44,711時間の世界モデルNVIDIA DreamDojoで激変する世界ヒト型ロボット市場に日本のロボティクスはどう対処したらいいのか？AI勝ち組 / AI負け組の境目

NVIDIAは先日「DreamDojo」という、一人称視点で"人間が"2本の腕と2つの手を使って動作する様を収録した動画でもってロボットに学習させる世界モデルを発表しました。これがオープンソースで公開されており、世界のどの企業でもヒト型ロボット/ヒューマノイド開発に無料で使うことができます。

最新技術資料：

Mischa Dohler（ロボティクスの世界的権威）：DreamDojo World Model Trains Robots from 44,000 Hours of Human Video（2026/2/10）

（ChatGPTかGeminiを使うことで技術的に正確な日本語訳を得ることができます）

この世界モデルがオープンソースで公開されたことは、世界の双腕を持つヒト型ロボット開発において決定的な、不可逆の（逆戻りできない）ゲームチェンジャーとしての意味を持ちます。私が最近紹介している「AIデータ・フライホイール」がヒト型ロボット開発においても回り始める決定的な転換点になると考えます。簡単に言えばDreamDojo（とその大前提となるNVIDIAのフィジカルAI開発スタック）を使う企業はAI勝ち組、使わない企業はAI負け組となって劣後して行きます。すなわち世界市場にはどうやっても参入できません。それがAIデータ・フライホイールの怖さです。

フィジカルAIで事業化を図る全ての企業は、DreamDojoを、「NVIDIAスタック採用を迫る戦略的な武器としてオープンソースにしたNVIDIA」に乗っかるか？乗っからずに自前主義で行くか？その損得をよく吟味することが必要な時代に突入しました。

同じことは自動運転のNVIDIA Alpamayoにも言えます。

AIデータ・フライホイールの原理を学ぶための最重要資料：

石戸亮：Flywheel（フライホイール）と大企業のDXの摩擦

次世代フィジカルAI基盤「DreamDojo」は世界のロボティクス産業をどう変革するのか？：日本企業への戦略提言

序論：物理AI時代の覇権と日本ロボティクス産業の分岐点

世界のロボティクス産業は、単なる機械工学の延長線上にある「自動化」から、AIが現実世界の物理法則を理解し自律的に行動する「フィジカルAI」の時代へと不可逆的な転換を遂げている。この変革の急先鋒としてNVIDIAが発表した「DreamDojo」は、オープンソースとして公開された世界モデル（World Model）であり、これまでのロボット開発の常識を根底から覆す破壊的な技術インパクトを秘めている。ファナック、安川電機、日立製作所、川崎重工業、カワダロボティクスといった、世界をリードしてきた日本のロボティクスの経営層にとって、この技術を自社の戦略にどう組み込むかは、今後10年のグローバル競争力を決定づける。

かつて日本の製造業は、高精度なハードウェアと緻密な制御ロジックによって世界を席巻した。しかし、現在進行中の変革は「ハードウェアの差別化」から「知能（ソフトウェア）の進化速度」へと主戦場を移している。NVIDIAの垂直統合型スタック（NVIDIA Stack）と、その上で稼働するDreamDojoのような大規模基盤モデルの採用有無は、もはや単なるIT投資の選択ではなく、開発スピードを数カ月から数時間へと圧縮し、未知の環境に適応できる「汎用知能」を獲得するための唯一の経路となりつつある。本報告では、DreamDojoの技術的本質、Agility Roboticsとトヨタによる実証事例、そしてNVIDIAスタックがもたらす圧倒的な開発優位性について詳述し、日本企業が直面している「劣後リスク」と進むべき道筋を明らかにする。（今泉注：この図式全体においてAIデータ・フライホイールが回っている。いったんAIデータ・フライホイールが回り始めると段々と加速がつき、後から参入したプレイヤーが絶対に追いつけないAI固有の"格差"を生む。さらにその"格差"は時間が経つごとに拡大していく。米国の経営学ではこれを従来から「マタイ効果」と呼んで"法則"として理解してきたが、AI時代にもAI固有のマタイ効果があると認識し始めている。）

