フィジカルAI(Physical AI)技術動向レポート：技術要素・進展・特許_論文の全体像

1.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像時間: 2026-08-12 Executive Summary ● フィジカル AI とは、大規模言語モデルや world model などの AI 技術を、ロボット・自律移動体・製造装置といった物理的実体と結合し、実世界での知覚・意思決定・動作制御を実現する技術領域を指す。本レポートで収集した証拠は、ヒューマノイドロボット本体、視覚・触覚センシング、シミュレーション・強化学習（sim-to-real）、動作制御・言語条件付き操作（VLA 的アプローチ）の 4 方向に及ぶ。 ● 特許面では、FIGURE AI INC.が人型ロボットの運動学・逆運動学制御・アクチュエータ標準化について 2025〜2026 年に連続出願しており[1][2][3]、 UBTECH ROBOTICS も分離制御・バランス制御で特許群を形成している [4][5]。 ● 視覚・触覚融合センシングは NATIONAL UNIVERSITY OF SINGAPORE の一連特許（イベント駆動型 SNN ベース）が 2023〜2025 年にわたり継続的に出願・再公開されており、当該分野での技術蓄積が確認できる[6][7][8][9]。 ● シミュレーション・学習領域では sim-to-real ギャップ低減が中心テーマであり、MENTEE ROBOTICS の是正ポリシー学習特許[10][11]や GOOGLE LLC の視覚ベース sim2real モデル[12]が代表例となる。 ● 大規模統計集計（特許統計）によれば、視覚・触覚・LiDAR 融合等のマルチモーダル知覚関連キーワード群（2023 年以降・全世界）で総マッチ件数は約 514 万件、出願人上位はサムスンエレクトロニクス、クアルコム、ファーウェイ、アップル、LG エレクトロニクスの順であった。これはフィジカル AI 固有の狭い技術範囲ではなく、周辺の広範なセンシング・AI 特許を含む統計であることに留意が必要である。 ● 技術の成熟度は「知覚センシングの基盤技術（画像・力覚融合）はある程度実証段階」「ヒューマノイド全身制御・sim-to-real 移転は開発競争が活発化中」「言語条件付き操作（VLA 的統合）は研究論文が先行し特許化はこれから本格化する段階」という三層構造として整理できる。 1. フィジカル AI の定義・位置づけ

2.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap フィジカル AI は、認識・言語理解などの「サイバー空間中心の AI」に対し、センサー入力・物理シミュレーション・アクチュエータ制御を統合し、実世界の物理法則の中でロボットや自律システムが行動できるようにする技術群を指す概念として、産業界で用いられている。今回のエビデンスセットでは、この概念に対応する技術が主に以下 4 方向のクラスタとして観測された。 ● ロボット本体・ハードウェア：ヒューマノイド設計、アクチュエータ、器用なハンド機構 ● 知覚・センシング：視覚・触覚融合、マルチセンサーフュージョン、力覚センシング ● シミュレーション・学習/world model：sim-to-real 転移、強化学習、デジタルツイン ● 動作制御・VLA（Vision-Language-Action）的アプローチ：模倣学習、言語条件付き制御、視覚運動制御これらは相互に依存し合う技術スタックを形成しており、単独の技術としてではなく統合システムとして評価される段階に入っていることが、以下の特許・論文シグナルから見て取れる。 2. 主要技術モジュール別の動向 2.1 ロボット本体・ハードウェア（ヒューマノイド設計・アクチュエータ） FIGURE AI INC.は 2025〜2026 年にかけて、複合逆運動学問題として全身制御を定式化する特許群を連続出願しており、タスク実行効率と安全制約の両立を主眼に置いている[2][13]。同社はアクチュエータの標準化・共通部品化[3]や高度運動学設計 [14]、階層型二足歩行動作モデル（BAM）による自己修正制御[15][16]も出願しており、量産・実用化に向けたシステム統合の段階にあることが示唆される。 UBTECH ROBOTICS CORP LTD は逆ヤコビ行列を用いた動作制御・分離制御手法で、運動学的制御と動的制御の矛盾解消に取り組んでいる[4][5]。APPTRONIK, INC.は上半身ヒューマノイドの人間エンベロープ内設計を複数出願しており、コンパクト設計と人間らしい動作の両立を狙っている[17][18][19]。アクチュエータ・器用なハンド分野では、SHENZHEN SPHERICAL FLUID POWER TECHNOLOGY の電気油圧式マイクロアクチュエータ[20][21]、NEUROCEAN TECHNOLOGIES INC.の拮抗腱伝達型器用なハンド[22]、北京精密機電控制研究所の機械アーム・器用なハンド融合システム[23]が確認され、駆動・把持機構の小型化・高出力密度化が競争軸となっている。中国側では北京控制工程研究所も動作訓練の多目的融合手法（強化学習ベースの模倣学習と軌道追跡の統合）を 2026 年 8 月に出願している[24]。 2.2 知覚・センシング視覚・触覚融合センシングでは、NATIONAL UNIVERSITY OF SINGAPORE の 2 / 10

