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: 2026/10/4 / 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 →- 論文世界モデル機械学習
事前学習済み拡散表現から同定可能な世界モデルを構築
凍結した拡散モデルの潜在表現に軽量な整合写像を学習させることで、状態変数や因果構造を同定可能な座標を獲得できることを示した研究。
原題: Identifiable World Models from Pretrained Diffusion Representations / Ruchi Sandilya, Conor Liston, Logan Grosenick
日本語で読む → - 論文遠隔操作ロボティクス
TacGELLO: 3Dプリント製リーダーによる触覚接触フィードバック
3Dプリント製の遠隔操作リーダーアームに、グリッパの触覚接触フィードバックと関節の負荷キューを追加し、操作者が遠隔の接触を感じながら操作できるようにした研究。
原題: TacGELLO: Tactile Contact Feedback for a 3D-Printed Teleoperation Leader / Younsoo Kim, Sangmin Song, Sarath Kodagoda 他
日本語で読む → - 論文マルチエージェント強化学習cs.MA
部分的観測動的ゲームにおける未知の対戦相手に対するレベルK政策の編成
未知の対戦相手の推論レベルを推定して応答を選ぶ従来手法を、部分的観測マルコフゲームにおける動的な政策編成問題として定式化し、強化学習ベースの編成器が分類ベースより高いリターンを達成することを示した。
原題: Orchestrating Level-$K$ Policies Against Unknown Opponents in Partially-Observable Dynamic Games / Addison Kalanther, Sanika Bharvirkar, Daniel Bostwick 他
日本語で読む → - 論文移動ロボットロボティクス
差動駆動移動ロボットにおける緊急障害物回避マニューバ
差動駆動ロボットの緊急回避性能とオドメトリ誤差が接近速度にどう依存するかを540回の実験で調べ、速度別の経験的特性評価の重要性を示した。
原題: Emergency Obstacle Avoidance Maneuvers in Differential-Drive Mobile Robots / Kautik Mandve, Nilay Kant
日本語で読む → - 論文モデルベース強化学習ロボティクス
未モデル状態依存性下での学習クリティックによる最適制御
解析モデルに残差動力学ネットワークを加え、学習した行動価値クリティックをiLQRに統合することで、接触などモデル化困難な状態依存性に対応する学習ベースMPCを提案。GPU加速バッチiLQRで効率的に学習する。
原題: Optimal Control with Learned Critics under Unmodeled State Dependencies / Philipp Schoch, Markus Ryll
日本語で読む → - 論文VLAcs.CR
画像からテキストへのジェイルブレイクはどの画像特性が引き起こすのか:制御された分解解析
画像とテキストの関係性がジェイルブレイク成功率に与える影響を、複数の攻撃手法とモデルで制御実験により検証した。
原題: Which Image Property Carries the Jailbreak? A Controlled Dissection of Image-to-Text Jailbreaks / Boyuan Chen, Yehia Dawoud, Hailemariam Mersha 他
日本語で読む → - 論文ソフトウェアエージェント機械学習
ソフトウェアワールドモデル:結果予測から意思決定価値へ
コード変更が壊すコンポーネント集合(ブラストセット)を予測するソフトウェアワールドモデルを提案し、静的解析より高精度に破壊的変更を検出して変更ランキングや移行判断を改善した。
原題: Software World Models: From Consequence Prediction to Decision Value / Tongli Su, Yuntong Hu, Liang Zhao 他
日本語で読む → - 論文VLAロボティクス
FLEX-WAM: 長期的な想像と計画のための柔軟なブロック因果的世界行動モデル
可変長コンテキストと無限自己回帰生成を可能にするブロック因果的世界行動モデルを提案し、行動応答性を高める訓練手法により長期計画タスクで高性能を実現した。
