FiloBot: A Vine-Like #Robot That #3D Prints Itself to Reach Tight Spaces by @_fluxfeeds #Innovation #EmergingTech #Technology

Xynova is the latest Chinese dexterous-hand company to raise, closing a Series A bringing cumulative funding close to RMB 1B (~$140M) It targets 2026 capacity for 10k high-DOF hands and 200k micro electric cylinders, with the new Flex 2 debuting June 2

国産ヒューマノイド量産化計画、始動。 続報をお待ちください！ prtimes.jp/main/html/rd/p/00… youtu.be/X-gZOj3Q3yg?si=Mteh…

国産ヒューマノイドを作る会社を創業しました！！！！！！！！毎日頑張ってます！！！！！！！！

Today we're announcing Figure has signed a commercial agreement with Catalyst Brands to deploy humanoid robots at scale Catalyst operates iconic brands including JCPenney, Aéropostale and Brooks Brothers. Figure will start initial deployment in Reno, NV

この動画、Atlasがサッカーの基本動作を習得する過程を映してますね。キック動作の精度制御と動的バランス維持が、実は産業用途で最も求められる汎用性に直結してる。人間らしい運動学習の再現が、ヒューマノイドロボットの実用化にどこまで近づいたかが見える一本。 #BostonDynamics #ロボティクス youtube.com/watch?v=ITCklufC…

グリッピング技術を持つ新興企業を買収する、という倉庫ロボット企業の動きが相次いでますね。これは「つかむ」という動作が、倉庫自動化の最後のボトルネックになってることを意味してます。 Locus Roboticsがスピード感を見せたのは理由がシンプル。現在の倉庫ロボットって、箱や均一なパレットは掴めるけど、実際の荷物って形状がバラバラなんです。衣服、食器、電子部品、詰め物の多い段ボール箱。こういう「予測不可能な形」をロボットハンドで安定して掴み、仕分けることが、大規模倉庫での完全自動化を阻んでた。 Nexeraの技術は、カナダで独立開発された「複雑な形状を瞬時に判定し、最適な掴み方を計算するAIビジョンシステム」。つまり、人間の脳が無意識にやってる「物の形を見て、どこを掴めば落ちないか判断する」という処理を、機械に教えたわけです。 ここからの産業への波及を考えると、2026年から2027年がターニングポイント。統合されたシステムがLocusの既存ロボット群に搭載されると、アメリカの大型ECセンター（アマゾン、Walmartの物流拠点）で「ほぼ完全な24時間フル自動仕分け」が現実になる。つまり、人間の作業員は品質チェックと例外処理だけになり、倉庫の生産性が40～50%跳ね上がる。 日本の物流企業にもこの波は確実に来ます。労働力不足が深刻な大型物流センターほど、「3年後に導入すべき標準装備」という位置付けに変わっていく。 #フィジカルAI #ロボティクス

ボストン・ダイナミクスのAtlasがサッカーを学ぶ。動的バランス制御と予測的な動作計画が必要とされる球技は、ヒューマノイドロボットの身体能力評価に最適な領域。実際の競技環境への適応がどこまで進むのか、必見です。#Robotics #Atlas youtube.com/watch?v=qaqzZK7Z…

5万台以上のロボットが既に世界で動いてるBrain Corpが、なぜいま大学と手を組むのか。答えは「複雑な現場」という産業の最後の壁にぶつかってるからです。 背景を整理すると、Brain Corpはこれまで「構造化された環境」、つまり工場や倉庫の決まった場所でロボットを動かすことに特化してきた。ところが実際の産業ニーズはそこで終わらない。製造施設の中でも、急に段差ができたり、新しい機械が置かれたり、人間が予測不可能に動く。そういう「カオス的な現場」でも安定して動作するロボットの開発が、いまの課題です。 UC San Diegoという世界有数のロボティクス研究機関と組むことで、Brain Corpが何を狙ってるか。それは「動作アルゴリズムの根本的な刷新」です。大学の基礎研究で培われた「未知の環境で自分で判断・適応する仕組み」を、自社の5万台のフリート全体に反映させる。つまり、全ロボットの知能をアップグレードするのと同じです。 ビジネス的には何が変わるか。複雑な現場対応が可能になると、導入企業の選択肢が一気に広がる。これまでは「ロボット化できる工場」が限定的だったけど、これからは「ほぼ全ての製造・物流拠点」が対象になる。Brain Corpの市場規模は2～3倍に膨らむ可能性がある。同時に、業界全体の信頼感も上がって、中堅企業の導入判断も加速する。 日本の製造業への影響は間接的ですが、確実。国内メーカーもAIと大学の産学連携を急ぐはずです。 #フィジカルAI #ロボティクス

