オープンソースフィジカルAI編

はじめに｜「デモ中心の語り」から「オープンソースエコシステムの循環」へ

2025年、フィジカルAI（Embodied AI）は、研究室から現実の物理世界へ踏み出す重要な転換点を迎えた。過去数年の業界の主旋律が、整えられた環境でロボットの滑らかな動きを見せる「デモ中心の語り」だったとすれば、2025年のオープンソースフィジカルAIは、その限界を大きく乗り越えた。

多くの学術機関とテクノロジー企業が集中的に取り組んだことで、中国のフィジカルAIのオープンソースエコシステムは、単一のモデル公開から、「モデル・評価・データ・ソフトウェアスタック・ハードウェア本体」を含むフルスタックの循環構造へと進化した。オープンソースはフィジカルAIの研究開発のハードルを下げるだけでなく、標準化された評価ベンチマークと大量の高品質データセットを通じて、現実の物理世界に存在するロングテールな課題に業界が向き合うことを促している。本編では、2025年の中国におけるオープンソースフィジカルAIの画期的な進展を俯瞰する。

第一章｜オープンソースのフィジカルAI基盤モデル：単発の突破から能力マトリクスへ

この一年、オープンソースのフィジカルAI基盤モデル（ロボットの認識・推論・行動生成を支える基盤モデル）は、単一の視覚・言語・動作（VLA）アーキテクチャにとどまらなくなった。ロボットを研究室の外へ出し、現実世界で作業できるようにするため、研究機関とテクノロジー企業は、より高精度な空間認識と、物理世界との実際の相互作用をどう実現するかに焦点を移し、それによってより細分化されたモデルのマトリクスを形成している。

1.1 空間認識モデル：ロボットが世界を「見通す」ために

空間認識は、ロボットが物理世界と相互作用するための前提である。2026年初め、Ant Lingbo（Ant Group系のフィジカルAIプロジェクト）は新世代の空間認識モデル LingBot-Depth を正式にオープンソース化した。同モデルは「マスク深度モデリング（MDM）」技術を採用し、訓練時に深度データの一部を意図的に隠すことで、欠けた情報を補完する能力をモデルに学習させる。Orbbec Gemini 330 シリーズの双眼 3D カメラで収集したデータをもとに、LingBot-Depth は透明物や反射物などの複雑な対象や環境を扱う高い能力を示し、「ソフトウェアでハードウェアの弱点を補う」という技術路線を実践している。

1.2 動作モデル：ロボットがタスクを「正しく実行する」ために

動作モデルはフィジカルAIの「実行中枢」であり、その中核的な役割は、視覚認識と言語指示を、物理世界におけるロボットの連続動作へ変換することにある。この一年、この領域では「二つの技術路線が並行して進化する」構図が見られた。一つはすでに成熟しつつあり、なお主流の地位を占める視覚・言語・動作（VLA）モデル（視覚入力と言語指示からロボット動作を生成するモデル）である。もう一つは、VLA が抱える「意味は理解できるが、物理は理解できない」という弱点を克服するために急速に台頭した**世界動作モデル（WAM）／動画・動作モデル（VA）**である。中国のオープンソースコミュニティは、この二つの路線のいずれにも、国際的な影響力を持つ代表的な成果を生み出している。

1.2.1 VLAモデル：「動ける」から「正しく実行できる」へ

この一年、中国のオープンソースコミュニティは、VLA のパラメータ効率、汎化能力、実機性能（シミュレーションではなく実際のロボットでの性能）の面で集中的な突破を遂げた。これにより VLA は「動ける」段階から「正しく実行できる」段階へ進み、複数の観点で国際的に先行するクローズドソースおよびオープンソースのベースライン（Physical Intelligence の π0 シリーズなど）を上回るようになった。オープンソース化の時間軸で振り返ると、この流れは「アーキテクチャ革新」から「徹底したパラメータ効率」、さらに「フルスタックのエンジニアリング化と量産の循環」へ進む段階的な展開として明確に見えてくる。

この流れの初期の目印となったのが、Microsoft Research Asia が主導し、清華大学、中国科学技術大学、中国科学院微電子研究所と共同で完成させた CogACT である。これは、中国のオープンソースコミュニティによる VLA アーキテクチャ革新の代表的な成果の一つである。初期の VLA（OpenVLA、Octo など）では、「動作を token として離散化し、言語モデルをそのまま使って予測する」方式が一般的であり、精度低下が課題となっていた。これに対して CogACT は、「コンポーネント化」されたアーキテクチャを提案し、「認知と行動の分離 + 拡散型動作エキスパート」という新しいパラダイムを確立した。この考え方は、その後の一世代の VLA（後述する複数の中国発モデルを含む）に深い影響を与え、この分野で広く参照されるオープンソース上の基準点の一つとなった。

続いて、学術主導の「小さく強い」路線が、重要なオープンソースの力を加えた。清華大学智能産業研究院（AIR、清華大学のAI・産業応用研究機関）と上海人工知能実験室（Shanghai AI Laboratory、中国の大規模AI研究機関）が共同で X-VLA（VLA基盤モデル）を発表したのである。X-VLA は、flow matching（生成モデルの学習手法の一つ）に基づく簡潔なアーキテクチャを採用し、異種データセット上で安定した事前学習を行うことに特化して設計された。これは、120分間にわたる無補助の自律的な衣類畳みという、長時間かつ精密なタスクを完了した世界初の完全オープンソースモデル（公開データ、コード、パラメータ）である。特筆すべきは、わずか 0.9B、すなわち約9億パラメータで、五つの主要なシミュレーションベンチマークの記録を更新し、IROS 2025 AGIBOT World Challenge（ロボット操作の国際競技）で優勝した点である。これは、フィジカルAI領域において「小さなパラメータ、強い汎化」が成立することを示した。これと並行して、北京智源人工知能研究院（BAAI、中国の代表的なAI研究機関）の RoboBrain 2.0（認識・推論・計画を統合するロボット向け大規模モデル）も登場した。複雑で長いタスクにおけるロボットの自律的な意思決定能力をさらに高めている。また、中国初のフィジカルAI国家標準評価ベンチマーク EI Bench に合格した XR-1（VLAモデル）も、オープンソース VLA がコンプライアンスと信頼性の面で重要なマイルストーンに到達したことを示している。

学術界が「小さく強い」路線を固める一方で、テクノロジー企業が主導する「フルスタックエンジニアリング」路線は、2025年後半から2026年初めにかけて集中的に立ち上がった。

この中で早く実用化に近づいたのが、2023年末に設立された X Square Robot（中国のフィジカルAI企業）である。同社は 2025年9月、フィジカルAI基盤モデル WALL-OSS を正式にオープンソース化した。WALL-OSS は 4.2B パラメータ規模の汎用フィジカルAI基盤モデルである。アーキテクチャ面では、「共有アテンション + エキスパート分岐（FFN）」機構を初めて導入し、言語、視覚、動作の埋め込みを統一表現空間にまとめることで、VLM（Vision-Language Model、視覚と言語を統合して扱うモデル）の知識移転で起こりがちな「破滅的忘却」（新しい能力の学習で既存能力が失われる現象）と「モダリティ分離」（視覚・言語・動作の表現がうまく結びつかない問題）を効果的に回避した。訓練パラダイムでは、「Inspiration Stage + Integration Stage」（離散的な動作理解から連続動作への統合を進める二段階訓練）という戦略を採用し、「まず離散、次に連続、最後に統合」という経路に沿って、VLM の認知能力を物理動作へ損なわずに移転できるようにした。さらに重要なのは、オープンソース化の徹底度である。X Square Robot は、事前学習済みモデル重み、訓練コード、データセットインターフェース、デプロイ文書を一括して公開した。開発者は RTX 4090 級の計算資源があれば、訓練からデプロイまでの全工程を完了でき、外部チームでも最短 1週間で第三者の機体へ適応できる（通常は 1-2か月を要する）。同社 CTO の王昊は、この取り組みの目標を「業界全体が最小のコストで、最先端かつ最も汎用的な能力基盤を得られるようにすること」と表現している。これは、長らく「過学習したデモ」の循環に陥っていたフィジカルAI業界に道を整える試みである。

ほぼ同じ時期に、極佳視界（中国のフィジカルAI企業）は湖北ヒューマノイドロボットイノベーションセンター（湖北省のヒューマノイドロボット研究・産業化拠点）と共同で、エンドツーエンドの VLA フィジカルAI基盤モデル GigaBrain-0 を発表し、オープンソース化した。これは「世界モデル駆動の VLA」という独自の路線を代表するものである。中国で初めて、「世界モデル」が生成したデータを用いて実機汎化を実現した視覚・言語・動作基盤モデルである。その中核的な考え方は、自社開発の世界モデルプラットフォーム GigaWorld によって、Sim2Real（シミュレーションで学んだ能力を実機へ移す手法）、Real2Real（ある実機環境のデータを別の実機環境へ広げる手法）、新視点、動画生成、人間動画の転移など複数種類の合成データを大規模に生成し、実機データの多様性を約 10倍に拡張することで、純粋な実機収集よりはるかに低いコストで包括的なフィジカルAIデータ基盤を構築することにある。モデル側では、GigaBrain-0 は画像、点群、テキスト、ロボット本体状態の入力に対応し、深度入力を導入して 3D 空間認識を強化する。さらに、サブゴールへの分解とエンドエフェクタ（ロボットアーム先端の把持部など）軌跡の出力によって構造化推論を実現し、衣類畳み、トイレットペーパーの整理、机上の片付け、箱の運搬など、柔軟物を含む長時間・移動操作タスクで優れた性能を示した。この基盤の上で、チームは万時間級データで訓練したオープンソースモデル GigaBrain-0.1 も発表し、RoboChallenge（実機ロボット評価プラットフォーム）の実機評価で π0.5（比較対象として使われる強力な基盤モデル）などのモデルを上回った。これは、「世界モデルをデータエンジンとする」路線のスケール可能性を裏付けている。

