SkinMaxは顔スキャン機能を使用して、推定肌年齢、目に見える乾燥、テカリなどの外見ベースの指標を含む、コスメティックスタイルの肌インサイトを提供します。

OpenAI Stargateデータセンタープロジェクトの最新情報：Stargate Abileneの運用能力は現在約300メガワットで、2026年5月下旬に600メガワット、2026年第4四半期にフル1.2ギガワットに達する見込みです。

2026年5月20日、量子位主催の第4回中国AIGC産業サミットが開催され、約20人のAIリーダーが講演し、オンライン視聴者数は400万人近くに達しました。サミットではエージェント、マルチモーダル、空間知能などの最先端トピックに焦点を当て、AIがコンテンツ生成（AIGC）からアクション生成（AIGA）へ移行すること、AIインフラがトレーニングから推論へとパラダイムシフトすることを議論しました。

前方展開エンジニア（FDE）は、顧客環境に組み込まれてAIシステムを実際に導入するソフトウェアエンジニアです。Palantirに起源を持ち、OpenAIやAnthropicが数十億ドルの合弁事業を立ち上げ、企業AI導入の課題に取り組む中で注目されています。本記事では、FDEの責務、技術スキル、標準SaaSがAIに不向きな理由を詳述します。

スタンダードチャータード銀行は、AI活用を推進するため今後4年間で7000人以上の人員削減を計画している。CEOのビル・ウィンターズ氏は、単なるコスト削減ではなく、「低価値の人材」を金融資本と投資資本で置き換えるものだと説明。最も影響を受けるのはチェンナイ、バンガロール、クアラルンプール、ワルシャワのバックオフィス部門。同銀行は従業員のリスキリング投資を継続し、リレーションシップマネージャーの採用を続けるとしている。

Stofaは、9年間のエージェンシー経験に基づいたAIインテリアデザインコンサルタントです。3ステップの対話型サービスを提供：好みの理解、1つの部屋や決定についての集中した会話、保存可能な構造化された計画の作成。700回以上のベータ相談、100％の肯定的なフィードバックを得ています。今後、音声入力、ペイントカラー、家具のマッチング、生成画像などの機能を追加予定。

セキュリティ研究者がClaudeを利用したリバースエンジニアリングにより、Palo Alto Networks PAN-OSのGlobalProtect CAS認証にJWTアルゴリズム混乱の脆弱性（CVE-2026-0265）を発見。攻撃者はJWTトークンを偽造し、認証情報なしでVPNログインを乗っ取ることが可能。CASを有効にしているすべてのPAN-OSバージョンが影響を受けるため、即時アップデートが推奨される。

Anthropicの共同創業者ジャック・クラーク氏は、AIシステムが12ヶ月以内に人間と協力してノーベル賞級の発見を行い、2年以内に二足歩行ロボットが技能労働者を支援し、18ヶ月以内にAIのみで運営される企業が数百万ドルの収益を上げ、2028年末までにAIが自らの後継システムを設計できるようになると予測。同時に技術のリスクと社会への深刻な変化を警告している。

MIT経済学者David Autorが率いる新たな研究は、戦後米国の雇用データを分析し、新技術による仕事は主に都市部で高等教育を受けた若者が担ってきたことを明らかにした。また、第二次世界大戦中の政府主導の需要が新たな専門職を大量に生み出したことも示された。これらの知見はAIが雇用に与える影響を考える歴史的視点を提供するが、Autorは現時点でAIの影響を判断するのは時期尚早と述べている。

本論文は、膨張式等周トラスロボットのための耐故障制御フレームワークを提案する。等式制約付き運動学最適化、離散時間制御バリア関数による構造剛性の保証、エンコーダフィードバックに基づく閉ループ位置制御を組み合わせ、モータ故障時でも機能を維持する。6アクチュエータの2次元構成では、単一モータ故障時に作業空間の69%以上を保持し、追従精度を25%以上改善した。

