大規模データから相関を見出す機械学習技術の飛躍的進化はロボティクス分野にも広がっており、近年では「フィジカルAI」と称して大きな注目を集めている。本講演では、ロボットの運動制御に対する機械学習技術に注目して、技術体系や課題を整理する。そして、世界の研究情勢も交えて、我々がこれまでに取り組んできた研究事例を紹介する。特に、実世界で活動するロボットには多くの制約が課されている点を陽に考慮して機械学習技術そのものを見直すことで、ロボットと機械学習のより深い融和を目指してきた研究を中心に展望を含めて議論する。

近年、飛行ロボットは目覚ましい発展を遂げてきた。その多くはクワッドロータを基盤とし、3次元空間における高精度なセンシングと高い機動性を実現している。従来は「飛ぶ目」として環境認識に重点が置かれてきたが、近年では環境に接触し操作を行う空中マニピュレーションへと関心が広がっている。これに伴い、制御や動作計画に加え、機体設計の観点からも新たなアプローチが提案されている。本講演では、Physical AI時代における飛行ロボティクスの最前線を概観し、講演者が提唱している多リンク型飛行ロボットの研究を軸に、この分野の将来像について議論する。

急速な技術革新が進む言語AIは、教育分野での活用も進行している。教育分野での活用において特に重要となるのは、モデルが単に解を「分かること」だけではなく、人間が「どのように分からないか」についての理解や、学習目標指向の活用の考え方である。本講演では言語処理技術の教育応用について、自動採点と安全性、学習者へのフィードバック、練習問題の自動生成、執筆支援等の確保等の取り組みを取り上げて紹介する。

将来の月面活動においては、持続的な拠点構築を支えるロボティクス技術の確立が不可欠である。本講演の前半では、ムーンショット型研究開発プロジェクトで開発してきた変形・再構成型ロボット「MoonBot」を紹介し、その設計思想と実証成果について述べる。後半では、月面レゴリスを現地資源として活用する電子ビームによる溶融・凝固技術と移動作業ロボットを組み合わせた月面インフラ構築手法を示し、月面拠点構築に向けた展望を議論する。

AI処理では、クラウド側の計算負荷を軽減するため、エッジ側の知能（処理能力）を高める必要がある反面、エッジ環境では電力供給に制約があります。一方、スピントロニクスデバイスは、不揮発性、高速な読み書き、高い書換耐久性等の利点を有しており、これを従来のRAMの置き換えだけでなく、エッジAIハードウェアを含む低消費電力・高性能なVLSIプロセッサの実現が期待されています。本発表では、CMOS回路と組み合わせたスピントロニクスデバイスの利点を説明するとともに、この技術（MRAMを含む）をエッジAIアプリケーションへどのように貢献させるかについて解説します。

コンクリート3Dプリンティング（3DCP）は、従来の型枠を必要とせずに自由な形状を実現できる新しい建設技術として国内外で注目されています。一方で、積層構造ならではの弱点や補強方法が未確立な点など、建築への本格的な応用に向けてはまだ多くの課題が山積状態です。本講演では、コンクリート3Dプリンタの基本的な考え方を紹介するとともに、東北大学で進めている積層体の補強や材料・構法に関する検討をお話しします。あわせて、まずは外装材のような非構造部材から実装していくアプローチと、その先にある自由度の高い建築の可能性についてご紹介します。

本研究プロジェクトでは、エージェントの狭隘空間極限作業、サイバーフィジカルエージェントの遠隔自律知能、エージェント間コミュニケーションに関する研究を実施した。本講演では、2025年度の主要な成果を紹介する。

The advent of foundation models offers significant opportunities for advancing real-world robotic applications. However, the diversity of real-world conditions and environments still limits their ability to generalize and perform robustly, even when trained on large-scale datasets. Unsupervised domain adaptation addresses this challenge by enabling models to adapt to new, unseen environments without requiring labeled data. This talk explores both the theoretical foundations and practical considerations of applying unsupervised domain adaptation to real-world robotics, highlighting key challenges, methods, and potential solutions.

Traditional AI hierarchies often describe static semantic abstraction, where low-level features form objects and objects form scenes. In contrast, motion time-series are governed by temporal order, variable duration, and the rate of change, making their hierarchy fundamentally different. Hence, time-series hierarchy should be modeled through temporal length and rate of change. This study performs unsupervised learning of a two-level hierarchy of search-and-rescue dog motion, behavior and activity, to reveal behaviors beyond human annotation.

群生するイモムシのなかまは、群れが多層に重なり1つの大きな個体のように移動するローリングスワームと呼ばれる奇妙な移動様式を示す。多層に重なることで他の個体をエスカレータのように活用し、群れ全体の運動効率を高めていると考えられているが、その生物学的検証は進められていない。そこで本研究では、ロボット群を用いてローリングスワームを再現し、その運動性能を評価するというアプローチから動物の運動原理の理解を試みる。本発表では、開発したロボットの紹介および2機体での検証実験結果について報告する。