DreamDojo：物理的直感を獲得する汎用ロボット世界モデルの正体

DreamDojoは、44,711時間におよぶ膨大な人間の一人称視点（エゴセントリック）映像データセット「DreamDojo-HV」を基盤に構築された、次世代のジェネラリスト・ロボット世界モデルである。このモデルの革新性は、ロボット固有の動作ラベル（アクションラベル）を一切持たないインターネット規模の映像から、物理法則、物体の相互作用、そしてタスク達成のための「意図」を学習できる点にある。

参考資料：

Github：DreamDojo - A Generalist Robot World Model from Large-Scale Human Videos

ISSOHテックブログ：4万4千時間の人間映像から物理知能を獲得するDreamDojoの基本構造と設計思想

データスケールの破壊的優位性

ロボット開発における最大の障壁は、常に「高品質なデータの不足」であった。実機を用いたデータ収集はコストが高く、特定の環境やハードウェアに依存するため汎化性能が低い。DreamDojoはこの問題を、人間が日常的に行う多様な活動を記録した映像を活用することで解決した。

（今泉注：人間の動作を撮影した動画によってロボットに学習させる方法論は、2025年の前半にイーロン・マスクがXで言及しており、おそらくOptimusの学習に利用されている。また2025年半ばにFigure AIのCEOブレット・アドコックも人間の三次元空間における動作を撮影した動画でロボットに学習させる方法論が時間短縮という意味で有効であることを指摘し、米国の住宅を多く保有する不動産会社と提携した上で、それら住宅における人間の動作を録画した動画による学習を始めるとコメントしていた。NVIDIAはおそらく半年の期間でそれをキャッチアップし<相応の資金を投入>、金額換算すれば安く見積もって数億円規模<1時間100ドル>になるであろうワールドモデルを、オープンソースとして公開した。）

この圧倒的なスケールにより、ロボットは特定のプログラミングなしに、未知の物体、複雑な照明条件、不規則なレイアウトといった「アウト・オブ・ディストリビューション（学習外）」のシナリオに対しても、高い精度で次の状態を予測できる「ゼロショット汎化能力」を獲得している。

潜在アクション（Latent Actions）による身体性の超越

人間の映像からロボットの動作を学ぶ際の最大の課題は、人間とロボットでは関節の数や駆動方式が異なるという「身体性のギャップ」である。DreamDojoはこの問題を解決するために、映像から自己教師あり学習によって抽出される「潜在アクション（Latent Actions）」を導入した。

このアーキテクチャでは、まず事前の大規模学習フェーズにおいて、人間の動きが周囲の環境にどのような物理的変化をもたらすかという「ビデオダイナミクス」を学習する。その後、特定のロボットハードウェア（例：UnitreeのGR-1, G1, Agibot社のAgiBot。いずれも中国のヒト型ロボット最大手）による少量の実機データを用いて微調整（Post-training）を行うことで、潜在アクションをそのロボット固有の制御コマンドへと変換する。この二段階アプローチにより、ハードウェアに依存しない普遍的な「物理的知性」を、個別のロボットプラットフォームへ迅速に移植することが可能となったのである。

リアルタイム予測と「夢を見る」プランニング

DreamDojoのもう一つの技術的マイルストーンは、モデル蒸留（Distillation）パイプラインによる劇的な推論速度の向上である。従来の拡散モデル（Diffusion Models）は、高精度の映像生成が可能である一方、計算負荷が極めて高く、ロボットのリアルタイム制御には不向きであった。NVIDIAの研究チームは「Self-Forcing蒸留」を用いることで、デノイジングステップを35段階からわずか4段階へと削減し、10.81 FPSというリアルタイム推論を実現した。

このリアルタイム性は、ロボットが自らの行動の帰結を数秒先まで「夢見る（シミュレーションする）」ことを可能にする。例えば、果物のパッキングタスクにおいて、ロボットは複数の行動候補を脳内でシミュレーションし、最も成功率の高い動作を選択する「モデルベース・プランニング」を実行できる。この手法により、実世界での成功率は従来手法と比較して17%向上し、ランダムな行動選択に対して2倍以上の効率化が確認されている。

数学的には、DreamDojoは標準的なフローマッチング損失（Flow Matching Loss） $L_{flow}$ に、物体の動力学的な整合性を強化するための「時間的一貫性損失（Temporal Consistency Loss）」 $L_{temporal}$を組み合わせることで、物理的に矛盾のない映像予測を実現している。

