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: 2026/10/2 / 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 →- 論文歩行ロボティクス
粒状斜面における効果的な移動のための地形依存の脚内タイミング
六脚ロボットと傾斜可能な粒状床を用いて、斜面での移動速度と抵抗力を測定し、地形と斜面角度に応じたアンカリングタイミングや歩幅を予測するモデルを構築した。これにより、粒状斜面上での沈み込みや滑りによる失敗領域を特定し、リスク評価を可能にした。
原題: Terrain-Dependent Intra-Cycle Leg Timing for Effective Locomotion on Granular Slopes / Long Zhao, Xingjue Liao, Feifei Qian
日本語で読む → - 論文VLAロボティクス
身体性エージェント間の表現アラインメントについて
身体性エージェント間の表現の不一致が相互作用に与える影響を関係的十分性として定式化し、相互作用に必要なアンカー数を導出した理論研究。
原題: On Representational Alignment among Embodied Agents / Fulvio Mastrogiovanni
日本語で読む → - 論文外骨格・筋骨格シミュレーションロボティクス
被験者別筋骨格予測シミュレーションによる下肢外骨格支援:関節支援戦略の代謝・生体力学的効果
6名の被験者別筋骨格モデルと予測シミュレーションを用い、股・膝・足首への支援の組み合わせが歩行時の代謝コストと生体力学に与える影響を評価した。
原題: Subject-Specific Predictive Musculoskeletal Simulations of Lower-Limb Exoskeleton Assistance: Metabolic and Biomechanical Effects of Joint Assistance Strategies / Neethan Ratnakumar, Mariya Tohfafarosha, Xianlian Zhou
日本語で読む → - 論文姿勢推定画像認識
RYOPO: カテゴリレベル物体姿勢推定をエンドツーエンドでリアルタイム化
RGB-D画像から物体の検出・セグメンテーション・9自由度姿勢推定を単一のクエリベースモデルで同時に行い、外部セグメンテーション不要でリアルタイム推論を実現した研究。
原題: RYOPO: Bringing End-to-End Category-Level Object Pose Estimation into Real Time / Hakjin Lee, Junghoon Seo, Jaehoon Sim
日本語で読む → - 論文リハビリテーションロボティクスロボティクス
頭頸部の動きを回復するための生体模倣視線制御
眼と頭の協調を模倣した前庭動眼反射に基づく視線追跡制御器を設計し、個人適応機能を備えた頸部外骨格システムを開発した。従来法より自然な速度プロファイルと24%の意図検出精度向上を実現した。
原題: A Biomimetic Gaze Control to Restore Head-Neck Movements / Colin Rubow, Haohan Zhang
日本語で読む → - 論文表現学習画像認識
デコーダを削りエンコーダを活かす:新規視点合成からの幾何表現学習
新規視点合成を用いた自己教師あり学習で、デコーダの表現力を抑え潜在空間で再構成するSNAPを提案し、視覚的位置推定やロボット操作など5タスクで競争力のある幾何表現を実現した。
原題: Less Decoder is More Encoder: Geometric Representation Learning from Novel View Synthesis / Keerthi Kaashyap, Dennis Anthony, Akshay Krishnan 他
日本語で読む → - 論文継続学習/世界モデル機械学習
世界モデルは何を忘れるべきか?適応的継続のための層別保持
世界モデルにおける継続学習では、物理法則などの不変知識と環境変化に応じて更新すべき事実を区別し、不変知識の保持と更新遅延を別々に評価する手法を提案する。
原題: What Should World Models Forget? Stratified Retention for Continual Adaptation / Nishit Anand, Ramani Duraiswami, Dinesh Manocha
日本語で読む → - 論文動画生成/世界モデル画像認識
物理は活性化に宿るか?動画拡散モデルにおける物理量の局在化
動画拡散Transformerの内部表現を調べ、運動や剛体力学の物理量がノイズ除去過程の早い段階で線形に読み出せ、物体トークンに局在することを示した研究。
原題: Does Physics Live in the Activations? Localizing Physical Quantities in Video Diffusion Models / Jonas Kneifl, Jakub Skalski, Bartłomiej Twardowski 他
日本語で読む → - 論文歩行ロボティクス
世界を一周:270g連続回転四脚ロボットにおける統合学習ロコモーション
270gの小型四脚ロボットMiNI-Qで、姿勢条件付き強化学習ポリシーをオンボード実行し、通常歩行・逆さ歩行・着地復帰を単一ポリシーで実現した。
原題: Around the World: Unified Learned Locomotion on a 270 g Continuous-Rotation Quadruped / Arturo Flores Alvarez, Nathan Lintu, Dennis Hong
日本語で読む → - 論文VLAロボティクス
GeoScaffold: 再構成によるコンパクトな幾何潜在表現の学習で効率的な視覚言語ナビゲーションを実現
訓練時のみ幾何再構成を監督として使い、推論時には追加コストなしで3D幾何を内部化した視覚言語ナビゲーションポリシーを学習する手法。
