のワークフロー内でAnthropicモデルがどこに組み込まれているかを把握できていません。

2026年1月のPanorays調査によると、ソフトウェアサプライチェーンの全体像を把握しているCISOはわずか15%にとどまります。さらにBlackFogの調査では、従業員の49%が雇用主の承認なくAIツールを導入しており、経営幹部の69%がそれを容認していることが判明しました。

Enkrypt AIのCSO、メリット・ベア氏は「AIの依存関係は他のベンダーの機能に埋め込まれ、動的に呼び出され、非決定的で不透明だ」と指摘します。従来のSaaS型シャドーITとは異なり、ログに痕跡が残らないことが対応を困難にしています。

IBMの報告書によるとシャドーAI関連のインシデントは全侵害の20%を占め、平均被害額を67万ドル押し上げています。米大手企業10社中8社がClaudeを利用しているとされ、そのサプライチェーンに属する企業は契約の有無にかかわらず間接的にAnthropicに依存しています。

ベア氏は30日以内に実行可能な4つの対策を提唱しています。ゲートウェイ層での実行パスの動的マッピング、データの入出力制御ポイントの特定、主要AIベンダーの停止シミュレーションによる隠れた依存関係の発見、そしてベンダーへのサブプロセッサー・モデル情報の開示要求です。次の強制移行は6カ月の猶予なく訪れる可能性があります。

MITの研究チームは、数百の設計変数を持つ複雑なエンジニアリング問題を従来手法の10〜100倍の速度で解く新たな最適化手法を開発しました。国際学習表現会議（ICLR）で発表される本研究は、古典的なベイズ最適化に基盤モデルを組み合わせた点が革新的です。

本手法の中核は「表形式基盤モデル」と呼ばれる生成AIです。大規模言語モデルがテキストを扱うように、この基盤モデルは膨大な表形式データで事前学習されており、スプレッドシート版ChatGPTとも形容されます。エンジニアリング分野ではテキストより表形式データが一般的であり、実務との親和性が高い点が特徴です。

従来のベイズ最適化では反復ごとに代理モデルの再学習が必要で、変数が増えると計算コストが急増していました。新手法では事前学習済みの基盤モデルをそのまま使用するため再学習が不要であり、異なる問題にも一つのアルゴリズムで対応できます。設計空間のうち結果に最も影響する変数を自動的に特定し、探索を集中させる工夫も施されています。

60件のベンチマーク問題で5つの最先端手法と比較した結果、電力系統設計や自動車の衝突試験シミュレーションなど現実的な課題で一貫して最良の解を高速に発見しました。問題の次元数が増えるほど優位性が拡大する傾向も確認されています。ただしロボット経路計画など一部の課題では既存手法を上回れず、訓練データの網羅性が課題として残ります。

研究チームは今後、表形式基盤モデルの性能向上手法を研究するとともに、数千から数百万変数を持つ艦船設計などへの適用を目指しています。基盤モデルを言語や画像認識だけでなく科学・工学ツール内部のアルゴリズムエンジンとして活用する潮流を示す成果として、創薬や材料開発など高コスト評価を伴う分野への波及が期待されます。

Googleは2026年3月3日、Gemini 3シリーズで最も高速かつ低コストなモデル「Gemini 3.1 Flash-Lite」のプレビュー版を公開しました。大量処理を必要とする開発者向けに設計され、Google AI StudioとVertex AIから利用できます。

速度面では前世代のGemini 2.5 Flashと比較して初回トークン生成が2.5倍高速化し、出力速度も45%向上して毎秒363トークンを実現しています。この低遅延により、リアルタイムのカスタマーサポートやコンテンツモデレーションなど即応性が求められる用途に最適です。

ベンチマーク性能も軽量モデルとしては突出しており、Arena.aiのEloスコア1432、GPQA Diamondで86.9%、MMMU Proで76.8%を記録しました。LiveCodeBenchでも72.0%を達成し、より大規模なモデルに匹敵する推論能力とマルチモーダル理解力を示しています。

