Radar — キュー / ウォッチリスト¶
⏳ 要レビュー
このページの updated（2026-09）は volatility「高」基準（1か月）を1か月超過しています。韓国語原文を確認のうえ updated を更新してください。（更新ルール）
最終更新: 2026-09 · owner: Youngjin · volatility: 高 ← index へ
L0 TL;DR: 原文・再現・現場確認が必要な候補です。掲載条件を全て満たしownerが用途を確認して昇格します。走査は承認しません。
⚠️ ここにある項目を顧客提案で「成熟した能力」のように扱わないでください。 華やかなデモがデプロイ可能性を覆い隠すことがよくあります。
確認範囲：ページ更新日は全項目の再確認日ではありません。主要訂正の日付・再現/人の確認状態は根拠を参照し、既存項目の確認日は従来どおり適用します。
🔬 モデル / アルゴリズム（検証待ち）¶
| 項目 | ラベル | 要点 | 昇格条件 |
|---|---|---|---|
| Physical Intelligence π0.7 | 🔵 Research | ✨ 注目: π0/π0.5 で VLA をリードする PI が 2026-04 に組み合わせ的汎化(未学習タスクの遂行、例: エアフライヤーでの調理)の研究デモを公式発表 — 重み公開・GA になれば業界基準を再び塗り替える可能性 ⏳ 待機: PI 公式発表(2026-04-16、複数メディアが PI の公式ブログと Sergey Levine を引用) [4] — あくまで研究デモで重みは非公開(openpi の公開範囲は π0/π0.5 まで)、複雑な複数ステップの指示遂行は PI 自身も限界を認める。2026-10-24: 従来の「次期フラッグシップの噂」という表現が不正確だったため「公式研究デモを確認」に訂正(今回のセッションは physicalintelligence.company の DNS ブロックで一次ページを直接確認できず — 複数の独立メディアで裏付け) 2026-11-04: 一次ページ（pi.website/blog/pi07、"Published April 16, 2026"）と openpi README（π0.5 まで公開）を直接確認 — 公式発表の事実は [1]、性能主張は引き続き未検証 |
重み公開または GA + 独立した性能検証 |
| World-action models（DreamZero → GR00T N2） | 🟡 Preview | ✨ 注目: VLA の次世代と目される「行動まで生成するワールドモデル」軸 — NVIDIA ロードマップの方向性指標 ⏳ 待機: GR00T N2「年末予定」、DreamZero は研究 |
GA + 実デプロイ事例 |
| Google DeepMind Genie 3（ロボット学習用ワールドモデル1） | 🟡 Preview | ✨ 注目: フロンティア級ワールドモデルをロボット学習のデータ源に使う試み — 成立すれば実データのボトルネックを迂回 ⏳ 待機: ワールドモデル自体はプレビュー、ロボット学習への適用は研究 |
ロボットポリシー学習の検証事例 |
| VLM ベースの SysID2（Vid2Sid, Swim2Real） | 🔵 Research | ✨ 注目: 映像のみから物理パラメータを推定しシミュレーター校正を自動化 — sim-to-real の手作業キャリブレーションを不要にできる可能性 ⏳ 待機: 2026 プレプリント、単一ラボ |
peer-review + 再現 |
| VIRAL / VideoMimic / Real2Render2Real（visual sim-to-real3 at scale） | 🔵 Research | ✨ 注目: 一般映像からシミュレーション環境・実演を再構成する visual sim-to-real — データ収集のコスト構造を変える候補 ⏳ 待機: CVPR/CoRL 研究、本番ではない |
本番デプロイの証拠 |
| Robbyant LingBot-VLA / UnifoLM-VLA-0 | 🔵 Research | ✨ 注目: 中国発の新たなオープン VLA 系列 — オープンウェイト競争構図の観察用 ⏳ 待機: 二次情報源、検証なし |
一次確認 + AWS マッピング |
🖥️ シミュレーション / ツール（成熟度待ち）¶
| 項目 | ラベル | 要点 | 昇格条件 |
|---|---|---|---|
