元首席科学者アラン・フィンケル博士が率いるProudly Human社が、教皇レオ14世のスピーチと著作集が人間によるものであると認証。教皇がAIを人類最大の脅威と宣言してから2ヶ月も経たないうちの出来事。

Storybook が AI 統合機能を発表。MCP ツールを介して AI エージェントが既存コンポーネントを使用して UI を生成し、Storybook Test で自動テストフィードバックを提供することで品質と一貫性を確保します。

オーストラリア最大のメディア企業ナイン・エンターテインメントは、AIによる「極端な混乱状態」を理由に、『シドニー・モーニング・ヘラルド』と『ジ・エイジ』でさらに30人のニュースルーム職を削減すると発表した。出版担当マネージング・ディレクターのトーリー・マグワイア氏は火曜日、スタッフに対し、自主退職と対象を絞ったリストラにより「約30」のポジションを削減する方針を伝えた。マグワイア氏は、これは単なるコスト削減ではなく、構造変化に適応するための「進化」であると述べた。

専門家向けに15分の短いセッションでAIツールを学べるプラットフォーム。

Calyxaは、宿題サイトやPDF上で直接学習を支援するブラウザネイティブのAIチューターです。問題をコピペして別のチャットに貼り付ける手間を省き、コンテキストに応じた注釈や音声指導で、単なる丸写しではなく真の理解を促します。無料版は月10回のセッション、Pro版は月10ドルで無制限利用可能。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Discussion | Link

AI生成コンテンツの氾濫により、業務文書には幻覚や誤りを含む「AIスロップ」が溢れている。著者は、AIの使用状況を「栄養表示」のように開示することを提案し、同僚が信頼性を評価しやすくすると同時に、自分の判断の隙を認識する助けになると述べている。

米国人工知能標準・イノベーションセンター（CAISI）のクリス・ファル所長が辞任した。就任からわずか3カ月で、前任者のコリン・バーンズ氏も1週間足らずで辞任している。

フランスは豊富な原子力発電による低コスト電力を活用してAI分野で優位に立つが、米国の巨大テクノロジー企業が先にその電力を確保する可能性がある。

ハンガリーの選挙中に行われた研究で、AIが立候補していない政党を推薦したり、同一のプロンプトに対して不安定な回答をすることが判明しました。市民自由団体Libertiesが発表したこの研究は、選挙における汎用AIシステムの信頼性に深刻な懸念を表明しています。

AI業界は2つの対照的な戦略に直面している。一つは大規模モデルを支えるために原子力発電に数千億ドルを投じることで、もう一つは無料のオープンソースモデルをリリースすることだ。本稿は、これらは知能に上限があるかどうかという同一の賭けの両面であると論じる。生物学は先例を示す。人間の脳はエネルギー制約下で、スパース性やメモリ内計算といったアーキテクチャの革新によって効率を達成した。現在のオープンモデルはこれらのトリックを応用するが、中程度のタスクをカバーするに過ぎず、フロンティアモデルは依然として優位を保っている。結果は上限がどこにあるかにかかっている。

水道業界は政府のAI成長計画を批判し、冷却需要のために将来のデータセンターに十分な水がないと述べている。

本研究は、魚型ロボットの制御における流体構造連成のモデル化の難しさと非線形な劣駆動ダイナミクスに対処するため、計算効率の高いシミュレーションプラットフォームを開発し、微分可能強化学習（時間方向誤差逆伝播でPIDゲインを学習）による経路追従を実現した。学習したポリシーは実機に転送され、良好な一致を示した。

研究者らは、各サブタスクの疎な成功報酬に、現在のサブタスクの終端状態を条件とした将来のサブタスク成功確率（先見価値）をオフラインで推定して加える「先見残差強化学習」を提案。Isaac Gym上の3段階のナット締め組立タスクで、全タスク成功率85.6%を達成し、標準的なサブタスク残差RL（54.5%）やVLAベースラインを大幅に上回った。

本論文は、制御アフィンランダムフーリエ特徴(ARFF)で制御アフィン動力学を学習し、適応的共形予測(ACP)で安全制約の不確実性を定量化することで、制御バリア関数(CBF)を用いた認証可能なデータ駆動型安全保証を実現する安全モデルベース強化学習フレームワークを提案する。

本論文は、チルトロータVTOL UAVのINDIピッチレートコントローラについて、モデル不整合が線形安定性に与える影響を解析的に調査した。制御効能の不整合、特に配分における符号誤りが最も危険な不安定化要因であることを特定し、導出した安定領域に基づく2つの不確実性対応チューニング手法を提案する。

ドイツの公共博物館にアンドロイドロボットAndreaが6日間連続で設置され、完全自律的な多言語会話を行った。感情シミュレーションの3条件（なし、ChatGPT 4.1による感情決定、WASABIアーキテクチャによる感情動態）を比較し、73名の来館者に拡張TAM2質問紙を実施。統計分析の結果、最初の2つの感情実装アプローチは主観的評価に肯定的な効果をもたらさず、意識レベルでは検出されなかった。

本論文は、非構造環境での地形マッピングに向けたマルチモーダル知覚システムPRISMを提案する。RGB、深度、熱画像を融合し、視覚TransformerベースのOmniUnetによってマルチモーダルな意味的地形セグメンテーションを行う。新たに注釈付けされた2つのデータセット（BASEPRODとLAENTIEC）で検証し、実フィールド実験で実用性を示した。リソース制約のある組み込みコンピュータ上で動作し、走行可能性マップを生成してローバーの誘導・航法・制御（GNC）サブシステムによる自律航行を直接可能にする。