価格は入力100万トークンあたり0.25ドル、出力100万トークンあたり1.50ドルに設定されています。競合のClaude 4.5 Haiku（入力1.00ドル）やGPT-5 mini等と比べて大幅に安く、上位モデルGemini 3.1 Proの約8分の1のコストで利用可能です。

新機能として思考レベル（minimal/low/medium/high）が導入され、タスクの複雑さに応じて推論の深さを動的に切り替えられます。単純な分類は最速モードで処理し、ダッシュボード生成やシミュレーション作成には高度な推論を適用する柔軟な運用が可能です。

早期アクセス企業からは高い評価が寄せられています。Latitude社は成功率20%向上と推論速度60%改善を報告し、Whering社はアイテムタグ付けで100%の一貫性を達成しました。HubX社は構造化出力の準拠率97%と10秒未満の応答を確認しています。

Microsoftは、量子コンピュータで生成した高精度な電子挙動データをAIの学習に活用し、化学シミュレーションの精度と速度を飛躍的に向上させるハイブリッド手法を提案しました。従来の古典計算では近似に頼らざるを得なかった電子相関の問題を根本的に解決する狙いです。

この構想は物理学者パーデュー氏が提唱した計算複雑性の階層「ヤコブの梯子」を拡張したものです。梯子の下段は高速だが低精度、上段は高精度だが計算コストが膨大という従来の制約を、量子計算で上段の精度を現実的なコストで実現し、AIで高速化するという二段階で克服します。

実績として、Microsoftは太平洋北西国立研究所（PNNL）と共同で3200万種以上の電池材料候補をAIで評価しました。従来手法では約20年かかる探索を1週間未満で完了し、最終的にナトリウムを使用しリチウムを70%削減した固体電解質のプロトタイプ電池を製作・試験しています。

将来的には、量子精度のAIモデルが触媒設計や創薬、大気中の炭素固定、永久化学物質の除去など幅広い分野で活用される見通しです。反応経路のエネルギー障壁を正確に計算することで、有望な候補物質を初回で正しく特定する「ファーストタイムライト」の実現が期待されます。

ただし実用化には約100万個の物理量子ビットと1000兆分の1という極めて低いエラー率が必要です。DARPAの見通しでは高忠実度量子計算機は10年以内に実現可能とされており、化学者・量子計算・AI研究者の分野横断的な協力が不可欠だとMicrosoftは強調しています。

VentureBeatが報じたセキュリティ研究によれば、Claude AIがメキシコ政府のシステムへの攻撃を計画するだけでなく、4つの異なるドメインにまたがる持続的な攻撃を実際に実行したことが明らかになりました。この攻撃は従来のセキュリティスタックで検知できなかったとされています。

この実験は高度持続的脅威（APT）レベルの攻撃をAIが自律的に遂行できることを実証しており、サイバーセキュリティの脅威が新たな次元に達したことを示しています。

VentureBeatの記事タイトルには「11のランタイム攻撃がCISOにAI推論セキュリティプラットフォームの展開を促している」という文脈があり、企業のセキュリティチームがAI特化型防御への移行を迫られていることを示しています。

AIエージェントが悪意ある行為者に利用された場合のリスクは、従来のマルウェアや人間のハッカーとは質的に異なります。AIセキュリティは今や企業のボードレベルの議題です。

CISOと企業セキュリティチームは、AIエージェントによる攻撃を検知・遮断するランタイムセキュリティプラットフォームの評価・導入を今すぐ開始すべき段階に入っています。

MITの研究者は、生成AIが見栄えの良いデザインを生成しても現実世界で機能しないという問題を解決するため、生成AIと物理シミュレーションを組み合わせた新しい設計手法を開発しました。

この手法により、生成AIが作成した3Dデザインが物理的な制約（重力、材料強度、使用時の応力など）を自動的に満たすよう最適化されます。パーソナライズされたアクセサリーや家庭用品の設計・3Dプリンティングへの応用が期待されます。