2024年初めに設立された Spirit AI（中国のフィジカルAI企業）は、2026年1月にフィジカルAI基盤モデル Spirit v1.5 をオープンソース化し、総合スコア 66.09、成功率 50.33% で RoboChallenge の実機評価ランキング首位に立った。同ランキングの公開以来、ベースラインモデル π0.5 を初めて破った中国発モデルでもある。Spirit v1.5 は VLA の統一モデリングフレームワークを採用しており、その中核的な革新は事前学習段階のデータ戦略にある。高度に選別され、強く制御された「きれいなデータ」から、多様でオープン、制御の弱いデータ収集パラダイムへ移行したのである。データ収集担当者には、タスク目標だけを意識して自由に行動することを促し、自然な実行の中で、把持、挿入、整理、双腕協調、例外処理など多数の原子的スキルを連続的にカバーした。アブレーション実験（要素を取り除いて効果を比較する検証）では、事前学習データ規模が同じ場合、多様化された事前学習モデルは、新タスクで同等性能に達するまでに必要なイテレーション数を約 40% 削減できることが示された。これは「単一タスクのデモ数よりも、タスクの多様性のほうが重要である」という判断を裏付ける。Spirit AI は基盤モデル重み、推論コード、利用例を同時にオープンソース化し、学術界に π シリーズとは異なるオープンソース技術路線を提供した。

続いて、プラットフォーム型エコシステムに強みを持つ Ant Lingbo が発表した LingBot-VLA（汎用動作基盤モデル）は、「一つの頭脳で複数の機体を動かす、業界の基盤」という位置づけを明確に打ち出した。その目標は特定の一機種に役立つことではなく、業界全体が再利用でき、異なる機体やタスクを横断して移転できる汎用動作基盤モデルを作ることにある。この汎化目標を支えるため、LingBot-VLA は 20000+ 時間の大規模実機データをもとに事前学習され、9種類の主流双腕ロボット構成をカバーしている。LingBot-VLA の技術面での大きな特徴は、同時期にオープンソース化された高精度空間認識モデル LingBot-Depth と連携し、深度（Depth）情報を動作モデルに取り込むことで、タスク成功率をさらに高めた点にある。上海交通大学がオープンソース化したフィジカルAI評価ベンチマーク GM-100（100の実操作タスクを含む実機評価ベンチマーク）でのテストでは、LingBot-VLA は 3種類の異なる実ロボットプラットフォーム上で、機体をまたいだ汎化の平均成功率を π0.5 の 13.0% から 17.3% へ引き上げ、実機評価の成功率記録を更新した。さらにその「基盤」としての意欲を示すのが、公開範囲の広さとコミュニティでの注目度である。Ant Lingbo はモデル本体だけでなく、ポストトレーニング（事前学習後に用途へ合わせて追加で行う訓練）のコードも同時に公開したため、開発者は比較的低いポストトレーニングコストで、この汎用基盤を自分たちのロボット本体とタスクに迅速に適応できる。「低い参入ハードル + 再利用可能性」という特徴により、LingBot-VLA はオープンソースコミュニティで急速に注目を集め、同時期の中国発オープンソースフィジカル動作モデルの中で GitHub Star 数が最も多いプロジェクトの一つとなった。

これらの企業による「汎用基盤」路線とは異なり、Dexmal（中国のフィジカルAI企業）は「フィジカルAIネイティブ」という差別化された道を進んだ。2026年2月、Dexmal は初の技術公開イベントで DM0（フィジカルAI基盤モデル）を発表し、その 2.4B パラメータ版を全面的にオープンソース化した（コード、モデル、30タスクのパラメータと推論コードを含む）。ここでいう「フィジカルAIネイティブ」とは、汎用 VLM から訓練するのではなく、モデルをゼロから訓練し、マルチモーダルなインターネット情報とフィジカルAI固有のセンサーデータを深く統合することを意味する。DM0 には三つの中核的特徴がある。多ソースデータによる事前学習、複数タスク・複数機種を横断する事前学習（事前学習段階で操作、ナビゲーション、全身制御の三種類のタスクを体系的に混合し、構成の大きく異なる 8種類のロボットハードウェアをカバーすることで、強い機種横断の汎化能力を得る）、そして空間推論の思考連鎖（環境認識、タスク理解、運動計画、精密実行を一つの循環としてつなぐ）である。RoboChallenge の実機評価では、DM0 は単一タスクと複数タスクの両方で1位となり、世界ランキング首位に立った。モデルと同時に、モジュール型フィジカルAI開発フレームワーク Dexbotic 2.0 もオープンソース化された（第四章で詳述）。

これらの企業と機関の実践は、2025-2026年の中国オープンソース VLA が、もはや「動くモデルを一つ出す」ことに満足していないことを示している。基準は、「完全に再現可能なフルスタックソリューション + 公開検証可能な実機ランキング成績 + 実際の生産ラインでの現場導入検証」へ移った。汎用基盤からフィジカルAIネイティブへ、単一モデルからフルスタックのマトリクスへと広がりながら、フィジカルAI基盤モデルは真の開放性と幅広い利用可能性へ向かっている。

1.2.2 WAM/VA：ロボットが「先に想像し、それから行動する」ために

VLA が解くのは「指示を理解し、動作へ対応づける」問題だとすれば、2025年に最も注目されたパラダイムの飛躍は、世界動作モデル（World-Action Model, WAM）、別名、動画・動作モデル（VA）から生まれた。その中核的な考え方は、事前学習済みの動画拡散モデルを骨格にして、同一フレームワーク内で**「未来の視覚画像」と「ロボット動作」を同時にモデリングする**ことにある。これにより、大量のインターネット動画に含まれる物理・時空間の事前知識を継承し、ロボットに「まず頭の中で動作後の世界を想像し、そこから今どう行動すべきかを逆算する」予測型の知能を与える。これは、VLA が意味的な事前知識しか持たず、物理ダイナミクスの事前知識を欠くという根本的な弱点を補うものである。この方向は VLA より遅れて立ち上がったものの、汎化性とデータ効率の面で顕著な優位性を持つため、フィジカルAI基盤モデルの重要なフロンティアになっている。中国のオープンソースの力は、この領域でも特に活発である。

Ant Lingbo が 2026年初めに発表した LingBot-VA は、このパラダイムを代表するオープンソース成果であり、世界初の自己回帰型「動画・動作」世界モデルと呼ばれている。同モデルは、「次フレームの世界状態（Video）」を予測すると同時に、その画面をロボットに実行させるための「動作指令（Action）」も生成する。これにより、ロボットは人間のように「推演しながら行動する」ことができ、世界モデルの予測能力を物理世界での行動能力へ変換できる。性能面では、LingBot-VA の実機タスク成功率は、業界の強いベースラインである π0.5 と比べて平均約 20% 向上した。シミュレーション評価では、RoboTwin 2.0（ロボット操作のシミュレーション評価環境）の評価で初めて成功率を 90% 以上に引き上げ、LIBERO（ロボット操作タスクの評価ベンチマーク）では平均成功率 98.5% に達し、いずれも当時の記録を更新した。現在、モデル重みと推論コードは全面的にオープンソース化されている。

Shengshu Technology（生成AI企業）× 清華大学 が共同で発表した Motus は、WAM/VA 路線におけるもう一つの代表的な中国発オープンソース成果である。Shengshu Technology は 2026年2月、この汎用基盤世界動作モデルを正式に発表し、オープンソース化した。Motus は独自の UniDiffuser 統一モデリングフレームワークに基づき、言語、動画、動作という三つのモダリティを単一フレームワーク内に統合する。一度の訓練で、VLA、動画生成、逆ダイナミクス、動画・動作の同時予測など複数の能力を同時に支援でき、コード、論文、重みはいずれも完全に公開されている。

対照例として、国際的な同種の代表には NVIDIA の DreamZero がある。これは事前学習済み動画拡散バックボーン（Wan2.1-I2V-14B）をもとに構築された 140億パラメータの WAM である。DreamZero と上記のモデルは中核的な考え方が非常に近く、WAM/VA が VLA に続く次世代の主流パラダイムになりつつあることを共に示している。注目すべきは、この先端領域で、中国のオープンソースコミュニティが LingBot-VA、Motus など複数の成果を生み出し、フレームワーク革新とエンジニアリング効率の両面で国際トップレベルの成果と競い合う重要な位置を占めている点である。

1.3 世界モデル：相互作用可能な世界のモデリング

ここで明確にしておくべきことがある。本レポートでいう「世界モデル」には、実際には二つの技術経路が含まれる。一つは前節で扱った制御ループ型の世界モデルであり、WAM/VA のように未来の視覚状態を生成すると同時に、ロボット動作を直接出力する。もう一つが、本節で焦点を当てる**相互作用可能な世界モデリング（Interactive World Modeling）**である。これは、キーボード、マウス、ゲームコントローラー、動作などのユーザー制御を条件として、探索可能で、相互作用でき、時間的な整合性を持つ仮想世界をリアルタイムに生成する技術である。従来のシミュレーターがレンダリングエンジンに依存してフレームごとに「場面を組み立てる」のに対し、これは生成型である。現在の画面と一つのインタラクション指令が与えられると、モデルはその指令によって環境がどう変化するかを直接「想像」し、エージェントが「その場にいる」ように使える動画ストリームを連続的にレンダリングする。この能力は Google Genie 3（インタラクティブな世界生成モデル）をベンチマークとして、2025年後半から2026年初めにかけて、中国のオープンソース勢による集中的な突破を迎えた。その背景にある動機は明確である。実機で複雑かつ長時間のタスクデータを収集するには非常に高いコストがかかり、不確実性も大きい。一方、十分にリアルで、相互作用可能で、汎化できる生成型の世界があれば、フィジカルAI、自動運転、ゲーム、映像制作などの分野に、ほぼ無限で再現可能なインタラクションと訓練サンプルを提供できる。