3.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap NeuTouch 触覚センサー＋VT-SNN（スパイキングニューラルネットワーク）システムが、2023 年から 2025 年にかけて複数の関連出願・再公開を経ており、低遅延・省電力なイベント駆動型処理の実用化を志向していることが分かる[6][7][8][9]。同大学からは組立作業に特化した視覚・触覚融合精密制御方式も出願されている[25] （ただし当該出願は HARBIN INSTITUTE OF TECHNOLOGY, SHENZHEN 発）。その他、SAMSUNG ELECTRONICS は半透明触覚表面センサーで不透明性問題に対処 [26]、KHALIFA UNIVERSITY OF SCIENCE AND TECHNOLOGY はイベントベースカメラとソフト設計を統合したロボットフィンガー[27]、BEIJING INSTITUTE OF TECHNOLOGY は小型デバイス用視触覚統合装置[28]を出願している。自動運転分野との技術的接点として、INTEL CORPORATION のマルチモーダル認識システム[29]、 MOMENTA (SUZHOU) TECHNOLOGY の事前学習モデルによるセンサー融合[30]、 METAWAVE CORPORATION のビームステアリングレーダー×ニューラルネットワーク融合[31]も確認され、車載センシング技術とロボット向け知覚技術が技術的に連続していることが示唆される。論文面では、TACTO などのビジョンベース触覚センサーシミュレーター[39]、光学式触覚センサーの sim-to-real 転移研究[40]、物理ベース FEM モデルによる触覚センシングのシミュレーション[41]、視覚・触覚融合による把持予測[42]が見られ、「触覚センシングのシミュレーション精度向上」が学術的な主要課題であることがうかがえる。なお、当社の統計集計（触覚・マルチモーダル知覚・LiDAR 融合等のキーワード、 2023 年以降・全世界）では総マッチ件数約 514 万件、出願人上位はサムスンエレクトロニクス、クアルコム、ファーウェイ、アップル、LG エレクトロニクスであった。この統計は自動運転・スマートフォン等の周辺分野を広く含むため、フィジカル AI 固有の知覚技術シェアとしてそのまま解釈すべきではない。 2.3 シミュレーション・学習/world model sim-to-real ギャップの縮小が中心テーマとなっている。MENTEE ROBOTICS LTD.はシミュレータ内動作と実世界遷移を整合させる「是正ポリシー」学習手法を 2025 年に複数出願し、二足歩行ロボットの安定性向上を図っている[10][11]。GOOGLE LLC は視覚ベースのタスク認識ポリシーとシミュレーション画像変換による sim2real モデルを出願している[12]。デジタルツイン活用では、ARIZONA STATE UNIVERSITY の環境モデリング向け閉ループ学習システム[32]、CHENG UEI PRECISION INDUSTRY の音響デバイス向けデジタルツインシミュレーション[33]が見られる。強化学習の応用としては、NVIDIA CORPORATION の母集団ベーストレーニング（Population-Based Training）[34]、 AMAZON TECHNOLOGIES のシミュレーション管理サービス（GUI ベースのカスタム強化学習モデル構築）[35]、GDM 控股（Google DeepMind 系）の報酬予測モデルを用いたオフライン学習[36]があり、大手プラットフォーム企業がロボット学習基盤への投資を継続していることが確認できる。論文レベルでは、具現化された AI（Embodied AI）に関するサーベイ[43]、ROS-XHabitat などのシミュレーション・実機連携インフラ[44]、SkillFusion によるハイブリッドナビゲーション[45]が見られ、「インターネット AI から具現化 AI へ」とい 3 / 10

