NVIDIAは、コンシューマーPC向けの初の完全なコンピューティングチップ「RTX Spark」シリーズを正式発表した。ノートPCやミニPC向けで、Armアーキテクチャを採用し、CPU、GPU、AIエンジンを統合。最も効率的なPCチップと主張し、多数のPCメーカーが今秋発売を予定している。

Deep Principleが発表した材料基盤モデルMPAは、大規模言語モデルから着想を得た3段階訓練手法を採用し、40の実産業タスクでSOTAを達成。中期訓練による物理アライメントとハイブリッド読み出しヘッドにより、未知の構造予測で優れた性能を発揮し、AI for Scienceにおける重要な進歩を示している。

Wix、Snap、Blockなどの企業がAIを理由に解雇を発表する中、MIT教授のポール・オスターマン氏は、企業はAIを都合の良い言い訳として利用しており、これは「AIウォッシング」と呼ばれる20年来の現象だと主張している。

NVIDIA AIクラウドエコシステムは、AIファクトリーインフラのグローバルな構築を加速しています。パートナーは、エンタープライズ、スタートアップ、国家、AIラボ、開発者がエージェンティックAIアプリケーションをスケールする需要の高まりに対応するため、容量を拡大しています。これらのクラウドは、NVIDIAのフルスタックAIインフラと共同設計され、トレーニング、ファインチューニング、推論、物理AI、主権AIの展開をサポートします。

NVIDIAはGTC Taipeiで工場運用ブループリント（FOX）を発表しました。これは自律工場管理エージェントを構築するためのリファレンスデザインで、リアルタイムデータ、品質管理、作業指示、運用アラートを統合し、工場全体のインテリジェンスを実現します。ブループリントはNemoClaw、AI-Q、Nemotronオープンモデルに基づき、工場システムの接続、モデルトレーニングの自動化、インテリジェントワークフローの運用を可能にします。Foxconn、Pegatron、Advantech、Wistronなどの台湾メーカーが先行導入し、生産性向上とコスト削減を実現しています。

台湾には500以上のNVIDIAエコシステムパートナーが拠点を置き、NVIDIA Vera Rubinインフラ向けのMGXラックコンポーネント100万以上が台湾の25工場で組み立てられています。Vera Rubinが本格生産に入り世界中のエージェンティックAI工場を支える中、そのエコシステムはTSMC、SPIL、Kinsus、KYEC、UMTCなどのウェハー・チップパートナーから、Foxconn、Pegatron、Quanta Cloud Technology（QCT）、Wistron、Inventecなどの製造・システムリーダーにわたるサプライチェーン全体をカバーしています。これらのパートナーはAI工場を建設するだけでなく、自社の運用に加速コンピューティング、シミュレーション、AIエージェント、フィジカルAIを適用し、AIが高度な製造をより迅速、効率的、適応的にする方法のモデルを生み出しています。

利便性とスピードのために、私たちはつながり、社会を組織する能力を低下させている。人間への信頼を機械よりも優先すべきだ。記事は、AIによる研究で誤った引用が発生した事例を挙げ、AIへの依存に警鐘を鳴らす。

100以上の難民児童組織が連合し、英国政府が若年亡命希望者の年齢評価にAI顔認識年齢推定技術を導入する計画を非難。これにより、より多くの子どもが誤って成人刑務所や収容施設に送られる可能性があると警告している。

Hephaestus' Forge は、5フェーズのガイド付きウィザードでアイデアについてインタビューし、プロジェクト設計書、PRD、技術仕様書、見積もりを含む構築可能なドキュメントパックを生成する、セルフホスト型のWebアプリです。生成されたドキュメントは、AI IDEにそのままコンテキストとして投入できます。複数のAIエンジン（Claude Code、Codex、Gemini CLI、Ollamaなど）に対応し、プライベートで100%ローカル動作し、オープンソース（MIT）で多言語対応です。

NVIDIAは、パーソナルAIエージェント向けに設計された新しいスーパーチップ「RTX Spark」を発表。1 petaflopのAI性能と最大128GBのユニファイドメモリを提供。Microsoftとの協業により、デバイス上で安全にエージェントを実行可能。120Bパラメータの大規模言語モデルや大規模3Dレンダリング、高解像度動画編集、AAAゲームをサポート。Adobeなどのソフトウェアメーカーが最適化を進め、今秋より主要OEMからRTX Spark搭載のノートPCとデスクトップが発売予定。