原題: GeoScaffold: Learning Compact Geometric Latents via Reconstruction for Efficient Vision-Language Navigation / Yixuan Jiang, Wentong Li, An Liu 他
日本語で読む → - 論文拡散世界モデル画像認識
SpectralCache: スペクトル特徴キャッシュによる拡散ベース世界モデルの高速化
拡散ベース世界モデルの特徴が持つ特異部分空間の安定性を利用し、学習不要のスペクトルキャッシュで推論を最大5.22倍高速化した研究。
原題: SpectralCache: Accelerating Diffusion-Based World Models via Spectral Feature Caching / Zhendong Mi, Pu Zhao, Ziyu Hu 他
日本語で読む → - 論文sim2realロボティクス
RoboBridge:シミュレーションから実世界への転移のための自己進化型具現化エージェントフレームワーク
シミュレーションと実世界で共有されるタスク知識を手続きとして表現し、対話フィードバックでスキルを自己進化させることで、VLAポリシーを再学習せずにsim-to-real転移を実現するフレームワークを提案。
原題: RoboBridge: A Self-Evolving Embodied Agent Framework for Sim-to-Real Transfer / Chenxi Li, Zhangrui Zhao, Rui Li 他
日本語で読む → - 論文VLAロボティクス
世界校正型Proposal-to-Actionフローによる視覚言語行動モデル
VLAポリシーの生成開始点を直近の動作から予測可能にし、世界モデルで校正した異方性ソースで行動を生成するProActを提案。
原題: World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models / Jie He, Wei Li, Junwen Tong 他
日本語で読む → - 論文連合学習/3D知覚画像認識
FedCKA: 表現類似度に基づく層別パーソナライズによる走行領域横断の連合3D知覚
連合学習で3D物体検出器を学習する際、クライアント間の層ごとの特徴類似度(CKA)を計算し、類似した層だけを共有・集約することで、環境ごとのデータ分布の違いに柔軟に対応する手法を提案した。
原題: FedCKA: Representation-Guided Layer Personalization for Federated 3D Perception Across Driving Domains / Jolle Verhoog, Ali Burak Ünal, Holger Caesar
日本語で読む → - 論文マニピュレーションロボティクス
再構成・練習・実世界展開:身体性エージェントのためのガイド付き自己改善
オフラインデータから操作タスクを抽出し、シミュレーションで練習して失敗を診断しながらスキルとプロンプトを自己改善し、実機で高い成功率を達成するフレームワークRPGを提案。
原題: Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents / Yen-Jen Wang, Haozhe Jiang, Shuying Deng 他
日本語で読む → - 論文3D表現/データセット画像認識
3DROID: シーンごとの信頼性を計測したレンダリング可能な3Dガウシアンデータセット
ロボット操作研究向けに、カメラ外部パラメータの信頼性を考慮して実世界スケールに校正した3Dガウシアン表現のデータセットを構築した。
原題: 3DROID: A Renderable 3D Gaussian Dataset with Measured Per-Scene Reliability / Wonguen Cho, Junhoo Lee, Nojun Kwak
日本語で読む → - 論文世界モデル画像認識
FutureWorlds: 代替未来からロボット世界モデルを学習する
マルチモーダル離散自己回帰モデルと多様性ビーム探索、候補ごとの記憶保持、MemSPO最適化を組み合わせ、ロボットの行動条件付き未来予測を高精度化する枠組みを提案。
原題: FutureWorlds: Learning Robotic World Models from Alternative Futures / Hao Wu, Shengju Qian, Weiyan Wang 他
日本語で読む → - 論文VLAロボティクス
UniWAM:統合された世界行動モデル
物理推論・映像生成・行動予測を統合したモデルで、人間の一人称視点データとロボットデータを活用し、複数の評価でSOTAを達成した。
原題: UniWAM: Unified World-Action Model / Jiayi Chen, Wenxuan Song, Jingbo Wang 他
日本語で読む → - 論文群制御ロボティクス
AFD-CAMLs: ケーブル吊り下げ型空中マルチリフトシステムのための俊敏な力分布を考慮した計画と制御
複数のドローンで吊り下げ輸送する際の張力配分を改善するため、計画と制御を統合した枠組みを提案し、4〜10機の実験で俊敏性を保ちつつ張力の均等化を実現した。
原題: AFD-CAMLs: Agile Force-Distribution-Aware Planning and Control for Cable-Suspended Aerial Multi-Lifting Systems / Antreas Kourris, Sihao Sun
日本語で読む → - 論文因果推論機械学習
因果性が意味のギャップを橋渡しする方法
測定データから因果グラフを推定し、未知変数の埋め込みを構造制約付きで解くことで、人間の知識に頼らず変数の意味を復元するフレームワークCausalBridgeを提案。
原題: How Causality Bridges the Semantic Gap / Shuhao Zhang, Xuran Zhou, Han Guo 他
日本語で読む → - 論文VLAAI
コードがシミュレーションを担い、Jevが評価を担う
判断モデルJevは入力記述から評価できるタスクは得意だが、相手の行動や順序予測などシミュレーションが必要なタスクは苦手であり、シミュレーションをコードに任せるべきだと示した。
