論文
フィジカルAI関連の最新論文を、日本語のひとことで。原題は英語です。
最新論文: 2026/11/12 ／ arXivを3時間ごとに自動収集
📖 UMIデバイス・カタログ(日本語版)UMI式データ収集デバイスと主要データセットを日本語で俯瞰 →RT-2・π0・Diffusion Policy・PPO・World Modelsなど、現在のロボット学習を形づくった論文を分野別に →
- 論文VLAロボティクス
STVLA：空間認識と時間記憶を統合した視覚言語行動モデル
事前学習済みの視覚幾何モデルの特徴を時間記憶に組み込み、過去のシーン構造を現在の行動決定の文脈として参照できるVLAフレームワークを提案。複数ベンチマークで最高成功率を達成し、実機タスクでも大幅な改善を示した。
原題: STVLA: Spatial-aware and Temporal-memory forVision-Language-Action Models ／ Zhuo Han, Yeqiang Wang, Xinran Wang 他
日本語で読む → - 論文IoMT/セキュリティcs.AR
Matter規格を用いた医療IoT遠隔測定とセキュリティ分析のデモ
Matter標準に独自のHealthVitalsクラスタを追加し、心拍数・血中酸素・体温の模擬データをRaspberry Pi 5上で収集・通信できるIoMTテストベッドを構築した。
原題: Demo: Matter-Based IoMT Telemetry and Security Analysis ／ Muhammad Hassan, Masooda Bashir, Carl Gunter
日本語で読む → - 論文VLAロボティクス
ProtoVis-Nav: 視覚空間整合型UAVナビゲーションのためのプロトタイプ視覚想像
UAVの視覚言語ナビゲーションにおいて、次の移動先の局所視覚表現をプロトタイプの線形結合で想像してから経路点を生成することで、言語指示と3D動作の整合性を高める手法を提案した。
原題: ProtoVis-Nav: Prototypical Visual Imagination for Visual-Spatial Aligned UAV Navigation ／ Guangyuan Sui, Yunzhong Hou, Chi Harold Liu
日本語で読む → - 論文対話ロボティクス
話しすぎて聞かないロボット：マルチモーダル双方向ストリーミングによるターンテイキング改善
社会的ロボットとの音声対話におけるターンテイキング失敗の現状を振り返り、マルチモーダル双方向ストリーミングが失敗を減らすために必要だと論じた短編論文。
原題: Robots That Talk Too Much and Don't Listen Enough ／ Graham Wilcock, Kristiina Jokinen
日本語で読む → - 論文メタ学習機械学習
メタ学習済みパラメータ空間における加法的類推：急速学習と合成的構造の関連
メタ学習したネットワークの適応後パラメータを関数表現ベクトルとして扱い、関数間の記号的関係がベクトルの加減算で再現できることを示した研究。
原題: Linking Rapid Learning to Compositional Structure in Neural Networks: Evidence from Additive Analogies in Meta-Learned Parameter Spaces ／ Abigail L. Tenenbaum, R. Thomas McCoy
日本語で読む → - 論文群制御cs.DC
計算場上の自律移動ロボット
ロボットが動く格子自体をセルオートマトンとして計算媒体化し、ロボットを極めて弱く保ったまま場の状態数で資源を測るモデルCABOTを提案。整列や集合などのタスクが少数の場の状態で解けることを示した。
原題: Autonomous Mobile Robots on a Computing Field ／ Yonghwan Kim, Gil-Tak Kong, Un-Sook Choi
日本語で読む → - 論文VLAロボティクス
UAV-Flow++：言語誘導ドローン飛行のベンチマークと学習のための統合スイート
短距離の物体相対飛行操作に焦点を当て、言語指示から連続飛行行動を生成するタスク「Flow」を定式化し、実世界3万件超のデータセットとシミュレータ、模倣学習とTGRPO強化学習を組み合わせたFlowVLAを提案した。
原題: UAV-Flow++: A Unified Suite for Benchmarking and Learning Language-Guided UAV Flight ／ Donglin Yang, Xiangyu Wang, Yantong Zhong 他
日本語で読む → - 論文模倣学習/MPC制御
非線形時間最適MPCのデータ効率良いリアルタイム神経模倣の統合アーキテクチャ