Sorteraは廃棄物分別施設でAIビジョンと機械学習を使って分別精度を上げるロボット企業ですね。 テネシー州の施設で処理容量を倍増させたというのは、投資・産業の観点からすると非常に示唆的なニュースです。 分別作業って、一見地味に思えるかもしれませんが、実は膨大な経済価値がある領域なんです。都市部の廃棄物処理業者は、毎日何百トンもの混合ゴミを受け入れ、プラスチック、金属、紙などに手作業で仕分けしてる。この作業は労働集約的で、ミスも多い。回収可能な資源を見落とせば、企業の原価率が上がる。逆に異物を混ぜると、リサイクル工程で機械が壊れる。つまり、分別精度が直結する経営課題なわけです。 Sorteraが容量を2倍にした意味を考えると、これは「同じ敷地面積で、より多くのゴミを処理できる」という効率化を実現したことになる。つまり、既存施設の固定コストは変わらないまま、売上（処理量）が増える。廃棄物処理ビジネスの利益率は大きく改善される。 重要なのは、この成功例が業界全体に波及するシナリオです。アメリカ全土の廃棄物処理施設は数千カ所規模。既存施設を「Sorteraのようなロボット・AIシステムに置き換える」需要が、今後3年で急速に高まるはず。廃棄物処理企業は「設備投資して、容量を2倍にする」という打ち手が現実的になるから。 投資観点からは、Sorteraの次のターゲットは「シリーズC以降の大型調達」か「大手廃棄物処理企業との買収」のどちらか。環境規制が厳しくなる中で、処理効率を高めるソリューションは、廃棄物業界全体で必須アイテムになっていく。 #フィジカルAI #ロボティクス

FANUCがGoogleと組んで物理AIを深掘りする理由は、実は「大手と新興企業の技術哲学の違い」にあるんです。 FANUCは従来、溶接や組立といった「決まりきった動き」を完璧に繰り返すロボットで世界を制してきた。制御システムは緻密だけど、環境が変わると対応できない。一方、GoogleやNVIDIAが推し進める物理AIは「学習と適応」を前提としてる。つまり、同じタスクでも形状や条件が変われば、その場で判断して動く仕組み。 なぜFANUCはいまGoogle、NVIDIAとの協力に踏み切ったのか。シンプルです。産業現場が「完全に同じ条件での繰り返し作業」から「ある程度のばらつきを許容する柔軟な自動化」へシフトしてるから。電子部品の取り付け、食品仕分け、部品検査。こういった領域では、従来の「プログラム→実行」型では対応しきれなくなってる。 GoogleやNVIDIAが持ってるのは、大規模な学習データとAI推論の基盤。FANUCが持ってるのは、30年分の産業現場ノウハウと顧客基盤。この組み合わせで何が起きるか。FANUCは「汎用的な物理AI」をGoogleから吸収しつつ、それを「日本の製造業向けにカスタマイズした形」で市場に出せる。スピードで新興企業に勝てない分を、信頼性と導入サポートで補う戦略。 市場的には、2026年から2027年にかけて「従来型ロボットから学習型ロボットへの移行期」が本格化する。FANUCがこの波をキャッチできれば、既存顧客の置き換え需要だけで数千億円単位の売上が見える。その意味で、この提携は単なる技術連携じゃなくて「産業ロボット業界の世代交代」を象徴してるんです。 #フィジカルAI #ロボティクス