| Genesis 物理エンジン4 | ⚪ Hype | ✨ 注目: 「超高速汎用物理エンジン」の主張で話題 — 事実なら GPU シミュレーションのコスト構造が変わる ⏳ 待機: 「430,000 倍」は反駁済み [1]、接触マニピュレーションで遅い |
独立ベンチマーク + 本番採用 |
| MuJoCo Warp | 🟡 Alpha | ✨ 注目: MuJoCo の精度と GPU 並列化を両立 — Isaac 一強構図の代替候補 ⏳ 待機: PyPI classifier「3-Alpha」 [1]、本番ではない |
Beta/GA への移行 |
| NVIDIA Newton 物理エンジン | 🟡 Preview | ✨ 注目: Google DeepMind・Disney Research と共同開発する次世代オープンソース物理エンジン — Isaac エコシステムの次期標準の有力候補 ⏳ 待機: Isaac Sim 6.0 で experimental バックエンド |
GA + Isaac Lab 3.0 正式 |
| Isaac Sim 6.0 | 🟡 Preview | ✨ 注目: Newton 統合を含む次世代の構造刷新 — 現行 5.x スタックの移行方向の指標 ⏳ 待機: 「Early Developer Release」、API 変動（最新 GA は 5.1） |
6.x GA 宣言 |
| Cosmos 3 を sim-to-real 学習源として | 🟢 GA（モデル）/🔵（実戦） | ✨ 注目: ワールドモデル生成データで実デプロイ可能なポリシーを学習する軸 — 成立すれば SDG パイプラインの勢力図が変わる ⏳ 待機: モデルは GA だが「ワールドモデルのデータで実デプロイ可能なポリシーを学習」はアーリーアダプターのみ。⚠️ AWS 未ホスティング |
AWS マッピング強化 + 学習検証 |
🤖 ハードウェア / デプロイ（ロードマップ・デモ）¶
| 項目 | ラベル | 要点 | 昇格条件 |
|---|---|---|---|
| Tesla Optimus V3 | ⚪ Hype | ✨ 注目: 最大の話題性を持つヒューマノイド量産計画 — 顧客からの質問頻度が最も高い項目 ⏳ 待機: Musk の主張のみ、生産未開始 |
検証されたデプロイ |
| Hyundai·BD オールエレクトリック Atlas | ⚪ ロードマップ | ✨ 注目: 現代自動車グループの量産ロードマップ（2028 から 3 万台/年）— 韓国の顧客接点で最も直接的なヒューマノイドトラック ⏳ 待機: オールエレクトリック Atlas 製品版を公開（2026-07、BD 公式 [3]）。展開 2.5 万+台・生産能力 3 万/年はいずれも 2028 開始、現在の実稼働 ~0。2026 は小規模パイロットのみ（現代 RMAC + Google DeepMind）。⚠️「第 5 世代」は誤称 |
実稼働出荷の開始 |
| Apptronik Apollo 2 + Robot Park | 🟡 パイロット | ✨ 注目: Mercedes・GXO の実運用パイロット + Google DeepMind データ提携 — ヒューマノイド商用化最前線の指標 ⏳ 待機: Mercedes-Benz・GXO で運用パイロット [3] + Google DeepMind Gemini Robotics データ提携（9 万平方フィート）。自律・商用拡大は未検証。AWS マッピングは一般的（データ→S3/SageMaker）、提携自体は Google [4] |
商用デプロイ規模 + 自律成果の検証 |
| 1X Neo 自律性 | 🟡 Preview | ✨ 注目: 家庭用ヒューマノイドを実際に販売（$20k）する初の事例群 — 遠隔操作混合運用モデルの試金石 ⏳ 待機: 自律 + VR 遠隔操作（Expert Mode）の混合運用 — CEO 自身が認めている（Engadget [3]）。「自律 60~70%」という数字は一次ソースなし [4] |
真の自律性の検証 |
| Figure 03「8 時間自律シフト」 | ⚪ Hype | ✨ 注目: 検証済み BMW パイロットの実績の上での自律性主張 — 事実なら産業ヒューマノイド自律性の基準を塗り替える ⏳ 待機: CEO のツイート、独立検証なし（Figure 02@BMW は検証済みパイロット） |
第三者による自律性監査 |
| Cosmos 3 採用（Doosan/LG/Samsung） | 🟢 GA（発表） | ✨ 注目: 韓国大手 3 社の採用発表 — 韓国の顧客対話で即座に挙がるリファレンス ⏳ 待機: 採用は「発表」であって本番検証ではない |
本番事例の公開 |
🔗 エージェント / 接続（初期）¶