非線形時間最適MPCをニューラルネットで模倣し、データ効率の良いサンプリングと制約満足・モデル誤差対応を統合して、Furuta振り子で実機検証した研究。
原題: An Integrated Architecture for Data-Efficient Real-Time Neural Imitation of Nonlinear Time-Optimal Model Predictive Control ／ Maarten De Baecke, Flavia Sofia Acerbo, Andrea Giusti 他
日本語で読む → - 論文異常検知機械学習
ScrewSense：見えない異常を可視化するネジ締め工程の異常検知とエラー分類
ネジ締め工程のトルクや回転角などの多変量時系列データに深層学習を適用し、異常検知と複数カテゴリのエラー分類を高精度で行えることを示した研究。
原題: ScrewSense: Mapping the Invisible - Anomaly Detection and Error Classification in Screwdriving Processes ／ Tobias Lettner, Tatyana Ivanovska, Anwar Al Assadi 他
日本語で読む → - 論文マルチロボット計画ロボティクス
神経記号的役割分担によるマルチロボットタスク計画
小型視覚言語モデルがシーン判断を計画スケッチとして書き、決定論的ソルバーが実行可能な共同計画に展開する手法を提案し、新ベンチマークLOCUS-Benchで評価した。
原題: NSDL: Neuro-Symbolic Division of Labor for Multi-Robot Task Planning ／ Xincheng Tan, Ke Wang, Yining Di 他
日本語で読む → - 論文sim2realロボティクス
動画から二足歩行ロボットの制御へ：MotionSkill
単眼動画から歩行のタイミング付き参照動作を抽出し、体格の異なる10種類の二足ロボットに合わせて適応させ、各ロボットの残差ポリシーを学習することで歩行制御を実現した。
原題: MotionSkill: From Bipedal Motion Video to Control across Embodiments ／ Philip Niu, Xiaofeng Han, Sylvie Pan 他
日本語で読む → - 論文動画生成ロボティクス
BWM-Forge: 身体性知能のためのエージェント型ワールドプログラミング
コード駆動でBlenderシーンを構築し、ロボット動画を制御可能に生成するフレームワーク。複数ロボット・視点同期・外観変化に対応し、映像品質と物理整合性でベースラインを上回る。
原題: BWM-Forge: Agentic World Programming for Embodied Intelligence ／ BWM Team
日本語で読む → - 論文動画言語/ベンチマーク画像認識
PhysCapBench：物理的根拠に基づく動画キャプションのクロスドメインベンチマーク
三人称視点・一人称視点・グリッパー操作の3領域にまたがる物理キャプション品質を評価する初の統一ベンチマークを構築し、7つの物理次元で精度と網羅性を評価した。
原題: PhysCapBench: A Cross-Domain Benchmark for Physically Grounded Video Captioning ／ Haofeng Wang, Pengcheng Wen, Ruiqi Li 他
日本語で読む → - 論文移動操作ロボティクス
FORGE: 力覚対応マルチグラニュラリティ制御による効率的なヒューマノイド移動操作
ヒューマノイドの移動操作向けに、速度・足配置・手首姿勢・力条件を階層的に扱う力覚対応制御系FORGEを提案し、手首力センサなしで接触力を推定して安定的な操作を実現した。
原題: FORGE: Force-Aware Multi-Granularity Control for Efficient Humanoid Loco-Manipulation ／ Liangjun Xing, Ke Fan, Kailin Li 他
日本語で読む → - 論文ソフトロボティクス制御
流体興奮性ニューロンのためのエネルギーベースモデリング
空気圧興奮性デバイスの設計に向けて、ボンドグラフ理論を用いてHodgkin-Huxleyモデルのエネルギー的等価表現を構築し、空気圧ハーフセンター発振器の設計に応用した。
原題: On Energy-Based Modelling for Fluidic Excitable Neurons ／ Robin Wroblowski, Brent Michiels, Benjamin Gorissen 他
日本語で読む → - 論文群制御ロボティクス
反復クラスタリングによる異種マルチロボットシステムの協調タスク割り当て
