Physical AIロボティクス
注文書ピッキングロボットの VLA 設計 ― SmolVLA で同じ部品が並ぶ環境をどうピッキングするか
SmolVLA をベースに、同じ部品が何本も並ぶ環境で注文書ピッキングを安定させる方法。VLA が解く問題を小さく絞る設計、Leader-Follower でのデータ収集、smolvla_base のファインチューニング、非同期推論と Temporal Ensemble、失敗をレイヤー別に分類して回す改善ループまでを解説します（後編）。
B
Black AI エンジニア有志
執筆チーム / Black AI株式会社
Black AIのエンジニア有志による技術調査・検証レポートを公開しています。Physical AI・ロボティクス・エッジAI領域の最新動向をウォッチしています。
専門領域
Physical AIロボティクスマルチモーダルAIEdge AI
Black AI エンジニア有志の記事
Physical AIロボティクス
手書きの注文書から、ロボットのピッキングへ ― WorkPeer と Robot Gateway の役割分担
紙の注文書を撮るとロボットが部品を箱詰めする。その裏側で本当に難しいのは「読み取った内容を動作に変える」部分です。注文の意味を理解する WorkPeer と物理動作を担う Robot Gateway を Order Contract でつなぐ設計、SO-101 までの制御パス、OpenAPI / MCP / A2A / ROS 2 の使い分けを解説します（前編）。
Physical AIロボティクス強化学習
潜在空間の世界モデルは、ロボット学習の何を変えるのか ― 無界動力 MWA を関連論文から読み解く
設立1年のスタートアップ無界動力が発表した潜在空間の世界モデル MWA。その背後にある「ピクセルを捨てる・動作ラベルを捨てる・成功例だけで固めない」という設計思想を、LAPA・DINO-WM・GR00T といった関連論文まで遡って整理します。
Physical AIマルチモーダルAIEdge AI
Physical AIに「目」を与える ― ロボットとドローンのためのストリーミング映像理解モデル VLX-Flow
ロボットやドローンが物理世界で自律的に動くには、カメラ映像をリアルタイムに理解し続ける「目」が必要です。Om AIが発表したVLXシリーズは、ストリーミング映像理解・物体検出・行動計画の3層でPhysical AIの視覚パイプラインを構成します。