この技術的洗練により、シミュレーション上の成功率と実世界での成功率の間に 0.995 という極めて高い相関（ピアソン相関係数）が得られており、実機を使わずにシミュレーション上での評価だけでモデルの性能を確信できるレベルに達している。

Agility Robotics とトヨタ：NVIDIAスタックによる商用配備の最前線

DreamDojoのような世界モデルが、単なる研究室の成果ではなく、すでに産業現場を揺るがし始めていることを示す最も強力な証左が、Agility Roboticsとトヨタ自動車の北米拠点（Toyota Motor Manufacturing Canada, TMMC）による提携である。

トヨタにおける Digit 導入の戦略的意義

2026年2月19日、トヨタは1年間にわたる厳格なパイロット運用を経て、Agility Roboticsのヒューマノイド「Digit」をオンタリオ州ウッドストック工場へ正式配備するRobots-as-a-Service（RaaS）契約を締結した。この配備は、単なる「実験」ではなく、RAV4の量産ラインにおけるトート（部品運搬箱）の積み下ろしという、極めて実利的なタスクを担っている。

↑Agility RoboticsのDigitが工場で部品箱を運んでいる状況の動画。ただしこれは2年前なので現在はもっと動作精度が上がっていると推察される。特徴的なのは鳥の関節に似た下肢の構造。これにより自分の腰より下にある箱を"しゃがんで取り出す"ことができるようになる。おそらく現在の主要なヒト型ロボットの機体では"しゃがんで腰より下にある部品箱を取り出す動作"はできないはず。この機構を採用した所にAgility Roboticsの慧眼がある。

参考資料：

AI Work：Toyotaがカナダ工場でヒューマノイド「Digit」7台を導入し実用化進展（2026/2/20）

トヨタのような世界最高水準の製造現場が、なぜ新興のヒューマノイドを導入したのか。その理由は、DigitがNVIDIAのフィジカルAI開発スタック（Isaac Sim、Isaac Lab）を全面的に採用することで、これまでのロボットには不可能だった「非定型環境への適応」と「数年分の経験を数時間で獲得する学習能力」を実現したからである。

（今泉注：トヨタグループ全体では、米国のToyota Research Instituteがロボティクスの先端的な研究を継続的に行ってきており、ヒト型ロボットに人間の動作を学習させる方法論の開発を行っている。これはまだ実用化の域に達していないと推察される。代わりにAgility RoboticsのDigitを選択した。）

NVIDIA Isaac プラットフォームがもたらす「時間の圧縮」

Agility Roboticsは、NVIDIAの計算基盤を用いることで、開発プロセスを根本的に再定義した。実機でのテストには、部品の摩耗、バッテリー制限、安全性確保といった物理的制約が常に付きまとう。しかし、NVIDIA Isaac Sim上で構築されたデジタルツイン環境では、数百万回の強化学習エピソードを並列かつ超高速で実行できる。

Digitの「全身制御（Whole-body control）」モデルは、シミュレーション内で遭遇する何十億回もの物理的相互作用を通じて磨き上げられている。これにより、実世界の現場に投入された初日から、Digitは予期せぬ衝撃を吸収し、不均一な床面を歩行し、周囲の人間を回避することができる。Agility RoboticsのPeggy Johnson CEOは、「NVIDIA GPU上で走るIsaac Simは、Digitにとって数年分の学習をわずか数時間で完結させる」と語っている。

DreamDojoの登場は、この学習プロセスをさらに加速させる。従来、Digitに新しいスキルを教えるには、特定のデモンストレーションデータが必要であったが、DreamDojoの「事前学習済み物理知性」を統合することで、視覚情報から直接、未知のタスクの解法を「推論」できるようになる。これは、工場のライン変更に伴うロボットの再プログラミングコストが、実質的にゼロになる時代の到来を予見させている。

NVIDIAスタックの採用：DreamDojoの恩恵を受けるための不可欠なインフラ

日本の経営層が認識すべき最も重要な事実は、DreamDojoという強力な「脳」を自社のロボットに搭載するためには、NVIDIAが提供する垂直統合型のコンピューティング・インフラストラクチャの採用が事実上の前提条件となっていることである。

