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: 2026/10/6 / 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 →- 論文マニピュレーションロボティクス
密度関数を用いた安全なマルチロボット協調搬送
複数の四足ロボットが密度ベースの階層型MPCで協調し、狭い通路で物体を押して目標姿勢へ運ぶ手法を提案。
原題: Safe Multi-Robot Collaborative Transport Using Density Functions / Jagannath Prasad Sahoo, Sriram S. K. S. Narayanan, Umesh Vaidya
日本語で読む → - 論文VLAロボティクス
CAP: コードブック整合予測によるトークン化ロボットポリシー
アクショントークナイザのコードベクトルをポリシーのクラスプロトタイプとして再利用することで、トークン予測誤差に頑健なロボットポリシーを実現する手法CAPを提案。
原題: CAP: Codebook-Aligned Prediction for Tokenized Robot Policies / Haoran Chen, Jingtian Ji, Samuel Wheeler 他
日本語で読む → - 論文触覚画像認識
PhysTacGen: 物理を考慮した視覚触覚センサ画像生成
視覚画像から触覚画像を生成するフレームワークPhysTacGenを提案し、材料記述と幾何条件を統合して高品質な触覚画像を合成する。
原題: PhysTacGen: Physics-Aware Visual-Tactile Sensor Image Generation / Guo Tang, Yongtao Wang
日本語で読む → - 論文超音波イメージングcs.GR
UltraDiff: 超音波における微分可能レイトレーシングによる形状最適化
超音波画像形成を経路空間積分として定式化し、シーン形状に関する勾配を計算できる微分可能レイトレーシングフレームワークを提案。Bモード画像から教師なしで脊椎表面形状を復元できることを示した。
原題: UltraDiff: Differentiable Ray Tracing in Ultrasound for Shape Optimization / Felix Duelmer, Magdalena Wysocki, Nassir Navab 他
日本語で読む → - 論文触覚ロボティクス
PEARS: 物理事前知識と触覚フィードバックによる失敗推論・拡散誘導を用いた効率的適応
視覚言語モデルの物理事前知識で失敗を診断し接触力制約を更新、触覚条件付き拡散誘導で事前学習方策をオンライン適応させる、サンプル効率の高い触覚マニピュレーション手法。
原題: PEARS: Physical-Prior-Guided Efficient Adaptation via Failure Reasoning and Diffusion Steering for Tactile Manipulation / Kun Song, Yiming Wang, Yilin Chen 他
日本語で読む → - 論文VLAロボティクス
OpenWAM: 構成可能なWorld-Actionモデルのためのオープンフレームワーク
ロボット動画の基盤モデルと構成可能な映像-行動相互作用を組み合わせたオープンなWorld-Actionモデリング枠組みを提案し、LIBEROや実機タスクで高い成功率を達成した。
原題: OpenWAM: An Open Framework for Composable World-Action Models / Heng Yu, David D. Yuan, Juze Zhang 他
日本語で読む → - 論文世界モデル/ロバスト制御ロボティクス
世界モデルにおける潜在外乱のモデリングによるロバスト意思決定
世界モデルの潜在空間に、もっともらしいが悲観的な遷移を引き起こす外乱を定義し、conformal predictionで不確実性集合を調整してロバストな行動選択を実現する手法を提案。
原題: Modeling Latent Disturbances for Robust Decision-Making in World Models / Junwon Seo, Andrea Bajcsy
日本語で読む → - 論文画像改ざん検出画像認識
画像改ざん検出におけるアーティファクトの明示的モデル化:ペアワイズ編集関係による分離
画像改ざん検出を潜在変数問題として再解釈し、編集関係を用いた2段階学習でアーティファクトを明示的に分離する手法を提案。
原題: Can We Model the Artifacts Explicitly? Disentangle Artifacts via Pairwise Edit Relations for Image Manipulation Localization / Xuekang Zhu, Kaiwen Feng, Ruifeng Wang 他
日本語で読む → - 論文タスク計画ロボティクス
OntoPlan: オントロジーに基づくシーン表現とエージェントフレームワークによるスケーラブルなロボットタスク計画
オントロジーで物体・空間・関係・状態を統一的に表現し、LLMエージェントが指示解釈から計画生成までを行うことで、大規模環境での長期的タスク計画の成功率とトークン効率を大幅に改善した。
原題: OntoPlan: An Ontology-Grounded Scene Representation and Agentic Framework for Scalable Robot Task Planning / Hyeongwoo Nam, Woongje Cho, Juwon Kim 他
日本語で読む → - 論文VLAロボティクス
ActTune: 動作認識型の精度とGPU動作点適応によるエネルギー効率の良い視覚言語行動推論
視覚言語行動ポリシーの推論において、動作クラスごとの量子化感度とGPU動作点を考慮し、タスク成功率を維持しつつ1成功タスクあたりのGPUエネルギーを削減するフレームワークを提案。
