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: 2026/10/15 / 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VLA転移ロボティクス
身体性分類器ガイダンス:実演なしで凍結VLAを異なるロボットダイナミクスへ転移
凍結したフローベース方策π0を新たな身体に適応させるため、軽量な身体性分類器を学習し、その勾配でデノイジング過程を誘導する手法を提案。LIBEROベンチマークで成功率を72%から80%に向上させた。
原題: Embodiment-Classifier Guidance: Transferring Frozen VLAs Across Robot Dynamics without Demonstrations / Devin Han, Hershraj Niranjani
日本語で読む → - 論文VLAロボティクス
いつ助けを求めるべきか:デュアルシステムVLAにおける低速モジュールスケジューリングの決定理論的枠組みと測定基準
デュアルシステム型VLAモデルで低速モジュールを呼び出すタイミングを「介入価値(VoI)」として定式化し、適応的トリガーと固定スケジュールを統一的に評価する測定プロトコルを提案した論文。
原題: When to Ask for Help: A Decision-Theoretic Account and Measurement Standard for Slow-Module Scheduling in Dual-System Vision-Language-Action Models / Shilin Zhang
日本語で読む → - 論文VLA機械学習
OS-Helix: ネイティブなコンピュータ操作エージェントにおけるGUI操作とコード実行の統合
GUI操作とコード実行を単一の行動空間で扱うマルチモーダルなコンピュータ操作エージェントを提案し、ハイブリッドデータでのSFTと実環境でのオンラインRLにより性能を大幅に向上させた。
原題: OS-Helix: Unifying GUI Interaction and Code Execution in Native Computer-Using Agents / Bowen Yang, Kaiming Jin, Zichen Ding 他
日本語で読む → - 論文VLAロボティクス
FastVLA:タスク条件付き時間適応型視覚トークン圧縮による効率的なVision-Language-Actionモデル
VLAモデルの推論効率を改善するため、タスクに応じて視覚トークンの重要度を評価し、時間的に適応的な圧縮率を設定する訓練不要のフレームワークを提案。シミュレーションと実機で遅延を削減しつつタスク成功率を維持する。
原題: FastVLA: Task-Conditioned and Temporally Adaptive Visual Token Compression for Efficient Vision-Language-Action Models / Jiuyi Xu, Chengyuan Qian, Zhengzhong Tu 他
日本語で読む → - 論文VLAロボティクス
ロボット政策は何を予測すべきか?視覚-言語-行動学習における監督目標の再考
VLA政策の学習で、行動予測だけでなく潜在行動や未来視覚の予測に訓練サンプルを配分すると、同じ予算でも性能が向上することを示し、予測対象の違いが何を学ぶかに影響することを分析した。
原題: What Should Robot Policies Learn to Predict? Rethinking Supervision Targets in Vision-Language-Action Learning / Haitao Shen, Hanyu Liu, Yihan Lin 他
日本語で読む → - 論文VLAロボティクス
KODA: 人間の一人称視点デモからヒューマノイド学習のための運動学と観測データの整合
一人称視点の人間デモを、再利用可能な正準軌道を介してロボット視点の観測と全身状態行動ラベルに変換し、ヒューマノイドVLAポリシーの学習データを生成する手法を提案。
原題: KODA: Kinematics--Observation Data Alignment for Humanoid Learning from Human Egocentric Demonstration / Zibo Zhou, Yueru Chen, Junsong Wu 他
日本語で読む → - 論文VLAロボティクス
EarlyCommit: 話し終わる前に行動するロボットのための較正された単語単位のコミットメント
指示文の各単語を認識するごとに物体スコアを計算し、較正された確率が閾値に達した時点でロボットが行動を開始するオープンソースツールを提案。
原題: EarlyCommit: Calibrated Word-by-Word Commitment for Robots Acting Before You Finish Speaking / Muhammad Haris Khan
日本語で読む → - 論文自動運転VLAロボティクス
SafeDriveVLA: ナビゲーション条件付きワールドモデルドリーミングによる衝突認識型エンドツーエンド自動運転
ナビゲーション指示への追従と危険な指示への対処を両立するため、ナビゲーション準拠モードを予測し、ナビゲーションに従う未来を想像するワールドモデルを組み合わせた自動運転VLAを提案。