原題: FLEX-WAM: Flexible Block-Causal World-Action Models for Long-Horizon Imagination and Planning / R. Khorrambakht, Joseph Amigo, Félix Lebel 他
日本語で読む → - 論文sim2realロボティクス
TUCO: シミュレーション実演のキュレーションによるSim-to-Realロボット方策の共訓練
シミュレーション実演を能動的に選別するデータキュレーション手法TUCOを提案し、影響関数を用いて軌道の有用性と集合の網羅性を評価することで、Sim-to-Real方策共訓練の性能を向上させた。
原題: TUCO: Curating Simulation Demonstrations for Sim-to-Real Robot Policy Co-Training / Ning Zhu, Mengfei Zhao, Yikai Tang 他
日本語で読む → - 論文世界モデル機械学習
BeliefGraph-JEPA:行動条件付き時系列のための構造化潜在世界モデル
将来の行動や外生要因が複数の対象に異なる遅延・持続性で影響する時系列予測のため、影響を型付き潜在状態に分解しグラフで対象へ伝える構造化世界モデルを提案。臨床・農業・環境・産業の4システムで既存手法を上回った。
原題: BeliefGraph-JEPA: Structured Latent World Models for Action-Conditioned Time Series / Yue Li, Kangqi Ni, Zhen Tan 他
日本語で読む → - 論文世界モデル機械学習
潜在世界モデルにおける予測誤差と計画性能の乖離を診断する
潜在世界モデルの予測誤差を中心成分と行動依存成分に分解し、誤差が小さくても計画性能が改善するとは限らないことを複数モデル・タスクで示した診断研究。
原題: When Low Prediction Error Misleads Planning: Diagnosing Representation, Dynamics, and Decision Failures in Latent World Models / Rui Min, Xianyao Li, Fang Xu 他
日本語で読む → - 論文VLAAI
安全な行動だけでは不十分:視覚言語行動ポリシーのための実行可能未来デコーディング
凍結したVLAポリシーにおいて、局所的に安全な行動でも将来の安全なタスク完了が不可能になる「実現可能性-尤度ギャップ」を定式化し、再学習やオンラインロールアウトなしで安全な候補を選び直す訓練不要のリランカーを提案した。
原題: A Safe Action Is Not Enough: Feasible-Future Decoding for Vision-Language-Action Policies / Tu Nguyen, Matthieu Zimmer, Vu Anh Vu 他
日本語で読む → - 論文社会的ナビゲーションロボティクス
ツアーガイドロボットのための社会的ナビゲーション
障害物やユーザの位置・向きに基づく力学的モデルを用いて、ツアーガイドロボットがユーザにとって社会的に受け入れられやすいナビゲーションを実現する手法を提案し、実験で評価する。
原題: Social Navigation for Tour-guide Robot / Vikram Shree, Jose Nino
日本語で読む → - 論文VLAAI
BACAM: マルチターン対話のための振る舞い認識型継続エージェントマージ
専門家エージェントを逐次的に統合する継続的マージ手法BACAMを提案し、軌跡ベースの振る舞い監督と安定性・可塑性制御により、対話タスクでの成功率を大幅に向上させた。
原題: BACAM: Behavior-Aware Continual Agent Merging for Multi-Turn Interaction / Shuaitong Li, Baochen Xiong, Xiaoshan Yang 他
日本語で読む → - 論文時系列基盤モデル機械学習
Pythia: マルチモーダル時系列のための基盤ワールドモデル
テキスト文脈や補助観測を活用し、データセットをまたいで文脈条件付き潜在ダイナミクスを学習する時系列基盤ワールドモデルを提案。予測表現学習と確率的デコーダを分離し、MUSEベンチマークで誤差を削減した。
原題: Pythia: Toward Foundation World Models for Multimodal Time Series / Xilin Dai, Hongzhou Chen, Yifan Hu 他