「3つのコンピュータ」戦略と開発エコシステム

NVIDIAは、フィジカルAIの開発・運用に不可欠なインフラとして「3つのコンピュータ（Three Computers）」モデルを提唱している。

1. 学習用の NVIDIA DGX: DreamDojoのような巨大な世界モデルを、数万時間の映像データを用いて事前学習するためのAIスーパーコンピュータ。Blackwellアーキテクチャを採用したGB200 NVL72システムは、従来比で最大18倍のデータ処理性能を提供する。

2. シミュレーション用の NVIDIA OVX (Omniverse): ロボットが現実世界に投入される前に、物理的に正確な仮想世界で訓練を積むためのプラットフォーム。ここでDreamDojoによるアクション予測の妥当性が検証される。

3. 推論・配備用の NVIDIA Jetson Thor: ロボット本体に搭載されるエッジAIコンピュータ。Blackwell GPUを核とし、DreamDojoのリアルタイム推論を実行するための専用ハードウェア。128GBのメモリを搭載し、複雑な知覚・推論・動作を同時に処理する。

これらの層は、NVIDIAのOSMOというクラウドネイティブなオーケストレーション・サービスによってシームレスに連携されている。このスタックを導入している企業と、そうでない企業の開発格差は、もはや「効率の差」ではなく、「不可能な領域への到達可能性」の差となっている。（今泉注：すでにAIデータ・フライホイールが回っている状態。後から追いかける企業はどのようにしても追い越せないAI"格差"がビルトインされた状態。これがAIの本質的な脅威）

新規開発時におけるメリット：3カ月が36時間へ

NVIDIAスタックを採用した新規開発における最大のメリットは、データ収集のボトルネック解消である。従来、新しいロボットスキルを開発するには、数カ月かけて何万回もの実機デモンストレーションを記録する必要があった。

しかし、NVIDIAの最新ワークフロー「GR00T-Dreams」や「DreamDojo」を活用すれば、わずか1枚の静止画像、あるいは簡単なテキスト指示から、シミュレーション内での合成モーションデータを自動生成できる。NVIDIAの研究によれば、従来のプロセスで3カ月を要したモデル開発が、このスタックを用いることでわずか36時間で完了した。この「100倍の開発速度」こそが、NVIDIAスタックがヒューマノイド開発競争において「標準」と見なされる最大の理由である。

日本企業が直面する劣後リスクと経営的判断の緊急性

ファナックや安川電機、日立、川崎重工といった日本企業は、伝統的に独自のクローズドなソフトウェアスタックと、強固な垂直統合モデルを強みとしてきた。しかし、フィジカルAIと世界モデルの台頭は、この伝統的強みを「足かせ」に変えるリスクを孕んでいる。

イノベーターのジレンマと「Bitter Lesson」

リチャード・サットンの「苦い教訓（The Bitter Lesson）」が示す通り、AIの歴史において、人間が定義した精緻なルールや制御モデルは、常に「大規模な計算資源とデータによる学習」に敗北してきた。

参考資料：

「強化学習の父」Rich Sutton：The Bitter Lesson（リチャード・サットン：苦い教訓）

日本企業がこれまでの「匠の技」に基づくプログラミングや、独自の制御チップに固執し続けることは、インターネットが普及する中で独自規格のパソコン（PC-9800等）を守ろうとした過去の過ちを繰り返すことに等しい。NVIDIAの提供するスタックは、すでに「ロボットのOS」としての地位を固めつつある。

ファナックと安川電機の決断：オープン化への舵切り

この危機感をいち早く察知し、戦略を転換し始めたのがファナックと安川電機である。

ファナックは、世界中の同社製ロボットをNVIDIAスタックと連携させるため、ROS 2ドライバをGitHub上で公開し、Pythonによるプログラミングを全面的にサポートすることを発表した。これは、同社が長年守ってきたクローズドな姿勢からの劇的な転換であり、NVIDIAのAI計算基盤（Jetson, Isaac Sim）を「共創の場」として受け入れたことを意味する。

安川電機も同様に、NVIDIAおよびソフトバンクと提携し、非定型な環境での自律動作を可能にする「フィジカルAI」の実装を加速させている。彼らの狙いは、ハードウェアの信頼性という日本の強みを維持しつつ、NVIDIAの知能インフラを統合することで、中国や米国のスタートアップによる「ソフトウェア主導の破壊」を防ぐことにある。