NVIDIA が発表した Cosmos 3 は、視覚推論、マルチモーダル生成、行動予測を統合したオープンな世界基礎モデルです。ロボット、自動運転車、視覚AIエージェントが現実世界の変化を理解し予測することを可能にし、混合トランスフォーマーアーキテクチャを採用して合成ビデオやロボット動作データなどを生成します。スマートシティから産業オートメーションまで幅広い用途に対応し、複数のベンチマークで首位を獲得。オープンライセンスで提供されています。

Simon Willisonが2026年5月のスポンサー限定月次ニュースレターを公開。AIコストの上昇、Anthropicの好調、モデルリリースの不振、Datasette Agentのローンチなどを取り上げている。

NVIDIAは、世界生成、物理推論、行動生成を統合した世界基盤モデルCosmos 3を発表しました。Mixture-of-Transformersアーキテクチャに基づき、テキスト、画像、動画、アクションなど複数のモダリティを処理します。8BパラメータのNano版と32BパラメータのSuper版の2種類を提供し、Hugging Face Diffusersと統合されています。物理AI向けの合成データ生成データセットも同時公開されました。

Parallaxは、ソフトマックス注意を維持し、学習された共分散補正ブランチを追加する新しい注意機構で、局所線形注意（LLA）のクエリごとの共役勾配解法を置き換えます。FlashAttentionのキー・バリューストリームを再利用することで演算強度を2倍にし、0.6Bおよび1.7BスケールのLLM事前学習でより低いパープレキシティを達成します。ただし、その利得はMuonオプティマイザーに強く依存し、AdamWでは大幅に減少します。

個人エージェントの人気が急上昇しており、OpenClawやHermesなどのオープンソースプロジェクトがGitHubのAI開発者コミュニティで急速に採用されています。これらのエージェントは個人の好みやワークフローに適応し、アプリケーションとの対話、コンテンツ生成、反復作業の自動化、マルチステップタスクの管理をデバイス上でローカルに実行できます。本日、COMPUTEX台北のNVIDIA GTCで、NVIDIAは個人エージェント専用に設計された新しいクラスのWindows PC「NVIDIA RTX Spark」を発表し、ローカルエージェントをNVIDIA RTXおよびDGXエコシステム全体に拡張する一連のアップデートも行いました。

ZAPS-DAは、分離アクターとゼロ位相フィルタリングを組み合わせ、位相遅れや後処理なしに強化学習の連続制御ポリシーの高周波動作ジッタを大幅に低減するフレームワークです。運転シミュレーターで14～21倍のステアリングジッタ削減を達成し、タスク成功率はほぼ変わりません。

ARISTOハンドは、能動的な遠位過伸展とハイブリッド指先センシングアーキテクチャを統合した腱駆動ロボットハンドです。剛性の爪装着型力/トルクセンサーと軟質静電容量触覚アレイを組み合わせることで、薄い物体の把持力を大幅に向上させ、エッジ接触時の信頼性の高い力フィードバックを提供します。SDカードの抜き差しタスクで有効性が検証されました。

VLM-GLocは、オープンボキャブラリの視覚言語モデルを統一的なセマンティック観測フロントエンドとして活用し、階層的セマンティックモンテカルロ位置推定を実現する。幾何学的・セマンティックにあいまいな環境でのグローバル位置推定課題に対処し、食料品店と実験室の2つの実環境でそれぞれ70%と74%の成功率を達成、従来の幾何学のみおよびドメイン特化ベースラインを大幅に上回った。

CoMo3R-SLAMは、学習済みフィードフォワード3D再構成事前分布を活用した初の協調単眼稠密RGB SLAMシステムであり、深度センサーやカメラ内部パラメータを必要とせず、単眼RGBのみから屋外マルチエージェント環境でグローバルに一貫したメートルマップを生成し、Tanks and TunnelsとWaymoで最先端のRGB-D手法に匹敵または凌駕する精度を達成しながら、オンラインで8 FPSで動作する。

ELAN4Dは、将来のロボットキーポイント軌道を予測的な時空間監督として活用し、VLAポリシーを強化する身体性中心の4D認識トレーニングフレームワークを提案する。プラグアンドプレイ分岐を介して4D信号をアクションエキスパートに注入し、推論インターフェースを変更することなく、分布外摂動下でのロバスト性と汎化性能を大幅に向上させる。