4.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap うパラダイム転換が学術的にも明確に語られている点が特徴的である。 2.4 動作制御・VLA（言語条件付き操作）このモジュールは特許より論文の蓄積が相対的に厚い。CALVIN ベンチマーク[46]や非構造化データからの言語条件付き模倣学習[47]（University of Freiburg）は、言語指示とロボット行動の対応付けに関する基盤研究として位置づけられる。器用な操作の模倣学習では、単一カメラ遠隔操作によるマルチハンド転移[48]（UC San Diego）、単一デモからの粗密模倣学習[49]（Imperial College London）が挙げられ、少数デモからの汎化能力向上が研究の焦点となっている。自然言語からコードへの変換によるロボット制御（言語→Python 関数変換）[50] や、マルチモーダル情報を動作軌跡に変換する知覚-表現-生成（PRG）フレームワーク[51]など、大規模言語モデル的なアプローチとロボット制御の接続を試みる研究が複数確認される。特許側では、大規模言語モデルと記号プログラミング検証を組み合わせたマルチモーダルロボット長距離操作手法（東南大学、2026 年 8 月出願）[37]が、まさに VLA 的アプローチの特許化として直近の動きを示している。動的タイヤモデルに基づく車両運動管理（VOLVO TRUCK）[38]のような大型車両の物理制御特許もこのカテゴリに隣接する事例として観測された。 3. 主要出願人・研究機関 4 / 10

5.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap 上記に加え、より広い周辺特許統計（視覚・触覚・LiDAR 融合等を含むキーワード検索、2023 年以降）では、サムスンエレクトロニクス、クアルコム、ファーウェイ、アップル、LG エレクトロニクスが出願規模上位を占めており、フィジカル AI の基盤技術となるセンシング・AI 処理チップ分野では既存のコンシューマーエレクトロニクス大手が量的に優位である。ただし、この統計はフィジカル AI 専用の集計ではなく汎用センシング技術を広く含む点に注意が必要である（詳細は「証拠境界」章参照）。 4. 全体所見・意見：技術はどこに向かっているか成熟度の三層構造：今回のエビデンスからは、フィジカル AI 技術は単一の発展段階にあるのではなく、モジュールごとに異なる成熟度を持つことが見て取れる。 ● 知覚センシング（視覚・触覚融合）：NATIONAL UNIVERSITY OF SINGAPORE の一連の継続出願[6][9]や SAMSUNG ELECTRONICS の半透明触覚センサー [26]のように、基盤技術としては比較的実証が進んでおり、応用特許（組立制御など[25]）への展開段階に入っている。 5 / 10