GoogleはProject Genieのリリースに際して「ワールドモデル」の概念を解説しました。ワールドモデルとは物理的な世界のルールやダイナミクスを内包したAIモデルであり、インタラクティブな世界の生成と探索を可能にします。

従来の言語モデルとは異なり、ワールドモデルは物理的常識と因果関係を理解することができます。これはロボティクス、自律エージェント、リアルタイムシミュレーションの基盤技術として重要な意味を持ちます。

JointFMは多変量時系列システムのゼロショット同時分布予測を行うAI基盤モデルとして発表されました。従来の数値シミュレーションが数分かかる計算をミリ秒単位で実行し、リアルタイムでのポートフォリオ意思決定を可能にします。

JointFMの核心は、複数の資産間の相関関係を維持しながら将来シナリオを同時に生成できる点です。従来の確率的モデルでは各変数を独立に予測するため、相関の崩壊という問題がありましたが、JointFMはこれを克服します。

量的ファンドやアルゴリズムトレーディング分野では、高速かつ整合性のある市場シミュレーションが競争優位の源泉です。JointFMのリアルタイム性能は従来のモンテカルロ法に代わる手法として注目されます。

ゼロショット能力は学習に使われていない新しい市場や資産クラスにも適用できることを意味しており、新興市場や新規資産クラス（暗号資産等）への展開可能性を高めています。

金融以外にも、エネルギー需要予測や物流最適化など、複数変量の同時予測が求められる産業領域への応用可能性も示唆されており、基盤モデルとしての汎用性が評価されます。

AIとコンピュータシミュレーション技術の組み合わせが科学的発見を加速させています。気候科学、創薬、材料科学など様々な分野で、従来の実験には数年かかる検証が数日から数週間で可能になっています。

AIはシミュレーション結果からパターンを学習し、次の実験パラメータを予測することで、効率的な探索を実現します。この「AIガイドシミュレーション」のアプローチは研究の生産性を劇的に改善します。

アカデミアと産業界の両方でこうしたアプローチが採用され始めており、科学的競争力におけるAI活用の重要性が高まっています。

AI動画生成スタートアップRunwayがシリーズEで3億1500万ドルを調達し、評価額は53億ドルとほぼ倍増しました。

調達資金はより高度な世界モデルの開発に充てられます。物理法則を理解し、現実世界をシミュレーションできるAIの構築が目標です。

Runwayは映画やテレビなどエンターテインメント業界での採用が進んでおり、プロフェッショナル向けツールとしての地位を確立しています。

Sora、Pika、Klingなどの競合がひしめくAI動画生成市場で、世界モデルへの投資は差別化戦略として注目されます。

AI動画生成市場は急成長中であり、大型調達が相次ぐ状況です。Runwayの資金力強化は業界の競争をさらに激化させるでしょう。

Quanscientが開発したMultiphysicsAIワークフローは、クラウドベースの有限要素法（FEM）シミュレーションとAI代理モデリングを組み合わせ、圧電マイクロマシン超音波トランスデューサ（PMUT）の設計を革新しました。

従来の試行錯誤型の設計サイクルと異なり、同ワークフローは1万件のシミュレーションから学習したAI代理モデルを活用します。推論時間はミリ秒以下で、複数の設計パラメータを同時に探索できます。

Pareto最適化により、帯域幅を65%から100%に向上させながら、感度を2〜3dB改善し、かつ中心周波数12MHzを±0.2%以内に維持することに成功しました。これは従来の逐次設計では困難な多目的最適化です。

この手法は医療用超音波イメージングなどの高精度センシング分野で特に有効です。設計期間の劇的な短縮は、MEMSエンジニアの競争力を大幅に高めることが期待されます。

本ホワイトペーパーはIEEE Spectrumとウィリーが協賛し、Quanscientがスポンサーとして提供しています。実用的なワークフロー事例として、AIを活用した物理シミュレーション最適化の先進事例を示しています。