| 項目 | ラベル | 要点 | 昇格条件 |
|---|---|---|---|
| MCP5 for robotics（ros-mcp-server など） | 🔵 Research | ✨ 注目: エージェント標準プロトコルをロボットスキルへつなぐ実験が急増（50+ サーバー）— AgentCore 連携の切り口 ⏳ 待機: 50+ サーバーがあるがオープンソース/デモ、本番なし（安全性・遅延・決定性が未検証） |
本番ハードニング事例 |
| ROS 26 + LLM エージェント7（NASA JPL ROSA, RAI） | 🔵 Research | ✨ 注目: NASA JPL ROSA など実組織での検証事例を保有 — 自然言語→ロボット運用の最も現実的な入り口 ⏳ 待機: ROSA(JPL) が最強の実例だが mock-ops。現場デプロイは限定的 |
現場での本番デプロイ |
| エージェント物理安全標準（RoboGuard など） | 🔵 Research | ✨ 注目: LLM の意味レベルのリスクを扱う標準の空白地帯 — 規制・調達要件として浮上する可能性 ⏳ 待機: ISO は物理のみ、LLM の意味的リスク標準が不在 |
標準化の進展 |
| AgentCore Payments / Agent Registry（ソウル） | 🟡 Preview/未提供 | ✨ 注目: ロボットエージェントの商取引・レジストリ基盤の AWS ネイティブ軸 — ソウルリージョン開放後は即提案可能 ⏳ 待機: ソウルリージョン未提供 — Agent Registry は東京 ✅、Payments は東京にも未提供（APAC はシドニーのみ） [1] |
ソウルリージョン拡張 |
🆕 最新スキャン流入（2026-11-04 · リンク・一次ソース照合 2026-09-27）¶
| 項目 | ラベル | 要点 | 昇格条件 |
|---|---|---|---|
| NEURA Robotics 4NE1 / Neuraverse × AWS（ドイツのフルスタックロボティクス、AWS と戦略的協業） | ⚪ ロードマップ | ✨ 注目：AWS が Neuraverse の主要クラウドプロバイダーとしてプラットフォームをホストし、NEURA Gym の学習パイプラインを SageMaker と統合、NEURA は AWS パートナーネットワーク（APN）で GTM を拡大 —— サービス名が明記された AWS パートナーシップで、Radar 内の欧州ヒューマノイドトラック ⏳ 待機：AWS・NEURA 公式発表（2026-04-21、press.aboutamazon.com） [4] —— Amazon フルフィルメントセンターへの配備は原文では「explore opportunities」（検討）にとどまり、実配備ではない。最大 14 億ドルのシリーズ C（2026-06-10、Amazon・NVIDIA・Tether などが参加、自社表現「フルスタックロボティクス史上最大」）+ IFA 2026 ベルリン基調講演（2026-09-05）で話題更新、第三者検証なし。🔗 リンク 200 · 一次ソース照合 2026-09-27。AWS 角度：公式協業（SageMaker・APN 明記） |
Amazon フルフィルメントセンター等の実配備事例公開 + 独立した性能検証 |
| RLWRLD RLDX-1（81 億パラメータのデクスタリティ8基盤モデル、AWS 上で学習） | 🔵 Research | ✨ 注目：KAIST 出身のソウル発スタートアップのオープンなロボティクス基盤モデルを AWS Physical AI ブログ（2026-06-22）が直接紹介 —— EC2 p5e/p5en（H200）・ParallelCluster・FSx for Lustre で学習、五指ハンドの精密マニピュレーション特化、コード・重みを GitHub で公開（CC BY 4.0）—— NEURA とともに Radar 内の AWS 公式協業事例であり、韓国発トラック。2026-10-28 に AWS が第 2 弾のブログ（パートナーシップ・Marketplace 掲載、新着情報参照）を公開し後続の進展があった ⏳ 待機：arXiv 技術レポート（2026-05-05）+ AWS ブログ [4] —— シミュレーションベンチ 6 種・実機 3 プラットフォームの自社測定値（GR-1 Tabletop 58.7 vs GR00T N1.6 47.6 = +11.1pt、表 1(b)；ALLEX 実機 86.8% vs π0.5・GR00T N1.6 約 40%；SIMPLER 81.5% は AWS ブログの引用）、独立再現・査読なし —— 自社公表値、顧客への引用禁止。AWS との関係は学習インフラ + Generative AI Accelerator 参加（2025-10）の段階で、実配備はロッテホテル＆リゾートで 2030 年目標（安全検証が条件）。🔗 リンク 200 · 一次ソース照合 2026-09-27。AWS 角度：AWS ブログ事例（EC2・ParallelCluster・FSx）· 🇰🇷 韓国接点 |
