Noter は、コーディングエージェントと協働しながらも思考を外部委託しないための新しいレイヤーです。4つのパネルからなるミッションコントロールでリアルタイムに計画・実行を監視し、BluePrint機能で仕様やプロンプトを生成します。無料版はメモとエージェントコンテキストを提供し、Pro版（月額€3）ではBluePrint、提案タスク、プロンプトが利用可能です。

21歳のZuhair Lakhaniが創業したDoublespeedは、Andreessen Horowitzが出資するボットファームで、数千台のスマートフォンを使ってTikTok上にAIインフルエンサーを創出し、バズを捏造する。このサービスは、人間のクリエイターをAIに置き換え、デッドインターネット論争を巻き起こしている。

MarketFishは、6つの学術論文と11のLLMプロバイダーに基づくマルチエージェント市場シミュレーションエンジンです。個性、予算、感情、バイアスを持つ128人のAI消費者を生成し、30ラウンドにわたる購買行動を模拟して製品の成功を予測します。探索、検証、ハイブリッドの3つのモードを提供します。

Rasa Intelligenceは、AIを搭載したビジネス診断プラットフォームで、企業データを90秒以内に構造化された判定に変換します。12の診断モジュールを同時に実行し、診断、リスクマップ、戦略的推奨事項、優先アクションを提供します。

AIエンジニアワールズフェア3日目、講演者たちはAI自動化と人間の主体性のバランスの重要性を強調し、完全自動化された「ソフトウェア工場」ビジョンに反対した。

Cotal は、マルチエージェントシステムにおける連携の失敗による高コストと高障害率に対処するためのオープンソースの連携レイヤーです。共有スペース、ID検証、アクセス制御、再生可能なログを提供し、エージェント間の効率的なコラボレーションを実現します。

Brazaは、画面上で直接アプリの使い方を教えるリアルタイムAIチューターで、あなたの母語で学習できます。

本稿はPangramというAIテキスト検出サービスの技術監査を行い、純粋な人間またはAI文書では高い精度を示すものの、人間とAIが混在した文書では精度が大幅に低下し、誤検出率は文体や個人のスタイルによって大きく変動することを指摘。さらに、企業が結果に過剰な信頼を置くインセンティブを持ち、それが誤った告発や信用失墜につながるリスクを論じている。

ウォール・ストリート・ジャーナルは、SpaceXが6月のIPO前に投資家に「iPhoneより薄い」AIスマホのプロトタイプを披露したと報道。QualcommチップとxAI OSを搭載。マスク氏は「完全に虚偽」と否定するが、以前は必要ならスマホを作ると述べていた。

XR Blocksは、Google XR Labsが開発した軽量でクロスプラットフォームなJavaScriptライブラリで、three.jsをベースに高度なXRおよびAI体験のプロトタイピングを迅速に行えます。手の追跡とジェスチャー認識、世界理解、GeminiとのAI統合をサポートし、強力なデスクトップシミュレーターを備えています。Android XR（Galaxy XRなど）上のChrome v136+向けに最適化され、WebXRをサポートします。

Margarita は、Markdown を拡張してエージェントのワークフローをプログラム可能にする決定論的スクリプト言語です。変数宣言、インクルード、ループなどの構造により、開発者はコンテキストとコストを制御しながら予測可能な LLM アプリケーションを構築できます。

この記事は、AIコンパニオンや恋人の到来が近いことを探り、それが人間関係や自己認識を根本的に変えると論じています。エージェント型AIの発展、依存症や商業的操作への懸念、そしてAIによる関係スキル訓練の可能性について議論しています。

本論文は、腹腔鏡ロボットにおける遠心運動（RCM）制約のモデリング手法と画像ベースビジュアルサーボ（IBVS）制御アーキテクチャを系統的に比較するためのオープンソースシミュレーションフレームワークを提案する。3つのRCMモデルと6つのIBVSアーキテクチャを統合し、ケーススタディを通じて接平面定義、制約次元、開ループ対閉ループ実行、特異点近傍のロバスト性などの構造的感度を明らかにする。すべてのリソースは公開されており、再現可能な研究基盤を提供する。