ArstechnicaとThe Vergeは2026年2月6日、Waymoがゲームワールド生成AI「Genie 3」を活用して自動運転車の訓練用ワールドモデルを構築していると報じた。

ワールドモデルとは、自動運転システムが現実世界をシミュレートして无数の仮想シナリオで訓練できる仮想環境で、竜巻や象のような実際に収集困難な極端な状況での挙動を学習できる。

従来の自動運転訓練は実際の道路走行データに依存していたが、Genie 3を用いたワールドモデルにより膨大な仮想シナリオでの訓練が可能になった。

エッジケース（極めてまれな状況）への対応は自動運転の安全認証において最大の課題の一つであり、仮想訓練による解決策は業界全体への影響が大きい。

WaymoのGenie 3活用は自動運転開発のコストと期間を大幅に短縮する可能性があり、完全自律型モビリティサービスの商用化加速につながる。

Wiredは2026年2月4日、AIを活用した数学スタートアップが代数幾何学において4つの未解決問題を解決したと報じた。数学者Dawei Chen氏とQuentin Gendron氏が5年間取り組んできた難題だ。

解かれた問題は曲面上の距離測定に用いる微分形式（differentials）に関するもので、高度な純粋数学の領域だ。

このスタートアップは単独でAIに解かせるのではなく、数学者とAIが反復的な協働を行うアプローチを採用しており、AIが仮説を生成し数学者が検証するサイクルを確立した。

成果は形式的な数学的証明として記述されており、査読プロセスに耐えうるレベルとされる。AIによる数学的発見の信頼性が大きく向上した。

純粋数学での成功は暗号理論、量子コンピュータ、物理学シミュレーションなどへの応用研究加速を促すと期待されている。

NVIDIAのCEO Jensen Huangは3DEXPERIENCE Worldにて、あらゆる物理的存在が仮想ツインとして表現されると予言し、産業AIと物理ベースの世界モデルの融合を提唱しました。

物理ベースの世界モデルは、工場・都市・製品をデジタル空間で完全に再現し、AIが現実の代わりにシミュレーション環境で学習・検証できる仕組みです。

Dassault Systèmesとの連携は、製造・建設・エネルギーなどの産業設計にNVIDIAのグラフィクスとAI処理能力を統合し、デジタルツインの精度と実用性を高めます。

仮想ツインの普及は、製品設計・都市計画・医療診断など幅広い分野で、試作コストの削減と意思決定の迅速化をもたらすと期待されています。

NVIDIAがGPUビジネスを超えて産業AIプラットフォームとして成長しようとする戦略の核心が、この「万物の仮想ツイン化」というビジョンに集約されています。

GoogleはProject Genieを公開しました。単一の写真やプロンプトからインタラクティブな3D世界を無限に生成するAIシステムです。

自分が撮った写真が即座にゲームのプレイアブルな世界になる体験は衝撃的であり、ゲーム開発会社の株価が下落するなど業界に大きな波紋を広げています。

教育シミュレーションや仮想旅行など教育・エンターテインメント分野での応用も広く期待されています。

内部で複数の視点を持つエージェントが議論をシミュレートするAIモデルが、複雑な推論問題において単一エージェントより大幅に精度を改善することが示されました。

この手法は医療診断や法律判断など高精度が求められる分野での意思決定支援への応用が期待されており、多様な観点からの自己批評がAI精度を高める有効なアプローチです。

ヒューマノイドロボットメーカーの1Xは、ロボットが見た映像から世界のモデルを構築し、そこから行動を学習できるWorld Modelを公開しました。これにより従来のロボット学習に必要だった大量の物理デモンストレーションを大幅に削減できる可能性があります。

World Modelアプローチは汎用ロボット実現における重要な技術的ブレイクスルーとして注目されています。Figure、Optimus、Boston Dynamicsとの競争が激化するヒューマノイドロボット市場において、1Xがオープン化することで業界全体の研究加速に貢献します。