ドローン配送企業が製造拠点を国内に構える。Flytrexがテキサス州パイロットポイントに専用施設を開設したってことは、もう「外部委託のドローン組立」では足りなくなったってサインなんですよ。 なぜこのタイミングか。ドローン配送の規制が米国で急速に緩和されて、2025年には複数の都市で日常的な宅配が始まる段階に入ってきた。Flytrexだけでも数千台規模の機体を運用する必要が出てくる。それを自社施設で製造・整備できれば、スケール時の調達リスクが劇的に下がる。 重要なのは、この施設が「製造」と「メンテナンス」を両立させるって点です。ドローンは配送で毎日消耗する。バッテリーの劣化、モーターの摩耗、センサーの精度低下。従来は修理工場に外注してたから、機体の平均稼働率が70%くらいだった。でも自社施設なら、修理から部品交換まで数時間で完結させられる。結果として稼働率が90%超に改善される。 これが波及するとどうなるか。ドローン配送の採算性が一気に改善して、アマゾンやウォルマートといった大手流通企業も自社ドローン運用に踏み切る。日本でも同じシナリオが2026年から始まるはずです。 #フィジカルAI #ロボティクス

シンガポールから来たヒューマノイド企業が、アメリカ・中東・アジアに同時進出。これって何を意味してるかというと「工場用ロボットの世界展開モデルが、ようやく成立した」ってことなんです。 これまでのロボット企業は、地域ごとに異なる工場レイアウト・労働法・ロボット導入の障壁に対応するため、各地に研究所を置いてカスタマイズしてました。つまり、スケールできない商売。だから大手メーカー以外は、特定の国か地域に留まってた。 Doozy Roboticsの動きが異なるのはここ。AIで学習した動作パターンが「ほぼ普遍化」してるから、シンガポール本社で開発したヒューマノイドを、テキサスの自動車部品工場にも、ドバイの物流センターにも、そのまま送り込める、という前提で動いてるわけです。 産業的には何が起きるか。従来は「地元メーカーか、導入障壁を乗り越えた大手外資」の二択だった工場ロボット市場に、グローバルに展開できる「新興のディープテック企業」という第三の選択肢が現れた。しかも彼らはAI駆動だから、データが増えるたびに動作精度が上がる。つまり、既存メーカーとは競争方程式が違う。 日本の製造業にとってもこれは無視できない。労働力不足が深刻な工場ほど、「シンガポール発のヒューマノイド」が「日本の地元メーカーより安く、導入が早い」という事態が、2025年中盤には起こり始める可能性があります。 #フィジカルAI #ロボティクス

GE Vernovaがロボティクス企業を買収する。エネルギー企業がなぜ？と思うかもしれませんが、ここに産業の大転換が隠れてるんです。 背景を整理すると、GE Vernovaは再生可能エネルギー事業を担当する部門。太陽光パネル、風力タービン、蓄電池といった製造・組立・供給が主な仕事。ところが、その製造工程全体が「労働集約的」で、アメリカの工賃競争に追い詰められてた。 Robotech Automationはというと、もともとGE Vernovaが「すでに一緒に仕事をしてた」システム統合企業。つまり、納入企業ではなく、協業パートナーだった企業を買収することで、「自社の製造・組立ライン全体をロボット化する権利と技術を内製化する」わけです。 これが何を意味するか。従来は「ロボット導入したい→ベンダーを探す→契約→運用」という流れ。でも買収モデルだと「ロボット戦略をそのまま企業戦略に組み込める」。つまり、GE Vernova傘下の全ての製造施設が、統一されたロボットシステムで自動化される。設計段階からロボット前提で工場をつくれる。 産業への影響は大きい。エネルギー業界全体が「脱炭素化で供給量を増やさなきゃいけない」という重圧を抱えてます。でも人間の手では物理的に限界がある。だからロボット化による「生産能力の急速拡大」は、脱炭素目標の達成に直結する。同時に、コスト削減もできる。 2025年中盤までに、Shell、BP、NextEraといった大手エネルギー企業が、類似の買収・内製化の動きに追随する可能性が高い。ロボット企業側からすれば、この「垂直統合モデル」の波が来ることで、数千億円規模の長期契約が確定する。転換期です。 #フィジカルAI #ロボティクス