本論文は、多様な文化的背景と異なる感情状態を持つユーザーとの対話環境向けに設計されたロボット挨拶フレームワークSEAGRを提案する。二重層変調フレームワークにより、文化的アイデンティティが適切な挨拶タイプを決定し、感情的手がかりが実行方法を調整する。Sense-Think-Actアーキテクチャに基づき、文脈認識型文化マッピング、感情ベースのジェスチャ変調、近接空間調整を統合する。低コストのプロトタイプを実装したが、ユーザー研究による実証評価は今後の課題である。

本研究は、4チャネルの表面筋電図（sEMG）信号を1次元畳み込みニューラルネットワーク（CNN）で分類し、安静状態と5種類のジェスチャーを識別することで、支援ロボットアームの遠隔操作を実現するリアルタイムインターフェースを提案する。シミュレーションと実機の両方で評価され、テスト精度90%以上、平均遅延約0.32秒を達成した。

若者のオートバイ離れを食い止めるため、研究者は4本の脚を持つ乗用二輪ロボットを開発した。このロボットは動的な四足歩行を示し、自己バランス二輪ベースで主要な移動を行い、脚は補助的なサポートと協調動作を提供する。本論文では、頑健なバランス制御と自然な四足動作を生成する運動制御戦略に焦点を当てている。

視覚ナビゲーションにおける破滅的忘却に対処するため、研究者らは構造認識型メモリ機構HyperDCMを提案する。大規模視覚言語モデルを用いてシーン三つ組を抽出し、R-GCNでシーングラフ埋め込みに符号化し、双曲空間に投影して構造的分離性を高める。動的クラスタリングと構造に敏感な更新戦略により代表サンプルを選択してリプレイし、知識の多様性を維持する。マルチシーンデータセットでの実験により、ベースラインと比較して優れた保持と一般化を示した。

本論文はNeural Depth Field（NDF）を提案し、深度推定器をシーンレベルの暗黙的フィールドとして扱うことで、単一のテスト時最適化によりドメイン適応と幾何整合性を同時に実現する。屋内スキャンから衛星画像まで多様なシーンで視点間の不整合を大幅に削減し、補完精度を向上させた。

部分ラベル付きマルチタスク顔表情認識において、変分ボトルネックを用いた共有潜在変数アプローチを提案。s-Aff-Wild2データセットで表情認識マクロF1を0.403から0.446に向上させ、2つ目のバックボーンで行動ユニット上限を突破。

第3回マイクロアクション分析グランドチャレンジ（MAC 2026）はACM Multimedia 2026と併催され、マルチモーダル大規模言語モデルを用いて評価される新しいタスクを導入し、マイクロアクション分析を認識から細粒度理解へと進化させます。本論文では、データセット、プロトコル、競技結果、およびこの新興分野の将来方向について詳述します。

GenSyn10は、FLUX.2-dev、HunyuanImage-3.0、Qwen-Image-2512という3つの異なるアーキテクチャの生成モデルで作成された、CIFAR-10に準拠した6万枚の合成画像データセットである。AI生成画像検出器の分布外汎化性能を系統的に評価するために設計された。実験では、CIFAR-10で学習したモデルがゼロショットで最大96.86%の精度を達成し、微調整後は99.88%に向上した。一方、実画像対合成画像の二値分類では、既知の生成器で97-99.9%の精度が、未知の生成器では79-96%に低下し、OOD汎化の課題が浮き彫りになった。

本論文では、ドローン上でのリアルタイムフォロー・ミー人物追跡を低電力ハードウェアで実現するEMTS-Detシステムを提案。自己運動正規化残差運動チャネルを用いて人物を検出し、22kパラメータの軽量ネットワークでRaspberry Pi Zero 2W上で31.85 FPSを達成し、YOLOv8nを大幅に上回る性能を示す。

研究者らは、3D顔アバターに学習可能なガウスシェルを付加し、多視点埋め込みアライメントで最適化した微細な摂動によって視覚言語モデルの属性推論を誘導しつつ、幾何学的忠実性と顔の同一性を保つ防御フレームワーク「3D FaceShell」を提案した。

本論文は、固定Top-k検索を超えて適応的な集合生成を行うリスク認識顔検索（RA-FR）フレームワークを提案する。ユーザー指定のリスク水準（α）と信頼水準（1-δ）の下で正解の包含を保証し、ハイブリッドブラインド顔復元、自己教師ありDINOv1特徴、共形予測を統合する。IMFDBベンチマークで平均約10枚の検索集合サイズで5%のリスク目標を達成する。

JEPAの訓練時に共同学習されるが下流展開では捨てられる予測器が、可視コンテキスト特徴からマスク位置の特徴への学習済み演算子として、異なるエンコーダファミリ間で移植可能であることを示す。凍結したI-JEPAおよびV-JEPA 2の予測器を、500枚のImageNet-1k画像で閉形式-fitした単一の線形投影を介してCLIP、DINOv3、DINOv2、MAEに接続すると、再訓練なしで重度遮蔽による精度損失を大幅に回復できる。