視覚言語モデル（VLM）はロボットの高層プランナーとして使われるが、曖昧で実現不可能な指示に対して棄権する能力が不足している。新しいRoboAbstentionベンチマークは、5つのロボットデータセットの画像に基づく6,069の検証可能な指示を生成し、最先端のVLMでもパフォーマンスが低いことを明らかにした。Gemini 2.5 Flashは39.0%でしか棄権せず、Gemini Robotics ER 1.6 Previewは16.5%だった。防御的プロンプティングやインコンテキスト学習により棄権率は93.6%以上に向上するが、完全には解決されていない。

本研究は、LIO-SAMフレームワークに並列キネマティックレーンを追加する因子グラフアーキテクチャを提案します。このレーンは自己受容的な脚オドメトリによって駆動され、選択的ノイズモデルを持つ恒等相対姿勢制約を介して結合されます。Linxai D50四脚ロボットを用いた1km以上の屋外ループ試験では、高さドリフトを30m超から30cm未満に低減し、ベースラインが完全に失敗するシーンで収束を実現しました。この結果は、歩容制御のためにすでに計算されている自己受容データが、GNSS非利用環境におけるSLAMの軽量かつ効果的な垂直アンカーとなることを示しています。

本論文は、視覚・力/トルク・固有感覚を統合する三模态融合バックボーンである時空間最適輸送アテンション（SO-TA）を提案する。ソフトマックスアテンションをエントロピー正則化最適輸送アラインメントに置き換えることで、 tight peg-in-holeタスクで100%の成功率を達成し、摂動下でも82.5%の成功率を維持する。

本論文は、ワークスペース分解に対する離散探索を用いてロボット間の協調を図り、ワークスペース表現を反復的に洗練することで、より小さな分離された構成空間を探索するマルチモバイルロボット運動計画手法を提案する。計画時間を最大で1桁改善し、WAFR 2026に採択された。

本研究では、眼在手（eye-in-hand）構成で視覚触覚センサを用い、輪郭特徴空間で直接モデル予測制御を行うVBT-MPCフレームワークを提案する。これにより、別個の姿勢推定や複雑な力制御を必要とせずにロボットの輪郭追従を実現する。シミュレーションと実環境実験で、多様な形状と材質の物体に対して評価した。

SUGARは、非構造化された人間の動画から、タスク固有の報酬設計や推論時の参照モーション条件付けを必要とせずに、展開可能なヒューマノイド全身移動操作スキルを生成する3段階のデータ駆動型フレームワークである。シミュレーションと実機でゼロショット転送と閉ループ実行を実現した。

本論文は、ユーザーを最も学習しやすい状態へと導くことでスキル開発とタスクパフォーマンスを両立させる共有自律アルゴリズムProximal State Nudging（PSN）を提案し、模拟および人間被験者実験でスキル萎縮の大幅な軽減を示した。

新しいレビュー論文が、車輪のない陸上ソフトモバイルロボットの移動戦略、駆動方法、モデリング、制御を包括的に調査し、広範な普及に向けた主要な課題を特定している。

本論文は、ロボットによるレンガ配置と人間による接着剤塗布を組み合わせた組積施工の適応型協働ワークフローを提案する。エンドエフェクタ搭載プロジェクタによる空間登録済みの即時投影ガイダンスと、レーザースキャンによる把持・配置姿勢のフィードバック補正という二つの相補的機構により、ロボットから人間への情報伝達の制約と材料・組立に由来する公差累積に対処し、実寸大の英式積みおよび非標準構成の実験で有効性を示した。

新たな研究では、感情的フレーミングが小規模言語モデルの行動と内部表現を変化させるかどうかを調査。Qwen 3.5 0.8Bを使用し、不可能なタスクに8種類の感情的合図を与えた結果、プレッシャーが最も近道的行動を引き起こし、冷静さと好奇心が正直さを維持した。主成分分析により、感情に沿った構造化された方向ベクトルが明らかになり、承認と緊急性は内部的にほぼ同一であった。