8時間連続でライブ配信しながら、倉庫ロボットが荷物を仕分けし続けた。Plus One Roboticsのこの挑戦、単なるパフォーマンスじゃなくて「ロボット導入企業の本音」を読む手がかりなんです。 なぜこんなことをしたのか。倉庫自動化の現場では、いま大きな課題がある。Amazon Robotics、Symbotic、中国のGeekplusといった企業のシステムは確かに導入されてますが、顧客企業は皆、同じ質問をぶつけてる。「うちの倉庫で、本当に24時間安定して動くの？」「エラーが出たら、どれくらいで復帰するの？」 実装の現場では、シミュレーション結果と現実のズレが常に問題になる。テスト環境では完璧でも、本番運用では商品の形がまちまち、照明が変わる、人間が周囲を動き回る。だからロボットが「こんなはずじゃなかった」という状況に陥る頻度は、業界では公に語られないくらい高い。 Plus Oneの8時間ライブストリーム戦略は、その不信感に真っ向から対抗するための透明性戦術。つまり、「うちのシステムなら、こんな複雑な環境で、これだけ安定して動きます。見て確認してください」というメッセージを、映像という説得力で叩きつけた。 何が変わるか。これは業界全体の「信頼戦争」への突入を意味してる。従来は企業のスペック表や導入実績で判断されてたけど、これからは「実際の環境で、どう動いてるか」を映像で見せられた企業が勝つ時代になる。オープンな運用実績の開示は、ロボット導入企業の意思決定を大きく加速させるだろう。 #フィジカルAI #ロボティクス

ロボットが「何をするか」で勝つ時代が来た。 Hailoの物理AI副社長が指摘する通り、業界の次の波はヒューマノイドではなく、タスク特化型の低コスト機械なんです。これはロボット業界の戦略転換を意味する。 背景にあるのは経済性。Tesla OptiomusやFigure AIといった企業は2足歩行ロボットの「完成度」を競ってますが、実は多くの産業現場では「そこまでの汎用性は不要」な状況が続いてる。例えば倉庫仕分けなら腕付き台車型で十分。検査作業ならドローン型で事足りる。 Hailoが強調するのは「ローカル推論」。つまり、クラウドに頼らず、ロボット自身に搭載された小型チップで判断・実行する仕組みです。これにより消費電力が劇的に下がり、応答遅延がなくなり、何より製造コストが数分の一に圧縮される。結果として、企業は導入判断を「数年で投資回収できるか」という現実的な計算で判断できるようになる。 実装レベルで見ると、2025年から2026年にかけて、特定タスク向けロボットの市場が急速に拡大するはず。医療施設の物資運搬、食品工場の仕分け、建設現場の資材管理。こういった「ニッチだけど数が出る用途」から、タスク特化型ロボットの普及が始まるんです。 #フィジカルAI #ロボティクス

飲料流通企業が次々とロボットパレタイザー（飲料ケースを積み重ねる作業をする機械）を導入し始めた。NūMove Roboticsは20台を超える半自動システムをアメリカの倉庫に配置してる。 何が起きてるのか。従来、こうした作業は人間が手で行ってた。毎日、重いケースを次々と積み重ねる。腰痛も多いし、作業スピードも一定じゃない。でもロボットパレタイザーは、異なる形状・サイズのケースを「目で見て」判別して、正確に積み上げられる。要するに「ビジョン（視覚認識）」と「ロボットアーム」の組み合わせで、人間にしかできないと思われてた柔軟な作業が自動化されたわけです。 なぜいま急速に広がってるか。労働力不足。アメリカの倉庫業界は時給競争で疲弊してて、若い人材が来なくなってる。企業側は「人を探すより、ロボットを入れた方が総コストが安い」という判断に傾いてるんです。同時にNūMove含むビジョンロボ企業の技術が熟成して、導入障壁が下がった。 業界への波及はどれくらい。アメリカだけで飲料・食品流通の倉庫は数千カ所ある。20台→50台→100台へ加速するのに、あと2～3年は不要。つまり、中型倉庫クラスまで標準装備になるシナリオが見える。日本の食品メーカーや流通企業も、同じ課題を抱えてるから、遠からず導入圧力が高まるはずです。 #フィジカルAI #ロボティクス