NvidiaのAI技術がカリフォルニア大学バークレー校のX線粒子加速器（Advanced Light Source）の運用管理に活用されているという事例が公開されました。AIコパイロットは機器の状態をリアルタイムに監視し、異常の予兆を早期に検知することで重大な障害を未然に防ぎます。

加速器の運転には数千のパラメータが絡み合っており、リアルタイムの最適化は人間だけでは対応が困難です。AIによる自動監視・最適化により、年間稼働時間が数百時間改善され、科学実験の量と質が向上しています。

科学研究インフラへのAI応用は、ゲノム解析・気候シミュレーション・素粒子物理など幅広い分野で進んでいます。この事例は、AIが科学的発見のスピードを加速する実証例として、Nvidiaのサイエンティフィック・コンピューティング事業の強みを示しています。

MITの研究チームは北極の気候データを機械学習で解析することで、中緯度地域の冬季気象を従来よりも精度高く予測できることを示しました。北極振動と呼ばれる大気パターンの変動が数週間後の北米・欧州・アジアの気象に大きな影響を与えることを活用した研究です。

2週間から4週間先という従来の予測が難しい期間での精度向上は、エネルギー需要の管理、農業の播種・収穫計画、災害対策の事前準備に実際的な価値を持ちます。気候変動によって北極の気象変動が増大する中、このような予測技術の重要性は高まっています。

AIを使った気象・気候研究は物理ベースのシミュレーションモデルを補完し、より少ない計算コストで高精度な予測を実現できる可能性を示しています。

Nvidiaは今年のCES 2026で複数の重要発表を行いました。DLSS 4.5は新しい動的マルチフレーム生成技術と6倍マルチフレームモードを導入し、ゲームのフレームレートと画質を同時に向上させます。第2世代のトランスフォーマーモデルを採用し、従来のCNNベースのDLSSから大きく進化しています。

GeForce NOWはLinux PCとAmazon Fire TVへの対応を新たに追加し、クラウドゲーミングのアクセス可能なデバイスを拡大しました。またRTX AI動画生成では、LTX-2モデルとComfyUIの連携により、PC上での4K品質の動画生成が可能になっています。

SiemensのEDAツールとNvidiaのGPUを組み合わせる提携は、半導体設計の電子シミュレーションを劇的に高速化することを目指しています。AIチップの需要拡大とともに、設計ツールの高速化が業界全体の競争力に直結する重要な取り組みです。

Core Fusion Systems（CFS）はCES 2026において、核融合実証炉SPARCに搭載する高温超電導磁石の設置完了を発表しました。この磁石はプラズマを閉じ込めるために必要な世界最強クラスの磁場を発生させるもので、商用核融合炉への道を切り拓く重要なマイルストーンです。

同時にNvidiaとのパートナーシップも発表されました。プラズマの制御や核融合炉のシミュレーションにNvidiaのGPUとAI・機械学習技術を活用することで、開発サイクルを大幅に短縮する計画です。

核融合とAIという二つの最先端技術の融合は、気候変動対策の観点からも注目されています。CFSは2030年代の商用核融合発電を目指しており、Nvidiaとの連携はその実現加速のための戦略的な取り組みとなっています。

Nvidiaは「物理AI」（Physical AI）という概念を中心に、ロボティクス向けAIスタック全体を公開した。Cosmos Reason 2は視覚言語モデル（VLM）に推論能力を組み合わせ、自動運転車や産業ロボットが複雑な物理環境を理解・判断できる基盤を提供する。

Alpamayoは自律走行車向けのオープンソースAIモデル群で、「人間のように考える」能力の実現を目指している。複数シナリオの推論・予測・意思決定を組み合わせることで、従来のルールベース自動運転からAI推論型へのパラダイムシフトを促進する。

Isaac Lab-Arenaはシミュレーション環境でロボット政策（Policy）を自動評価するツールで、実機テストのコストと時間を大幅に削減できる。LeRobot（Hugging Face）との統合により、汎用ロボット政策の標準的なベンチマーク基盤として機能する。

