Hiroaki Honda @damin_dev

松尾研のロボットサークルTRAILは新入生を募集中です！ ロボット開発に興味のある方は是非見学会にお越しください！

Physical AI 講座の第一回・第二回講師を担当します。 今のロボット学習最前線に追いつくための基礎を一通り学べます。是非！

東京大学 松尾・岩澤研究室 @Matsuo_Lab

2 months ago

【ID登録締切まであと3日】 Physical AI 基礎編 知能ロボティクス講座のID登録締切まで、あと3日（講座募集締切はあと5日）となりました。 AI×ロボットや、現実世界で動くAIに関心がある方におすすめの講座です。 本講座では、データ収集、ロボット基盤モデルの学習、シミュレーターなど、 Physical

0 20 116 24K 52

⁡ 【ロボット議連視察 AIRoA様】 AIとロボットの融合が、社会実装に向けて着実に進められている様子を拝見し、米中に遅れをとっているとはいえ、未来に向けた挑戦が現場で丁寧に積み重ねられていることに、強い可能性を感じました。 こうした取り組みは、ロボットにとどまらず、自動車やエネルギー分野との連携により、さらに大きな価値を生み出していくものと感じています。 ロボット・自動車・エネルギー各分野の議員連盟に関わる立場から、分野横断の視点で今後の展開を見守り、後押ししてまいります！ #AIRobotAssociation #一般社団法人 #AIロボット協会 #ロボット議連 #山際大志郎

会社をやっていて思うのは、 ・従業員から搾取しない ・顧客から搾取しない ・下請けから搾取しない ・投資家から搾取しない これを全部満たして成立する事業は本当に少ない、ということ。裏を返せば大半の事業はどこかで誰かから搾取することで成立している。 搾取を伴わない事業体であり続けたい。

Our newest model, π0.7, has some interesting emergent capabilities: it can control a new robot to fold shirts for which we had no shirt folding data, figure out how to use an appliance with language-based coaching, and perform a wide range of dexterous tasks all in one model!

x.com/i/article/2041…

@elonmusk Thinking in language has limited applications, largely in coding and mathematics where the language itself can help reasoning. But, as I've been saying for years, thinking manipulates mental models in abstract (continuous) representation space. Soooo, xAI gonna use JEPA now?

x.com/i/article/1941…

We developed an RL method for fine-tuning our models for precise tasks in just a few hours or even minutes. Instead of training the whole model, we add an “RL token” output to π-0.6, our latest model, which is used by a tiny actor and critic to learn quickly with RL.

@neonankiti 気になります…！🙇‍♂️

経済産業省の「第1回 AIロボティクス戦略検討会議」が行われたとのこと。 資料や委員一覧はこちら meti.go.jp/shingikai/mono… 内容は原則非公開だそう

Humans learn by watching. Robots should too.

国としてヒューマノイド開発単体に投資すべきでない。 サプライチェーン構築に投資すべき。米中もそうなってると感じてる。 ヒューマノイド開発は安川、ファナックなどの老舗産ロボ系、もしくはGMO、ソフトバンクなどのスピード感ある大資本ガッツリ投資系に任せればいい。 で、このあたりの会社は自前でやるのでサプライチェーンが育たない。 センサ、サーボモータを含む部品サプライヤーからAI・ソフトウェア企業が参入出来る土壌を作る。 これが難しいが、実現できるとハードウェア企業と連携し、試行数を増やせる。 まぁ、あり物でやったってオッケーなので深圳と太いパイプ作ってハード仕入れまくるのも良い。国際情勢悪くて日本回帰の流れはあるけどプロトは深圳から見つけてくるほうが絶対早い。 投資すべきはヒューマノイド開発ではなく、サプライチェーンの各領域にプレイヤーを増やすこと。 newswitch.jp/p/47997

赤澤大臣が本田技術研究所を訪問し、最新のロボットハンドを視察。日本の誇るロボット技術×フィジカルAIによる製造現場の生産性向上の可能性を確認しました。人手不足が深刻化する中、様々な分野でAIロボットの活用を推進すべく、日本の新たな成長戦略につなげていきます。#meti_daijin

NEWS: Boston Dynamics has just released a new video of its upgraded next-generation humanoid robot called Atlas. • 4 hour battery. Self-swappable for continuous operation • 6 feet 2 inches tall • Weight: 198 lbs • 56 total degrees of freedom • Now fully electric, ditching older hydraulic systems • New lightweight mix of aluminum and titanium components • 110 lbs weight capacity (66 lbs sustained) • Can reach up to 7.5 ft • Constantly evaluates its surroundings and adjusts its posture, balance, and grip in real time • Hands that can reconfigure as needed. Tactile sensors feed data back into the system, helping apply the right amount of force • Brain is powered by Nvidia chips

We got our robots to wash pans, clean windows, make peanut butter sandwiches, and more! Fine-tuning our latest model enables all of these tasks, and this has interesting implications for robotics, Moravec's paradox, and the future of large models in embodied AI. More below!