日本語で読む → - 論文触覚ロボティクス
押す前にそっと触れ:触覚プロービングによる物理認識ナビゲーション
触覚プローブで容器の押し抵抗を測り質量を推定して、押してよいか判断しながら経路計画するナビゲーション手法TANavを提案。シミュレーションと四脚マニピュレータで有効性を示した。
原題: Nudge Before You Push: Physics-Aware Navigation via Tactile Probing / Xianyao Li, Fang Xu, Ruitong Tian 他
日本語で読む → - 論文シーン再構成画像認識
ArticuTable: 単一画像からインスタンスレベルの対話型剛体・関節式3D卓上シーンを生成
単一画像から、パーツ単位で動かせる関節式オブジェクトを含む卓上3Dシーンを再構成し、入力視点と整合するレイアウトを復元するフレームワークを提案。
原題: ArticuTable: Generating Instance-Level Interactive Rigid-Articulated 3D Tabletop Scenes from a Single Image / Kai Lv, Yibo Yin, Lijun Guo 他
日本語で読む → - 論文空間音声理解cs.SD
SEA-LM: ウェアラブルマイクアレイのための自己中心空間音声理解
スマートグラス型マイクアレイの音声から空間情報を捉え、音源定位や複数話者の選択的書き起こしを行うマルチモーダル大規模言語モデルを提案した論文。
原題: SEA-LM: Egocentric Spatial Audio Understanding for Wearable Microphone Arrays / Sonal Kumar, Sinan Hersek, Artem Dementyev 他
日本語で読む → - 論文ヒューマノイドロボティクス
CoDance: 動画から人間とヒューマノイドの反応的で柔軟なインタラクションを学習
2人の人間のダンス動画から、ヒューマノイドが人間と両手で接触しながら足取りを合わせて踊る動作を学習するフレームワークを提案。
原題: CoDance: Learning Reactive and Compliant Human-Humanoid Interaction from Video / Zhuoqun Chen, Shucheng Jia, Boyuan Chen
日本語で読む → - 論文身体AIベンチマーク画像認識
EMBER-Bench:長期的身体タスクにおけるイベント間因果記憶のベンチマーク
一人称視点の家庭内タスク189件・QAペア699件からなる、過去の出来事が現在の状態や将来の行動にどう影響するかを問う因果推論ベンチマークを新規構築し、16モデルを評価した。
原題: EMBER-Bench: Benchmarking Cross-Event Causal Memory in Long-Horizon Embodied Tasks / Aoyang Cai, Boning Zhao, Shaoxuan Xie 他
日本語で読む → - 論文VLA画像認識
予測不確実性で汎用推論を起動するデュアルシステムVLA
デュアルシステムVLAにおいて、行動再予測のばらつきを予測不確実性信号として用い、汎用推論の呼び出しを適応的にスキップする手法TUDを提案。計算コストを抑えつつ成功率を向上させた。
原題: Triggering Generalist Reasoning via Predictive Uncertainty for Dual-System VLA / Hyemin Yang, Wooseong Jeong, Giwon Lee 他
日本語で読む → - 論文手術ロボット/追跡/sim2realロボティクス
手術ロボット器具のロバスト追跡:逐次マルチキュー融合とSim-to-Real自己学習
合成画像で事前学習したモデルを、ロボット関節状態とEKF・RTSスムーザを用いて実世界動画に自己学習させ、手術器具のキーポイント追跡を高精度化した研究。
原題: Robust Surgical Robotic Instrument Tracking via Sequential Multi-Cue Fusion and Sim-to-Real Self-Training / Hanyang Hu, Zekai Liang, Florian Richter 他
日本語で読む → - 論文LiDARオドメトリロボティクス
GR-LIO: 車体-地面間高さを用いた局所地面認識LiDAR慣性オドメトリ
局所地面平面の幾何情報を状態推定に組み込み、地面セグメンテーションと平面制約を活用して精度と効率を高めるLiDAR慣性オドメトリ手法を提案。