Skywork AI（昆侖万維のAIブランド）は、この方向におけるオープンソースの先行者であり、その取り組みは Google Genie 3 の発表以前から始まっていた。同社が 2025年5月にオープンソース化した Matrix-Game（ゲーム世界向けのインタラクティブ世界モデル、パラメータ規模 17B）は、「産業界初のオープンソース 10B+ 空間知能大規模モデル」と呼ばれている。これは、一枚の画像を起点とし、ゲーム世界のモデリングに向けたインタラクティブな世界基盤モデルである。ユーザーはキーボード（W/A/S/D、ジャンプ、攻撃）とマウス（視点移動）を通じて、生成された Minecraft の場面内を自由に探索できる。また、インタラクティブな世界生成に向けた GameWorld Score（世界生成モデルの評価体系）を初めて提案し、視覚品質、時系列品質、動作の制御可能性、物理ルール理解の四つの観点からモデル能力を定量化した。続いて Skywork AI は、2025年8月の「技術発表週」に Matrix-Game 2.0 と Matrix-3D を相次いでオープンソース化した。前者は、汎用的な場面でリアルタイム長系列インタラクティブ生成を実現した業界初のオープンソース世界モデルであり、都市、野外など多様な場面と視覚スタイルで、25 FPS の速度で分単位の連続インタラクティブ動画を安定生成できる。後者は一枚の画像から軌跡の一貫したパノラマ動画を生成し、さらに回遊可能な三次元空間を復元するもので、Fei-Fei Li 氏の World Labs の生成効果を比較対象としている。

Skywork AI に続き、Tencent Hunyuan（Tencent の大規模AIモデルブランド）も相互作用可能な世界モデリングの領域に継続的に取り組み、「継続的なイテレーション + 全工程のオープンソース化」というリズムでもう一つの代表例となった。2025年7月に物理シミュレーションを支援する初の 3D 世界生成モデル HunyuanWorld-1.0 をオープンソース化し、同年10月に複数視点／動画入力に対応する 世界モデル 1.1（WorldMirror） を発表した後、Tencent Hunyuan は 2025年12月にリアルタイムインタラクション向けの Hunyuan World Model 1.5（HY WorldPlay） を発表し、オープンソース化した。前世代がオフライン生成に依存していたのに対し、WorldPlay は自己回帰拡散モデル（過去フレームを参照しながら次の映像を生成する拡散モデル）を中核とする。ユーザーはテキストまたは画像を入力するだけで相互作用可能な世界を作成でき、キーボード、マウス、ゲームコントローラーを通じて仮想カメラの移動と向きをリアルタイムに操作できる。生成速度は毎秒 24フレームに達し、一人称／三人称視点、仮想世界内での特定イベントの発火（煙、爆発など）、3D空間再構成にも対応する。世界モデルがリアルタイム性と長時間の一貫性を両立しにくいという課題に対して、WorldPlay は再構成型コンテキスト記憶機構（過去フレームの情報を動的に再構成し、長期的な幾何一貫性を維持する）と、長系列自己回帰動画モデル向けの強化学習ポストトレーニングフレームワーク WorldCompass を提案した。Tencent はこれを「業界で最も体系的かつ包括的な」世界モデルフレームワークと位置づけており、データ、訓練、ストリーミング推論デプロイまでの全工程をカバーしている。ベンチマークテストでは、視覚品質と長期幾何一貫性の指標で比較対象のすべてのモデルを上回り、カメラ制御の回転精度のみ一部モデルにわずかに及ばなかった。現在、HY WorldPlay は GitHub と Hugging Face でオープンソース化されている。

2026年に入ると、Ant Lingbo がオープンソース化した LingBot-World（相互作用可能な世界モデル）は、この路線で最も注目される成果の一つとなった。2026年1月に発表され、複数のメディアから、Google Genie 3 と比較できる業界初のオープンソース世界モデルと呼ばれた。中核となる LingBot-World-Base は動画生成技術を土台とし、Scalable Data Engine によって駆動される。大規模ゲーム環境から物理法則と因果関係を学習することで、生成された仮想世界とのリアルタイムな相互作用を実現する。いくつかの重要指標で、LingBot-World は業界をリードする水準を示している。長時間の時系列一貫性では、多段階訓練と並列化加速戦略によって、約 10分間の連続した安定・無劣化生成を実現した。カメラが 60秒間離れて戻ってきた場合でも、仮想世界内の中心的な物体は構造と外観の一貫性を保つ。リアルタイムインタラクションでは、約 16 FPS の生成スループットと、1秒以内のエンドツーエンドインタラクション遅延を実現し、ユーザーはキーボードとマウスでキャラクターと視点をリアルタイムに操作できる。さらに、テキスト指令で天候やスタイルなどの環境変化を発火させることもできる。現在、モデル重み、推論コード、技術レポートはいずれも全面的にオープンソース化されている。特筆すべきは、LingBot-World のオープンソース化が、Google Project Genie（Genie 3 の体験プラットフォーム）の外部公開とほぼ同時期に起きたことである。Google がサブスクリプションユーザー向けに体験入口だけを提供したのに対し、LingBot-World は重みとコードを完全にオープンソース化した。これにより、開発者は初めて、比較的低いハードルで産業レベルの相互作用可能な世界モデルを利用できるようになった。

Skywork AI の Matrix シリーズ、Tencent Hunyuan の WorldPlay、LingBot-World までを見ると、相互作用可能な世界モデリングは、中国のオープンソース勢が集中的に投資する先端領域になっていることが分かる。複数のチームが、「長時間一貫性（空間記憶）」と「リアルタイムインタラクション（低遅延・高フレームレート）」を中核的な攻略点としている。

第二章｜オープンソースのフィジカルAIモデル評価：「見た目のリアルさ」という錯覚を超える

モデル能力の向上に伴い、従来の評価体系では、複雑な環境におけるフィジカルAIの実力を十分に反映しにくくなっている。2025年、中国の学術界と産業界は連携し、動作モデルの評価に向けて、シミュレーションと実機の二つの軸をカバーする評価ベンチマークを構築した。

2.1 シミュレーション評価：基礎スキルから複雑な相互作用へ

シミュレーション評価は、モデル能力を検証する「第一関門」である。高コストで大規模化しにくい実機テストに比べ、シミュレーション環境は、低コストで再現可能かつ制御変数をそろえた大規模評価を提供できる。これは、方策のイテレーションを進めるうえで重要な基盤である。国際的に広く使われる LIBERO（ロボット操作タスクの評価ベンチマーク）、CALVIN（長時間の言語条件付き操作ベンチマーク）、SimplerEnv（real-to-sim 評価環境）などに加え、中国のオープンソースコミュニティでは 2025年、「基礎スキル評価から複雑な相互作用と高次認知評価へ」という明確な傾向が見られた。国際コミュニティでも広く採用されるシミュレーション評価ベンチマークが相次いで構築されたのである。

双腕協調操作に向けた RoboTwin 2.0 は、その中でも最も代表的で、影響力の大きい成果の一つである。同プロジェクトは、上海交通大学、香港大学、上海人工知能実験室などの機関が共同で発表した。初期版は ECCV 2024 Workshop の Best Paper を受賞し、1.0版は CVPR 2025 で Highlight に選ばれた。一般的な「静的なタスクセット」と異なり、RoboTwin 2.0 は本質的に、「拡張可能なデータ生成器 + 統一評価ベンチマーク」を一体化したフレームワークである。147種類、731個の意味情報と操作アノテーション付き物体を含む RoboTwin-OD 物体ライブラリを構築し、マルチモーダル大規模モデル（MLLM）と「simulation-in-the-loop」、すなわちシミュレーション内で結果を確認しながら改善するフィードバックを用いて、タスクコードを自動合成する。これにより、50の双腕タスクと5種類のロボット本体をカバーしている。現在、RoboTwin はデータ生成器、ベンチマーク、データセット、コードを完全にオープンソース化しており、CVPR 2025 双腕協調チャレンジの公式プラットフォームとして、中国国内の双腕操作研究における重要な公共基盤となっている。

VLA と高次推論に向けた評価では、復旦大学が発表した VLABench が重要な空白を埋めた。VLABench は、VLA を対象に、言語指示に基づく長時間推論タスクを含めた初のロボット操作評価ベンチマークである。方策の動作実行精度だけでなく、視覚、言語、計画、常識など複数の観点から、VLM がフィジカルAIの現場でどの程度マルチモーダル推論とゼロショットタスク計画を行えるかを評価する。これにより、評価は「動作を正しく行えるか」から「タスクの論理を理解しているか」へ進み始めている。

同時に、シミュレーション評価は「各チームが独自にタスクセットを作る」段階から、「プラットフォーム化・サービス化」へ移行しつつある。上海人工知能実験室は、同研究所の「書生」フィジカルAIフルスタックエンジン Intern-Robotics を基盤として、2025年9月の「フィジカルAIオープンソースウィーク」期間に、高忠実度環境におけるマルチモーダルナビゲーションと操作の評価基盤を発表した。コミュニティに向けて、オープンソースの評価ツール、ベースライン手法、データセット、評価サービスを提供するものである。ナビゲーション評価は、物理的にリアルな環境での視覚言語ナビゲーションに焦点を当て、操作評価は「長時間の推論を伴う指示追従」タスクに注力する。これを基盤とする IROS 2025 チャレンジは世界に向けて公開され、評価サービスもコミュニティへ継続的に提供されている。2026年に入ると、同実験室はさらに体系的なフィジカル操作シミュレーション評価基盤 EBench を発表した。EBench は 26種類のタスクを含み、利用シーン、原子的スキル、時間長、精度、移動能力の五つの軸でラベル付けし、794件のテストタスクを構築して、細粒度の能力診断と汎化評価を支援する。全体として、双腕協調、長時間の組み合わせ汎化、高次の言語推論まで、中国国内のオープンソースシミュレーション評価は、モデルの事前学習と能力診断に対して、より低コストで、より現実に近い検証環境を提供しつつある。

