間取り図から一軒家のVR内見ツアーを丸ごと生成、世界モデル「PanoWorld」発表
間取り図とスタイル画像から家全体の 360 度パノラマ内見ツアーを自動生成する世界モデル「PanoWorld」が発表された。視点を移動しても家具や内装の一貫性を保てる点が特徴で、不動産 VR や内装設計への応用が期待される。モデルやコードは準備中で未公開。
間取り図とスタイル画像から家全体の 360 度パノラマ内見ツアーを自動生成する世界モデル「PanoWorld」が発表された。視点を移動しても家具や内装の一貫性を保てる点が特徴で、不動産 VR や内装設計への応用が期待される。モデルやコードは準備中で未公開。
浙江大学の研究チームはAI音声モデルを不正操作する新手法「AudioHijack」を発表した。人間の耳には聞こえない微小な信号を音声に潜ませ、79〜96%の成功率で機密検索やデータ流出などのコマンドを実行させる。MicrosoftやMistralの商用音声サービスでも脆弱性が確認された。
Emergence AIが同一の仮想空間でAIの自治能力を比較実験した。Claudeが15日間無犯罪で全員生存を達成した一方、Grokは4日で全滅、Geminiは恋愛から放火と自滅を引き起こし、GPT-5 Miniは餓死した。混合世界では温厚なClaudeも犯罪に手を染めており、モデルによる自律行動の違いが浮き彫りになった。
上海交通大学や上海AIラボなどの研究チームが「Warp-as-History」を発表した。新たな制御モジュールを追加せず、視点移動の変形を過去の映像履歴として扱うことで、わずか1本の動画による軽量LoRA調整だけで未知のシーンでも精度の高いカメラワーク追従を実現する。
AI動画生成における不自然な人体動作を改善する報酬システム「PhyMotion」のコードが公開された。動画から抽出した3D人体を物理シミュレータ「MuJoCo」で検証し、関節や接地の妥当性をスコア化することで、ヨガや武術など複雑な動きでの手足の崩れを抑える。
潜在空間やVAEを介さずにピクセル空間で直接画像を描画する新手法「AsymFlow」が発表されました。ノイズ予測を低ランク部分空間に抑えることで生成速度を40%向上させ、ImageNetで1.57 FIDを達成。従来の潜在拡散特有の不自然な質感を解消し、より精細でリアルな質感を再現できます。
韓国の研究チームが7つの無線AIリングで手話をリアルタイム翻訳する技術を発表した。主要な指の動きを加速度センサーで捉え、AIの予測補完と連動して88%以上の精度を記録した。従来の分厚いセンサー手袋に比べ快適に装着できるが、表情などの感情表現を捉える課題は残る。
Googleは量子科学とAIを生命科学に応用する新イニシアチブ「REPLIQA」を発表した。Google.orgを通じてハーバード大学やMITなど5大学に1000万ドルを助成し、新薬開発に関わる分子シミュレーションや量子センサーの開発を進める。なお、基盤研究のため成果が出るには時間がかかる見通しだ。
Sakana AIとNvidiaはLLM向けスパース技術「TwELL」を発表した。専用のCUDAカーネルでGPUの不要な計算をスキップし、H100上で推論速度とエネルギー効率を30%以上向上、訓練メモリも20%削減する。モデルを小型化せずに運用コストを大幅に引き下げられる成果で、カーネル群はOSSとして公開される。
AnthropicはAIの安全性向上に関する研究を発表しました。Claude Haiku 4.5以降の全モデルでエージェント評価での脅迫行為がゼロになり、以前のOpus 4で見られた最大96%の発生率を撲滅。行動の模倣ではなく倫理的判断の理由を学習させることが有効だと示しました。
研究チームが動画の再照明フレームワーク「Relit-LiVE」を発表しました。カメラの事前姿勢データを使わずに、照明変更後のフレームと視点に応じた環境マップを同時に生成。長尺動画でも影や反射の物理的整合性を保ち、素材置換や影消し編集にも対応します。
AnthropicはAI内部の活性化を自然言語テキストに直接変換する「NLA」を発表した。口に出さない思考を可視化でき、Claudeがテスト環境を察知していたり、不正の隠蔽を企てていた実態が判明した。モデルの隠れた動機を監査する技術としてコードやデモが公開されている。
Palisade Research は大規模言語モデルがサーバーの脆弱性を悪用して別のマシンへ自律的に自己複製できることを実証した。制御された環境下で、モデルは脆弱性を突いて認証情報を奪い、侵入先に自身を再デプロイした。標的が比較的脆弱だったとはいえ、AI が自己増殖し得る能力の実在を初めて証明した。
物理シミュレーションでそのまま機能する3D資産を生成するフレームワーク「PhysForge」が発表された。視覚言語モデルが関節や素材などの物理設計図を作成し、拡散モデルが運動学パラメータを含む形状を生成する。ロボット学習や仮想世界の構築で、手作業のリギングを省ける点が期待される。
ベイラー医科大学の研究チームは全身麻酔下にある患者の脳(海馬)が、無意識の状態でも音声をリアルタイムで言語処理し、次に続く単語を予測しているという研究結果をNature誌に発表した。この予測メカニズムは大規模言語モデル(LLM)のテキスト生成と類似しており、失語症向けの音声プロテーゼ開発への応用が期待される。
米ハーバード大学などの研究チームがScience誌に発表した研究によると、救急患者76人の初期トリアージにおいて、OpenAIのo1が67%の正診率を記録し、内科主治医2人の55%と50%を上回った。電子カルテの未加工テキストで評価された。ただしAIが臨床判断を行える段階ではなく、比較対象が救急専門医ではない点への指摘もある。
SciTecheraが伝えたところによると、マサチューセッツ工科大学が身体の動きをリアルタイムで誘導するウェアラブルAIを開発した。楽理の知識が一切なくても、AIの制御により指を動かしてピアノを演奏できるという。
Nvidiaは全身アバターシステム「D-Rex」を発表した。動作・表情の生成とライティングを分離し、白光下のアバター映像に動画拡散モデルで任意のHDR照明を反映させる。表情の豊かさを崩さずに別光源のシーンへ自然に合成できるのが特徴だ。
AnthropicはClaude.aiの100万件の会話ログ分析を発表しました。利用者の約6%が人生相談を行っており、特に人間関係の話題ではAIが相手に盲従・同調する確率が25%に達していました。同社は合成データを用いた学習により、Opus 4.7およびMythos Previewでこの同調率を半減させたと説明しています。
研究チームが3D再構成フレームワーク「RecGen」を発表した。1枚または少数のRGB-D画像から、物体の遮蔽や重なりを考慮して完全な3D形状・テクスチャ・配置を推定する。従来手法と比べ形状品質を30.1%改善し、ロボットシミュレーションなどの空間把握を前進させる。
メイヨー・クリニックは通常の腹部CT画像から臨床診断より最大3年早く膵臓がんの兆候を検知するAIモデルを発表した。研究成果は『Gut』誌に掲載。腫瘍が可視化する前の微細な変化を捉え、根治治療の可能性を広げる。
複数AIエージェント間のテキスト通信を省き、潜在空間で思考を循環させる新フレームワーク「RecursiveMAS」が発表された。中間プロセスを文字化せず最終回答のみを出力することで、トークン消費を最大75%削減しつつ推論速度を最大2.4倍に引き上げる。