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: 2026/10/1 / 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3D再構成画像認識
HierGF: 幾何知覚メッセージパッシングによる階層的ガウス場を用いたスパースビュー3D再構成
限られた視点の画像から3D再構成を行うため、粗い3D幾何情報と2D生成事前分布を擬似教師信号に変換する階層的ガウス場手法を提案。
原題: HierGF: Hierarchical Gaussian Fields via Geometry-perception Message Passing for Sparse-view 3D Reconstruction / Bi'an Du, Zhimin Zhang, Daizong Liu 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VLA画像認識
ATI-VLA: 行動中心の予測型視覚-言語-行動モデル
予測観測と行動の表現を共有コードブックで揃え、予測潜在を行動生成に適応的に注入することで、操作タスクの性能と収束速度を向上させたVLAモデル。
原題: ATI-VLA: Action-Centric Predictive Vision-Language-Action Models via Actionable Alignment Then Adaptive Injection / Yijie Zhu, Rui Shao, Jie He 他
日本語で読む → - 論文VLA画像認識
2D VLMを3Dプログラマに変えるタスク適応型グラウンディング
2Dの視覚言語モデルに座標系の統一とタスク適応フィードバックを組み合わせ、再学習なしで3D理解・操作・生成を可能にするフレームワーク3D-Progを提案。
原題: Task-Adaptive Grounded 3D-Programmers Using 2D VLMs / Arman Raayatsanati, Sombit Dey, Anna-Maria Halacheva 他
日本語で読む → - 論文VLA画像認識
トークンを減らして行動を改善:成功率14%向上・トークン65%削減を実現するGPT-6 Astraロボットエージェント
ロボットプリミティブとVLAポリシーをPythonコードとして組み合わせ、必要な観測だけを要求するフレームワークPyRUA-Leanを提案。同一プランナーで成功率を63.1%から71.7%に向上させつつ、入力トークンを65%削減した。
原題: Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens / Ruiyang Si, Jianxin Bi, Shunyu Yang 他
日本語で読む → - 論文タスク・モーションプランニングロボティクス
OrbitTAMP: 宇宙機ランデブーにおけるタスク・モーションプランニングのための言語モデルの接地
自然言語指令をLLMで部分的なミッション仕様に変換し、再利用可能な行動グラフと軌道最適化で動的に実行可能な宇宙機ランデブー計画を生成する階層的TAMPフレームワークを提案。
原題: OrbitTAMP: Grounding Language Models for Task and Motion Planning in Spacecraft Rendezvous / Yuji Takubo, Daniele Gammelli, Marco Pavone 他
日本語で読む → - 論文VLAロボティクス
成功だけでは不十分?卓上マニピュレーションにおけるVLAの挙動に対する入力摂動の影響調査
VLAモデルのロバスト性をタスク成功率だけでなく、成功軌道の動きの滑らかさや効率、グリッパ挙動といった振る舞いの観点から評価するフレームワークを提案し、LIBERO系ベンチマークで摂動が成功時の挙動を変化させることを示した。
原題: Is Success All You Need? Investigating the Impact of Input Perturbations on VLA Behaviour in Tabletop Manipulation Tasks / Sophie Higham, Riccardo Andrea Izzo, Matteo Matteucci 他
日本語で読む → - 論文sim2realロボティクス
EIDA: 実機-シミュレータ-実機ロボットナビゲーションのための実行インターフェースダイナミクス適応
実機の実行データから速度指令に対する運動とフィードバックの応答を学習し、軽量GPU並列シミュレータ内で適応させることで、アクチュエータの詳細なモデル化なしにロボットナビゲーションのsim-to-real転移を改善する手法を提案。
原題: EIDA: Execution-Interface Dynamics Adaptation for Real-to-Sim-to-Real Robot Navigation / Yiwei Qian, Shanze Wang, Qingyuan Hu 他
日本語で読む → - 論文VLA画像認識
CtrlWAM: 意図と予見を整合させた制御可能なワールドアクションモデル
摂動させた行動をシミュレータで実行し、その視覚的結果と対応付けて学習することで、行動予測と映像生成の整合性を高めた制御可能なワールドアクションモデルを提案。
原題: CtrlWAM: Controllable World Action Models with Aligned Intent and Foresight / Chensheng Peng, Wenhao Ding, Ran Tian 他
日本語で読む → - 論文VLAロボティクス
NarrativeFlow: ロボット速度場を用いたフローベース視覚-言語-行動モデル
言語条件付き操作において、ロボットの速度場を連続的なフローとしてモデル化し、フローマッチングで生成する手法を提案。複数ロボットのデータを活用でき、実世界タスクで成功率が向上。