2.2 実機評価：物理世界に正面から向き合う「共通試験」

どれほどシミュレーション評価がリアルになっても、実機評価はモデル能力を検証する最終的な試金石であり続ける。長い間、実機テストには、再現が難しい、統一標準がない、コストが高いという中核的な課題があった。そのため、各社の「デモ中心の語り」は横並びで比較できず、検証可能な形で再現することも難しかった。チューリング賞受賞者の Andrew Yao（姚期智）が呼びかけたように、**フィジカルAI業界には「各社が別々に語る状態から、統一評価へ進むこと」**が急務である。2025年から2026年にかけて登場した二つのオープンソース実機評価プラットフォームは、この業界課題を体系的に解き始めている。

RoboChallenge は、Dexmal と Hugging Face が共同で立ち上げた、世界初の大規模フィジカルAI実機評価プラットフォームである。オープンで、公正で、大規模に再現可能な「実世界の試験場」を構築することを目指している。2025年10月15日の公開以来、同プラットフォームは UR5、Franka Panda、ARX5、ALOHA という四つの主流機種を含む 20台の実機クラスタを配備し、安定して多様な遠隔物理テストネットワークを構築した。また、9大カテゴリ、計30の標準化された卓上タスクをカバーする Table30 データセットをオープンソース化している。注目すべきは、その「オープン共同体」モデルである。2025年11月、Dexmal は複数の組織と共同で RoboChallenge 組織委員会を設立し、評価を「分散した実験」から「合意形成と共同構築」へ進めた。これは、実機評価が標準化の新しい段階に入ったことを示している。2026年1月30日に発表された初の年次報告書（全文はこちら）は、過去数か月（2025 Q4〜2026 Q1）にわたる数万回の厳格な遠隔実機テストに基づき、現在の VLA モデルの能力境界を客観的に明らかにした。その中心的な発見は示唆的である。基礎タスク（「碗を重ねる」「物体を箱に入れる」など）は成熟に近づいており、フィジカルAIにおける「Hello World」のような位置づけになりつつある。一方で、多段階の逐次意思決定、長期計画、精密な器用操作を含む複雑なタスク（「紙コップを整理する」「サンドイッチを作る」など）の成功率は長期的に低く、一部はほぼゼロに近い。Table30 の首位モデルであっても、全体の成功率は約50%にとどまり、精密操作タスクの成功率は 15% 未満である。こうして公開・蓄積された実機の「誤答集」は、業界全体のモデル改善にとって不可欠な「公正なものさし」と失敗サンプルを提供している。

GM-100 は、上海交通大学の李永露チームが 2026年初めに発表した実機評価セットである。名称は「Great March（長征）」に由来し、長期的な投入が必要な地道な作業であることを示している。この評価セットは 100個のタスクからなり、各タスクには約100本の訓練軌跡と30本のテスト軌跡が含まれ、合計で約13000本の実操作軌跡を持つ。設計理念は「データ中心のフィジカルAI」である。チームの統計によれば、既存データセットのタスクは「pick（つかむ）」「hold（保持する）」「place（置く）」という三つのカテゴリを中心としていた。そこで GM-100 は逆に、糖葫蘆（中国の串刺し菓子）を串に刺す、引き出しを開ける、卓上ライトのスイッチを押す、小物を整理するなど、ロングテールで精密な操作タスクに意図的に焦点を当てた。これらのタスクは、「人と物の相互作用プリミティブ分析、大規模モデルによる候補生成、専門家による選別と最適化」という流れで構築されており、多くの「直感に反する」現象を示す。人間には難しく感じられるタスクをロボットが完了できる一方で、人間の直感では簡単な操作が、ロボットアームの構成、物体の材質、置き方、指示理解などの要因によって頻繁に失敗するのである。評価指標では、GM-100 は従来のタスク成功率（SR）にとどまらず、部分成功率（PSR）と動作予測誤差も導入した。前者は多段階タスクの細部の完了状況を定量化し、後者は新しい軌跡におけるモデルの模倣精度を測る。これにより、モデルが「近道」をしたり、ランキング対策だけをしたりする傾向を抑え、研究者の関心を真の汎化能力と模倣能力へ向けることを狙っている。チームは Diffusion Policy、π0、π0.5、GR00T などの主流モデルで、その識別力を検証済みである。さらに重要なのは、その「コミュニティ共同構築」の考え方である。GM-100 チームは権威的な審判になるのではなく、「場を用意する側」として位置づけている。100タスクすべての詳細説明、Taobao（淘宝、中国のECプラットフォーム）のリンクまで含む物品リスト、各タスク約130本の実操作データを公開し、検証済みのオープンソースモデルには「検証済み」ラベルを付与する。この、大規模モデル分野の LMArena に似た「権威依存を下げ、仕組みで駆動する」パラダイムは、再現のハードルを大きく下げている。チームによれば、GM-100 は今後、タスクライブラリを 300項目、さらには 1000項目へ段階的に拡張し、ロボットプラットフォームを横断した評価も進める予定である。

第三章｜オープンソースデータセット：フィジカルAIのデータピラミッドを築く

3.1 空間認識向けデータセット

空間知能分野の発展に合わせて、中国国内のオープンソースコミュニティは、深度情報、点群データ（3D空間上の点の集合）、3D意味アノテーションを備えた知覚データセットを数多く公開し、ロボットが複雑な三次元環境を理解するための豊かな基盤を提供している。その代表例が、Ant Lingbo が 2026年3月にオープンソース化した LingBot-Depth-Dataset である。これは現在のオープンソースコミュニティで最大規模の実環境 RGB-D データセット（RGB画像と深度情報を組み合わせたデータセット）であり、300万対の高品質サンプル（200万対は実環境で収集、100万対はレンダリング生成）を含み、総規模は 2.71TB に達し、6種類の主流深度カメラをカバーしている。各サンプルは RGB 画像、センサーの生深度画像、真値深度画像を同時に提供しており、深度推定と深度補完タスクの訓練・評価に直接利用できる。これにより、実環境における空間認識データの空白を埋めている。

純粋な視覚深度に加え、視触覚融合も現在の空間認識データにおける大きな注目点である。它石智航（中国のロボティクス企業）がシンガポール国立大学など六つの機関と共同で発表した OmniViTac は、初の大規模な機体横断の視覚・触覚・動作アライメントデータセットであり、接触を多く含むタスクで優れた性能を示している。国家地方共建ヒューマノイドロボットイノベーションセンター（国家・地方が共同で設立したヒューマノイドロボット研究拠点）と緯鈦ロボットが共同でオープンソース化した 白虎-VTouch は、世界最大規模の機体横断視触覚マルチモーダルデータセットであり、ロボットが物理世界を「触って確かめる」ための重要な支えとなっている。

3.2 フィジカルAI動作モデル向けのデータピラミッド

動作モデルの領域では、業界内で明確な「データピラミッド」構造が形成されつつあり、各階層で代表的なオープンソース成果が生まれている。

階層	データ種別	規模	代表的なオープンソースプロジェクトとツール
第一層	高精度の実機遠隔操作データ	十万時間級	RoboMIND：国家地方共建フィジカルAIロボットイノベーションセンターなどが公開。V1.0 は 10.7万本の実機軌跡を含み、4種類のロボット本体、479タスク、38種類のスキルをカバーする。V2.0 は 31万+ 軌跡へ拡張し、ロボット本体は 6種類、タスクは 739項目へ増え、触覚データ付きの 1.2万本の軌跡を追加し、世界でのダウンロード数は 600万を突破した。 AgiBot World：智元ロボットなどが公開。4000㎡ のデータ収集工場を基盤に収集され、100万本超の実機軌跡を含み、100+ ロボット、5大現場、1000+ タスクをカバーする。世界最大級のオープンソース実機データセットの一つである。 Galaxea Open-World Dataset：星海図が公開。R1 Lite の同構成実機で収集され、500時間の実世界移動操作データを含み、家庭、キッチン、小売など複数の実環境をカバーする。 RoboCOIN：北京智源人工知能研究院（BAAI）などが公開。15種類の異種ロボットプラットフォームをカバーし、18万+ のデモ軌跡、421タスク、16種類の利用シーンを含む。現時点でロボット本体の種類が最も多く、アノテーションが最も細かい双腕実機データセットである。 LET：楽聚ロボットが公開。夸父シリーズのフルサイズヒューマノイドロボットで収集され、第一弾として 6万分超の実機データをオープンソース化した。31タスクと117種類の原子的スキルをカバーし、中国国内で規模の大きいヒューマノイド実機データセットである。 睿源実機データセット：睿爾曼智能が公開。北京ヒューマノイドロボットデータ訓練センターの十の実環境で収集され、モダリティの公開範囲は 100% に達する。世界初の高品質で、モダリティ数が最も多い実機データセットと位置づけられている。
第二層	低精度の受動収集による人間データ	百万時間級	UMI ハンドヘルドグリッパー、ウェアラブル外骨格、一人称視点（ego-centric）収集デバイスに代表される。実機遠隔操作に依存せず、低コストかつ大規模に人間の操作軌跡を収集できる。 HORA：枢途科技が公開。実環境の人間動画から抽出した業界初のフィジカルAIマルチモーダルデータセットであり、15万+ の高品質軌跡を含む。人間のデモ動画からロボットへのエンドツーエンドのデータ接続を初めて実現した。 EgoLive：京東が公開。専用ヘッドマウントデバイスで収集され、1680時間のステレオ動画（60FPS/2160P）、6.5万+ の操作セグメントを含み、346項目の実タスクをカバーする。現在最大規模のオープンソース一人称視点インタラクションデータセットである。 TASTE-Rob：香港中文大学（深圳）が公開。言語指示と正確に対応づけられた 100,856本の一人称視点の人手・物体インタラクション動画を含む。汎化可能なロボット操作に向けた初の大規模 HOI（Human-Object Interaction、人と物体の相互作用）データセットである（CVPR 2025）。
第三層	インターネットデータ	千万時間級	大規模動画サイトとオープンソース動画データセットを基盤に、人間の動作と相互作用の事前知識を抽出し、世界モデルや VLA モデルの事前学習に用いる。膨大でほぼゼロコストである一方、正確な動作ラベルを欠く。
第四層	シミュレーションデータ	ロングテール	Genie Sim 3.0 などの高忠実度シミュレーションプラットフォームを基盤に合成データを生成し、ロングテールな利用シーンや危険なタスクをカバーする。 InternData-A1：上海人工知能実験室が公開。63万+ のシミュレーション軌跡、総時間 7400時間超を含み、複数のロボット形態と相互作用を伴う複雑な環境をカバーし、複数の中核モデルで直接採用されている。 ArtVIP：北京ヒューマノイドロボットイノベーションセンターが公開。26カテゴリ、計206種類の高精度な可動関節物体のデジタルアセットを提供し、仮想デバッグコストを最大 80% 削減する。 AgiBot Digital World Dataset：智元ロボットが公開。自社開発の大規模シミュレーションフレームワークに基づいて自動生成され、住宅、スーパーマーケット、オフィス、飲食、工業の 5大利用シーンと、180+ 品目、9種類の材質、12種類の中核スキルをカバーする。 DexGraspNet：北京大学の王鶴研究室が公開。器用なロボットハンドの把持シミュレーションデータセットであり、1.0版は 133カテゴリ、5355物体、132万件の把持を含み、3.0版ではさらに 1700万件の検証済み把持姿勢、17.4万+ 物体へ拡張された。