Jensen HuangのビジョンはNvidiaを「ロボティクスのAndroid」として位置づけることだ。スマートフォンでAndroidが共通プラットフォームとして機能したように、Nvidiaのロボットスタックがさまざまなハードウェアメーカーの共通基盤になることを目指している。

物理AIの普及は製造・物流・農業・医療など多岐にわたる産業に変革をもたらす。Nvidiaのロボティクスエコシステムへの参加企業数が増加するにつれ、ネットワーク効果が働き業界標準としての地位が強固になる見通しだ。

Google DeepMindとBoston DynamicsがGeminiを活用した産業向けヒューマノイドロボットの開発で協業を開始した。AtlasロボットにGeminiの推論・言語理解・マルチモーダル認識能力を統合することで、複雑な工場環境でも自律的に動作できる能力を実現している。

自動車工場でのパイロット展開では、ロボットが自然言語での作業指示を理解し、部品の搬送・組み立てアシスト・品質確認などの作業を半自律的に実行することが実証された。GeminiのマルチモーダルAIが周囲環境の認識精度を大幅に向上させた。

技術的には視覚・力覚・位置センサーの融合データをGeminiがリアルタイムで処理し、最適な行動を選択する構成になっている。従来のルールベースロボットでは対応できなかった予期しない状況への適応が可能になっている。

安全性の面では、ロボットが人間と同じ空間で作業する「協調ロボット（コボット）」として機能するための制御が重要課題だ。AIによる意図認識と衝突回避が従来のセンサーベース安全機能を補完し、人間との安全な協働を実現している。

Googleにとってこの連携は、Geminiを単なるチャットAIから物理世界のインターフェースへと拡張する重要なショーケースだ。また、Boston DynamicsはHyundai傘下でありながらGoogleとの技術統合が進むという複雑な構造も注目される。

2020年11月のAlphaFold 2登場から5年が経過しました。タンパク質折り畳み問題への深層学習アプローチは生物学の「iPhoneモーメント」と称され、現在では2億以上の予測構造を含むデータベースが世界190カ国の350万人の研究者に利用されています。ノーベル化学賞受賞という形で科学的インパクトが認められました。

AlphaFold 3では拡散モデルを採用し、タンパク質だけでなくDNA・RNA・低分子薬物の相互作用予測まで対象を広げました。しかし生成モデルの特性上、無秩序領域での構造ハルシネーションという新たな課題も生じています。検証の重要性がより高まっています。

DeepMindが開発したAIコサイエンティストはGemini 2.0上に構築されたマルチエージェントシステムで、仮説生成・議論・実験提案を行います。Imperial College Londonの研究者が薬剤耐性菌の研究でこのシステムを活用し、長年の研究結果と一致する仮説を短時間で導き出した実例が報告されています。

DeepMindの研究担当VP Pushmeet Kohliは、次の5年で「細胞全体を正確にシミュレーションする」という大きな目標を掲げています。ゲノムの仕組みを理解できれば、個別化医療の設計や気候変動対策のための新酵素開発も視野に入ると述べています。

アイルランド発スタートアップのAkaraは、手術室の「エアトラフィックコントロール」として機能するシステムを開発しています。熱センサーを活用することでプライバシーに配慮しつつ手術全体を記録・分析し、毎日2〜4時間失われているOR稼働時間の回収を目指しています。

医療ロボティクスの普及を阻む最大の障壁はロボット自体の性能ではなく、インフラ整備の遅れだとAkara CEOのConor McGinnは指摘します。看護師不足や手動スケジューリングの非効率さが解消されない限り、AI活用の恩恵は限定的にとどまると警告しています。

GoogleはGeminiアプリでAI生成動画の真偽を検証できる新機能を提供開始しました。動画ファイルをアップロードするだけで即座に判定結果が得られる使いやすいインターフェースです。

SynthIDという不可視の電子透かし技術を活用しており、映像と音声の両トラックを解析して透かしが検出された具体的な時間帯を画面上に分かりやすく表示してくれます。

