AgentKeyは、AIエージェント向けのワンストップライブデータマーケットプレイスです。

アントグループのエンボディードインテリジェンス部門Robbyantは、LingBot-World-Infinity（LingBot-World 2.0）をリリースしました。これは140億パラメータの因果的ビデオ生成モデルで、対話型世界シミュレーターとして機能します。核心技術は双方向自己回帰混合注意マスク（MoBA）と分布マッチング蒸留であり、長期的ドリフトを解決します。ディレクター・パイロットエージェントハーネスにより無限のビデオ生成が可能です。論文は60分のセッションを示していますが、オープンソースリリースは1つのチェックポイントと480Pスクリプトのみで、デプロイコードや定量的ベンチマークが欠けており、非商用ライセンスです。

OpenAI が GPT-5.6 シリーズを発表。フラッグシップの Sol、ワークホースの Terra、高速な Luna の3モデルで、全ユーザーが無料で利用可能。価格、性能、安全性、ハンズオンテストの詳細を解説。

このプロトタイプは、テストスイートではなく定理証明を使用してコード移行を検証します。コーディングエージェントがプログラムを別の言語に書き換え、決定論的トランスレータが元のコードと書き換えコードの両方をLeanに変換し、定理証明器がすべての入力で同じ結果を計算することを証明します。例としてiCPPIポートフォリオ保険アルゴリズムを使用しています。

ヘッドロング社によるカレル・チャペック1920年の戯曲の翻案は、AIとロボット意識に関するタイムリーな議論に満ちているが、哲学的な議論が長引くこともある。オックスフォード大学の研究に基づく科学考証が特徴。

マルチロボット位置推定には精度と一貫性が不可欠。集中型手法は最適だが実装が困難。本論文では、分散型コンセンサスに基づくフィルタリングフレームワークD-CLIPSEを提案。プリインテグレートされたオドメトリと共有状態を交換し、通信効率を向上させ、一貫性を集中型に近づける。シミュレーションと実験で有効性を確認。

Natureに掲載された研究は、腹腔鏡手術タスクに対する現在のヒューマノイド技術を体系的に評価した。研究チームは汎用器具を用いたヒューマノイドベースの遠隔操作フレームワークを開発し、ベンチトップ特性評価、多様な経験レベルを含む乾式ラボユーザー研究、およびブタ生体内実験を通じて評価した。結果は、技術的実現可能性、タスク性能、臨床準備度を既存の手術プラットフォームと比較して定量化し、臨床展開前の可能性と課題を明らかにした。

研究者らは、トポロジカルスキャンによる個別適合、有限要素解析による物理的ヒューマンロボット相互作用力の評価、空気圧制御による精密な関節可動化を実現する、個別化空気圧駆動ソフトロボット外骨格グローブを提案し、巧緻動作リハビリテーションの基盤を築いた。

研究者らは、手の可動性を向上させると同時にマッサージのような圧縮によって筋肉の痙縮を緩和する新しいソフトロボット外骨格グローブを開発した。このグローブは個人の手の形状と運動学に合わせたソフト空気圧アクチュエータを使用し、予備実験で快適性と有効性が検証された。この技術は、世界中で1200万人が悩む手の痙縮とそれに伴う疼痛に新たな治療選択肢を提供する可能性がある。

本論文は、RGB入力と位置制御グリッパのみを使用して、軟らかい物体と剛体の両方を扱う統一的な単眼視覚ベースの把持フレームワークを提案する。開放語彙物体検出、セグメンテーション、点追跡、深度推定に加え、言語ベースの剛性推定モデルを組み合わせ、接触前に把持戦略を選択する。Franka Emika Research 3アームでの実世界ピックアンドプレース実験により、レタス、モッツァレラチーズ、クロワッサン、ペーパータオル、硬質プラスチックボトルなど多様な物体に対して安定した把持が実証された。