第四章｜オープンソースソフトウェアスタック：訓練からデプロイまでの全工程インフラ

2025年、オープンソースフィジカルAIの競争はモデルそのものにとどまらず、上流から下流までの完全なソフトウェアスタックへ全面的に広がった。「一つのモデルがどのようにデータから生まれ、システム上で動作し、最終的にロボット端側へデプロイされるのか」という主線を軸に、中国のオープンソースコミュニティは、モデル訓練ツールチェーン、ロボット操作システムと運動制御、シミュレーションプラットフォーム、エッジデプロイまで、階層の明確なソフトウェア基盤を構築し、世界的な影響力を持つプロジェクトを生み出している。

4.1 モデル訓練ツールチェーン：データ生成からモデルイテレーションへ

フィジカルAIモデルの訓練は一つの完全なパイプラインであり、「データ収集と遠隔操作 → モデル開発と微調整 → 訓練とポストトレーニング」という三つの工程を順にたどる。中国のオープンソースコミュニティでは、各工程に代表的なツールがすでに登場している。

パイプラインの最前段である データ収集と遠隔操作 の工程では、遠隔操作システムが高品質な実機データの中核的な入口となる。銀河通用（Galaxea AI） が 清華大学 の弋力チームと共同でオープンソース化した OpenWBT（Open Whole-Body Teleoperation、全身遠隔操作フレームワーク） は、その代表例である。R2S2 技術を基盤とし、Apple Vision Pro とコントローラーを通じて Unitree Robotics（宇樹科技）の G1、H1 などのヒューマノイドロボットを全身遠隔操作できる。これにより、仮想シミュレーションから実機までのデータ収集の循環をつなぎ、原子的スキルの再利用能力も統合し、Apache 2.0 ライセンスで全面的にオープンソース化した。この種のツールは、第三章の「データピラミッド」の頂点にある実機データ生成と直接対応し、ツールチェーン全体を動かす源流となっている。

VLA モデル開発と微調整 の工程に入ると、開発フレームワークは研究者がモデルを再現し、比較し、イテレーションする効率を左右する。Dexmal（原力霊機） がオープンソース化した Dexbotic は、PyTorch ベースの一体型 VLA 開発ツールボックスである。統一データ形式 Dexdata、自社開発の基盤モデル DexboticVLM、内蔵された π0、CogACT、OFT などの事前学習済みモデル群を通じて、「事前学習—微調整—推論—評価」の全工程をカバーする。「実験を中心に置く」開発パラダイムにより、研究者は主流方策をすばやく再現・比較できる。五つの主要シミュレーションプラットフォームでのテストでは、Dexbotic は従来の VLA 方策の性能を最大 46.2% 向上させ、実機で皿を重ねるタスクでは 100% の成功率を達成した。

上記のツールが「VLA モデルをどう効率よく開発するか」を解くものだとすれば、香港科技大学（HKUST） チームがオープンソースコミュニティと共同で公開した starVLA は、より基盤的な問題に取り組む。すなわち、多数の VLA 手法を、公平で透明かつ再現可能な条件のもとで統一的に評価できるようにすることである。現在の VLA 領域が抱える「アーキテクチャの分断、パイプラインの強い結合、評価標準の不一致」という「バベルの塔」的な状況に対し、starVLA は Backbone–Action Head の「レゴ式」モジュール化統一アーキテクチャを提案した。訓練基盤、差し替え可能な基盤モデルの骨格、動作エキスパートを分離し、自由に組み合わせられる「ブロック」として扱うことで、研究者は「動作ヘッドを替える」「主幹を替える」といった操作を一行の設定変更で実行できる。さらに理論的な価値として、著者は「広義 VLA（Generalized VLA）」という視点を提示し、この領域の体系的研究に統一的な座標系を与えた。「抑制的で、車輪を再発明しない」エンジニアリング哲学により、starVLA はフィジカルAIにおける「PyTorch モーメント」とも呼ばれ、GitHub で 2.9k Star 超を獲得し、中国国内の同種オープンソースプロジェクトの中でも注目度の高い代表例となっている。

なお、これらの中国発オープンソースツールチェーンは、孤立して成長しているわけではなく、グローバルなオープンソースエコシステムに深く組み込まれている。その中で最も重要な「公共基盤」は、Hugging Face が主導する LeRobot である。現在、世界で最も注目されるオープンソースフィジカルAIプロジェクトであり、事実上の「グローバルなフィジカルAI開発の共通基盤」として、PyTorch を基盤に「モデル + データセット + ツール」の三位一体でフィジカルAIへの参入障壁を大きく下げている。低コストのオープンソースロボットアーム（SO-100 / SO-101 など）と Hugging Face Hub コミュニティを軸に強いエコシステムを形成し、2026年初めに公開された v0.5.0 ではヒューマノイドロボットの全身制御まで拡張された。中国のオープンソースコミュニティにとって、LeRobot のより重要な意味は、世界共通の「参照系」と協働プラットフォームを提供する点にある。一方では、中国国内のオープンソース成果が LeRobot 標準へ接続することで、より広い国際的な可視性を得られる。もう一方では、中国勢もこの国際エコシステムへコードとモデルを継続的に還元している。例えば、Unitree Robotics は自社ロボット本体に適応した unitree_lerobot 訓練プロジェクトを公開し、G1 などの中国発ヒューマノイドロボットが LeRobot 公式で完全にサポートされるようになった。清華大学 AIR の X-VLA など中国発モデルも公式に収録・統合されており、同済子豪兄が作成した LeRobot 中国語チュートリアルも Hugging Face 公式に収録された（第六章で詳述）。中国のオープンソースの力は、「参加、適応、還元」という形で、グローバルなフィジカルAI開発の中核エコシステムに入り込んでいると言える。

パイプライン末端の 訓練とポストトレーニングエンジン の工程では、強化学習がデータとモデルアーキテクチャに続く第三のスケーリング経路になりつつある。注目すべきは、現在、汎用強化学習訓練フレームワークは多数登場しているものの（verl、AReaL、slime、TRL など）、そのほとんどが純粋な「脳」としての推論大規模モデルを対象にしている点である。フィジカルAI訓練に固有の「レンダリング—訓練—推論の一体化」という特性、すなわちモデルが GPU 加速の物理シミュレーターと頻繁に相互作用し、計算資源とGPUメモリが激しく競合するという特性のため、こうした汎用フレームワークでは十分に対応しにくい。この背景のもと、清華大学、北京中関村学院、無問芯穹（Infinigence AI）など複数機関が共同でオープンソース化した RLinf が登場し、「フィジカルAI向けの大規模 RL 訓練システム」という空白を埋めた。技術面では、独自の M2Flow（マクロからミクロへのフロー）機構により、同じコードベースで共有、分離、混合の三種類の実行モードをサポートし、主流フレームワークと比べて 120% 以上の訓練高速化を実現した。また、フィジカルAIの「大脳」と「小脳」の双方に適応し、OpenVLA、OpenVLA-OFT、π0、LingBot-VLA などの主流モデルにも対応する。

RLinf のより深い意味は、そのオープンソース上の影響力とエコシステム価値にある。「産・学・研」が深く連携した成果として、完全にオープンソース化されたコード、モデル重み、体系的な文書によってフィジカルAI向け RL の研究ハードルを下げ、学術界が「フィジカルAI RL Scaling Law」を探索するための統一的な実験基盤を提供している。同時に、計算資源に制約のある初心者ユーザーに向けても、すぐに使える軽量な導入経路を用意している。この位置づけにより、RLinf は GitHub で約 4000 Star を獲得し、国内外のフィジカルAI強化学習領域で最も注目されるオープンソース基盤の一つに急速に成長した。

4.2 ロボット操作システム、ミドルウェア、運動制御

訓練ツールチェーンが「モデルがどれだけ強いか」を左右するとすれば、操作システムとミドルウェアは、モデルが「実ロボット上で安定して動くか」を左右する。国際的に主流の ROS 2 に加え、中国のオープンソースコミュニティは、自主的に制御できる低層ソフトウェアエコシステムの構築を加速している。