本研究は、アクティブラーニング（AL）の予算体制を汎化の支配的メカニズムのシフトとして再解釈する枠組みを提案する。PACスタイルのリスク要素を動的な相互作用項として再解釈することで、支配権の移行が構造的に不可避であることを証明し、データ駆動、遷移、モデル駆動の3つのフェーズを特定する。実験により、AL効率は戦略の帰納的バイアスとアクティブなボトルネックの整合性に依存し、自己教師あり表現はより早期に遷移することが示され、表現品質の重要性が強調される。この研究は、遷移を認識する次世代ALアルゴリズムの統一フレームワークを提供する。

本論文は、グラフベースの補助ネットワークで群衆の相互作用を符号化し、軌跡レベルの学習目的で時空間ダイナミクスを捉える模倣学習フレームワークを提案し、シミュレーションと実データで既存のベースラインを上回る。

この研究では、Argoverse 2データセットから234の都市運転ログから1,219件の持続的な減速イベントを抽出し、各イベントを19次元の運動学的特徴で符号化し、ブートストラップ安定性分析を伴うK-meansクラスタリングにより4つの安定モード（予測的ソフト減速62.8%、反応的接近30.6%、ブレーキ様ジャーク4.8%、外れ値1.8%）を発見した。ペア年齢のみが中程度の効果（ε²=0.085）を示し、シーン形状や脆弱道路利用者近接性の影響は無視できる。初期イベント分類器は1.0秒でマクロF1=0.758を達成し、シーンコンテキストは運動学単独よりも+0.059 F1を寄与する。モードは中速で不変（ARI=0.817）だが低速では速度依存（ARI=0.166）である。

本論文では、シリアル剛体マニピュレータの状態推定のための不変拡張カルマンフィルタ(IEKF)を、SE(3)リー群上で完全に定式化して開発した。運動学方程式の群アフィン性により、線形化誤差ダイナミクスが自律的となり、リッカチ方程式が真の誤差共分散を支配する。物理的に分離されたノイズモデルは、ジャイロスコープと加速度計のチャネルを独立に扱う。フィルタはモジュール式のリンクごとのIEKFチェーンとして構成され、計算コストはリンク数に線形である。リー代数リアプノフ関数により、平均二乗の指数最終有界性が確立される。

研究者らは、ショウジョウバエの完全な脳コネクトームに基づくリカレントニューラルネットワークFLYNNを開発し、視覚ベースのナビゲーションに活用。従来のネットワークと比較して、分布外データや感覚喪失に対して優れたロバスト性を示し、完全な視覚喪失下でも機能し続けた。

本論文は、複数のクアッドローターが中央調整なしにケーブルで吊るされたペイロードを協調輸送するための4層階層型分散制御アーキテクチャGPACを提案する。各ローターは局所的なケーブル計測から自らの実効負荷分担を独立に推定し、暗黙の協調を実現。幾何学的制御、抗振れ制御、風外乱オブザーバ、持続的励起不要の併行学習ベース質量推定、および制御バリア関数による安全フィルタを統合する。高忠実度シミュレーションにより、平均追跡RMSE 33.8 cm、低計算コストを実証。

サービスロボットが家庭内の物体を探す際、空間的先行知識を用いて探索コストを削減するが、物体の位置は居住者の特性によって変化する。本論文では、PerSim（剛性ゲート付きハイブリッドポリシー）を提案する。これは特性条件付き事前分布と人口頻度ベースラインを組み合わせ、配置行動が変動する場合のみパーソナライズを行う。人間による校正済みシミュレーションパイプラインと統合ユーザー研究（N=200）を通じて、パーソナライズは主に低剛性オブジェクトで好まれ、普遍的に配置されるアイテムについては人口頻度ベースラインが有効であることを示した。オフラインテストでは連続特性ベクトル上の最近傍離散構成マッチングよりも有意な改善が見られ、ホームデジタルツイン実験では期待探索コストの削減が確認された。

視覚-言語-行動システムにおける空間接地の不足に対応するため、EmbodimentSemanticデータセットとベンチマークが提案されました。物体-関係-物体の三重項で空間構造を明示的に表現し、実世界とシミュレーションデータを含みます。実験では、現在のモデルは深度や視点に依存する空間構造の正確な理解に苦戦することが示されました。