独立ベンチマーク再現 + 実配備事例の公開 |
| Robotic Data Inoculation（UC Berkeley のデータ収集戦略 —— 人間がテレオペしている間、オンライン強化学習で学習した補正ポリシーが指令にわずかな摂動を加え、人間がリアルタイムで修正する復帰デモまで一緒に収集する） | 🔵 Research | ✨ 注目：収集段階から補正ポリシーで人間テレオペデータの構造的弱点（復帰デモ不足）を補う —— Mulligan（次に収集すべき初期状態を選ぶ軸）とは異なり「収集中に指令そのものをどう揺らすか」を扱う新しいデータ収集軸、本日スキャンしたロボット学習論文の中でデータ収集分野トップ（alphaXiv 44票/406回閲覧） ⏳ 待機：arXiv プレプリント（2026-10-28） [4] —— Franka 単一プラットフォーム・3つの精密操作タスク（t-cube・cable・keycap）での BC/オフライン強化学習ポリシーの成功率改善（例：cable タスク BC 37%→66%）はすべて UC Berkeley 自社測定値で、独立再現・査読なし —— 自社公表値、顧客への引用禁止。🔗 今回のセッションは全面的な egress 制限（arxiv.org の DNS/接続不可）によりリンクの curl 200 検証ができず —— alphaXiv 原文（ID 2610.39054）全文で代わりに照合。AWS 角度：なし（UC Berkeley 単独研究、AWS サービス連携なし） |
独立再現 + 追加プラットフォーム・タスクでの拡張検証 |
| LG×NVIDIA ヒューマノイド MOU（LG の二足歩行ヒューマノイド、NVIDIA Isaac GR00T・Jetson Thor・Halos for Robotics ベース、2027 年第 1 四半期公開目標） | ⚪ ロードマップ | ✨ 注目：LG がグループ全体（LG 電子がアクチュエーター、LG イノテックがセンサー、LG エナジーソリューションがバッテリーを担当）で NVIDIA Isaac GR00T・Jetson Thor・Halos 安全スタックを用いた自社二足歩行ヒューマノイドを開発すると 2026-08-13 に MOU で発表 —— Radar 既存の「Cosmos 3 採用」項目（Doosan/LG/Samsung、ソフトウェア採用発表）とは別のトラックで、LG がハードウェアのヒューマノイド自体の製造まで宣言した点が異なる。韓国の顧客対話で直接出てくる可能性がある ⏳ 待機：現時点では LG・NVIDIA の MOU・開発計画のみ [4] —— 実機公開は 2027 年第 1 四半期（CES での公開も取り沙汰される）を目標とし、現在の実稼働は 0。自社ロボット基盤モデル（RFM）の並行開発もロードマップ段階。🔗 リンク 200 · 2026-10-24 ローカル確認（PR Newswire 原文タイトル一致）—— 内容は流入時の複数の独立メディア（Korea JoongAng Daily、eWeek、Digital Trends など）での照合に基づく。AWS 角度：なし（NVIDIA・LG の二者間協業） · 🇰🇷 韓国接点 |
実機公開（2027 年第 1 四半期）+ 独立した性能検証 |
| AWS Physical AI Toolchain（AWS 公式オープンソースの Physical AI リファレンスアーキテクチャ・IaC・デプロイ自動化、NVIDIA Isaac/GR00T/Cosmos を統合） | 🟢 GA（オープンソース） | ✨ 注目：AWS がロボット・タスクに依存しない Physical AI リファレンスアーキテクチャ（Terraform/CDK）とデプロイ自動化を公式 aws-samples として公開 —— EC2（G6e/P5）・SageMaker・EKS・AWS Batch（EFA）・S3・FSx for Lustre と NVIDIA Isaac Sim・Isaac Lab・GR00T（N1.6）・Cosmos・OSMO を結線し、Radar 