2026年3月、智元ロボット（AgiBot） は自社開発のロボット操作システム 霊渠OS（Lingqu OS、Alpha版） を正式にオープンソース化した。このシステムは、量産での実践に基づくフルサイズの遠征 A2 ロボット本体を土台にしており、中心的な特徴は統一通信ミドルウェアフレームワーク AimRT にある。AimRT は Protobuf と ROS2 Message 形式をサポートするだけでなく、ネイティブな ROS 2 エコシステムにも対応し、二足歩行運動制御のシミュレーション、訓練、デプロイを一体化したツールチェーンを提供する。

同時に、OpenAtom Foundation がホストする OpenLoong も継続的に進化している。ソフトウェア側のオープンソース内容は、フィジカルAI操作システムと全身動力学制御フレームワークを含む。後者は階層化された分離アーキテクチャを採用し、ハードウェアプラットフォーム横断のデプロイとミドルウェア横断のスケジューリングに対応し、ヒューマノイドロボットの器用な作業と頑健な歩行に基礎ソフトウェアサービスを提供する。さらに、M-Robots OS（OpenHarmony ベースのロボット操作システム）も、異種ハードウェアの互換性問題を解決し、システムのリアルタイム性と安全性を高めることに取り組んでいる。中国科学院ソフトウェア研究所（ISCAS） が発起した AGIROS 知能ロボット操作システムは、中国国内初の自主制御可能な知能ロボット操作システムのオープンソースコミュニティであり、「共同構築、共有、共同ガバナンス」の方式で 60社以上の主要企業、大学、研究機関と連携している。すでに四つのバージョンを公開し、1500+ の基礎パッケージを含み、複数の CPU アーキテクチャと全カテゴリのロボットをサポートし、ROS 2 と完全なインターフェース互換性を持つ。「カーネル—ミドルウェア—AI」を一体化したフルスタックソリューションを形成し、中国製ロボットシステムのエコシステム拡大を促している。

上位アプリケーションと低層ハードウェアをつなぐ ロボットミドルウェア の層では、データフロー指向（dataflow-oriented）の Dora-RS（Dataflow-Oriented Robotic Architecture） が、ここ2年で広く注目される低遅延ロボットミドルウェアになっている。従来のトピック購読を中心とするアーキテクチャとは異なり、Dora-RS は複雑なロボットアプリケーションを、有向グラフでモデル化されたノード（Node）とデータフローとして抽象化する。低層は Rust 言語で実装され、ゼロコピー（zero-copy）メッセージ伝送を重視し、Rust と Python など複数言語、複数プラットフォーム、分散デプロイをサポートする。これにより、言語やプロセスをまたぐ通信の性能オーバーヘッドを大きく下げる。Dora-RS は AI ベースのロボットアプリケーション開発を大幅に簡素化し、システムのリアルタイム性と拡張性を高めている。すでにフィジカルAIのエンジニアリング実用化における重要な基礎コンポーネントとなり、OpenLoong などの中国国内コミュニティや青龍ロボット（AzureLoong / Qinglong Robot）ハードウェアプラットフォームで適応・応用展示が行われている。

運動制御、とりわけ全身制御（WBC）は、「アルゴリズムの意思決定」と「ハードウェア実行」をつなぐ重要な層であり、相対的に独立したオープンソース領域を形成している。OpenLoong の「青龍運動制御フレームワーク」、北京ヒューマノイドロボットイノベーションセンター の「具身天工」運動制御フレームワーク、そして Unitree Robotics（宇樹科技） がオープンソース化した unitree_rl_gym 強化学習運動制御環境（Go2、H1、H1_2、G1 などのロボット本体を Isaac Gym / MuJoCo で訓練し、実機へデプロイできる）が、開発者が直接再利用できる低層運動制御基盤を構成している。高ダイナミクスで頑健性の高いヒューマノイド全身運動制御に向けて、清華大学交叉情報研究院が 2026年1月にオープンソース化した Project Instinct は、極限運動制御領域におけるオープンソースコミュニティの空白を埋めた。同プロジェクトは、アルゴリズム、環境、データ設計、デプロイを貫く「本能レベル（instinct-level）」のヒューマノイドロボット全身制御フレームワークであり、不整地でのパルクール、野外歩行など多様で高難度なスキルをヒューマノイドロボットで初めて実現した。剛体物理シミュレーション、高次元知覚処理、エンドツーエンド強化学習デプロイまでの完全な流れをつなぎ、すべてのコードと中核ツールキット（InstinctLab など）をコミュニティに向けて公開している。

4.3 シミュレーションプラットフォーム：大規模モデルが駆動するデジタルツイン

シミュレーションプラットフォームは、フィジカルAIのデータ不足と試行錯誤コストの高さを解く鍵である。訓練ツールチェーンにとっての「データ工場」であると同時に、モデルをデプロイする前の「演習場」でもある。2026年初め、智元ロボット（AgiBot） は、大規模言語モデルが駆動する初のオープンソースシミュレーションプラットフォーム Genie Sim 3.0 を発表した。NVIDIA Isaac Sim を低層基盤とし、3D再構成と視覚生成技術を統合することで、デジタルツイン級の高忠実度環境を構築できる。その最大の突破は、LLM 駆動の仕組みを導入した点にある。開発者は自然言語指示を入力するだけで、数分以内に万単位規模のシミュレーション環境を生成できる。智元ロボットは徹底したオープンソース戦略を採り、プラットフォームコード、シミュレーションアセット、評価ツール、データリソースをすべて外部に公開した。これは、シミュレーションを閉じた形で作り込まないという強い姿勢を示している。

4.4 開発者プラットフォームとエッジコンピューティング

ソフトウェアスタックの終点は「デプロイ」、すなわちモデルをロボット端側で効率よく動作させることである。地瓜机器人（D-Robotics） は、RDK（Robot Developer Kit）シリーズの開発キットと一体型開発者プラットフォームを通じて、低層ハードウェアと上位アルゴリズムを接続した。同社が発表した RDK X5 は、10 TOPS の端側推論計算能力と 8コア ARM A55 の処理能力を備え、ロボット開発者向けに設計されている。より重要なのは、RDK X5 が Volcengine（火山引擎）のエッジAI大規模モデルゲートウェイとの統合を代表例として、「クラウド—エッジ—端側」の経路をつなぎ、開発者が標準 ROS インターフェースからクラウド上の大規模モデルを直接呼び出せるようにした点である。この「ハードウェア + アルゴリズム + コミュニティ」のモデルは、中小規模のメイカーや個人開発者の参入障壁を大きく下げ、多様な知能ロボットアプリケーションの迅速な統合を加速している。

第五章｜オープンソースハードウェア本体：ソフトウェアとハードウェアの協調によるエコシステムの広がり

ハードウェア本体のオープンソース化と標準化は、フィジカルAIが大規模な応用へ進むための物理的な基盤である。2025年、中国国内のロボット本体メーカーは商業化で突破を遂げる一方、オープンソースエコシステムにも積極的に参加し、前章のオープンソースソフトウェアスタックと連動して、ソフトウェアとハードウェアが協調する完全な循環を形成しつつある。

フルサイズヒューマノイドの共通リファレンス機の方向では、OpenAtom Foundation がインキュベートする OpenLoong（青龍、ヒューマノイドロボットのオープンソースコミュニティ） が、「青龍」フルサイズ汎用ヒューマノイド共通リファレンス機のハードウェア設計図、主要部品、ドライバー構成を全面的にオープンソース化した。これは、フルサイズヒューマノイドロボットの研究開発ハードルを下げ、産業チェーンのエコシステムを構築することを目指すものである。国家地方共建フィジカルAIロボットイノベーションセンターも「天工オープンソース計画」を継続的に進めている。2026年に発表した 具身天工 3.0 では、具身天工ロボット本体、運動制御フレームワーク、世界モデル、大規模モデルと訓練ツールチェーン、データセットなどの重要成果を一体的にオープンソース化・公開した。

コミュニティ駆動の完全オープンソース原型機の面では、上海萝博派对科技（RoboParty）がオープンソース化した roboto_origin が、もう一つの「徹底した開放」路線を代表している。これは開発者と愛好者に向けた、完全オープンソースの「手作り可能」な二足歩行ヒューマノイドロボット原型機であり、構造設計、電気設計、訓練フロー、デプロイコードを完全に公開している。汎用サプライチェーンを通じて組み立てることができる。プロジェクトは GitHub ですでに 1300+ Star を獲得し、1500人超の開発者を集めており、ヒューマノイドロボットハードウェアの研究開発ハードルを大きく下げ、オープンソースハードウェアエコシステムの普及を促している。

商用メーカーによるオープンソースへの還元の面では、Unitree Robotics（宇树科技）が 2025年にヒューマノイドロボット出荷台数 5500台超という商業上の突破を実現すると同時に、ロボット本体 SDK と運動制御環境を継続的にコミュニティへオープンソース化している。DeepRobotics（云深处科技）など四足歩行ロボットの主要企業も、開放された運動制御インターフェースを提供し、開発者の二次開発を支援している。ハードウェア本体が段階的に開かれることで、前章で述べた訓練ツールチェーン、操作システム、運動制御アルゴリズムは、統一された物理プラットフォーム上で検証とイテレーションを行えるようになり、「ソフトウェア定義ロボット」の協調効果が実際に生まれている。

第六章｜オープンソースフィジカルAIの教材と人材育成：「理論からエンジニアリング」までをつなぐ

フィジカルAIは、「システム思考」とエンジニアリング実用化を極めて重視する領域である。現在、人材供給と産業側の需要の間には大きなミスマッチが存在する。多くの教材はアルゴリズム原理や単一ツールに偏っており、「知覚—意思決定—制御—ハードウェア—デバッグ」の全工程を貫く体系的な実践プロジェクトが不足している。その結果、育成される人材は「理論に強い人」にとどまり、複雑なエンジニアリング課題を解ける「システムエンジニア」になりにくい。