【ロボット議員連盟による木原官房長官への緊急提言の申入れ】 12月18日、ロボット議員連盟でとりまとめた緊急提言の木原官房長官への申入れを行いました。 私は、今年2025年3月27日、2015年に策定された「ロボット新戦略」を最後にロボットに関して政策を集中的かつ計画的に推進する戦略がないことに強い危機感を持ち、ロボット議員連盟（会長：山際大志郎 衆議院議員）を設立し、事務局長に就任。 5月21日には、「新たなロボット戦略を策定すること」を柱とする提言をまとめ、関係大臣へ申入れ。その結果、6月13日に閣議決定された骨太方針2025に「AIや先端半導体の実装先となるロボットについて、2025年度中に、実装拡大・競争力強化に関する戦略を策定する」と明記されました。 その後も、ロボット議員連盟では、精力的な議論を行ってきましたが、AIロボティクスに関する米国や中国の著しい技術発展や圧倒的な開発スピードを目の当たりにし、政策をより強力に加速する必要性を痛感。そこで、新たなロボット戦略の策定と並行して、強力にロボット政策を推進するべく、令和7年度補正予算も活用しつつ、令和8年度当初予算で必要かつ十分な予算を獲得するよう緊急提言をとりまとめました。 日本の勝ち筋であるAIロボティクスの実現のため、時機を逸することなく政府への働きかけを続け、予算の確保・施策の拡充をはじめありとあらゆる手段を尽くします！ sankei.com/article/202512…

keyboard_arrow_left Previous keyboard_arrow_right Next

Robotics is NOT a data problem. Atleast not the way we think. For a long time, my world model was: whoever deploys robots at scale first wins. Get the units out there, collect the trajectories, train on the data, repeat. The fleet learning flywheel. I'm starting to think this is wrong. Consider Tesla. They've been collecting driving data for nearly a decade. Millions of cars, countless edge cases, every country, every weather condition. If any company has the data flywheel spinning, it's them. And FSD is genuinely impressive now and works insanely good. And yet. We're still 2-3 years minimum from actual robotaxis without remote operators or telepresence. Maybe a decade from global deployment. This is with ten years of data collection on what is, in some sense, a constrained problem. Roads have lanes, cars have physics, the state space is bounded. Now take a similar analogy for general-purpose robotics. Homes are weird. Objects are weird. Tasks are open-ended. If the driving problem took this long with this much data, why would we expect manipulation to be faster? The standard counterargument goes something like: "But we have foundation models now! VLMs! World models! All that semantic and physics understanding is already baked in, so the timeline to deploy general robots should be much smaller than what it took Tesla." I used to believe this. I don't anymore. Here's what I think is actually happening: current world models understand physics the way someone who's only ever watched videos understands physics. They know things fall. They don't know how fast or where exactly. They have vibes about spatial relationships but no ground truth. This matters more than people realize. You see the same thing in software, actually. No matter how good Claude Code gets, it still sometimes gets stuck in a loop; fixing B and destroying A, then putting A back and destroying B. It can write impressive code, but it doesn't have a closed-loop understanding of what it's actually doing to the system. It's the same problem. Vibes about code, no ground truth about state. I've been messing around with some weirdly specific measurement problems lately. Figuring out how much a fish weighs from a photo, estimating cattle mass from iPhone LiDAR, that kind of thing. Very niche, very applied. But working on this stuff and my robotics hobby has updated me on something: getting actual ground truth about the physical world is much harder than I'd assumed, and much more valuable than the foundation model people seem to think. There's something deeply wrong with training a "world model" on pixels alone and expecting it to understand geometry. It's like training a language model on text and expecting it to understand truth. You get something that's eerily convincing and subtly broken. The current robotics paradigm is: go to 1000 homes, teleoperate 1000 robots, collect the data, train on it, pray for emergence. This gives the vibes of "we're losing money on every sale but we'll make it up in volume." If your learning algorithm requires 10,000 robots doing teleoperated data collection before it starts being useful, you don't have a learning algorithm, you have a very expensive imitation pipeline. I do want to believe we have everything we need to build general-purpose robots. Deep learning and transformers have surprised us in shocking ways. The kind of emergence that led to ChatGPT was incredible. But at the same time, you still cannot deploy a model as a co-worker. And I think it's the same with robotics. The more I learn about this tech and actually try to deploy it, the more my intuition says there's something missing. Once we figure that out, things will fall into place much more orderly than the current approach of going to 1000 homes and deploying 1000 robots to collect data and then expecting emergent skills. It shouldn't be that way. We should be able to figure out how to provide value from the beginning. I don't know exactly what that missing piece looks like. But I'm pretty sure it's not "more demonstrations." VLAs and robots have real use cases today. It's the big G that I'm uncertain about. And as always, would love to be wrong.

Brett Adcock @adcock_brett

8 months ago

443 606 6K 1.3M 868

松尾研でも開発やります＆人材育成やります＆フィジカルAI時代の次の研究テーマ仕込んでいます、ご興味ありましたらぜひ

東京大学 松尾・岩澤研究室 @Matsuo_Lab

10 months ago

【NEWS】 松尾研はNEDO採択プロジェクトに参画し、ロボティクス分野でのデータプラットフォーム構築とAIロボット人材の育成を推進します。詳細は下記をご覧ください。 weblab.t.u-tokyo.ac.jp/news/20251022/

1 24 129 40K 42

来年度から修士で松尾・岩澤研に入学です！