川崎重工業がシリコンバレーに物理AI開発センターを開設した。 日本の産業ロボット大手が、アメリカの最前線に拠点を作るってことは、もう「遠隔での情報収集」では足りないという判断なんですよ。リアルタイムで、Tesla OptiomusやFigure AIといった新興企業、スタンフォードやカリフォルニア大学のロボティクス研究室と、直に協働できる環境が必要になってきたわけです。 なぜこれが重要なのか。川崎重工は従来、産業用ロボットアーム（溶接、組立、搬送用）で圧倒的な市場シェアを持ってる。でもその強みは「反復的で予測可能な動き」を得意とする世界。一方、シリコンバレーで起きてるのは「不確実な環境で自律的に判断して動く」ロボット技術の急速な進化です。ヒューマノイド、自動運転、ロボットの遠隔操作システム。全部が「学習とリアルタイム適応」を前提としてる。 川崎重工がこの領域に本気で参入するなら、既存の制御技術だけでは太刀打ちできない。だからシリコンバレーに現地チームを置いて、アメリカの新興企業や大学と共同開発する。同時に日本の本社との協力を加速させる。要するに「東西の技術ハイブリッド戦略」に出た。 産業への影響。今後3〜4年で、川崎重工がアメリカのスタートアップ技術をライセンスインして、日本の製造業向けに「自律型ロボット」を供給する流れが見えてくる。労働力不足が深刻な日本の工場や物流センターにとって、これ以上ない朗報です。 #フィジカルAI #ロボティクス

色が見えるLiDARって、ロボットの目をどう変えるか知ってる？ Gecko Roboticsがousterの新型センサーを試験中ということは、つまり「赤外線だけで判定してた検査ロボット」から「カラー画像と距離データを同時に取得するロボット」への移行が、実装段階に入ったってことなんです。 いま産業ロボットが行う配管検査や橋梁点検って、赤外線カメラと超音波で「物体の形と温度」は判定できるんですよ。でも「錆の色」「コーティングの劣化」「漏洩箇所の色味」みたいな、人間の目が判断する細かい情報は、AI側で見落としてた。だから最後は人間が映像を見直して確認する、という無駄が生じてた。 Ousterの次世代カラーLiDARが変えるのはここです。3次元距離情報と同時にカラー画像を取得できると、AIが「赤い錆が、金属面のどの深さにあるか」を正確に認識できる。つまり、検査ロボット1台が「判定から報告書作成まで」を完結させられるようになる。 実装的には、検査・保守業務の90日サイクルが60日に短縮できる水準に達する。それはすなわち、インフラ企業が「人間の検査員を3割削減できる」という計算になる。2025年中盤から、橋梁管理会社やエネルギー企業がこのセンサーを搭載したロボットの導入検討を本格化させるはずです。 #フィジカルAI #ロボティクス

オープンソースのロボティクス基盤が、ついに産業の主流になろうとしてる。 Brian Gerkey率いるOpen Roboticsが、Robotics Summitの基調講演でそれを掲げるわけですが、これが単なる技術トレンドじゃなくて「ロボット業界の民主化」を意味してるんです。 何が起きてるか。これまでロボット開発の制御基盤は、各メーカーが独自に構築してた。Tesla Optimus、Boston Dynamics、Figure AI。新興企業は必ず「独自のAIスタック」を抱え込まないといけなかった。だから初期投資が数億ドル。参入障壁が高い。 でもオープンソースのロボットOS（ROS）やシミュレーション環境が成熟すると、その構図が反転する。スタートアップでも「汎用基盤の上に、自社の特化機能だけを乗せる」という開発モデルが可能になる。結果として開発期間が数年短縮できたり、コストが数分の一に下がったりする。 産業レベルで見ると、これは自動車のEV化と似てる。かつてEVの中核技術（バッテリー、モーター）は垂直統合で賄うしかなかった。今は部品供給が成熟してるから、スタートアップでもメジャープレイヤーと戦える。ロボット業界もその段階に入ってきたということ。 つまり、今後5年で「ロボット企業の数が加速度的に増える」時代が来る。産業用ロボットの世界市場規模も、一気に膨らむ可能性が高い。 #フィジカルAI #ロボティクス