異種ロボット群の協調タスク割り当てを、ロボットとタスクのクラスタを反復的に形成して部分問題に分割する反復クラスタリング法で解き、単調な効用改善と収束性を保証した。
原題: Collaborative Task Allocation for Heterogeneous Multi-Robot Systems Through Iterative Clustering ／ David R. Martin, Brooks A. Butler, Scott Nivison 他
日本語で読む → - 論文VLAロボティクス
意味的に整合した潜在行動による身体性基盤モデルの二軸スケーリング
人間とロボットの動画クリップの言語記述から意味的類似度を推定し、対応付けなしで潜在行動空間を整合させるSALAを提案。人間動画とロボット動画の両方で基盤モデルを学習でき、二軸のスケーリングを可能にする。
原題: SALA: Semantically Aligned Latent Actions Enable Dual-Axis Scaling of Embodied Foundation Models ／ Jiachun Jin, Zetong Zhou, Haonan Wang 他
日本語で読む → - 論文LLM信頼性管理ロボティクス
LLMの有用性を最大化しつつ誤りを管理する適応的依存手法
LLMの信頼性推定に基づきシステムの依存度を適応的に変える古典的手法をレビューし、誤りリスクを抑えつつ性能を向上させる枠組みを示した。
原題: Maximizing LLM Utility While Managing LLM Fallibility ／ Ekta U. Samani, Christopher G. Atkeson
日本語で読む → - 論文マニピュレーションロボティクス
経験時代における実世界コード・アズ・ポリシー：ACE-CaP-0
人間の実演とシミュレーションを選択的に活用してコードポリシーを改良するエージェント手法を提案し、8つの実世界マニピュレーションタスクで92.1%の成功率を達成した。
原題: ACE-CaP-0: Real-World Code-as-Policies in the Era of Experience ／ ACE-CaP Team, Changxu Wei, Yunpeng Qing 他
日本語で読む → - 論文状態推定stat.ME
運動推定のためのSE_n(3)上のベイズ共役分布クラス
拡張特殊ユークリッド群SE_n(3)上でベイズ共役性を持つ分布クラスを提案し、UAVの姿勢・速度推定に応用して従来のリー群カルマンフィルタより優れることを示した論文。
原題: A Class of Bayesian Conjugate Distributions on $SE_n(3)$ for Motion Estimation ／ Shijie Wang, Haichao Gui, Rui Zhong
日本語で読む → - 論文VLAロボティクス
AgriSense：仮想温室における視覚言語による意思決定支援とロボット介入
Isaac Sim上の仮想温室で四足移動マニピュレータと視覚言語モデルを統合し、環境予測・ゾーン判断・介入を行う枠組みを構築・評価した論文。
原題: AgriSense: Vision-Language Decision Support and Robotic Intervention in a Virtual Greenhouse Copy title ／ Lyes Saad Saoud, Oualid Doukhi, Reza Ghorbani 他
日本語で読む → - 論文クロスエンボディメントロボティクス
EgoX: 身体性ドリーミングによる一人称視点のクロスエンボディメントマニピュレーション
人間・実ロボット・シミュレーションの異種デモを意味的に対応付けて統合し、身体性を超えて汎化する操作ポリシーを学習するフレームワークを提案。
原題: EgoX: Egocentric Cross-Embodiment Manipulation with Embodiment Dreaming ／ Yaru Niu, Binghong Chen, Changwei Yao 他
日本語で読む → - 論文VLAロボティクス
Reins: フロンティア基盤モデルによる実機双腕ロボットの長期的タスクのゼロショット実行
GPT系などのフロンティアモデルに3D知覚ツールと接触・把持を報告する原子行動を組み合わせ、条件付き行動連鎖と常時監視するナレータで実機双腕ロボットの長期的接触操作をゼロショットで遂行するハーネスReinsを提案。実機5タスクで88%成功。
原題: Reins: Frontier Multimodal Models Driving Real Robot Arms on Long-Horizon Tasks, Zero-Shot ／ Pengfei Ye, Zhiyang Dou, Yuxiang Ma 他
日本語で読む → - 論文VLAロボティクス
