本日10月9日(金)より 「#のぎ動画# (@nogidoga46)」にて 乃木坂あそぶだけ #86【ロボットとあそぼう！】を公開🤖# 🔗 話し相手や癒しの存在として人気のロボットと一緒に 自由にあそびます✊ メンバーとロボットのほのぼのとした やりとりをお楽しみください❣️ 出演者【大越ひなの、菅原咲月、瀬戸口心月、中西アルノ】 #乃木坂46#

浙江大学と清華大学の研究チームが、ロボット制御向けの世界モデル(行動を起こすと画像がどう変わるかを予測するモデル)に対して、探索なしで行動を決められる新しい学習法「INTACT」を提案した(https://arxiv[.]org/html/2607.26056v1)。 画像はその全体構成。従来はゴールに近づく行動をCEM(大量の行動候補をランダムに生成してシミュレートし、良さそうなものを選ぶ探索的な計画手法)で毎回探すのが定番で、1回のプランニングに平均1.48秒かかっていた。INTACTは同じオフラインの実演データから「今の状態から実際に起きた変化」と「今の状態からゴールまでの差分」の両方を、1つの共有した行動予測モジュールに同時学習させる。これにより探索を一切使わずにいきなり行動が出せるDirect制御が可能になり、レイテンシは2.9〜5.5ミリ秒まで縮んだ。 PushT/Cube/Reacher/TwoRoomの4タスクをそれぞれ個別に学習したモデルでも、Directだけで成功率85.78%/100.00%/97.67%/97.89%を達成。Direct案の周辺だけをCEMで軽く確認するごく小さな検証(候補384個、CEMの9,000個の23分の1)を足すと、4タスク平均96.86%、最も苦手なタスクでも92.22%まで伸びる。1つのエンコーダ(画像を圧縮した表現に変換する部分)で4タスクを同時に学習させても平均89.39%届き、土台となった従来の世界モデル「LeWM」に対しタスクによっては最大42.44ポイント差をつけた。 興味深いのは、同じ共有エンコーダの設定で行動を出す部分を完全に無効化し、旧来のCEM探索だけで評価しても、INTACTの目的関数で学習した表現のほうが成功率が66.17%から70.08%に伸びる点。行動予測ヘッドを追加しただけでなく、世界モデルの表現そのものを底上げしていることになる。

マルチモーダルAI（画像と文章を一緒に理解して答えるAI）が「自分で描いた図を本当に見て考えているか」を検証した論文が出た（https://arxiv[.]org/abs/2607.26769）。 GPT-5.5やGemini 3.5 Flashなどの最新モデルは、問題を解く途中で補助線を引いたり対象に印をつけたりと、人間が紙に書き込むような視覚的な操作を自分で生成しながら考えるようになってきた。ただ、その絵が答えを導く助けになっているのか、単なる飾りなのかは、これまできちんと切り分けられていなかった。 研究チームはSee2Thinkという評価の枠組みを作った。幾何・3D空間認識・日常シーンの読み取りなど12カテゴリ、合計1,200問を用意し、AIが「考える→図を描く→描いた結果を見てさらに考える」流れを記録する。実験の一つでは、AIに見せる描画結果をわざと間違ったものにすり替え、AIが本当にその絵に依存しているかも確かめた。 結果はややちぐはぐだった。AIが「どこに何を描くべきか」を選ぶ判断の妥当性（論文ではAction Relevanceと呼ぶ指標）は全体平均で96.4〜98.8%とほぼ満点なのに、実際に描いた絵が指示通り正確に再現されているか（Render Faithfulness）は58.6〜65.6%にとどまる。狙いは正しくても手元が狂う工程こそが最大のボトルネックで、どの条件が一番強いかもモデルごとにバラバラで万能な戦略はなかった。 「指定された麻雀牌を1枚拾う」のようなロボット操作の指示になると、モデルや条件を問わず正答率は0〜4%まで落ち込む。さらに、わざと間違った絵を見せる実験では特に3Dの空間問題で正答率が最大15.5ポイントも落ち込んだ。正確に描けても得点はさほど伸びないのに、間違った絵には引きずられて答えを変えてしまう。「絵を使って考えるAI」も、まだ自分の描いた絵を十分に使いこなせていない、という結果だ。