6.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap ● ヒューマノイド全身制御・sim-to-real：FIGURE AI INC.や MENTEE ROBOTICS LTD.の直近 1〜2 年の集中出願[2][10]は、実機投入を見据えた開発競争が本格化していることを示す。ただし「是正ポリシー」による誤差補正という技術思想自体は、sim-to-real ギャップが依然として未解決課題であることの裏返しでもある。 ● 動作制御・VLA 的統合：CALVIN や SkillFusion のような学術的ベンチマーク・フレームワーク研究[46][45]が先行し、特許化はようやく始まった段階（東南大学の 2026 年 8 月出願[37]など）にある。この時間差は、大規模言語モデルを物理制御に統合するアプローチがまだ研究から実用への移行期にあることを示唆する。ハイプと実証済み技術の区別：ヒューマノイドロボットに関する報道・期待は非常に大きいが、本調査の特許エビデンスを見る限り、実際に特許として固められているのは「全身の逆運動学制御」「アクチュエータのモジュール化」「sim-to-real の誤差補正アルゴリズム」といった、比較的地味で工学的な要素技術が中心である。「言語モデルが直接ロボットを操作する」という最も期待の大きい統合部分（VLA）は、論文レベルの concept 実証が先行し、特許による権利化はまだ限定的である。したがって、現時点でのフィジカル AI の技術的実態は「知覚・制御の要素技術は着実に積み上がっているが、エンドツーエンドの汎用的な言語駆動ロボットという統合像は、企業のマーケティング上の未来像が特許・論文の裏付けよりも先行している」と評価するのが妥当である。地域・プレイヤー構造：ヒューマノイド本体は米国（FIGURE AI、APPTRONIK）とイスラエル（MENTEE ROBOTICS）のスタートアップが目立ち、知覚センシングの基礎研究はシンガポール・韓国が強く、動作制御・VLA 研究は欧州（Freiburg、 Imperial College London）と中国のアカデミア（東南大学、浙江大学）が存在感を示している。中国発の出願（北京控制工程研究所、東南大学など）は 2026 年 8 月付けの非常に直近の出願が複数含まれ、当該分野への参入が加速している可能性がある。 5. 証拠境界本レポートは、当該ターンで取得された特許 93 件相当のうち特許 57 件・論文 36 件・統計集計 2 件（合計 93 件のエビデンスプール）に基づいて作成された。特許は 2023 年〜2026 年 8 月の公開分を中心に、ロボット本体/ヒューマノイド、知覚/ センシング、シミュレーション/学習、動作制御/VLA の 4 方向で検索されたものであり、論文はロボット学習・模倣学習・触覚センシング・具現化 AI 関連の学術文献を中心に収集されている。検索深度には方向ごとに差があり、ロボット本体/ヒューマノイド方向とシミュレーション/学習方向は「十分」と判定された調査結果を用いているが、知覚/センシング方向と動作制御/VLA 方向は探索予算の制約により相対的に浅い調査結果となっている。したがって知覚・VLA モジュールの技術シグナルは、実際の出願・発表状況全体に対して過少に代表されている可能性がある。特許統計セクションで示した出願人ランキング（サムスンエレクトロニクス、クアルコム、ファーウェイ等が上位）は、触覚センサー・マルチモーダル知覚・LiDAR 6 / 10

7.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap 融合等の広範なキーワードによる全世界規模の集計（総マッチ件数約 514 万件、 2023 年以降公開分）であり、フィジカル AI 固有技術に限定した集計ではない。この統計はコンシューマーエレクトロニクス・通信・自動運転分野の特許を広く含むため、フィジカル AI 領域における各社の実際の技術的プレゼンスを直接的に反映するものではなく、周辺技術基盤における企業規模の参考情報として解釈すべきである。企業別の特許保有量に関する詳細な定量比較（技術分野を絞り込んだ出願人シェア分析など）は、本調査のスコープでは実施していない。また、フィジカル AI 分野は新興領域であり、特許公開には出願から公開まで一般的に約 18 か月の遅延が生じるため、直近（2025 年後半〜2026 年）の技術動向は本エビデンスセットにおいて過少に反映されている可能性がある。本レポートの技術動向所見は、これらのスコープ制約を踏まえた上での中間的な整理として提示している。引用データ [1] ロボット誘導・制御システム設計のための動的モデルを備えたデジタルヒューマノイドロボット US20260016809A1 | 2026.01.15 | 審査係属中 [2] 人型ロボットを効率的に制御するためのシステムおよび方法 US12611767B2 | 2026.04.28 | 有効 [3] 共通のアクチュエータ部品を持つヒューマノイドロボット WO2025216838A1 | 2025.10.16 [4] 動作制御方法、ロボット制御装置およびコンピュータ読み取り可能な記憶媒体 US11938635B2 | 2024.03.26 | 有効 [5] ヒューマノイドロボットの分離制御方法、ヒューマノイドロボットおよびコンピュータ読み取り可能な記憶媒体 US12103177B2 | 2024.10.01 | 有効 [6] ロボットのためのイベント駆動型視覚触覚センシングと学習 US12257727B2 | 2025.03.25 | 有効 [7] ロボットのためのイベント駆動型視覚・触覚センシングと学習 US20230330859A1 | 2023.10.19 | 有効 [8] ロボットのためのイベント駆動型視覚触覚センシングと学習 SG10202500055WA | 2025.02.27 | 審査係属中 [9] ロボットのためのイベント駆動型視覚触覚センシングと学習 US20250214255A1 | 2025.07.03 | 審査係属中 [10] ロボット制御ポリシー US20250100135A1 | 2025.03.27 | 審査係属中 [11] ロボット制御政策 7 / 10