本論文は、実世界データのみで動作するデータ効率が高く解釈可能な視覚ベースの動的障害物回避手法を提案する。事前学習済み単眼深度推定モデルUniDepthとSuperPoint/SuperGlueによる特徴追跡を利用してキーポイントごとの衝突時間（TTC）を計算し、最小TTCキーポイントの最近接点からロボットを遠ざける2D運動プリミティブを選択する。M3EDデータセットでの評価では、TTCが1秒未満のフレーム識別で適合率0.49、再現率0.38を達成し、真陽性検出の84%で正しい回避方向を生成。22個のユニークな物理障害物のうち20個で少なくとも1フレームのTTC<1秒を検出した。ハイパーパラメータ調整には74秒のデータのみを必要とし、モデル訓練を完全に排除している。

STEMbotは、植物の葉冠下を自律航行するために設計された小型の攀じ登りロボットで、早期害虫検出を目的とする。PIN-SLAMとセマンティックOcTreeを統合し、多様体制約A*プランナーを使用して、7～33mmの茎での信頼性の高い移動を実現し、再構築精度は1cm未満。

Shift & Driftは、意味的シフトと状態分布ドリフトの2軸で運動プランナーを厳しく評価するデュアルトラックベンチマークである。模倣学習は意味的シフト下で大きく失敗し、強化学習プランナーはより緩やかに劣化することが示された。

HumoSlopeフレームワークは、斜面適応型ZMP正則化と生体力学的歩容アダプターにより、最大62.7%（32.1°）の屋外草斜面での固有感覚のみに基づく人型ロボット歩行を実現し、保守的なしゃがみ歩容を回避する。

本論文は、道路や建物などの永続的構造物を利用してGNSS非利用UAVに絶対位置補正を提供するSASGeoフレームワークを提案する。220回のランダム化検索試験では、空間セマンティックマッチング変種が94.5～95.5%のRecall@1を達成し、グローバル記述子（58.6%）を大幅に上回ったが、変種間の差は有意ではなかった。合成概念実証は有望だが、実飛行による検証が必要である。

研究者らは、長期的なロボット計画のためのVLMベースのプランナーAPIVOTを提案した。言語による意味的推論と、幾何学的実現可能性を検証するための「想像上の未来状態」としての視覚的思考を適応的に交互配置する。長期的なキッチンタスクで汎用VLMや従来の計画フレームワークを上回り、空間的制約が厳しい設定で最大の改善を示した。

本論文は、自己回帰型動画拡散モデルの時間的安定性を向上させる訓練不要の安定加速度ガイダンス手法SAGAを提案する。SAGAは加速度領域のスペクトルガイダンスと構造化ノイズ初期化を組み合わせ、バックボーンを再訓練することなく複数モデルで時間品質と画像品質を一貫して改善する。

LightCrafterは、入力動画を目標照明の下でPBRレンダリングしたプロキシ動画に変換し、CogVideoXを事後学習した拡散モデルで精製するハイブリッドな再照明パイプラインである。照明制御、長尺の時間的一貫性、大域照明などモデル化が難しい効果を両立し、実世界ベンチマークで従来の最先端手法を上回る。

本論文は、産業用視覚検査（IVI）向けに転移学習を統合した連合学習フレームワークFedTRを提案する。モデルはまず公開データセットで事前学習され、その後、分散したプライベートデータ上で連合微調整される。インクカートリッジのラベル欠陥識別データセットにおいて、同種データで95.5%、異種データで94.2%の単語レベル精度を達成し、集中学習と同等の性能を示した。

テキストプロンプトを活用して航空画像中の指向性物体検出をガイドする新しいTransformerベースの手法LOGOSを提案。DOTAデータセットで既存手法を上回り、特に密集・回転シーンで優れる。

本論文はThermoFieldを提案する。微分可能な熱伝導シミュレーションを通じて熱シーン再構成と熱物理パラメータ推定を統合し、幾何形状の再構成、空間的に変化する熱拡散率の推定、未見の環境条件下での熱進化予測を同時に実現する。