原題: ActTune: Action-Aware Precision and GPU Operating-Point Adaptation for Energy-Efficient Vision-Language-Action Inference / Zou Qingyun, Bin Gao, Wenju Zhao 他
日本語で読む → - 論文協調搬送ロボティクス
リーダー・フォロワー協調搬送における合力覚計測からの通信不要障害物位置推定
リーダーがペイロードを操作し、フォロワーが障害物に反応する際の合力覚から、通信なしで障害物の位置を推定する手法を提案。
原題: Communication-Free Obstacle Localization from Aggregate Wrench Measurements in Leader--Follower Cooperative Transport / Amin Kashiri, Aditya Mohan, Yasin Yazıcıoğlu
日本語で読む → - 論文ロコマニピュレーションロボティクス
ヒューマノイドの地平線:並列訓練・動的開始・報酬ゲーティングによる全身ロコマニピュレーションのタスク時間拡張
ヒューマノイドが散らかった室内で複数の物体を連続して運搬・配置する長期的全身ロコマニピュレーションを、並列訓練・動的開始・報酬ゲーティングの3機構で実現する統一ポリシーを提案。
原題: Humanoid Horizon: Extending Task Horizon in Whole-Body Loco-Manipulation via Parallel Training, Dynamic Starting, and Reward Gating / Haozhuo Zhang, Qiang Zhang, Jian Tang 他
日本語で読む → - 論文VLAロボティクス
EgoLAP: 言語-行動推論による一人称視点の人間データからの学習
人間の一人称視点の軌道を、言語による行動連鎖推論を介してロボット制御に転移させるVLA事前学習フレームワークを提案し、実世界タスクで大幅な性能向上を達成した。
原題: EgoLAP: Learning from Egocentric Human Data through Language-Action Reasoning / Lihan Zha, Shresth Grover, Tenny Yin 他
日本語で読む → - 論文移動操作ロボティクス
InterMimicGen: 自己進化する動作模倣によるヒューマノイドの移動操作のスケーリング
人間と物体のインタラクション動作をヒューマノイドロボット向けに変換し、汎用トラッカーとデータ拡張のループを回すことで、器用な全身移動操作の動作データを自己進化的に増やして学習するフレームワーク。
原題: InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation / Yucheng Zhang, Sirui Xu, Jinhong Li 他
日本語で読む → - 論文マニピュレーションロボティクス
不確実環境下での柔軟なリーチングのための仮想モデル制御
力制御ロボットアームのリーチングタスクに仮想モデル制御(VMC)を適用し、障害物や不確実性がある環境での6種類の仮想モデル設計手法を提案・実機検証した。
原題: Virtual model control for compliant reaching under uncertainties / Yi Zhang, Daniel Larby, Fumiya Iida 他
日本語で読む → - 論文自動運転/シミュレーションロボティクス
制御可能でフォトリアルな歩行者危険動作生成によるエンドツーエンド運転安全評価
軌道レベルの衝突合成と3Dガウシアンスプラッティングを組み合わせ、フォトリアルで動作制御可能な危険歩行者シナリオを生成するControlPedを提案し、エンドツーエンド運転モデルの性能低下を明らかにした。
原題: Controllable and Photorealistic Pedestrian Risky Motion Generation for End-to-End Driving Safety Evaluation / Siyuan Liu, Miao Li, Haibao Yu 他
日本語で読む → - 論文非把持マニピュレーションロボティクス
四足歩行ロボットによる頑健な非把持物体搬送
不確実性を考慮した軌道最適化とモデル予測制御を組み合わせ、四足歩行ロボットが物体を把持せずに安定して運ぶフレームワークを提案し、実機実験で滑りを大幅に低減した。
原題: Robust Nonprehensile Object Transport with Quadruped Robots / Ainoor Teimoorzadeh, Riccardo Pretto, Mario Selvaggio 他
日本語で読む → - 論文ヒューマノイド/マルチモーダル対話ロボティクス
話し、描き、演じる:会話型ヒューマノイドロボットのための同期音声と社会的ジェスチャー・デジタル顔の統合
音声・顔アニメーション・身体ジェスチャーを統合し、意味的に一貫した応答をリアルタイムで生成するエージェント型フレームワークTRABotを提案し、G1ヒューマノイドで実装した。
原題: Talk, Render, Act: Integrating Social Gesture and Digital Face with Synchronized Speech for Conversational Humanoid Robot / Jin Jiang, Kun Li, Jiancong Ma 他
日本語で読む → - 論文マニピュレーションロボティクス
オープンエンド環境におけるロバストな把持マニピュレーションに向けて
品質多様性アルゴリズムを用いて、多様でロバストな把持姿勢を効率的に発見し、関節物体の把持マニピュレーション軌道生成の信頼できる起点とする手法を提案した。
原題: Towards Robust Prehensile Manipulation in Open-Ended Environments / Mathilde Kappel, Mahdi Khoramshahi, Louis Annabi 他
日本語で読む → - 論文模倣学習ロボティクス
行動クローニングの謎を解明するベンチマークOCBench
人間のデモに似た性質を持つスクリプトポリシーでロボット操作ベンチマークOCBenchを構築し、行動クローニングにまつわる数々の不思議な現象を制御された環境で再現・分析できるようにした。