内の複数の軸（World-action models・Isaac Sim 6.0・Cosmos 3・GR00T ライセンス）を AWS インフラ上で一度に束ねる最も直接的な AWS 公式事例 ⏳ 待機：AWS 公式ブログ（推定 2026-10-07/08、aws.amazon.com/blogs/physical-ai）+ GitHub 公開（Apache 2.0） [4] —— "aws-samples" リポジトリで正式なサポート保証はなく、README のコンポーネント表では Isaac Lab Arena Evaluation が Preview、Jetson エッジデプロイが Planned と記載、実顧客のプロダクション採用事例は未確認。🔗 リンク 200 · 2026-10-24 ローカル確認 —— 公式 GitHub リポジトリ + AWS 公式ブログ 原文に直接アクセス確認（流入セッションは egress 制限で未検証、issue #20）。AWS 角度：AWS 自社の公式オープンソース（最上位） |
実顧客のプロダクション採用事例公開 + AWS 公式ブログの一次検証 |
| Real-Time EXPO-FT（Stanford、軽量な補正ポリシーと chunk 単位の RL クリティックで大型 VLA の非同期推論遅延を補償する、遅延を考慮したリアルタイムポリシー補正フレームワーク） | 🔵 Research | ✨ 注目：最大 167ms の推論遅延があっても、π0.5 をベースとする VLA が遅延区間の行動チャンクを非同期で先に生成し、最新の観測に基づいて軽量ポリシーが補正する構成により、動的マニピュレーション（ボールキャッチ、サッカーのキックなど）でオンラインロボットデータ 10 分未満のうちに実機成功率を 12.5/30 から 29/30 まで引き上げた —— Radar 🔬 VLA 軸に「推論遅延・リアルタイム性」という新たな軸を追加、本日スキャンしたロボット学習論文の中で最もエンゲージメントが高い（alphaXiv 273 票/18,981 閲覧、既存の流入項目を大きく上回る） ⏳ 待機：arXiv プレプリント（2026-09-16） [4] —— Stanford 単独ラボの自社測定値で、単一ロボットプラットフォームでの実機 4 タスクに限定、疎な二値報酬のためのタスク専用の成功判定器に依存し、環境リセットには人の補助が必要で、独立再現・査読なし —— 自社公表値、顧客への引用禁止。🔗 今回のセッションは全面的な egress 制限（arxiv.org の DNS が不可）によりリンクの curl 200 検証ができず —— alphaXiv 原文（ID 2609.18207）で代わりに照合。AWS 角度：なし（Stanford 単独の研究、AWS サービス連携なし） |
独立再現 + 完全な VLA パイプライン（現状は主に state-based flow policy によるシミュレーション検証）での拡張検証 |
| SimVLA（延世大学・ソウル大学の共同研究、テレオペレーションなしでシミュレーションデータのみを事前・事後学習し、モバイルマニピュレーションに zero-shot sim-to-real 転移する VLA） | 🔵 Research | ✨ 注目：韓国の大学（延世大学・ソウル大学）の共同研究が、シミュレーション専用データ（行動軌跡・VQA 形式の視覚言語教師信号・ポリシーロールアウト）のみで学習した VLA を、追加学習なしで実際の家庭環境へ転移 —— 実データ収集なしでモバイルマニピュレーションの sim-to-real が可能かを示す韓国発の研究事例で、Radar 🔬 visual sim-to-real 軸に韓国学界トラックを追加 ⏳ 待機：arXiv プレプリント（2026-10-08） [4] —— 実家庭を含む実機転移で、実演 50 件でファインチューニングした π0.5 ベースラインを上回ったという主張はすべて著者自社測定値で、単一研究室・少数タスク（補充・注ぐ・片付け）に限定、独立再現・査読なし —— 自社公表値、顧客への引用禁止。🔗 リンク 200 · 2026-10-24 ローカル確認（arXiv タイトル一致）—— 内容は流入時の alphaXiv 原文照合に基づく（流入セッションは egress 制限で curl 不可）。AWS 角度：なし · 🇰🇷 韓国接点（延世大学・ソウル大学） |
独立再現 + 家庭以外の環境での拡張検証 |