参考資料：

ファナック公式：ロボット新技術：オープンプラットフォームとフィジカルAI

ソフトバンク公式：ソフトバンクと安川電機、AI-RANを活用した「フィジカルAI」の社会実装に向けて協業を開始

日経新聞：NVIDIA、日本と「AI×ロボット」生産改革　富士通・安川電機と協業

未来予測：DreamDojo がもたらすヒューマノイドの機能向上

DreamDojoの統合が進むことで、次世代のヒューマノイドロボットはどのような進化を遂げるのか。経営者は以下の3つのフェーズで機能向上が進むことを予測すべきである。

第一フェーズ：汎用的な知覚と基本動作の獲得

DreamDojo-HVで学習された「物理的直感」により、ロボットは工場内の未整理の部品、不規則に置かれた工具、あるいはビニール袋のような不定形な物体に対しても、適切な把持点や操作方法を瞬時に判断できるようになる。これは、現在の「教示（ティーチング）」作業の8割を自動化するインパクトを持つ。

第二フェーズ：人間との高度な協調と安全性

リアルタイムの世界モデルによる「未来予測（Rollouts）」は、ロボットが周囲の人間や他の搬送車両の数秒先の動きを予測し、衝突を未然に防ぐだけでなく、相手の動きを「邪魔しない」スムーズな回避行動を可能にする。Agility Roboticsが目指す「協調的に安全な（Cooperatively safe）」ロボットは、DreamDojoによる予見的制御によって、柵のない環境での完全自律稼働を実現する。

第三フェーズ：推論と対話による複雑な任務遂行

DreamDojoは、VLA（Vision-Language-Action）モデルの訓練基盤としても機能する。将来的に、ロボットは「あそこの青い箱を片付けて、空いたスペースに予備のパレットを持ってきて」といった曖昧な指示を理解し、現在の状況（Vision）、過去の知識（World Model）、そして取るべき行動（Action）を一気通貫で処理できるようになる。

結論：日本ロボティクス経営層への提言

NVIDIAのDreamDojoと垂直統合スタックの衝撃は、ロボットの「知能」がハードウェアから切り離され、クラウドとエッジで構築される巨大なエコシステムへと移行したことを告げている。

日本の経営層に求められるのは、以下の3点に集約される。

1. 「自前主義」からの脱却とNVIDIAスタックの標準採用: 独自の制御ソフトの開発にリソースを割くのではなく、NVIDIAのDGX/OVX/AGXを標準インフラとして採用し、その上で自社独自の「現場データ」と「精密制御技術」を差別化要素として磨き上げること。

2. RaaSモデルへの転換準備: トヨタの事例が示す通り、物理AIロボットは「知能が更新され続けるサービス」となる。売り切り型のビジネスモデルから、継続的な価値提供と収益化を可能にするサブスクリプション型モデルへの組織的転換を急ぐべきである。

3. シミュレーション・ファーストの開発文化への移行: 開発の初期段階からIsaac Sim/Omniverse上でのデジタルツイン構築を必須とし、物理的なプロトタイプを作る前に「仮想空間で1万時間、1万通りの失敗」を経験させる開発フローを確立すること。

DreamDojoというオープンな「脳」を自社の強力な「身体（ハードウェア）」に統合できるか、それとも独自の袋小路に迷い込むか。この選択が、世界市場における日本ロボティクスの再興か、あるいは静かな退場かを分けることになる。NVIDIAというプラットフォームの覇者と戦略的に共創し、その知能の進化速度を自社の成長エンジンとして取り込む決断こそが、今、日本の経営者に求められている。