原題: NarrativeFlow: Flow-Based Vision-Language-Action Model Using Robot Velocity Fields / Shota Kobayashi, Koki Seno, Daichi Yashima 他
日本語で読む → - 論文マニピュレーションロボティクス
世界行動モデルを再考する:構成的・文脈内ロボットマニピュレーションに向けて
操作タスクを視覚サブゴール計画と実行に階層化し、事前学習済み世界モデル表現を共有するViGARを提案。長期構成的タスクと文脈内学習で高い成功率を示した。
原題: Rethinking World-Action Model for Compositional and In-Context Robotic Manipulation / Shukai Gong, Xuanran Zhai, Yintianrun Zhang 他
日本語で読む → - 論文インフラ検査ロボティクス
ドローンとソナーによる水路の非侵襲的検査
市販のドローンとソナーを組み合わせた「ドロナー」システムで、水を抜かずに水路の堆積物や損傷を検査する手法を開発し、実地試験で有効性を確認した。
原題: Non-Invasive Inspection of Water Canals Using Dronar / Michael Zielinski, Zhizhan Wang, Benjamin Dymond 他
日本語で読む → - 論文VLAロボティクス
PrefPI: 選好ガイドによる分布外行動への誘導
自己生成軌道への相対選好のみを用い、事前学習済み生成ロボット方策を初期の有効範囲を超えた行動へ反復的に誘導する枠組みを提案。拡散方策やVLAで実機の物体運搬高さを10.7cmから19.8cmへと大幅に変化させた。
原題: PrefPI: Preference-Guided Steering into Out-of-Distribution Behaviors / Seungeun Rho, Wontaek Kim, Danfei Xu 他
日本語で読む → - 論文スキル発見機械学習
ゲーム誘導型スキル発見:自己対戦による操作可能なエージェント制御
ゲーム内の自己対戦を利用して、人間が直接操作できる意味的に異なる運動スキルを発見する枠組みを提案し、Ant・Frankaアーム・Unitree G1で未学習タスクを人間がスキルを組み合わせて解けることを示した。
原題: Game-Guided Skill Discovery through Self-Play for Playable Agent Control / Seungeun Rho, Jeonghwan Kim, Xue Bin Peng 他
日本語で読む → - 論文VLAロボティクス
Ego4WAM:ロボット学習のための自己中心的人間データのスケーリングで重要な要素は何か?
自己中心的人間データをロボット学習に活用する際、人間とロボットのアライメント、タスク多様性、行動監督、利用戦略が下流性能に与える影響を体系的に分析し、データ設計の指針を示した。
原題: Ego4WAM: What Matters When Scaling Egocentric Human Data for Robot Learning? / Zhihao Sun, Liu Liu, Xinjiang Wang 他
日本語で読む → - 論文世界モデル機械学習
世界をグラフとして:潜在空間グラフによる関係的世界モデリング
物体中心の世界モデルにグラフ構造の帰納バイアスを導入し、物体間の関係を明示的に捉えて将来予測を行う手法WAGを提案。視覚推論とロボット操作タスクで優れた性能を示した。
原題: World-as-Graph: Relational World Modeling Through Latent Space Graphs / Yaqi Yang, Shuo Huang, Yujin Huang 他
日本語で読む → - 論文学習力学・制約補正機械学習
マルコフ力学エンフォーサ:学習力学多様体上での実現可能性を保つ補正
学習した力学モデル上で、予測軌道が力学・制約を満たすように事後補正するオペレータMaDEを提案。制御入力が未知でも実現可能な状態のみから学習し、予測器に付加して力学残差を大幅に低減する。
原題: Markovian Dynamics Enforcer: Feasibility Preserving Correction on Learned Dynamics Manifolds / Kevin Yu, Tao Guo, Constantinos Antoniou 他
日本語で読む → - 論文マルチUAV/状態推定ロボティクス
俊敏なビジョンベースのマルチUAV飛行に向けて:状態推定の再検討
隣接UAVの姿勢情報(傾き)を活用することで、位置のみの推定に比べ速度・加速度の推定誤差を大幅に削減し、俊敏な飛行を可能にすることを示した。
原題: Towards Agile Vision-Based Multi-UAV Flight: Revisiting State Estimation / Michal Pliska, Matouš Vrba, Ondřej Víta 他
日本語で読む → - 論文ヒューマノイドロボティクス
歩行基盤型ヒューマノイドサッカー:多方向キックライブラリのタスクゲート強化学習
指令条件付き歩行ポリシーを土台として先に学習し、その上に7種類のキックスキルをタスクゲート層として追加することで、多方向へのシュートと安定した歩行・復帰を両立させた。
原題: Locomotion-Grounded Humanoid Soccer: Task-Gated Reinforcement Learning of a Multi-Directional Kicking Library / Abu Hanif Muhammad Syarubany, Jaehyun Jang, Hwanhee Kim 他
日本語で読む → - 論文VLAロボティクス
IronMind: カメラ空間自己中心事前学習によるヒューマノイド巧みな操作のスケーリング
自己中心的な人間動画と異種ロボットデータを用いて、カメラ空間行動表現で身体ギャップを埋め、ヒューマノイドの巧みな操作のためのVLAモデルを事前学習する手法を提案。