見えている画像だけで答えず、「答えるために次はどこを見るか」も学ぶAct3Dという研究（ 「廊下の突き当たりには何がある？」と聞かれたら、最初の1枚から推測して終わらず、視点を回し、横へ動き、必要なら戻って確かめる。3Dの部屋全体をモデルへ渡すのではなく、外部の環境にカメラ操作を送り、その都度レンダリングされた画像を受け取る。 まず、お手本の操作記録で「考える・動く・見る」の基本を学習。その後は、最終回答の正しさを中心とする報酬で、探索の仕方を改善する。強化学習中に、正解の経路や訪れるべき視点を逐一教える方式ではない。 ただし、正誤だけの学習でもない。正解した試行には探索への報酬があり、注釈された対象を実際に視野へ入れると、その報酬を満額与える。対象を見た後は、余計に動いても追加の得にならない設計だ。 6つの3D質問応答ベンチマークで、混合データを使ったAct3Dの平均正解率は53.2%。同じ土台のQwen3.5-9Bは31.2%、お手本学習後は48.6%だった。強化学習による上積みは4.6ポイントで、6課題中5課題が改善した。 評価は再構成した3D室内でのカメラ操作で、1問あたり最大12回の探索。実機ロボットの移動をそのまま実証した結果ではない。また、探索回数を増やす報酬が、すべての課題で精度を上げるわけでもない。 AIに詳しく考えさせる前に、不足している証拠を自分で取りに行けるようにする。画像の理解力と、何を見れば判断できるかを学ぶ力は、一緒に育てる価値があると思う。

💡 Tesla, Inc. $TSLA Q3 2026決算 2026-10-21 💰 今四半期業績 - 🟢 EPS：$0.48 (予想$0.45) - 🔴 売上高：$28.05B (予想$28.06B) 📊 重要指標 - 🟢 GAAP粗利益率：19.6% (YoY+160bp) - 🔴 営業利益率：2.6% (YoY-322bp) / 営業利益 $718M (YoY-56%) - 🟢 Services & Other売上高：$4.61B (YoY+33%) / 同粗利益 $734M (過去最高) - 🔴 Energy Generation & Storage売上高：$2.88B (YoY-16%) / 蓄電導入量 13.7GWh (YoY+10%) - 🟢 フリーキャッシュフロー：$1.53B (Est. -$4.92B) (YoY-62%) / Capex $4.73B - ⚫️ Adjusted EBITDA：$3.90B (Est. $3.71B) (YoY-8%) / マージン 13.9% - 🟢 FSD有効サブスクリプション：1.74M (YoY+67%) / 北米新車装着率 75%超 📍決算内容の注目ポイント - 9月3日にAustinでCybercabを用いたRobotaxi乗車サービスを開始。累計無監視走行距離は前四半期比8倍の約2M milesに到達し、運行時間も6時から24時へ拡大 - FSD (Supervised)の北米新車装着率が75%超と前四半期比約20ポイント上昇。EUでは新たに4か国で承認を取得し計9か国で提供、有効サブスクリプションは1.74Mに拡大 - Optimus（人型ロボット）の量産ラインでの生産をFremontで開始し、初の製品品質ボットを製造。Tesla SemiもNevadaの量産ラインで量産を開始し、10月15日にNext Gen Roadsterを発表 - Megafactory Texas（計画容量50GWh）が生産開始。蓄電事業は過去最高の受注率・受注残を記録し、Nevada工場製の自社LFPセルのみで構成したMegapackを初出荷 - 年末までにSI学習用計算能力を400MWへ拡大予定、半導体工場Austin Fabは2027年に設備立ち上げ予定。乗用車の受注残は過去4年で最大、手元資金は$45.4Bへ$1.9B増加 🤵‍♂️CEO (Elon Musk) コメント 「Q3では、Amazing Abundanceの未来を築く上で極めて重要なSuper Intelligence (SI)、ロボティクス、再生可能エネルギーにわたる多くのプロジェクトで力強い勢いを維持しました。コア事業の強さも継続し、2四半期連続でTTM売上高が$100Bを超えました。FSD (Supervised)の装着率は北米で新車納車の75%超に達しています。9月3日にAustinでCybercabによるRobotaxi乗車の提供を開始し、乗用車の受注残は過去4年で最大となりました。蓄電事業の需要は過去最高の受注率と受注残を伴い堅調で、データセンター需要の高まりが今後も需要を牽引すると見込んでいます。前途には多くの困難がありますが、これまで以上に楽観的です。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 1.53T - PER: 327.52 - Forward PER: 230.02 - PEG: -8.72 🎯市場評価 - 株価 (発表前): 📈$386.63 (3.46%) - 株価 (発表後): 📈$387.45 (0.21%) - 決算前アナリスト目標株価: $441.36 ($840 ~ $157) C+ - 決算総合サプライズ率 (AI推定): 😊2.74% - 決算後目標株価 (AI推定): $392.34 🤖 決算まとめるくん(AI)コメント 「Q3 2026は、Non-GAAP EPS（株式報酬費用等を除く調整後1株利益）がコンセンサスを上回った一方、売上高はほぼ予想並みで前年同期比横ばいにとどまりました。総じて「コア事業の底堅さ」と「将来投資による利益圧迫」が併存する決算と評価します。 ポジティブ面では、GAAP粗利益率が19.6%と前年同期比160bp改善し、規制クレジットを除く自動車粗利益率も18.1%へ上昇しました。Services & Other売上は33%増と成長を牽引し、FSD（Supervised、運転者監視を前提とする運転支援ソフト）の有効サブスクリプションは67%増の1.74Mに拡大しています。Cybercab（専用ロボタクシー車両）によるRobotaxi運行開始やOptimus（人型ロボット）の量産開始など、ソフトウェア・自律化収益への布石も具体化しました。 一方、営業利益率は2.6%と322bp悪化しました。SI（Super Intelligence）関連のR&D費用増と、2025 CEO Performance Awardを含むSBC（株式報酬費用）の膨張が主因です。GAAP EPSとの大きな乖離は、税引後SBC約$0.98B（1株当たり0.28）の調整が中心で、デジタル資産評価益の控除やSpaceX持分評価損の加算も含まれます。Energy Generation & Storage売上は関税関連の返金もあり16%減、FCFもCapex拡大により前年同期比62%減となりましたが、市場が想定していたマイナス圏を大きく上回りプラスを確保した点は評価できます。 ただし、総売上の定量ガイダンスは示されておらず、バッテリー供給が生産の制約要因である点も不確実性として残ります。 決算後の株価反応が小幅にとどまっているのは、利益の減速を自律化・ロボティクスへの期待が相殺し、市場が様子見姿勢にあるためと推察されます。 評価は⏸️ポヨ」 🏢 Tesla, Inc. 概要 - セクター: 一般消費財 - 特徴: EV、エネルギー貯蔵、自動運転、ロボティクスを展開するリアルワールドAI企業 🤘情報提供 Stock Slayer :