MG-SpaIRは、ぼけ、ダウンサンプリング、ノイズ、欠損ピクセルが混在した単一観測からクリーンな画像を復元する、トレーニングデータ不要のフレームワークです。暗黙的ニューラル表現に基づき、マルチグレードの粗密残差階層を導入し、スパース正則化でアーティファクトを抑制します。実験ではDeep Image Priorを上回る性能を示しました。

合成データを用いてリアルタイム組立工程認識モデルを訓練するシステムを提案。CADモデルと簡単な工程記述のみで1時間以内に適用可能で、実際の組立事例で92.4%の精度を達成し、データ収集コストを大幅に削減する。

研究チームはDeCoDe技術を提案。少数ショット画像分類をペア比較に分解することで、既製のマルチモーダル大規模言語モデルを追加学習なしで強力な少数ショット分類器に変える。12のデータセットで最先端手法を凌駕し、コードは公開中。

本論文では、オープンボキャブラリ動画インスタンスセグメンテーション（OV-VIS）のためのデュアルストリーム高速・低速フレームワークSegFSを提案する。スパースキーフレームではオープンボキャブラリオブジェクトベースモデルがインスタンス表現を予測し、それらをバックボーン特徴空間に投影して軽量高速ネットワークを条件付け、後続フレームでインスタンスを効率的に再特定・セグメント化する。高速ブランチは、モバイル向けMOBIUSモデルと比較して最大14倍のレイテンシ低減を達成し、標準ベンチマークで競争力のあるセグメンテーション性能を維持する。

本論文では、マルチターン視覚推論におけるMLLMの位置特定失敗を解決するため、推論と知覚を分離したPixelEyesを提案する。マスク誘導視覚探索と意味領域幅優先探索を導入し、PixelEyes-6KデータセットとPinpoint-Benchベンチマークを構築。既存モデルの性能向上余地が大きいことを示す。

都市規模のビジュアルプレース認識（VPR）は、クエリ画像を地理タグ付きデータベースと照合することで地理的位置を特定することを目的とする。しかし、既存手法は都市データセットに潜む深刻なロングテール問題を見落としており、モデルが写真の豊富な領域に偏り、疎な領域で失敗する原因となっている。本論文では、この不均衡問題を体系的に特徴付け、ヘッドクラスとテールクラス間の勾配寄与を再調整するモデル非依存のプラグインフレームワーク「Distribution-Aware Place Recognition（DAPR）」を提案する。さらに、分類-検索パイプライン内で、多スケール距離検索メカニズムを適用してクラスごとの分布コンパクト性を計算し、検索段階で補完的な利得を提供する。大規模ベンチマークSF-XLにおいて、フレームワークはテストセットv1で18.3%、v2で6.7%の改善を達成。プラグインモジュールとして、SF-XL、MSLS、Pitts30k上の代表的なVPR手法で一貫した改善を示し、手法やベンチマークを超えた広範な一般化可能性を実証した。

本論文は、追加訓練を必要とせず、MedSAMから得たROI事前情報を用いて視覚知覚を再調整し、解剖学的座標を意味トークンにマッピングしてテキスト推論を固定することで、医療用マルチモーダル大規模言語モデル（MLLM）の幻覚を系統的に軽減する枠組みを提案する。複数のモデルとデータセットでの評価により、閉じた質問の正解率が最大約6%向上し、開かれた質問の幻覚が約35%減少した。

DiSIINetを提案。拡散型暗黙モデルに基づき、医用画像の強調とセグメンテーションを統合。共生情報相互作用モジュールにより特徴レベルの動的情報交換を実現し、マルチモーダルデータセットで性能向上。

甲骨文字（OBI）認識を改善するための新しい手法、マルチスケール・レイヤーアテンション（MSLA）を提案。マルチスケールとクロスレイヤーの特徴相互作用を明示的にモデル化し、細かい詳細を捉える。実験では、計算効率を維持しながら既存のアテンションメカニズムを上回る性能を示した。