8.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap WO2025062342A1 | 2025.03.27 [12] ビジョンベースのロボットタスクモデルを使用してシミュレーションから現実へのモデルをトレーニングすることにより、現実ギャップを軽減する US20240118667A1 | 2024.04.11 | 有効 [13] ヒューマノイドロボットの効率的な制御のためのシステムおよび方法 US20260070212A1 | 2026.03.12 | 有効 [14] 高度な運動学を備えたヒューマノイドロボット WO2025179236A1 | 2025.08.28 [15] 人型ロボットの二足歩行動作モデル US20260126804A1 | 2026.05.07 | 審査係属中 [16] ヒューマノイドロボットのための二足歩行動作モデルの訓練と使用 US20260124746A1 | 2026.05.07 | 審査係属中 [17] ヒューマノイドロボット US20250042020A1 | 2025.02.06 | 審査係属中 [18] ヒューマノイドロボット CA3238001A1 | 2023.06.15 | 審査係属中 [19] ヒューマノイドロボット WO2023107501A1 | 2023.06.15 [20] マイクロ電気油圧式リニアアクチュエータと電気油圧式ロボット器用なハンド EP4039987B1 | 2024.09.25 | 有効 [21] マイクロ電気油圧式リニアアクチュエータと電気油圧式ロボット器用なハンド IN493390B | 2024.01.05 | 有効 [22] マルチセンサーと拮抗駆動に基づく器用なハンド制御システム US12251839B2 | 2025.03.18 | 有効 [23] 機械アームと器用なハンドの融合システムおよび動作制御方法 US20250196336A1 | 2025.06.19 | 審査係属中 [24] 人型ロボットの動作訓練のための多目的融合手法 CN122539339A | 2026.08.11 | 審査係属中 [25] 視覚と触覚を融合したロボットによる精密組立制御方法およびシステム US20250353167A1 | 2025.11.20 | 有効 [26] 半透明触覚表面センサおよび半透明触覚表面センサを用いた物体との相互作用を検知する方法 US11656759B2 | 2023.05.23 | 有効 [27] カメラと触覚センサーを備えたロボットマニピュレーター US12280495B2 | 2025.04.22 | 有効 [28] 視触覚知覚装置と小型ロボット US11878434B2 | 2024.01.23 | 有効 [29] 自動運転車の認識マルチモーダルセンサーデータ管理 US12347169B2 | 2025.07.01 | 有効 8 / 10