🗺️ 最先端のGPT-5でも、現実世界の空間タスクの成功率はわずか14.4%——。静止画を眺めて答えるだけでは測れない、AIエージェントの「能動的な空間推論」の弱さをあぶり出す新しいベンチマークが登場しました。 タイトル: SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks URL: 📝 概要 SpatialWorldは、マルチモーダルLLMが視覚のみの一人称視点で、3D環境を能動的に探索しながらタスクを解けるかを測るベンチマークです。屋内・屋外・デジタルゲームにわたる8つの異なるシミュレータを共通プロトコルで統合し、人手で作った760タスクで15の最先端モデルを評価しました。エージェントは事前に与えられた地図や正解の手順なしに、自分で見て、動いて、判断する必要があります。 ❓ 解決する課題 従来の空間推論ベンチマークは、静的なVQAや録画済み動画による受動的な評価に依存していました。しかしこれでは、エージェントが自ら視点を動かして視覚的な証拠を集め、部分的にしか見えない状況の中でその場で計画を立て直す、という現実世界に必要なインタラクティブな空間理解を測れません。静的なシーンを認識できることと、未知の空間で実際に動いて課題を解けることの間には、大きな隔たりがあったのです。 💡 方法論と提案手法 ・課題を視覚のみのPOMDP（部分観測マルコフ決定過程）として定式化します ・エージェントは自然言語のゴールと、ネイティブ解像度の一人称RGB画像1枚だけを受け取り、深度・地図・意味メタデータは一切与えられません ・行動はナビゲーション、視点制御、物体とのインタラクション、タスク完了を含むテキストベースの高レベルインターフェースで指示します ・屋内（AI2-THOR、ProcTHOR、VirtualHome）、屋外（CARLA、EmbodiedCity）、デジタルゲーム（Block3D、Snake3D、ルービックキューブ）の8バックエンドを統合します ・評価は途中の軌跡の一致ではなく、最終的な終端状態がゴールを満たしたかで判定し、人手で妥当性を確認します ・成功率に加え、人間の参照軌跡と比べたステップ効率も測ることで、効率の悪さも可視化します 🎯 ユースケース 家庭用ロボットや自律エージェントの空間能力を、実環境へ配備する前に統一的かつ公平に評価する基盤になります。ナビゲーションと物体操作を組み合わせた長期タスクのどこでつまずくのかを体系的に診断でき、空間推論モデルの改善に向けた厳密なテストベッドとして活用できます。 📊 実験結果 ・15の最先端モデルを評価し、物理タスクの成功率はGPT-5が14.4%、Qwen-3.5-397Bが12.2%、Gemini-3.1-Proが9.2%、Kimi-K2.5が9.2%にとどまりました ・デジタルゲームではGemini-3.1-Proが39.0%で最高、GPT-5が36.4%と続きました ・複雑さ別に見ると、インタラクションのみのタスクは平均50.2%だったのに対し、ナビゲーションのみは8.6%、両者を組み合わせた複合タスクはわずか4.2%まで急落しました ・成功率が近いモデルどうしでも効率スコアは大きく異なり、多くのモデルが試行錯誤に頼って動いている実態が明らかになりました ・環境ごとにモデルの順位が大きく入れ替わり、全カテゴリを支配する万能なモデルは存在しませんでした #AIエージェント# #SpatialReasoning#

#86「だから吉岡里帆は僕が好き」が配信されました！# 先日、吉岡里帆さんと共演した永野さん。 色々と反応があったそうです。 「知性は色気」そんな話です。 #ミスターTBS# #永野#