引用文献

1. DreamDojo World Model Trains Robots from 44,000 Hours of ..., 2月 23, 2026にアクセス、 https://mischadohler.com/dreamdojo-world-model-trains-robots-from-44000-hours-of-human-video/
2. A Generalist Robot World Model from Large-Scale Human Videos, 2月 23, 2026にアクセス、 https://arxiv.org/abs/2602.06949
3. A 44000-Hour "Dream" to Solve the Robotics Data Gap, 2月 23, 2026にアクセス、 https://www.humanoidsdaily.com/news/nvidia-open-sources-dreamdojo-a-44-000-hour-dream-to-solve-the-robotics-data-gap
4. Innovation Insights from Japan & the US - Q2 2025 - Liontrust, 2月 23, 2026にアクセス、 https://www.liontrust.com/insights/blogs/2025/07/innovation-insights-from-japan-the-us-q2-2025
5. NVIDIA's Robotics Strategy: Architecting the Future of Physical AI, 2月 23, 2026にアクセス、 https://counterpointresearch.com/en/insights/nvidia-robotics-strategy-architecting-the-future-of-physical-ai
6. NVIDIA's Isaac platform ignites humanoid robotics race. What's next, 2月 23, 2026にアクセス、 https://techfundingnews.com/nvidias-isaac-platform-ignites-humanoid-robotics-race-whatsnext-for-agility-robotics-and-boston-dynamics/
7. NVIDIA Humanoid Robotics: Building the Next-Gen Infrastructure?, 2月 23, 2026にアクセス、 https://futurumgroup.com/insights/is-nvidia-building-the-defining-infrastructure-for-humanoid-robotics/
8. Physical AI: How NVIDIA and Tesla Are Shaping Embodied, 2月 23, 2026にアクセス、 https://www.zeal3dprinting.com.au/physical-ai-2-0-how-nvidia-tesla-ecosystem-players-are-shaping-the-future-of-embodied-intelligence/
9. A Generalist Robot World Model from Large-Scale Human Videos, 2月 23, 2026にアクセス、 https://www.alphaxiv.org/overview/2602.06949
10. A Generalist Robot World Model from Large-Scale Human Videos, 2月 23, 2026にアクセス、 https://arxiv.org/html/2602.06949v1
11. NVIDIA Releases DreamDojo: An Open-Source Robot World Model, 2月 23, 2026にアクセス、 https://www.marktechpost.com/2026/02/20/nvidia-releases-dreamdojo-an-open-source-robot-world-model-trained-on-44711-hours-of-real-world-human-video-data/
12. Nvidia launch robot world model 'DreamDojo' - Lapaas Voice, 2月 23, 2026にアクセス、 https://voice.lapaas.com/nvidia-launch-robot-world-model-dreamdojo/
13. NVIDIA's DreamDojo, A Robot Learning from Human Life - Digital CxO, 2月 23, 2026にアクセス、 https://digitalcxo.com/article/nvidias-dreamdojo-a-robot-learning-from-human-life/
14. Mischa Dohler, Author at Mischa Dohler, 2月 23, 2026にアクセス、 https://mischadohler.com/author/mischadohler/
15. Agility Robotics Announces Commercial Agreement with Toyota ..., 2月 23, 2026にアクセス、 https://www.agilityrobotics.com/content/agility-robotics-announces-commercial-agreement-with-toyota-motor-manufacturing-canada
16. Toyota Canada signs humanoid robot deal with Agility, 2月 23, 2026にアクセス、 https://www.automotivemanufacturingsolutions.com/automation/toyota-canada-signs-humanoid-robot-deal-with-agility/2611551
17. Toyotaがカナダ工場でヒューマノイド「Digit」7台を導入し実用化 ..., 2月 23, 2026にアクセス、 https://aiworknote.com/posts/toyota-agility-robotics-digit
18. Toyota Canada will Deploy Agility's Digit at Ontario Plant, 2月 23, 2026にアクセス、 https://www.automate.org/robotics/industry-insights/toyota-motor-manufacturing-canada-tmmc-thursday-confirmed-plans-to-deploy-agility-robotics-humanoids-at-an-assembly-plant-in-woodstock-ontario-roughly-80-miles-southwest-of-toronto-this-second-phase-follows-a-year-a-year-long-pilot-in-which-th
19. Humanoid Robot 'Digit' - Whole-Body Control Foundation Model, 2月 23, 2026にアクセス、 https://www.nvidia.com/en-eu/case-studies/agility-robotics-digit-humanoid-robot/
20. NVIDIA と米国の製造業やロボティクスのリーダーが、フィジカル AI, 2月 23, 2026にアクセス、 https://blogs.nvidia.co.jp/blog/nvidia-us-manufacturing-robotics-physical-ai/