この空白を埋めるため、中国国内の大学、企業、オープンソースコミュニティは緊密に連携し、高品質な教育プロジェクトを相次いで公開している。ModelScope（魔搭社区）などが発表した《2025 EAI 十大教学项目》ランキングによれば、現在のオープンソース教材体系には、次の三つの特徴が見られる。

1. 体系化とフルスタック化：

   • 香港大学（HKU）の Embodied-AI-Guide は 12K+ GitHub Stars を獲得し、世界で最も影響力のある体系的学習ガイドの一つとなっている。

   • 上海交通大学 ScaleLab が編纂した 研究方向入門ガイド は、新しく入る人に向けて研究体系と発展の流れを明確に整理している。

   • 北京ヒューマノイドロボットイノベーションセンターは、慧思開物 + XR-1 オープンソースプロジェクトと密接に連携し、基礎開発から実機デプロイまでの全工程をカバーする教材体系を構築した。

2. ソフトウェアとハードウェアの協調、プラットフォーム型実習：

   • Alibaba DAMO Academy（阿里巴巴達摩院）の 楽雲具身・SparkEdu は、端末とクラウドの協調アーキテクチャを基盤とし、オープンソースの 3D プリント教示アームを組み合わせることで、計算資源とハードウェアのハードルを大きく下げている。

   • 古月居の OriginBot 知能ロボットキットは ROS エコシステムを基盤に構築され、大学教育と企業のプロトタイプ開発における有力な選択肢となっている。

   • 杭州智谷未来は ROS を中核に据え、シミュレーションデバッグと実機デプロイをカバーするエンジニアリング実践型の教育体系を構築している。

3. 先端アルゴリズムのエンジニアリング実用化：

   • Unitree Robotics（宇树科技）は主流ロボットプラットフォームを基盤に、世界で広く使われる Unitree RL Training 強化学習実習教材を構築した。

   • 杭州云深处科技（DeepRobotics）の 四足運動制御とフィジカルAI開発チュートリアル は、低層ロジックを深く解説し、コード一式をオープンソース化しており、全ネットワークでの再生数は 100万を突破している。清華大学 AIR が開催した フィジカルAI強化キャンプ は、「理論 + シミュレーション + 実機」の没入型教育を採用している。

   • 同済子豪兄の ロボットとフィジカルAIの普及解説チュートリアルシリーズ は、一般の学習ハードルを大きく下げた。LeRobot チュートリアルは Hugging Face 公式にも収録されている。

これらの教育プロジェクトは、講座、チュートリアル、ハードウェアプラットフォームなどの形を通じて、学習者が抽象的なアルゴリズム理解からフルスタックシステム構築へ進むことを支援し、「教育—人材—産業」の良い循環を形成している。

第七章｜課題と展望

2025年を振り返ると、中国のオープンソースフィジカルAIは、モデル、データ、評価、インフラなどの面で注目すべき成果を上げた。しかし、今後に向けて、業界はなお多くの課題に直面している。

1. 汎化能力のボトルネック：モデルは特定タスクで優れた性能を示しているものの、未見の環境、材質、照明条件に直面した場合の頑健性にはなお改善の余地がある。「すぐに使える」汎用操作能力にはまだ距離がある。

2. 空間認識とマルチモーダル理解の弱点：一方では、現在の主流 VLA モデルの多くは二次元の視覚言語モデルを継承しており、深度、尺度、遮蔽関係、三次元幾何構造を最初から理解する能力が不足している。そのため、雑然とした動的な実三次元空間で、正確な位置決め、把持、障害物回避を実現することが難しい。もう一方では、視覚には遮蔽、暗所、精密接触の場面で本質的な死角がある。力覚、触覚、滑りなどの接触情報は、柔軟物の把持、力制御を伴う組み立て、器用な操作に不可欠であるが、高品質な触覚データの収集と、視覚・触覚のマルチモーダルなアライメントと融合は、なお初期段階にある。モデルが物理空間の立体構造を「見て理解する」と同時に、接触時の力と質感を「感じ取る」ことが、信頼できる操作へ進むための重要な一歩である。

3. 高品質データの不足：データ規模は拡大しているものの、複雑な物理相互作用、力覚フィードバック、長時間の論理を含む高品質な実機データは依然として不足している。データの「規模」と「品質」の間には、なお構造的な矛盾が存在する。

4. ソフトウェアとハードウェアの協調における壁：オープンソースアルゴリズムと異なるハードウェア本体との適応コストは依然として高く、機体をまたいだ移行も難しい。より標準化されたミドルウェアとインターフェースプロトコルが急務である。

今後を展望すると、フィジカルAI領域における強化学習の深い活用、そして世界モデルと動作モデルのさらなる融合によって、フィジカルAIの能力境界は継続的に広がると期待される。特に重要なのは、データ収集方法がますます多様化していることである。実機遠隔操作、一人称視点の人間デモ、インターネット動画の「次元を上げた」活用、シミュレーション合成データの大規模生成まで、多様なデータソースが連携して、高品質データという長期的な弱点を補い、モデル訓練へ継続的な燃料を供給している。さらに期待されるのは、これらの流れが、より深い変化、すなわち真に 「フィジカルAIネイティブ」 な大規模モデルの誕生へ向かっている点である。

データ、アルゴリズム、ハードウェアの三者が協調して進化する中で、オープンソースコミュニティは今後も「イノベーションエンジン」としての役割を発揮し、フィジカルAIを「使える」段階から「使いやすい」段階へ、さらに「専用」から「汎用」へ押し進め、最終的には物理世界における汎用人工知能の本格的な実用化を実現していくと考えられる。

参考資料

1. 蚂蚁正式开源 LingBot-Depth，基于掩码深度建模的新一代空间感知模型（日本語訳：Ant が LingBot-Depth を正式にオープンソース化、マスク深度モデリングに基づく新世代の空間認識モデル）. (2026). https://modelscope.csdn.net/69796ccaa16c6648a9859206.html

2. 从“认知”到“行动”：CogACT 引领机器人智能操控新范式（日本語訳：「認知」から「行動」へ：CogACT がロボットの知能操作の新しいパラダイムをリード）. (2025). https://mp.weixin.qq.com/s/qBv4_59pQmJ9PXnMfpKmag

3. AIR 科研｜X-VLA 重磅开源，全面刷新机器人基准性能记录（日本語訳：AIR 研究｜X-VLA が大規模オープンソース化、ロボットベンチマーク性能記録を全面更新）. (2025). https://air.tsinghua.edu.cn/info/1007/2467.htm

4. 开放全栈！超越π0，具身智能基础大模型迎来真·开源，开发者狂喜（日本語訳：フルスタックを公開！π0 を超え、フィジカルAI基盤モデルが真のオープンソースへ、開発者は歓喜）. (2025). https://www.qbitai.com/2025/09/329142.html

5. 具身开源模型新王！千寻 Spirit v1.5 模型登顶 RoboChallenge，终结 Pi0.5 领跑时代（日本語訳：フィジカルAIオープンソースモデルの新王者！千尋 Spirit v1.5 が RoboChallenge 首位、Pi0.5 のリード時代を終わらせる）. (2026). https://zhuanlan.zhihu.com/p/1994053773560145309

6. 原力灵机发布全球首个具身原生大模型 DM0，24 亿参数版本全面开源（日本語訳：原力霊機が世界初のフィジカルAIネイティブ大規模モデル DM0 を発表、24億パラメータ版を全面オープンソース化）. (2026). https://www.ithome.com/0/920/880.htm

7. 全球首个自回归视频-动作世界模型，LingBot-VA 正式开源！（日本語訳：世界初の自己回帰型動画・動作世界モデル、LingBot-VA が正式にオープンソース化）. (2026). https://zhuanlan.zhihu.com/p/2000550423925391894

8. 生数科技：从 Motus 到 MotuBrain——通用世界行动模型双榜第一（日本語訳：生数科技：Motus から MotuBrain へ、汎用世界動作モデルが二つのランキングで首位）. (2026). https://news.qq.com/rain/a/20260430A01KGD00

9. NVIDIA DreamZero：基于视频扩散的世界动作模型（日本語訳：NVIDIA DreamZero：動画拡散に基づく世界動作モデル）. (2025). https://zhuanlan.zhihu.com/p/2015542809814397733

10. 昆仑万维正式开源 Matrix-Game：从图像出发构建可控交互世界（日本語訳：昆侖万維が Matrix-Game を正式にオープンソース化：画像から制御可能なインタラクティブ世界を構築）. 第一财经. (2025). https://www.yicai.com/news/102611300.html

11. SkyworkAI/Matrix-Game. GitHub. https://github.com/SkyworkAI/Matrix-Game

12. 腾讯混元最新世界模型开源！支持实时生成交互，突破长期空间记忆（日本語訳：Tencent Hunyuan の最新世界モデルがオープンソース化、リアルタイム生成インタラクションに対応し長期空間記憶を突破）. 智东西. (2025). https://m.zhidx.com/p/522165.html；Tencent-Hunyuan/HY-WorldPlay. GitHub. https://github.com/Tencent-Hunyuan/HY-WorldPlay

13. 世界模型 LingBot-World，正式开源！（日本語訳：世界モデル LingBot-World、正式にオープンソース化）. 魔搭社区. (2026). https://zhuanlan.zhihu.com/p/2000599754195870537；世界模型开源潮“不谋而合”：蚂蚁三连发，谷歌开放体验（日本語訳：世界モデルのオープンソース化の波が「偶然にも一致」：Ant が三連発、Google は体験版を公開）. 中国日报网. (2026). https://cn.chinadaily.com.cn/a/202601/30/WS697c4bc0a310942cc499d788.html

14. RoboTwin 2.0: A Scalable Data Generator and Benchmark with Strong Domain Randomization for Robust Bimanual Robotic Manipulation. (2025). https://robotwin-platform.github.io/ ; arXiv:2506.18088

15. VLABench: A Large-Scale Benchmark for Language-Conditioned Robotics Manipulation with Long-Horizon Reasoning Tasks. 复旦大学可信具身智能研究院. (2024). https://vlabench.github.io/ ；RoboHiMan: A Hierarchical Evaluation Paradigm for Compositional Generalization in Long-Horizon Manipulation. (2025).