研究チームは「敵対的デコイ」を提案する。これは独立に最適化された画像パッチを用いて、防御機構が注目する高い注意スコアを真の敵対領域からそらす手法である。ImageNet上の複数のViTアーキテクチャと攻撃で評価され、攻撃に依存しないこの手法が元の攻撃効果の大部分を維持することを示した。注意の大きさを敵対関連性の指標とすることの根本的な限界を明らかにしている。

本研究は、低コストUAVフォトグラメトリとマルチカメラCraneCamシステムを用いて天然落葉樹を3D再構築し、樹冠全体のシュート伸長（一次成長）をモニタリングする可能性を探った。2つの研究地域で成長季全体にわたりデータを収集し、樹木全体で5-6 mmの3D点精度、再構築完全性92%～98%を達成した。また、細部構造の再構築能力を評価するために3Dプリントされた地上真値枝を新たに導入した。

GIRAFは、関節物体（ドアや引き出しなど）との全身人体インタラクションを合成するテキスト条件付き拡散モデルです。物体中心表現、混合ドメイン訓練、接触ベースのデータ拡張により、未知の物体配置への強い汎化を実現し、最先端手法を上回ります。

DreamCharacter-1は、事前学習済みの3D基盤モデルを高忠実度で製品化可能な3Dキャラクター生成に適応させる軽量なポストアダプテーションフレームワークである。ジオメトリのポストトレーニング、テクスチャのポストトレーニング、推論加速の3要素を組み合わせ、実験では最先端のキャラクター生成手法を一貫して上回る性能を示した。

本論文は幻覚セルフプレイ（HSP）フレームワークを提案する。検出器と生成器を同一のベースモデルから初期化し、検出器を人手ラベルで微調整した後、RLAIFの報酬モデルとして生成器を訓練する。進化した生成器はより検出困難な幻覚データを合成し、ルールベース強化学習で検出器をさらに最適化する。RAGTruthベンチマークと2つのモデルファミリーでの実験により、外部監督なしで小型LLMが先進LLMに匹敵または凌駕できることを示した。

新たな研究が、全二重音声エージェントの会話を評価する音声審査員としてのGeminiモデルの信頼性を評価。209のステレオセッションを8つの次元でスコアリングし、Gemini 2.5 Flashはほとんどの次元で人間の評価者と高い一致を示し、コストは人間の評価の約100分の1。モデル交換時には校正データによる再検証が必要と警告。

本論文は、クリティック不要の強化学習における正のクレジット汚染を特定し、低確率の誤ったテールトークンが妥当なトークンと同じ正のクレジットを受け取る問題を指摘する。TACOはテールリスクスコアで正のクレジットを較正し、3つのLLMと8つのベンチマークでGRPOベースラインを上回り、訓練の安定性を向上させる。

本研究では、MiniLM埋め込みを用いたマルチクラスター境界学習法を提案し、アウトオブスコープ（OOS）意図を検出します。従来のマルチクラス分類の精度低下やLLM埋め込みの大規模パラメータ問題を克服し、3つの公開データセットで最先端の性能を達成しました。

ACL 2026 Findingsに採択された論文は、前処理ベースの脱バイアス手法（ステレオタイプ的な文の削除、グループ言及の削除、グループ参照の交換など）が、対象グループのステレオタイプを減少させる一方で、他の人口統計グループ（無関係なカテゴリを含む）においてステレオタイプや反ステレオタイプを増加させる可能性があることを発見した。これらの副作用は、エンコーダ専用モデルとデコーダ専用モデルの両方、複数の前処理戦略、およびウィキペディア上の異なるデータスケールでの事前/事後トレーニングで確認された。標準ベンチマークはこれらの変化をしばしば見逃し、アテンションロールアウト分析では副作用に大きなアテンションフローの変化が伴わないことが示され、メカニズムの説明が困難になっている。