原題: IronMind: Scaling Humanoid Dexterous Manipulation via Camera-Space Ego-Centric Pretraining / Huimin Pan, Yufan Ren, Kunpeng Song 他
日本語で読む → - 論文ソフトロボティクス/姿勢推定ロボティクス
IMU融合によるモジュール式ソフト腱駆動連続ロボットの磁気ベース自己位置姿勢推定
IMUと能動磁場を組み合わせ、外部カメラなしで連続ロボットの姿勢を推定する埋め込み型センシングを提案し、閉ループ制御で有効性を実証した。
原題: Magnetic based In-situ Self 3D Pose Estimation for a Modular Soft Tendon-Driven Continuum Robot via IMU-Fusion / Zheng Cao, Guo Ning Sue, Xiangyun Bu 他
日本語で読む → - 論文群制御cs.MA
分割最適輸送による高速でスケーラブルなマルチエージェント分布マッチング
大規模マルチエージェント系の終端分布マッチングを、エージェントと目標サンプルを空間ブロックに分割して局所最適輸送問題を解くことで高速化し、大域的なワッサースタイン距離との理論的関連を保つフレームワークを提案。
原題: Fast and Scalable Multi-Agent Distribution Matching via Partitioned Optimal Transport / Kooktae Lee, Ruchika Singh
日本語で読む → - 論文VLAAI
SkillFM: 潜在フローマッチングによるLLMエージェント向けスキル生成
テキストスキルを連続潜在空間で符号化し、条件付きフローモデルでタスクに応じたスキルを直接生成する手法を提案。ALFWorldやSearch-QAなどで検索ベース手法を上回る性能を示した。
原題: SkillFM: Generating Skills for LLM Agents via Latent Flow Matching / Zuming Zhang, Jie He, Yizhe Zhang 他
日本語で読む → - 論文視覚グラウンディング画像認識
GroundAnything: 並列デコーディングと高精度視覚グラウンディングをフラッシュ速度で両立
拡散モデルによる並列デコーディングで視覚グラウンディングを高速化し、4Bモデルで同規模の最先端性能を達成した研究。
原題: GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed / Qize Yu, Lianrui Fan, Bowen Ping 他
日本語で読む → - 論文テレオペレーションロボティクス
NEXUS: 地形適応型テレオペレーションのための知覚的全身体制御
人間の動作指令と機体のセンサ情報を組み合わせ、異なる地形でもロボットが姿勢と接地を適応させて全身テレオペレーションを実現する制御フレームワークを提案。
原題: NEXUS: Perceptive Whole-Body Control for Terrain-Adaptive Teleoperation / Xiangyu Miao, Junsong Wu, Jiyuan Shi 他
日本語で読む → - 論文VLAロボティクス
SplineWAM: Bスプライン表現によるワールドアクションモデルの適応的行動ホライズン
行動軌道を3次Bスプラインで圧縮し、動作の複雑さに応じて行動チャンクの時間解像度と長さを適応的に変えるワールドアクションモデルを提案。推論呼び出しを削減しつつ成功率を向上させた。
原題: SplineWAM: Adaptive Action Horizons for World Action Models via B-Spline Representations / Jun Guo, Xiaoshen Han, Qiwei Li 他
日本語で読む → - 論文ロボティクス/コンピュータビジョン/環境モニタリングロボティクス
サンゴ育成ロボット評価システム(CGRAS):ロボティクスとコンピュータビジョンによるサンゴ幼体モニタリングのスケーリング
サンゴ養殖施設で、ロボット撮影とコンピュータビジョンを用いてサンゴ幼体の検出・計数・健康評価を自動化し、手作業に比べ9.6倍の効率化と96.4%の一致率を達成した。
原題: Coral Grow-out Robotic Assessment System (CGRAS): Scaling Coral Recruit Monitoring Through Robotics and Computer Vision / Dorian Tsai, Scarlett Raine, Emilio Olivastri 他
日本語で読む → - 論文VLAロボティクス
ECoMEM: 記憶依存型ロボット制御のための明示的概念メモリ
タスクに関連する過去の情報を「概念」として明示的に記録・更新し、それをVLAポリシーの条件付けに使うメモリ機構を提案。長期的タスクや実機タスクで高い成功率を達成した。
原題: ECoMEM: Explicit Concept Memory for Memory-Dependent Robot Control / Yize Liu, Ke Wang, Mac Schwager 他
日本語で読む → - 論文制御/プログラム合成AI
制御へのコード合成:パラメータ化されたリアクティブコントローラの合成
LLMでコントローラの構造を合成し、パラメータを微分不要の探索で調整することで、実行時にLLM推論や計画を必要としないリアルタイム制御ポリシーを生成する手法を提案。
原題: Code to Control: Synthesizing Parameterized Reactive Controllers / Zergham Ahmed, Joshua B. Tenenbaum, Chris Bates 他
日本語で読む →
PR・アフィリエイト広告
