更新日：2026/4/17

エグゼクティブサマリー
2026/4/16のフィジカルAIは、研究・産業・政策が前進したことを示した。HiVLAはVLMプランナーとDiTエキスパートを分離する階層設計で破滅的忘却を抑え、RoboTwin平均83.3%を達成。Goal2Skillは記憶付き反省ループで長期操作の復旧力を高めた。HTDは触覚を第一級モダリティとして全身操作を改善し、UMI3Dは低コストLiDARで実機データ収集の質を底上げ。さらにSimandRealCoTrainingがシミュレーション併用学習の原理を整理し、日本政府のAIロボティクス戦略とHYFIXの統合SoC開発は、競争軸がアルゴリズムだけでなく国家支援、人材、半導体、供給網へ広がっていることを示している。

※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 HiVLA：VLAの「破滅的忘却」を解決する階層型マニピュレーション系

📎 出典：arxiv.org/abs/2604.14125
高レベルの視覚言語推論（VLMプランナー）と低レベルのアクション制御（DiTエキスパート）を明示的に分離した階層型VLAフレームワーク。従来のend-to-end VLAが制御データのファインチューニングで陥る「破滅的忘却」問題を解決し、散乱環境・長期タスクでの精密操作において既存SOTAを大幅に上回る成功率を実機・シミュレーション両方で実証。RoboTwinシミュレータで総合平均83.3%（強ベースラインH-RDT比+12.7pt）、実機のclutter条件（3 Cubes）では6/30 vs 0/30と顕著な差を示した。

2️⃣ 日本政府「AIロボティクス戦略」：1兆円規模・世界シェア30%獲得を目指す国家戦略

📎 出典：asianews.network — Japanese government to set up global hubs for AI robotics research
日本政府が策定する「AIロボティクス戦略」は、2040年までにフィジカルAI分野の世界市場シェア30%以上の獲得を目標に掲げる。物流・介護・農業・災害対応・防衛など16分野へのAIロボット普及支援と、国内外の研究開発・人材育成を担う国際拠点の整備が柱。産業用ロボット稼働データ（世界シェア約70%）の活用や、産学官共同開発の国産AI基盤モデルを2027年6月ごろ試験提供する計画も含む。米中と並ぶ「第三の極」としての競争力強化を狙う。

3️⃣ UMI-3D：低コストLiDAR追加で実機操作データ収集基盤を強化

📎 出典：arxiv.org/abs/2604.14089
手首装着型の低コストLiDARをUMIフレームワークに統合した拡張版。従来の単眼視覚SLAMが抱える遮蔽・動的シーン・トラッキング失敗の弱点を克服し、正確なメートルスケールの姿勢推定を実現する。カーテン等の大型変形物体操作やドア開けといった視覚のみでは困難・不可能なタスクでも高い成功率を達成。ハードウェアおよびソフトウェアは完全オープンソースで公開されており、Physical AIの課題である高品質な実機データ収集を大幅に改善する。

4️⃣ HTD（Touch Dreaming）：触覚を第一級モダリティとして統合したヒューマノイド全身マニピュレーション

📎 出典：arxiv.org/abs/2604.13015 ／ プロジェクトページ：humanoid-touch-dream.github.io
ヒューマノイドの全身ロコマニピュレーションに触覚センサを第一級モダリティとして組み込み、「touch dreaming」（将来力予測）により接触前の段階から適応行動を先取りするフレームワーク。実機5タスク（T字部品挿入・書籍整理・タオル折り・猫砂すくい・お茶給仕）でベースライン比平均**+90.9%**の成功率向上を達成。潜在空間での触覚予測がraw予測比+30%の相対成功率改善を示した。