原題: Behavioral Cloning Mystery / Seohong Park, Sergey Levine
日本語で読む → - 論文VLA画像認識
ROT: 隠れ状態を文脈ベクトルへ回転させてLVLMの幻覚を抑制
大規模視覚言語モデルの中間層で幻覚トークンが示す文脈的逸脱を検出し、ノルムを保つ回転で隠れ状態をマルチモーダル文脈平面へ補正する学習不要の幻覚抑制フレームワークを提案。
原題: ROT: Rotating Hidden States towards Contextual Vectors for Hallucination Mitigation in LVLMs / Yijing Du, Xiangcheng Zhan, Shuo Yang
日本語で読む → - 論文自動運転ベンチマークロボティクス
Odyssey: 明示的なナビゲーション経路を用いた長期的実世界運転の閉ループベンチマーク
100秒間のnuPlanログから再構成した100シナリオで長期的な閉ループ運転を評価するベンチマークを提案し、方向指示の代わりにSDマップ経路を導入して経路追従と車線変更準備を評価する新指標を設けた。
原題: Odyssey: A Closed-Loop Benchmark for Long-Horizon Real-World Driving with Explicit Navigation Routes / Jungho Kim, Hongjae Shin, Seunghoon Yu 他
日本語で読む → - 論文VLAAI
視覚言語モデルにおける視覚的グラウンディングの安全性
有害な要求が自由記述応答ではなく点やバウンディングボックスのグラウンディングを求める場合、視覚言語モデルが拒否しにくくなることを示し、グラウンディング形式の拒否データで微調整することで安全性を改善する手法を提案した。
原題: Visual Grounding Safety in Vision-Language Models / Erfan Shayegani, Kundan Krishna, Yue Dong 他
日本語で読む → - 論文歩行ロボティクス
四足歩行ロボットによる固定されていない積載物の多目的強化学習を用いた運搬
四足ロボットがセンサなしで不安定な積み重ね箱を運ぶため、歩行性能と荷物安定性のトレードオフをオンラインで適応する多目的強化学習手法を提案し、実機で斜面や段差へのゼロショット転移を実証した。
原題: Transporting Unsecured Stacked Payloads with a Quadrupedal Robot via Multi-Objective Reinforcement Learning / Nobuo Namura, Masayuki Hiromoto, Kento Uemura 他
日本語で読む → - 論文時相論理ロボティクス
ScanSTL: 信号時相論理のための並列ロバスト性評価
信号時相論理(STL)のロバスト性評価を並列スキャンとブロック縮約で高速化し、JAX実装で自動微分・バッチ処理・コンパイルを可能にした研究。
原題: ScanSTL: Parallel Robustness Evaluation for Signal Temporal Logic / Gokhan Alcan
日本語で読む → - 論文模倣学習ロボティクス
Mulligan: 効率的なオンボット学習のための性能誘導型データ収集
ロボットの模倣学習において、失敗しやすい初期状態を優先的に収集するデータ収集法を提案し、実世界タスクで成功率を10-34ポイント改善した。
原題: Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning / Lars Ankile, Perry Dong, Rohan Bhowmik 他
日本語で読む → - 論文ニューロシンボリックAIAI
ニューロシンボリックAIのためのルールベース言語
ニューロシンボリックAIで使われるルールベース言語(Datalog、回答集合プログラミング、確率論理プログラミング)を、意味論・表現力・ニューラル統合・評価機構の4軸でサーベイし、50以上のシステムを比較して応用シナリオと必要機能の対応表を提供する。
原題: Rule-Based Languages for Neurosymbolic AI / Stefania Dumbrava, Efthymia Tsamoura
日本語で読む → - 論文VLAロボティクス
高さマップが見落とすもの:人型ロボットのための意味論対応歩行と実行対応ナビゲーション
高さマップでは捉えにくい危険物と歩行制御による軌道ずれを再現するベンチマークを提案し、意味論入力とずれ補正を組み込んだVLN・歩行統合フレームワークでナビゲーション性能を検証した。
原題: What the Elevation Map Cannot See: Semantic-Aware Locomotion and Execution-Aware Navigation for Humanoid Robot / Shunyu Yao, Songyang Liu, Dinghao Chen 他
日本語で読む → - 論文sim2realロボティクス
人間の動画を物理的に整合したロボット操作データに変換
人間の手をロボットハンドに置き換える際の接触形状と遮蔽を物理的に整合させ、ロボット実演と共学習することで操作性能を向上させる手法を提案。
原題: Robotizing Human Videos with Physically Consistent Interactions / Ching-Lam Cheng, Shengfeng He, Bin Zhu
日本語で読む → - 論文ワールドモデル制御AI
実行ギャップに注意:ワールドモデル制御における行動と意味の不一致
非同期実行がワールドモデル制御器の行動意味論をどう変えるかを分析し、TD-MPC2とDreamerV3の失敗モードを特定して、事前学習モデルを変更せずに修正する軽量インターフェースを提案した。
原題: Mind the Execution Gap: Action-Semantic Mismatch in World-Model Control / Shengtao Wen, Xiang Chen, Yu Tian 他
日本語で読む →
PR・アフィリエイト広告