原題: Code Owns the Simulation, Jev Owns the Evaluation / Yaodong Yang, Hongyao Tang, Yi Ma 他
日本語で読む → - 論文動画生成/マニピュレーション画像認識
Ego2Act: 一人称視点動画生成における目標指向マニピュレーションの評価
一人称視点の動画生成モデルが、高レベルの目標から多段階の物体操作をどれだけ現実的にシミュレートできるかを評価するベンチマークEgo2Actと、参照不要の評価器Ego2ActJudgeを提案した。
原題: Ego2Act: Evaluating Goal-Directed Manipulation in Egocentric Video Generation / Patrick Amadeus Irawan, Iskandar Muda Rizky Parlambang, Rava Maulana 他
日本語で読む → - 論文sim2real画像認識
LiteReality-Agent: 操作可能な3D屋内シーン再構成のためのエージェントシステム
RGB-Dスキャンから、関節構造を持つシミュレーション可能な3D屋内シーンを再構成するエージェントシステム。コーディングエージェントがPythonスクリプトを反復編集してデジタルツインを生成する。
原題: LiteReality-Agent: An Agentic System for Interactable 3D Indoor Scene Reconstruction / Zhening Huang, Yueyan Li, Johnathan Chiu 他
日本語で読む → - 論文動画生成画像認識
合成状態遷移による動画インタラクション生成のブートストラップ
画像編集モデルで相互作用の開始・終了状態画像を作り、State-Guided Samplingで滑らかな動画を生成する合成データセットを構築し、ファインチューニングで物理的に妥当なインタラクション生成を改善した。
原題: Bootstrapping Video Interaction Generation with Synthetic State Transitions / Jiho Jang, Jinyoung Kim, Nojun Kwak 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
ALFRED: 長期植物モニタリングのための要件駆動型オープンソース移動マニピュレータ開発
市販部品で構成したオープンソース移動マニピュレータALFREDを4回の設計反復で開発し、森林での1年間の月次調査を完遂して耐久性・再現性を実証した。
原題: ALFRED: Requirement-driven development of an open-source mobile manipulator for long-term plant monitoring / Ciarán Miceal Johnson, Christopher Quail, Garry Ellard 他
日本語で読む → - 論文VLA画像認識
WAMJET: ワールドアクションモデル高速化のためのエージェントハーネス
コーディングエージェントに最適化ガイドと計測・検証ツールを与え、ロボット操作向けワールドアクションモデルの推論を最大9.95倍高速化するフレームワークを提案。
原題: WAMJET: A Harness for World Action Model Acceleration / Le Chen, Lixin Liu, Jan Schneider 他
日本語で読む → - 論文マニピュレーションロボティクス
SkeleWAM: 骨格ワールドアクションモデリングによる効率的なロボットマニピュレーション
ロボット関節・物体中心・接触点からなる疎な3D骨格を状態表現として用い、行動生成と将来骨格予測を統合した軽量なワールドアクションモデルを提案。LIBERO-Plusで85.9%の成功率を達成。
原題: SkeleWAM: Skeleton World-Action Modeling for Efficient Robotic Manipulation / Juyi Sheng, Hua Wang, Mengyuan Liu
日本語で読む → - 論文群制御cs.MA
分散型エージェントUAV群における文脈と通信の管理
各UAVが小型言語モデルを搭載する分散型群制御で、構造化ノートと関心ベースのゴシップ通信により推論文脈の劣化と通信過多を抑え、捜索救助ミッションの成功率と効率を改善した研究。
原題: Managing Context and Communication in Distributed Agentic UAV Swarms / Andrea Iannoli, Ivan Zyrianoff, Angelo Trotta 他
日本語で読む → - 論文一人称視点手再構成画像認識
EgoFound3R: 世界座標空間における一人称視点手再構成と点単位のインタラクション属性推定
一人称視点動画から、シーンと共通のメートルスケールで世界座標空間の手形状を再構成し、可視性・接触・距離といった点単位のインタラクション属性を単一パスで推定する統合エンドツーエンドモデルを提案。
原題: EgoFound3R: End-to-End Egocentric Hand Reconstruction in World Space with Point-Wise Interaction Attributes / Hongming Fu, Jingcheng Shi, Wenjia Wang 他
日本語で読む → - 論文VLAロボティクス
ChunkVLA-AM: 積層造形における視覚-言語-行動ロボット制御のための並列アクションチャンキング
積層造形向けにOpenVLA-OFTをFAIRINO FR3ロボットへ適応させ、8ステップのアクションチャンクを並列予測してクラウドエッジ構成で物体搬送を実行、42回中39回成功した。
原題: ChunkVLA-AM: Parallel Action Chunking for Vision-Language-Action Robot Control in Additive Manufacturing / Zhugang Liu, Kaichuang Zhang, Jinman Zhang 他
日本語で読む →
PR・アフィリエイト広告