| Mulligan（均等サンプリングの代わりに、ポリシーがまだ失敗する初期状態を中心に次のテレオペレーション収集エピソードを選ぶ、性能に基づくロボットデータ収集戦略） | 🔵 Research | ✨ 注目：テレオペレーションのデータ収集を「リセット分布に比例して予算配分」から「ポリシーがまだ失敗する状態を優先」に変え、同じ収集予算で実機成功率を引き上げる —— Radar のデータパイプライン軸（FIBER・UniWALM など）に「何を・どう収集するか」という収集戦略軸を追加、本日スキャンしたロボット学習論文の中で最もエンゲージメントが高い（alphaXiv 60 票/394 閲覧） ⏳ 待機：arXiv プレプリント（2026-10-05） [4] —— 実機成功率の向上（Franka Panda の 3 タスク、最終ラウンドの INSERT MARKER +34pt は統計的に有意だが、THREAD NUT・ROUTE CABLE の最終ラウンド比較は有意でない）はすべて Stanford 自社測定値で、単一ロボットプラットフォーム（DROID）・3 タスクに限定、独立再現・査読なし —— 自社公表値、顧客への引用禁止。🔗 今回のセッションは全面的な egress 制限（arxiv.org の DNS すら解決不可）によりリンクの curl 200 検証ができず —— alphaXiv 原文（ID 2610.05882）で代わりに照合。AWS 角度：なし（Stanford 単独の研究、AWS サービス連携なし） |
独立再現 + 追加プラットフォーム・タスクでの拡張検証 |
| ThinkWorld（NVIDIA・KAIST の共同研究で、動作ラベルのない人間の映像に対しても「予測した未来の世界状態が観測と一致するか」で強化学習による教師信号を与え、VLA の人間→ロボット転移・未知タスクへの汎化を高める Chain-of-Dynamics フレームワーク） | 🔵 Research | ✨ 注目：ロボット専用デモデータの多様性の限界を人間の映像（EgoDex・EgoVerse）で補いつつ、動作ラベルのない映像も未来状態の予測精度で直接教師信号として使い、シミュレーションと実機の両方で人間→ロボット転移・未知タスクへの汎化を示した —— 本日スキャンしたロボット学習論文の中で最もエンゲージメントが高い（alphaXiv 53 票/595 閲覧） ⏳ 待機：arXiv プレプリント（2026-10-27） [4] —— NVIDIA・KAIST の共同研究で、報告された汎化性能はすべて著者自身の測定値であり、シミュレーションと少数の実機プラットフォームに限定、独立再現・査読なし —— 自社公表値、顧客への引用禁止。🔗 今回のセッションは全面的な egress 制限（arxiv.org・alphaxiv.org の DNS/接続が不可）によりリンクの curl 200 検証ができず —— alphaXiv 原文（ID 2610.37666）で代わりに照合。AWS 角度：なし（NVIDIA・KAIST の共同研究、AWS サービス連携なし） |
独立再現 + 追加プラットフォーム・タスクでの拡張検証 |
| FLORE (Amazon FAR)（UMI9 方式のロボットなしデモンストレーションで接触力まで一緒に記録し、ヒューマノイドが接触力と全身動作を同時に制御できるよう学習する force-reactive loco-manipulation フレームワーク） | 🔵 Research | ✨ 注目：これまでの全身制御が動作（位置）の追従にとどまっていたのに対し、デモンストレーションの段階から接触力を記録・予測・追従することで、箱の回転やホワイトボード拭きのような接触の多いタスクを可能にする —— UniWALM に続き、Radar の Amazon FAR 研究軸に「接触力制御」の新たな事例を追加 ⏳ 待機：arXiv プレプリント（2026-10-26） [4] —— Unitree G1 実機の 3 タスク（台車押し・箱の回転・ホワイトボード拭き、各タスク 10 ロールアウト）での成功率（80% vs 位置のみを使うベースライン 26.7%）はすべて Amazon FAR 自社測定値で、単一プラットフォーム・3 タスクに限定、独立再現・査読なし —— 自社公表値、顧客への引用禁止。🔗 今回のセッションは全面的な egress 制限（arxiv.org の DNS/接続が不可、alphaxiv.org も接続不可）によりリンクの curl 200 検証ができず —— alphaXiv の原文全体(ID 2610.35862、著者・手法・数値)を直接照合して代替。AWS 角度：Amazon 自社研究（FAR）、AWS サービス連携なし |
独立再現 + 追加プラットフォーム・タスクでの拡張検証 |
終了・受付制限 — 状態別確認¶