9.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap [30] マルチセンサーデータを融合する方法および装置 US12567244B2 | 2026.03.03 | 有効 [31] ビームステアリングレーダーのトレーニングをブートストラップするためのマルチセンサー融合プラットフォーム US11852746B2 | 2023.12.26 | 有効 [32] 環境プロセスのモデリングと予測のためのデジタルフィジカルツインシステムと方法 US20260050718A1 | 2026.02.19 | 審査係属中 [33] デジタルツイン音響ロボットを用いた音響機器シミュレーションシステムおよびそのシミュレーション方法 US20260037696A1 | 2026.02.05 | 審査係属中 [34] ロボットシステムとアプリケーションのための AI ベースの制御 US20240100694A1 | 2024.03.28 | 審査係属中 [35] シミュレーションモデリング交換 US12412117B2 | 2025.09.09 | 有効 [36] 報酬予測モデルを用いたロボット制御のためのオフライン学習 CN122539380A | 2026.08.11 | 審査係属中 [37] 大規模言語モデルと記号プログラミング検証に基づくマルチモーダルロボットの長距離操作方法 CN122539345A | 2026.08.11 | 審査係属中 [38] 動的タイヤモデルに基づく車両運動管理 US12703369B2 | 2026.08.11 | 有効 [39] TACTO：高解像度ビジョンベース触覚センサー向け、高速で柔軟性に優れたオープンソースシミュレーター Wang, Shaoxiong, Lambeta, Mike | 2022 | 10.1109/lra.2022.3146945 [40] 光学式触覚センシングにおけるシミュレーションから実機への変換 Zihan Ding, Nathan F. Lepora | 2020 | 10.1109/icra40945.2020.9197512 [41] 物理ベースシミュレーションと学習済み潜在射影によるロボット触覚センシングのためのシミュレーションから現実世界への変換 Yashraj Narang, Balakumar Sundaralingam | 2021 | 10.1109/icra48506.2021.9561969 [42] ロボットによる安定した把持のための視覚・触覚融合 Fang, Bin, Yang, Chao | 2020 | 10.5772/intechopen.91455 [43] 具現化された AI の概観：シミュレーターから研究課題まで Duan, Jiafei, Yu, Samson | 2022 | 10.1109/tetci.2022.3141105 [44] ROS-X-Habitat：エンボディド AI で ROS エコシステムを繋ぐ Chen, Guanxiong, Yang, Haoyu | 2022 | 10.1109/crv55824.2022.00012 [45] 視覚的な目標物ナビゲーションのためのハイブリッドロボットフレームワークにおけるスキル融合 Staroverov, Aleksei, Staroverov, Aleksei | 2023 | 10.3390/robotics12040104 [46] CALVIN：長期ロボット操作タスクのための言語条件付きポリシー学習のベンチ 9 / 10

10.

フィジカル AI(Physical AI)技術動向レポート：技術要素・進展・特許/論文の全体像 Eureka by PatSnap マーク Mees, Oier, Hermann, Lukas | 2022 | 10.1109/lra.2022.3180108 [47] 非構造化データを用いた言語条件付きロボット模倣学習において重要なこと Mees, Oier, Hermann, Lukas | 2022 | 10.1109/lra.2022.3196123 [48] 片手から複数手へ：単一カメラ遠隔操作による器用な操作のための模倣学習 Qin, Yuzhe, Su, Hao | 2022 | 10.1109/lra.2022.3196104 [49] 粗密模倣学習：単一のデモンストレーションからのロボット操作 Edward Johns | 2021 | 10.1109/icra48506.2021.9560942 [50] ロボット操作のための自然言語指示のコンピュータプログラムへの変換 Sagar Gubbi Venkatesh, Sagar Gubbi Venkatesh | 2021 | 10.1109/iros51168.2021.9636342 [51] 知覚、表現、生成：マルチモーダル情報をロボットの動作軌跡に変換する Vital, Fábio, Vasco, Miguel | 2022 | 10.1109/iros47612.2022.9981788 10 / 10

フィジカルAI(Physical AI)技術動向レポート：技術要素・進展・特許_論文の全体像

角渕由英

関連スライド

251205_東北大知財セミナー（角渕、土本）

生成AIを活用した特許調査：プロンプトエンジニアリングの理論と実践（スライド資料）

生成AIを活用した特許調査：プロンプトエンジニアリングの理論と実践（プレゼン資料）

生成AIのみで株式会社Luupの会社分析

生成AIを活用した知財DDの効率化

非効率の効用

各ページのテキスト