21. READY RoboticsとNVIDIAと協業しロボットシミュレーション環境, 2月 23, 2026にアクセス、 https://car.watch.impress.co.jp/docs/news/1561774.html
22. NVIDIAとMicrosoftの技術でフィジカルAIと産業用ヒューマノイドの, 2月 23, 2026にアクセス、 https://robotstart.info/article/2025/04/25/372852.html
23. NVIDIA Offers Tools to Advance Humanoid Robotics Capabilities, 2月 23, 2026にアクセス、 https://www.designnews.com/automation/nvidia-is-offering-tools-to-advance-humanoid-robotics-capabilities
24. Meet Digit: The Newest Robot From Agility Robotics, 2月 23, 2026にアクセス、 https://www.agilityrobotics.com/content/meet-digit-the-newest-robot-from-agility-robotics
25. Agility Robotics Launches Next Generation of Digit - Business Wire, 2月 23, 2026にアクセス、 https://www.businesswire.com/news/home/20230320005206/en/Agility-Robotics-Launches-Next-Generation-of-Digit-Worlds-First-Human-Centric-Multi-Purpose-Robot-made-for-Logistics-Work
26. Isaac - AI Robot Development Platform - Nvidia, 2月 23, 2026にアクセス、 https://developer.nvidia.com/isaac
27. Humanoid robotics developers must pick which problems to solve, 2月 23, 2026にアクセス、 https://www.therobotreport.com/humanoid-robotics-developers-must-pick-which-problems-solve-says-nvidia/
28. NVIDIA Omniverse: $50T Physical AI Operating System | Introl Blog, 2月 23, 2026にアクセス、 https://introl.com/blog/nvidia-omniverse-the-operating-system-for-physical-ai-and-industrial-digitalization
29. Official NVIDIA® Jetson AGX Thor™ Developer Kit - Seeed Studio, 2月 23, 2026にアクセス、 https://www.seeedstudio.com/NVIDIA-Jetson-AGX-Thor-Developer-Kit-p-9965.html
30. Jetson Thor | Advanced AI for Physical Robotics - NVIDIA, 2月 23, 2026にアクセス、 https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-thor/
31. NVIDIA Blackwell-Powered Jetson Thor Now Available, Accelerating, 2月 23, 2026にアクセス、 https://nvidianews.nvidia.com/news/nvidia-blackwell-powered-jetson-thor-now-available-accelerating-the-age-of-general-robotics
32. Strategic Partnerships for Physical AI in Logistics - Singapore - 3L3C, 2月 23, 2026にアクセス、 https://www.3l3c.ai/sg/blog/ai-dalam-logistik-dan-rantaian-bekalan/physical-ai-logistics-partnerships
33. NVIDIA, FANUC Collaborate on Japan Physical-AI Robotics, 2月 23, 2026にアクセス、 https://itbusinesstoday.com/industrial-tech/manufacturing/nvidia-and-fanuc-partner-in-japans-physical-ai-robotics/
34. The Physical AI Revolution in Robotics - Wandelbots, 2月 23, 2026にアクセス、 https://www.wandelbots.com/blog/the-physical-ai-revolution-in-robotics-programming
35. Trener Robotics Raises €26M Series A for Physical AI Automation, 2月 23, 2026にアクセス、 https://eutechfuture.com/deep-tech-in-europe/trener-robotics-raises-e26m-series-a-to-build-the-physical-ai-layer-for-industrial-automation/
36. FANUC and NVIDIA Partner to Usher in 'Physical AI' Era ... - 3splc.com, 2月 23, 2026にアクセス、 https://www.3splc.com/fanuc-and-nvidia-partner-to-usher-in-physical-ai-era-for-industrial-robotics_n178
37. FANUC and NVIDIA forge new era of physical AI for industrial robotics, 2月 23, 2026にアクセス、 https://engineering-update.co.uk/2025/12/22/fanuc-and-nvidia-forge-new-era-of-physical-ai-for-industrial-robotics/
38. Which stocks will benefit from the major wave of 'Physical AI, 2月 23, 2026にアクセス、 https://www.moomoo.com/community/feed/ride-the-big-wave-of-physical-ai-which-stocks-will-115659470799654
39. "Physical AI" - Yaskawa Teams with SoftBank, Fanuc Partners with, 2月 23, 2026にアクセス、 https://finance.biggo.com/news/uNz93JoBTVZqOzln9vr_

Agility Robotics' Digit Showcases Autonomous 'Shopping' in New, 2月 23, 2026にアクセス、 https://www.humanoidsdaily.com/news/agility-robotics-digit-showcases-autonomous-shopping-in-new-demo