16. 具身智能开源周：导航、操作、运动大模型及数据集批量上线（日本語訳：フィジカルAIオープンソースウィーク：ナビゲーション、操作、運動大規模モデルとデータセットが一挙公開）. 上海人工智能实验室. (2025). https://www.shlab.org.cn/news/5444209 ；InternRobotics / EBench. https://internrobotics.shlab.org.cn/

17. 上海交大给具身智能发了一张“统考卷”，这会是机器人的 LMArena 吗？（日本語訳：上海交通大学がフィジカルAIに「共通試験」を提示、これはロボット版 LMArena になるのか？）. (2026). https://zhuanlan.zhihu.com/p/1999185873640637706

18. 基于数万次真机评测，RoboChallenge 首份年度报告发布（日本語訳：数万回の実機評価に基づき、RoboChallenge 初の年次報告書を公開）. (2026). https://www.qbitai.com/2026/01/374597.html

19. 300 万对样本、2.71T 数据，蚂蚁灵波开源大规模空间感知数据集（LingBot-Depth-Dataset）（日本語訳：300万対サンプル、2.71Tデータ、Ant Lingbo が大規模空間認識データセット（LingBot-Depth-Dataset）をオープンソース化）. (2026). https://zhuanlan.zhihu.com/p/2022954921507529088 ；robbyant/LingBot-Depth-Dataset. ModelScope/Hugging Face. https://huggingface.co/datasets/robbyant/mdm_depth

20. 魔搭社区 (ModelScope) 联合 CCF 智能机器人专委会（日本語訳：ModelScope（魔搭社区）と CCF 知能ロボット専門委員会）. (2026). 《2025 EAI 白皮书：十大教学项目与十大数据集》（日本語訳：2025 EAI 白書：十大教育プロジェクトと十大データセット）. https://modelscope.cn/learn/6060

21. RoboMIND 数据集官方发布信息（日本語訳：RoboMIND データセット公式公開情報）. (2024-2026).

22. AgiBot World 数据集官方发布信息（日本語訳：AgiBot World データセット公式公開情報）. (2024).

23. 睿尔曼开源全球首个高质量、模态数量最多的真机数据集（日本語訳：睿爾曼が世界初の高品質かつモダリティ数最多の実機データセットをオープンソース化）. 量子位. (2025-11-24). https://www.qbitai.com/2025/11/355861.html ；项目主页（日本語訳：プロジェクトページ） https://realmanrobot.github.io/real_source_dataset

24. EgoLive：1680 小时真实任务第一视角数据集（日本語訳：EgoLive：1680時間の実タスク一人称視点データセット）. (2026). https://zhuanlan.zhihu.com/p/2032440515615011207 ；数据集地址（日本語訳：データセットURL） https://robotdata-market.jdcloud.com/console/market

25. TASTE-Rob：面向可泛化机器人操作的超大规模人手交互视频数据集（CVPR 2025）（日本語訳：TASTE-Rob：汎化可能なロボット操作に向けた超大規模な人手インタラクション動画データセット（CVPR 2025））. 香港中文大学（深圳）. (2025). https://taste-rob.github.io/ ；https://arxiv.org/abs/2503.11423

26. 智元推出大型仿真框架 AgiBot Digital World 并开源海量仿真数据集（日本語訳：智元が大規模シミュレーションフレームワーク AgiBot Digital World を公開し、大量のシミュレーションデータセットをオープンソース化）. (2025). https://zhuanlan.zhihu.com/p/26213022118

27. DexGraspNet: A Large-Scale Robotic Dexterous Grasp Dataset for General Object Grasping. 北京大学（王鹤课题组）. (2023-2025). https://pku-epic.github.io/DexGraspNet/ ；https://arxiv.org/abs/2210.02697

28. 银河通用联合清华开源全身遥操作系统 OpenWBT（日本語訳：銀河通用と清華大学が全身遠隔操作システム OpenWBT を共同オープンソース化）. (2025). https://www.qbitai.com/2025/06/291904.html

29. 刚刚，Dexbotic 开源！VLA 性能 +46%，机器人叠盘子 100% 成功（日本語訳：たった今、Dexbotic がオープンソース化！VLA 性能 +46%、ロボットの皿重ね 100% 成功）. 新智元. (2025). https://zhuanlan.zhihu.com/p/81733537638 ；Dexmal/dexbotic. GitHub. https://github.com/dexmal/dexbotic

30. StarVLA: A Lego-like Codebase for Vision-Language-Action Model Developing. 香港科技大学联合开源社区. (2026). https://github.com/starVLA/starVLA ；arXiv:2604.05014 ；https://starvla.github.io/ ；VLA 的 PyTorch 时刻已至！港科大联手社区开源 StarVLA（日本語訳：VLA の PyTorch モーメントが到来！香港科技大学がコミュニティと連携して StarVLA をオープンソース化）. 机器之心. (2026-05-09). https://zhuanlan.zhihu.com/p/2036453582724142506

31. LeRobot v0.4.0：全面提升开源机器人的学习能力（日本語訳：LeRobot v0.4.0：オープンソースロボットの学習能力を全面的に向上）. (2025). https://huggingface.co/blog/zh/lerobot-release-v040 ；LeRobot v0.5.0: Scaling Every Dimension. (2026). https://huggingface.co/blog/lerobot-release-v050 ；huggingface/lerobot. GitHub. https://github.com/huggingface/lerobot ；TheRobotStudio/SO-ARM100. https://github.com/TheRobotStudio/SO-ARM100

32. RLinf 开源！首个面向具身智能“渲训推一体化”的大规模强化学习框架（日本語訳：RLinf がオープンソース化！フィジカルAI向け「レンダリング・訓練・推論一体化」初の大規模強化学習フレームワーク）. 清华大学/中关村学院/无问芯穹. (2025-2026). https://zhuanlan.zhihu.com/p/1994163320408789692 ；RLinf/RLinf. GitHub. https://github.com/RLinf/RLinf ；arXiv:2509.15965

33. 智元自研机器人操作系统“灵渠 OS”开源上线（日本語訳：智元の自社開発ロボット操作システム「霊渠 OS」がオープンソース公開）. IT 之家. (2026). https://cloud.tencent.com/developer/news/3639837

34. 国内五大具身智能机器人企业开源情况汇总（OpenLoong / AimRT）（日本語訳：中国国内の五大フィジカルAIロボット企業のオープンソース状況まとめ（OpenLoong / AimRT））. (2025). https://zhuanlan.zhihu.com/p/1898468293460865377 ；loongOpen/OpenLoong. GitHub. https://github.com/loongOpen/openloong

35. AGIROS 智能机器人操作系统开源社区（日本語訳：AGIROS 知能ロボット操作システム・オープンソースコミュニティ）. 中国科学院软件研究所. (2025). http://www.is.cas.cn/xwdt2016/rdxw2016/202506/t20250630_7876597.html ；Gitee x AGIROS：与中科院软件所共建国产具身智能基础设施（日本語訳：Gitee x AGIROS：中国科学院ソフトウェア研究所と中国製フィジカルAI基盤を共同構築）. (2025). https://zhuanlan.zhihu.com/p/1977375926506504643

36. dora-rs: Dataflow-Oriented Robotic Architecture. https://github.com/dora-rs/dora ；使用 dora-rs 构建高性能机器人应用：从理论到实战（日本語訳：dora-rs で高性能ロボットアプリケーションを構築：理論から実践へ）. (2025). https://www.cnblogs.com/databank/p/19376737

37. 让机器人拥有本能反应！清华开源：一套代码实现跑酷、野外徒步两种技能（Project Instinct）（日本語訳：ロボットに本能反応を持たせる！清華大学がオープンソース化：一つのコードでパルクールと野外歩行の二つのスキルを実現（Project Instinct））. 智源社区. (2026). https://hub.baai.ac.cn/view/52110 ；A Scalable Perceptive Parkour Framework for Humanoids. arXiv:2601.07718. https://project-instinct.github.io/

38. 重塑具身智能研发范式：智元机器人发布 Genie Sim 3.0（日本語訳：フィジカルAI研究開発パラダイムを再構築：智元ロボットが Genie Sim 3.0 を発表）. (2026). https://zhuanlan.zhihu.com/p/1992920959561249481

39. 千元内最好的机器人开发者套件来了：地瓜机器人重磅发布 RDK X5（日本語訳：1000元以内で最高のロボット開発者キットが登場：地瓜机器人 が RDK X5 を大々的に発表）. (2024). https://www.qbitai.com/2024/09/193434.html

40. roboto_origin: Fully Open-Source DIY Humanoid Robot. RoboParty. https://github.com/Roboparty/roboto_origin ；哈工系闯出人形机器人黑马：成立不到一年，全栈开源 3m/s 原型机（日本語訳：ハルビン工業大学系からヒューマノイドロボットのダークホース：設立1年未満で全スタックオープンソースの 3m/s 原型機）. 凤凰网. (2026). https://i.ifeng.com/c/8q2hN71PXlS

41. 做“机器狗”的云深处，靠什么撑起 41 倍市销率？（日本語訳：「ロボット犬」を手がける云深处は、何によって41倍のPSR（株価売上高倍率）を支えているのか？）. (2026). https://www.tmtpost.com/8003855.html