原題: GR-LIO: A Local Ground-Aware LiDAR-Inertial Odometry System Using Body-to-Ground Height / Zhixin Zhang, Yang Song, Liang Zhao 他
日本語で読む → - 論文衝突回避ロボティクス
GJK-CBF: SE(3)上の凸剛体衝突回避のための制御バリア関数
GJKアルゴリズムで凸剛体間の最近傍点対を求め、その相対運動から直接勾配を構成する制御バリア関数を提案し、微分可能最適化を不要にした。2D/3Dのマルチロボット交換や狭所通過、マニピュレータで衝突回避を実証した。
原題: GJK-CBF: Control Barrier Functions for Convex Rigid Body Collision Avoidance on SE(3) / Yi-Hsuan Chen, Shuo Liu, Wei Xiao 他
日本語で読む → - 論文VLAロボティクス
DiVeR: VLAのテスト時スケーリングのための意思決定クリティカル検証器学習
VLA方針のテスト時スケーリングにおいて、行動候補の識別に重要な状態を推定し、検証器の学習を再重み付けする手法DiVeRを提案。LIBEROやRoboCasa、実機実験で成功率を向上させた。
原題: DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling / Seongheon Park, Heecheol Kim, Shulin Tian 他
日本語で読む → - 論文移動マニピュレーションロボティクス
RMMBench:ロボット移動マニピュレーションのための包括的ベンチマーク
移動とマニピュレーションを組み合わせた70種類のタスクでVLMの身体性能力を評価するベンチマークを提案し、最先端VLMでも空間定位に課題があることを示した。
原題: RMMBench: A Comprehensive Benchmark for Robotic Mobile Manipulation / Huapeng Li, Fuxiang Feng, Jinqiu Fan 他
日本語で読む → - 論文VLA画像認識
GeoBridge-VLA:視覚言語行動モデルのための幾何認識残差適応
事前学習済みVLAの視覚エンコーダを凍結したまま幾何特徴を学習し、残差インターフェースで行動予測を強化する二段階手法を提案。LIBEROで70.9%、実機で74.0%の成功率を達成した。
原題: GeoBridge-VLA: Geometry-Aware Residual Adaptation for Vision-Language-Action Models / Hyun Song, Kangmin Kim, Loren Jinsoo Um 他
日本語で読む → - 論文遠隔操作ロボティクス
触覚が見える、遮蔽も見える:デジタルツインによる巧みな操作のための遠隔操作インターフェース
裸手トラッキングによるロボットハンド遠隔操作において、力覚フィードバックと遮蔽領域の視覚フィードバックをデジタルツインARで補い、巧みな操作のデモ収集を支援するインターフェースを提案・評価した。
原題: Now You Feel It, Now You See Me: Digital-Twin-based Teleoperation Interface for Dexterous Manipulation / Youngchan Shim, Kyutae Lee, JooYun Kim 他
日本語で読む → - 論文VLAロボティクス
RobotUse: 計算・文脈・意思決定の割り当てによるロボットエージェント
ロボットエージェントが視覚的に目標と姿勢を選び、バックエンドが幾何・運動計画・制御を担うハーネスを提案。サブエージェントが詳細を保持し、永続的なプレイブックで実行から学習する。
原題: RobotUse: Allocating Computation, Context, and Decisions / Junhoo Lee, Injun Baek, Seungyeon Kim 他
日本語で読む → - 論文VLAロボティクス
VAMPS: サンプリングベース計画による視覚・運動ポリシー
MPPI制御を用いて人間のデモンストレーションなしに再利用可能なポリシーを学習するフレームワークを提案し、シミュレーションでの歩行ポリシー学習と実機転移、実機データからの視覚運動ポリシー学習を実現した。
原題: VAMPS: Visual and Motor Policies from Sampling-Based Planning / Mohamed Yassine Kabouri, Pietro Noah Crestaz, Quang-Nam Nguyen 他
日本語で読む →
PR・アフィリエイト広告