| 項目 | 状態 | 代替 |
|---|---|---|
| AWS IoT FleetWise | 新規受付停止、既存顧客は継続可 [1] |
新規の既定構成から除外 — 根拠 |
| AWS RoboMaker | 🔴 終了 (2025-09-10) [1] |
EC2 G6e/G7e + Isaac Sim AMI + AWS Batch |
| SageMaker Edge Manager | 🔴 終了 (2024-04-26) [1] |
ONNX + IoT Greengrass V2 (+ SageMaker Neo) |
| IoT Greengrass V1 | 🔴 終了 (2026-06-01) [1] |
Greengrass V2 |
| Gazebo Classic 11 | 🔴 EOL (2025-01) [1] |
Gazebo Jetty/Harmonic |
| Trainium for VLA | ⚪ 公開事例なし [4] |
現在は CUDA/NVIDIA（提案時にリスクを明示） |
⚠️ 噂への警戒（事実ではない）: 「AWS IoT TwinMaker 廃止」は誤情報 — TwinMaker は GA・新規顧客に開放（低速度）。SiteWise のメンテナンスと混同した第三者ブログの主張です。繰り返さないでください。→ pillar-3。
昇格手順（要約）¶
- キャプチャ: 指定チャンネル/絵文字で候補を収集
- 確認：掲載条件を全て満たし、発売・根拠・用途・支援を分けます。
- 通過時: 担当ピラーの owner が標準テンプレートで編入し、Radar から削除
- 未達時: ここに一行で保持し、昇格条件を明示
パイプライン全体 → maintenance。
owner: Youngjin · updated: 2026-09 · volatility: 高（Radar は本質的に急速に変化します — 月次レビューを推奨）
-
ワールド基盤モデル（WFM, World Foundation Model） — 物理世界の次のシーンを予測・生成するよう学習された大型モデルです。テキスト・映像プロンプトから物理的にもっともらしい映像・シナリオを作り、ロボット学習データを拡張します。🎥 NVIDIA Cosmos 紹介 ↩
-
システム同定（SysID, System Identification） — 実機ロボットの物理パラメータ（摩擦・質量・モーター応答）を測定し、シミュレーターを実物に合わせて校正する作業です。 ↩
-
sim-to-real — シミュレーションで学習したポリシーを実際のロボットへ移すこと、またはその方法論です。シミュレーションと現実の物理・視覚の差（ドメインギャップ）のため、そのまま移すと性能が崩れます。🎥 NVIDIA sim-to-real ロボティクスショーケース ↩
-
物理エンジン（physics engine） — 剛体動力学・接触・摩擦・衝突を数値的に計算するシミュレーターの中核ソフトウェアです。エンジンの精度・速度のトレードオフがシミュレーター選択（Isaac/MuJoCo/Genesis）を左右します。 ↩
-
MCP（Model Context Protocol） — エージェントとツール・データソースをつなぐオープン標準プロトコルです。「エージェント用 USB-C」に例えられ、ロボットスキルを MCP サーバーとして公開する実験が増えています。 ↩
-
ROS 2 (Robot Operating System 2) — ロボットソフトウェアの事実上の標準オープンソースミドルウェアです。センサー・制御ノードがトピック（topic）で通信する分散構造で、産業・研究ロボットスタックの共通基盤です。 ↩
-
LLM エージェント — 大規模言語モデルが自ら計画を立て、ツール（API・ロボットスキル）を選んで呼び出し、多段階のタスクを遂行するソフトウェアです。単純な質疑応答と異なり「行動」がある点が核心です。 ↩
-
デクステリティ（dexterity） — ロボットの手・アームが人の手のように精緻かつ器用に物体を扱う能力です。単純なグリッパーの把持・配置とは異なり、5 指ハンドで物体を回転させたり道具を操作したりするなど、接触の多い複雑な操作を指します。 ↩
-
UMI（Universal Manipulation Interface） — ロボットを使わず、人がカメラ・力センサー付きのグリッパーを手に持って動作と接触力を記録し、ロボットのデモンストレーションデータを作る方式です。ロボット自体を動かさずに済むため、データ収集コストと安全面の負担を大きく下げられます。 ↩