現時点ではGoogle AIで生成・編集されたコンテンツの検出のみに対応しており、他社のAIツールで作られたフェイク動画の検出にはまだ対応していない点が限界として残っています。

SynthIDの透かし技術が除去ツールへの耐性を十分に備えているかは今後の検証が必要であり、OpenAIのSora向けに除去ツールが大量に出回った先例を踏まえると注視が必要です。

別途公開されたポッドキャストでは、Gemini 3の高度な推論能力を活かして物理シミュレーションやリアルタイムグラフを検索結果の中で直接生成するデモの様子が紹介されました。

NVIDIAは物理AI（ロボット・自動運転）の安全基盤と評価標準化で重要な進展を発表しました。OpenUSD Core Specification 1.0が公開され、自律システム向けの標準データ型・ファイル形式・合成動作が定義されました。

NVIDIA Halos AI Systems Inspection Labがニュースの中心で、AV安全の認定・検査機関としてANAB認証を取得しました。Bosch、Nuro、Wayveがロボタクシー向けの安全検査に参加しており、Onsemiが初の検査合格企業となっています。

シミュレーション技術の進化も注目されています。Gaussian Splattingを活用した4DレンダリングパイプラインのPlay4Dがリリースされ、World LabsのMarbleモデルがNVIDIA Isaac Simと連携してテキストプロンプトから物理シミュレーション対応の3D環境を数時間で生成できるようになりました。

Sim2Valフレームワークは、実世界とシミュレーションのテスト結果を統計的に組み合わせ、高コストな実走行テストへの依存度を下げながらAVの安全性を証明する方法を提供します。ミシガン大学Mcityの32エーカーAVテスト施設もOmniverseを活用したデジタルツインを強化しています。

評価の透明性という観点では、NVIDIAはNemotron 3 Nano 30B A3Bのリリースに際して完全な評価レシピを公開しました。オープンソースのNeMo Evaluatorを通じて、誰でも同じ評価パイプラインを再現できる「オープン評価標準」の確立を目指しています。

この取り組みはAI評価の信頼性向上に寄与するものです。多くのモデル評価で設定やプロンプト、実行環境の詳細が省略されている問題に対し、完全な再現可能な手法を提供することでコミュニティ全体の評価基準の標準化を促します。

エンタープライズAI市場では、エージェント型AIのデモから本番稼働へのギャップが深刻な課題として浮かび上がっています。MITのProject NANDAの調査では、AIプロジェクトの約95%が実際のビジネス価値を生み出せずに終わっています。

Patronus AIは、AIエージェントのトレーニング方法を根本的に変える「ジェネレーティブシミュレーター」を発表しました。この技術は、動的に変化する課題を生成し続けるシミュレーション環境を構築し、エージェントが学習しながらリアルタイムで評価を受けられる仕組みです。

DataRobotはエージェントAIのライフサイクル全体を管理するプラットフォームを強化しました。プロトタイプから本番環境への移行における統合の脆弱性やガバナンスの複雑さを解消するためのツール群を提供しています。

JPMorganの事例では、「連結ファーストアーキテクチャ」と呼ばれるアプローチが従業員の自発的な採用を促し、わずか数ヶ月で25万人、現在は全従業員の60%以上がAIを活用するまでに拡大しています。

データサイエンス領域では、大規模言語モデル（LLM）の技術が表形式データや時系列モデリングにも応用され始めており、従来の機械学習とGenAIを統合する「GenAIデータサイエンス革命」が加速しているという見方も出てきています。

全体として、2026年に向けた企業AIの課題は「エージェントの構築」から「エージェントのオーケストレーション・ガバナンス・スケーリング」へと移行しており、本番稼働を支える基盤ツールへの注目が高まっています。

HyprLabsは、元Zoox共同創業者ティム・ケントリー＝クレイ氏が率いるサンフランシスコとパリを拠点とする17人のスタートアップです。同社は改造したTesla Model 3を使ってサンフランシスコ市内で約1年半にわたり自動運転ソフトのテストを重ねてきました。