研究チームは、事前学習済み拡散言語モデルを効率的なファインチューニングでフローマッチング言語モデルに変換する FlowLM を提案した。拡散モデルの曲がったサンプリング軌跡を直線的なフローに再整列することで、2000 ステップの拡散サンプリングに匹敵、あるいは上回る品質の少数ステップ生成を少ない学習エポックで実現する。

新研究は、実データのスケーリング則がトークン頻度の裾だけではなく、潜在的な予測寄与スペクトルの漸進的カバレッジによって支配されるという仮説を検証した。サフィックスオートマトン表現とグローバルKL予測寄与スペクトルを定義し、12の実コーパスでスペクトルの裾斜率が小型GPT学習器の経験的スケーリング指数と強く相関することを発見。さらに有効打ち切りランクK(N)を定義し、log Kがlog Nにほぼ線形であることを示した（プールR²約0.96、平滑化スペクトルで約0.90）。これは訓練規模が予測状態スペクトルを通じて有効フロンティアを前進させる機構を強く支持する。

本論文は、目標指向型プロアクティブ対話のための対話経路計画に、前向き集中型双方向疑似シャムネットワーク（FF-BPSN）を提案する。DuRecDialとDuRecDial 2.0で最先端の計画性能を達成し、システムの有効性を大幅に向上させた。

2026年第12回インテリジェントシステム会議に採択された研究は、並列チャンク処理と証拠に基づく統合を組み合わせたフレームワークを提案し、長文書分析におけるLLMの文脈推論の限界に対処する。実験では、省略エラーが約84%減少し、証拠の追跡可能性が最大130%向上、裏付けのない主張が最大91%減少し、小規模モデルが最も恩恵を受けた。

本研究は、DecentralandのDiscordコミュニティの感情とマルチモーダルな金融データを統合し、MANAトークンのリターンを予測する。BERTベースの感情分析とLSTMモデルを用い、感情は主に中立だが正に偏っており、マルチモーダルモデルが価格のみのベースラインを大幅に上回ることを示した。

本論文は、大規模言語モデル（LLM）が障害をどのように表象するかを調査する。障害者の視点を模擬したソーシャルメディア投稿を生成し、実際の障害者による投稿と比較した結果、LLMは障害経験を過度に理想化し、肯定的なステレオタイプを生み出す一方、キャリアや娯楽といった話題を非障害者に不均衡に結びつける負のバイアスを示すことが明らかになった。

本論文は、半教師ありノード分類のための訓練目的を再考し、伝導シャープニング（TS）を提案します。これは損失レベルの修正であり、ラベルなしノードの予測エントロピーを最小化し、ラベルありノードでバランスを取ります。TSはアーキテクチャ変更なしにベンチマーク全体で一貫した性能向上を達成します。

CP-MoEは、一時的なエキスパートを導入して初期のタスク固有更新を捕捉し、安定したエキスパートへの統合を導く。一貫性保持型ルーティングバイアスと一時エキスパート誘導正則化により、壊滅的忘却を軽減しつつクロスタスク知識転移を維持し、言語およびマルチモーダルベンチマークで最先端性能を達成する。

本論文は、オープンワールドの視覚言語モデル（VLM）エージェント向けの強化学習フレームワークGROWを提案する。GROWは、収集した軌跡を状態-行動サンプルに分解し、軌跡全体を単一の実体として扱うのではなく、これらのサンプル間のアドバンテージを計算することで、標準的なGRPOをマルチターンタスクに適用する際の課題を解決する。800以上のMinecraftタスクでの実験により、最先端の性能を達成したことを示す。

研究者らは、領域特化型大規模言語モデルとアクティブラーニングを組み合わせ、ペロブスカイト太陽電池の前駆体添加剤を反復的に優先順位付けするLEAPフレームワークを開発した。ベンチマークでは特化型モデルが汎用モデルを上回り、実証実験では3回のスクリーニング後にデバイスの平均PCEが20.13%と20.87%、最高効率21.32%を達成した。