AI
生成 AI
【第5回】物理的に正しい動画へ ― ワールドモデル統合とAIが教師データを作る時代
単なる動画生成は「見た目は自然だが物理的にはおかしい」映像になりがちです。物体が消え、重力を無視し、操作結果が一貫しない。第5回（最終回）では、動画生成にワールドモデルを組み込み、物理制約を損失に入れて「物理的に整合した動画」を作る方法を最小コードで示し、教師データをAIとシミュレーションで丸ごと作る未来までを描きます。全5回シリーズ第5回。
#フィジカルAIタグの記事
表示切り替え
AI
生成 AI
【第4回】動画生成とワールドモデルは何が違うのか ―「それっぽい映像」と「状態遷移」
SoraやVeoのような動画生成と、ワールドモデルは似て見えて別物です。前者は「もっともらしい映像」を作り、後者は「行動すると世界がどう変わるか」を学びます。第4回では、動画生成のノイズ予測と、ワールドモデルの `S_t + A_t → S_{t+1}` を対比し、NVIDIA CosmosやGoogle Genieが何を教師データにしているのかを整理します。全5回シリーズ第4回。
AI
生成 AI
【第3回】巨大モデル一つで全部やるな ― 階層と責務分離のアーキテクチャ
「お腹が空いた」の判断だけで数十億パラメータが動く——全部を一つの巨大モデルでやるのは資源の無駄使いです。人間の神経系が処理の種類ごとに回路を分けているように、AIも時間スケールと責務で階層化すべき。ロボットの制御階層、エネルギー効率、OSのような構造、そして制御ソフトウェアの「組織化」まで。全3回シリーズ完結編。
AI
生成 AI
【第2回】AIに「小脳」と「自律神経」を ― 身体を持つ知能の設計図
文字列データで発展したLLMを人間の大脳に例えるなら、小脳や脊髄、そして心臓や胃腸からの生理的フィードバックを司る自律神経に相当する仕組みが要るはずです。人体とAIシステムの階層対応、人工小脳（Diffusion Policy）、内受容感覚、恒常性（Homeostasis）まで、身体を持つ知能の設計図を描きます。全3回シリーズ第2回。
AI
生成 AI
【第1回】フィジカルAIの現在地 ―「LLMの延長」なのか、それとも別物なのか
ロボットに「見る・言葉で理解する・物理的に動く」を統合させるフィジカルAI。これはLLMの発展研究なのか、それとも拡散モデルなど別系統なのか。VLA・拡散/flow・World Modelの3系統と、RT-2・Gemini Robotics・OpenVLA・π0・GR00T・Cosmosといった具体モデルから、2026年時点の現在地を整理します。全3回シリーズ第1回。
AIAIAIAIAI
【第5回】物理的に正しい動画へ ― ワールドモデル統合とAIが教師データを作る時代
単なる動画生成は「見た目は自然だが物理的にはおかしい」映像になりがちです。物体が消え、重力を無視し、操作結果が一貫しない。第5回（最終回）では、動画生成にワールドモデルを組み込み、物理制約を損失に入れて「物理的に整合した動画」を作る方法を最小コードで示し、教師データをAIとシミュレーションで丸ごと作る未来までを描きます。全5回シリーズ第5回。
【第4回】動画生成とワールドモデルは何が違うのか ―「それっぽい映像」と「状態遷移」
SoraやVeoのような動画生成と、ワールドモデルは似て見えて別物です。前者は「もっともらしい映像」を作り、後者は「行動すると世界がどう変わるか」を学びます。第4回では、動画生成のノイズ予測と、ワールドモデルの `S_t + A_t → S_{t+1}` を対比し、NVIDIA CosmosやGoogle Genieが何を教師データにしているのかを整理します。全5回シリーズ第4回。
【第3回】巨大モデル一つで全部やるな ― 階層と責務分離のアーキテクチャ
「お腹が空いた」の判断だけで数十億パラメータが動く——全部を一つの巨大モデルでやるのは資源の無駄使いです。人間の神経系が処理の種類ごとに回路を分けているように、AIも時間スケールと責務で階層化すべき。ロボットの制御階層、エネルギー効率、OSのような構造、そして制御ソフトウェアの「組織化」まで。全3回シリーズ完結編。
【第2回】AIに「小脳」と「自律神経」を ― 身体を持つ知能の設計図
文字列データで発展したLLMを人間の大脳に例えるなら、小脳や脊髄、そして心臓や胃腸からの生理的フィードバックを司る自律神経に相当する仕組みが要るはずです。人体とAIシステムの階層対応、人工小脳（Diffusion Policy）、内受容感覚、恒常性（Homeostasis）まで、身体を持つ知能の設計図を描きます。全3回シリーズ第2回。
【第1回】フィジカルAIの現在地 ―「LLMの延長」なのか、それとも別物なのか
ロボットに「見る・言葉で理解する・物理的に動く」を統合させるフィジカルAI。これはLLMの発展研究なのか、それとも拡散モデルなど別系統なのか。VLA・拡散/flow・World Modelの3系統と、RT-2・Gemini Robotics・OpenVLA・π0・GR00T・Cosmosといった具体モデルから、2026年時点の現在地を整理します。全3回シリーズ第1回。