5️⃣ HYFIX：ドローン/自律ロボット向け米国製統合SoC開発で1,500万ドル調達

📎 出典：prnewswire.com — HYFIX $15M Seed Round
飛行制御・測位・通信・オンボード計算を1チップに統合する米国製SoCを開発するHYFIX Spatial Intelligenceが、シード調達1,500万ドルを発表。現在の機体が複数の外国製部品を寄せ集めた構成であるのに対し、統合SoC化により小型化・軽量化・低消費電力・BOMコスト削減を実現する。FCCによる外国製ドローン規制を追い風に、米国内製造による国産代替需要を取り込む戦略。ラウンドはCraft Venturesが主導した。

6️⃣ Goal2Skill：反省付き閉ループで長期操作タスクを攻略

📎 出典：arxiv.org/abs/2604.13942
VLMベースの高位計画モジュールとVLAベースの低位実行モジュールを閉ループで結合した長期タスク向けデュアルシステムフレームワーク。高位側は構造化タスク記憶を維持しながらゴール分解・結果検証・エラー駆動修正を担い、低位側はdiffusion生成で各サブタスクを実行する。RMBenchタスクで平均成功率32.4%を達成し、最強ベースライン（9.8%）を大幅に上回った。記憶と閉ループ復帰の重要性をアブレーション実験でも確認している。

7️⃣ Sim-and-Real Co-Training：シミュレーションデータが実機性能を高める条件の機械的解析

📎 出典：arxiv.org/abs/2604.13645
生成ロボットポリシーにおけるSim-and-Real同時学習（co-training）の作用機序を理論・実験の両面から分析した研究。性能を支配する2つの本質的効果として「構造化表現アライメント」（ドメイン間の表現整合とドメイン識別性のバランス）と「重要度再重み付け効果」（ドメイン依存のアクション重み変調）を特定。トイモデルおよび実機操作実験で検証し、既存co-training手法を一貫して改善するシンプルな設計指針を提供する。

総合考察

2026/4/16に見えた特長は、フィジカルAIの競争が「大規模モデルを載せる段階」から、「失敗しにくい構造と実装基盤をどう作るか」へ移っている点だ。HiVLAとGoal2Skillは、高位推論を汎用VLM、低位制御を専門VLAへ分け、記憶・検証・反省を組み込むことで、長期タスクに不可欠な復旧力を獲得した。HTDは視覚偏重を超え、接触前の力予測まで含む触覚中心設計が全身操作の鍵であることを示す。UMI3DとSimandRealCoTrainingは、性能差の源泉がモデルサイズだけでなく、良質な実機データ、ドメイン整合、学習時の重み付けにあると明確化した。さらに日本政府の国家戦略とHYFIXの半導体投資が重なることで、今後の勝敗は研究成果を量産、制度、供給網まで接続できる陣営に傾く可能性が高い。

今後注目ポイント

• 階層型VLAの次の焦点は、平均成功率の更新競争より、失敗後にどれだけ自律復帰できるかへ移る。HiVLAとGoal2Skillは、量産現場で重い人手介入率や再試行コストの評価軸を変える可能性が高い。

• 触覚は補助センサではなく、柔軟物操作、接触作業、狭隘空間を解く主役になり始めた。HTDの流れが広がれば、今後のロボット評価は「見えるか」より「触れて先読みできるか」へ大きくシフトする。

• UMI3Dのような低コスト計測が普及すると、研究の差はモデルの巧拙だけでなく、誰が継続的に高品質な実機データを回収できるかへ移る。オープンソース基盤の拡大は、新興チームの参入障壁も大きく下げる。

• 日本のAIロボティクス戦略は、単なる研究助成ではなく、産業用ロボットの稼働データを国家競争力へ変えるデータ政策として見るべきだ。国産AI基盤モデルの試験提供が実装企業まで届くかが真価を分ける。

• HYFIXの統合SoCは地味に見えて、機体の小型化、低消費電力、部材点数削減、規制対応を同時に動かすレバーだ。今後はモデル精度だけでなく、どの半導体スタックが実運用を最適化するかが投資判断の核心になる。

• SimandRealCoTrainingが示すのは、シミュレーション量を増やせば勝てるわけではないという点だ。表現アライメントと重要度再重み付けを設計できるチームほど、限られた実機データで大きな性能差を生みやすい。