本論文は、教師ありニューラルグローバルプランナーと学習ベースのDWAローカルプランナーを組み合わせた屋内移動ロボットナビゲーションフレームワークを提案する。グローバルプランナーはコスト考慮型A*のエキスパート軌跡で訓練され、ローカルプランナーは行動模倣で初期訓練後、PPOで洗練される。シミュレーションと実環境での実験により、障害物回避のための実行可能な経路と信頼性の高い運動指令が生成されることを実証。ソースコードは公開予定。

10台の実機ロボットによる輸送・マッピング課題で、完全接続からモジュラー階層型相互作用に切り替えると正規化性能が47ポイント向上した一方、ニューラルネットワークの隠れ層サイズを2倍にしても最大9ポイントの向上にとどまった。この研究は、ハードウェア予算が同等であれば、マルチロボット協調において相互作用構造がモデル規模拡大を上回る支配的役割を果たし得ることを示唆している。

本論文は、クラウドAI推論による生画像データの外部送信を避け、すべての推論をエッジデバイスに閉じ込めるプライバシーバイデザインの概念実証パイプラインを提示する。Raspberry Pi 5とHailo-8Lアクセラレータ上でYOLOv5n-segモデルがリアルタイム物体検出を行い、ローカルホストのPhi-3 Mini LLMが最小限のJSONペイロードから自然言語アラートを生成、ネットワーク上にはテキストアラートのみが流れる。

研究者らは、マルチモーダルMRIから脳腫瘍を正確にセグメンテーションするためのGCSER-UNetという新しい深層学習ネットワークを提案した。このネットワークは空間的・チャネル的注意機構を融合し、TCGA LGGデータセットで94%、BraTS 2020データセットで95%/92%/90%のDiceスコアを達成し、従来の最先端手法を上回った。

本研究は、多様性を考慮した画像キュレーションとマスクオートエンコーダ（MAE）自己教師あり事前学習を組み合わせた北極向けリモートセンシング基礎モデルを提案する。4つの北極データセットでImageNetベースラインより5-8%のF1改善を達成し、汎用地球観測モデルPrithvi-EO-2.0を少なくとも15%上回り、ドメイン特化事前学習の重要性を示した。

Dex2HOIは、テキストから単一物体および二物体の人物-物体インタラクション（HOI）モーションを生成する統一的な拡散モデルを提案する。各物体を専用のインタラクションストリームで処理し、双方向クロスアテンションで調整するデュアルストリーム拡散を採用。モーションフュージョンネットワーク、手相対物体表現、接触認識条件付けにより、任意の長さのシーケンスを自己回帰的にリアルタイム速度で生成でき、従来の最先端手法に比べて最大540倍の推論高速化を実現する。

本論文は、入力画像とGenAI拡張画像を融合する後処理フレームワークを提案し、知覚的向上を維持しつつ構造的忠実性を強制することで、空間的ずれ、テクスチャ歪み、コンテンツ幻覚を効果的に抑制する。実験では、画素レベルの構造的一貫性と入力解像度を保ちながら、美的品質をよりよく保持することが示された。

本論文は、条件分岐と無条件分岐を時間的に分離することで、歪んだ低解像度動画を強化する訓練不要のフレームワークDTG-Restoreを提案する。提案するDecoupled Time Guidance（DTG）は、よりクリーンな拡散タイムステップで無条件分岐を評価し、幾何構造を保持しつつ歪んだ内容の複製を抑制する先読み事前分布を提供する。時間的バイアスはサンプリング全体でアニーリングされ、再訓練なしで構造補正から詳細精緻化への移行を可能にする。本手法は既製の復元モジュールとプラグアンドプレイで組み合わせ可能で、4,400本の歪んだ480p動画からなる新ベンチマークGenWarp480で評価される。

SANA-Streamingは、コンシューマGPU上で高解像度リアルタイムストリーミングビデオ編集を実現するシステム・アルゴリズム協調設計フレームワークである。ハイブリッド拡散Transformer、循環逆正則化、およびNVIDIA Blackwell向けに最適化された融合GDNカーネルと混合精度量子化を含む効率的なシステム協調設計が特徴である。単一のRTX 5090で1280x704解像度、エンドツーエンド24 FPSの編集を実現し、DiTコアは58 FPSで動作する。

研究者らはSURGEフレームワークを提案した。これは共有投影埋め込み空間におけるInfoNCE目的関数を用いて、強力な教師検出器からコンパクトな学生検出器へ関係幾何情報を転移する。アーキテクチャ非依存の枠組みで、二段階、一段階、Transformerベースの検出器に適用可能。SSDDとHRSIDでの実験では、二段階検出器で最大6.2 mAPと8.0 AP75の向上を達成し、教師モデルを上回った。