見ればわかる：視覚テレオペ履歴から階層的オペレータ意図を解読する
テレオペレーションの短い視覚履歴から、進行中の原子行動とその上位ミッションを同時に推定する階層的意図予測を定式化し、データセットVIAMOとファインチューニング済みVLMモデルVIMを提案。予測ミッションでVLAポリシーが作業を引き継ぎ、人手テレオペ時間を大幅削減した。
原題: I See What You Want: Decoding Hierarchical Operator Intent from Visual Teleoperation History ／ Xiangyi Jia, Kaixian Qu, Shengzhi Wang 他
日本語で読む → - 論文タスク・動作計画ロボティクス
視認性を考慮したタスク・動作計画とタスク中心の知覚
部分的にしか観測できない物体配置タスクに対し、センシング動作を計画に組み込み、物体メッシュ仮説と占有マップを永続メモリで統合する視認性考慮型TAMPを提案し、実機の卓上整理で有効性を示した。
原題: Visibility-Aware Task and Motion Planning with Task-Centric Perception ／ Sahit Chintalapudi, Xiaoyan Wang, Aryan Zoroufi 他
日本語で読む → - 論文VLAロボティクス
品質認識ビュー選択によるLIVOとオフロードリスクマッピング
オフロード環境でのマルチカメラLIVOにおいて、観測の健全性と幾何学的相補性に基づいて最大1つのビューを選択して測位補正を行い、全ビューの意味情報を統合してリスクマップを生成する手法を提案。劣化シーケンスでFAST-LIO2比43.3%の誤差低減を達成。
原題: QVS-LIVO RiskMap: Health- and Information-Aware View Selection for Multi-Camera LIVO and Off-Road Risk Mapping ／ Zihan Pan, Jinghan Wang, Hang Li 他
日本語で読む → - 論文生物多様性モニタリング画像認識
Pl@ntNetの機械間植物識別APIによる自動生物多様性モニタリング
Pl@ntNetの植物識別AIをAPI経由で自動利用できる機械間サービスを公開し、8.5万種を対象に精度0.89、人手の最大666倍の処理速度、累計8400万件超の識別実績を報告した論文。
原題: Pl@ntNet machine-to-machine identification service with Pl@ntNet API: enabling automated biodiversity monitoring through large-scale plant identification ／ Benjamin Bourel, Jean-Christophe Lombardo, Alexis Joly 他
日本語で読む → - 論文データセット/sim2real画像認識
Ropedia Xperience 2：フィジカルAIの環境と行動をスケールさせる基盤データセット
実世界の3Dスキャン1,589件と74タスク・131時間の一人称視点記録を収集し、各データを物理シミュレーション環境やロボット全身軌道に変換して再利用可能にした、フィジカルAIのスケーリング則研究のための基盤データセットを提案した論文。
原題: Ropedia Xperience 2: A Gold Standard for Scaling Physical AI Environments and Behaviors ／ Hao Li, Fangzhou Hong, Zhaoxi Chen 他
日本語で読む → - 論文メモリ/推論効率化AI
HeMeR: 構造化KV再利用による身体性エージェントの異種メモリ統合
宣言的・手続き的・作業メモリを動的に更新しながら、変化しない部分のKVキャッシュを再利用して推論を高速化するフレームワークHeMeRを提案し、実機で成功率83.2%・推論時間を2.94秒から1.87秒に短縮した。
原題: HeMeR: Heterogeneous Memory Reconciliation for Embodied Agents via Structured KV Reuse ／ Saehun Chun, Wonje Choi, Jinwoo Jang 他
日本語で読む → - 論文模倣学習ロボティクス
模倣学習のための内積正則化
状態ごとに一貫した摂動応答を持つように方策を整形する内積正則化(InneR)を提案し、既存の模倣学習パイプラインに追加可能であることを示した。
原題: Inner Product Regularization for Imitation Learning ／ Benjamin A. Christie, Tianyu Qiu, Amy H. Choi 他
日本語で読む →
PR・アフィリエイト広告
MINISFORUM（ミニPC）