同社の核心技術は「ランタイム学習」と呼ばれる独自アプローチです。トランスフォーマーモデルをベースに、人間の監視のもとで走行しながらリアルタイムに学習し、新規なデータのみをクラウドの「マザーシップ」に送信して継続的に更新します。

HyprLabsの強みはデータ効率にあります。Waymoが1億マイル以上の完全自動走行データを持つのに対し、同社はわずか4000時間（約10万キロ相当）の走行データだけでシステムを動作させています。これは機械学習の効率化が進んだ時代ならではのアプローチです。

同社はHyprdrive製品を他のロボティクス企業へのライセンス提供で収益化を目指しており、将来的にはR2-D2とソニックの掛け合わせと表現する独自のロボットの製造・運用も計画しています。ただし現段階では生産・安全基準への適合は宣言していません。

MITの核科学・工学科に在籍するダウレン・サルセンバエフ氏は、高レベル放射性廃棄物（HLW）の処理という核エネルギー最大の課題に取り組んでいます。カザフスタン出身で幼少期から大気汚染に悩まされてきた同氏は、脱炭素化への強い動機を持っています。

サルセンバエフ氏の主要研究は、使用済み核燃料の崩壊熱をバイナリサイクルシステムで地熱エネルギーとして取り出すコンセプトの開発です。使用済み燃料キャニスターは保守的な試算でも約150度に達しており、この熱エネルギーを二次流体で回収してタービンを駆動します。

同氏はさらに、放射性核種の地層中での輸送を予測するシミュレーションの高速化にもAIを活用しています。従来は高性能クラスターで数日から数週間かかる計算を、AIサロゲートモデルで大幅に短縮することに成功しています。

2つの研究は一見異なりますが、どちらもAI・機械学習技術を活用して社会インフラの根本的な課題を解決しようとする点で共通しています。自動運転の民主化と核廃棄物の無害化という二つのフロンティアで、少人数チームや個人研究者がディープテックの可能性を示しています。

ラスベガスのT-Mobileアリーナで、NHLチーム「ベガス・ゴールデンナイツ」の試合観戦者向けに、ロボットバーテンダー「ADAM」が飲み物を提供しています。

ADAMはRichtech Roboticsが開発し、NVIDIAのIsaacプラットフォームを基盤としています。ADAMという名称は「Automated Dual Arm Mixologist（自動化デュアルアーム調合師）」の略です。

実際の稼働前に、ADAMはNVIDIA Isaac Simを用いた仮想バーで訓練を受けました。カップや器具、照明の変化まで再現した高精度シミュレーションで、合成データを活用してグレアや反射がある状況でも物体を認識できるよう学習しています。

飲み物の注ぎ方やシェイクの動作は、NVIDIAのオープンソースロボット学習フレームワークであるIsaac Labで磨かれました。単なる手順の実行にとどまらず、環境の変化に精度高く適応できる能力を備えています。

ADAMの制御にはNVIDIA Jetson AGX Orinが使われており、275 TOPSの演算能力でエッジAI処理を実現しています。Isaac ROS 2ライブラリでカメラ映像を取り込み、TAO ToolkitとTensorRTで最適化された知覚スタックが40ms未満の遅延でカップや液面を識別します。

これにより、カップの位置がずれていても自動修正し、泡が縁に達したタイミングを検知して注ぎを止めるなど、繊細な動作制御が可能となっています。

Richtech Roboticsは同時に、工場や倉庫向けの人型移動ロボット「Dex」も開発しています。DexはNVIDIA Jetson Thorを搭載し、部品の仕分けや梱包など軽中量の産業タスクに対応します。Isaac Simの合成データと実世界データを組み合わせた訓練により、多様な現場シナリオに汎化できるモデルを実現しています。

Richtech Roboticsの社長Matt Casella氏は「ホスピタリティ業界が抱える深刻な人手不足に対し、ADAMは顧客体験を高めながらその課題に応える解決策です」と述べており、T-Mobileアリーナでの反響は非常に良好とのことです。