原題: SafeDriveVLA: Navigation-Conditioned World Model Dreaming for Conflict-Aware End-to-End Autonomous Driving / Shaoyuan Xie, Zihan Zhang, Jingxuan Wang 他
日本語で読む → - 論文VLA自然言語
AdaRSI: 身体性エージェントのためのオンデマンド再帰的自己改善
視覚言語行動モデル(VLA)が長期的タスクで失敗する問題に対し、失敗の原因を切り分けて必要なサブステップだけを自己収集データで微調整する再帰的自己改善フレームワークを提案し、RoboCasa365で成功率を4.6%から13.8%に向上させた。
原題: AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents / Peidong Wang, Ying Chang, Zhiming Ma 他
日本語で読む → - 論文VLAロボティクス
ObjDream: 物体レベル理解と未来状態予測で視覚-言語-行動モデルを導く
物体中心の時空間エンコーダと行動条件付き未来状態予測を組み合わせ、分布シフトや clutter に強い VLA モデルを実現した研究。
原題: ObjDream: Guiding Vision-Language-Action Models with Object-Level Understanding and Future State Prediction / Huailiang Ma, Yuxuan Li, Ziyi Zhao 他
日本語で読む → - 論文VLAロボティクス
Atomic-WAM:実行に基づく原子的動作推論によるワールドアクションモデル
視覚言語推論器が次に行う局所動作を記述し、それをワールドアクションモデルが実行可能な行動に変換する枠組みを提案。実行成功率に基づく強化学習で推論器を調整し、実機→シミュレーション評価で有効性を示した。
原題: Atomic-WAM: Execution-Grounded Atomic-Motion Reasoning for World Action Models / Shijun Shi, Zhe Liu, Zhi Hou 他
日本語で読む → - 論文VLAロボティクス
人間の動画1本でVLAモデルを新規タスクに適応させるCapPro
ロボット実演データや追加学習なしに、人間の実演動画1本だけで視覚言語行動モデルを未知のマニピュレーションタスクへ適応させるフレームワークを提案。
原題: One-shot Human Video-Guided Adaptation for Vision-Language-Action Models / Qi Chen, Yuwei Wu, Quan Chen 他
日本語で読む → - 論文VLAロボティクス
言語指示に基づくロボットアームの動作制御:言語からコードへの分解と強化学習
言語指示をコードに分解してロボットアームを制御する手法を提案し、強化学習で指示ポリシーを訓練。評価プロトコルも導入。
原題: Instruction-Conditioned Motion Control for Robotic Arms: Language-to-Code Decomposition and Reinforcement Learning / Fan Huang, Dezhong Tong, Changyu Chen 他
日本語で読む → - 論文VLAロボティクス
MorphAct: 行動する世界に合わせてロボットポリシーを変形させる
視覚言語と行動モジュールのパラメータを相互作用の文脈に応じて動的に低ランク更新するフレームワークを提案し、LIBEROやMeta-World、実世界で性能を向上させた。
原題: MorphAct: Robot Policies Morphing with the Worlds They Act In / Ziyan Liu, Jiting Liu, Weihong Zhong 他
日本語で読む → - 論文VLAロボティクス
EgoJEPA: 一人称視点動画からの巧みな操作のためのリターゲティングを超えて
一人称視点の人間動画から、ルールベースのリターゲティングなしに身体非依存の潜在表現を学習し、軽量アダプタで多様なロボットに適応させる3段階フレームワークを提案。実機5タスクで平均成功率74%を達成。
原題: EgoJEPA: Beyond Retargeting for Dexterous Manipulation from Egocentric Videos / Meng Cao, Can Zhao, Jinjie Wei 他
日本語で読む → - 論文VLAロボティクス
cuVSLAMのスパースバンドル調整における視覚-IMU適応重み付けのためのスマートフュージョン
視覚とIMUの残差の重みを実行時に適応的に切り替えるため、軽量な視覚品質推定器を導入し、軌道精度を向上させた。
原題: Smart Fusion for Adaptive Visual-IMU Weighting in cuVSLAM Sparse Bundle Adjustment / Wonju Lee, Dara Molloy, Abhilash Nand Kumar 他
日本語で読む → - 論文VLAロボティクス
多次元特徴量化によるロボット基盤モデルの細粒度制御とデータ整形
視覚言語行動モデルにブロック疎特徴量化を適用し、多次元特徴を抽出して行動を細かく制御できること、また訓練データのごく一部をマスクするだけで特定行動を除去できることを示した。
原題: Multi-Dimensional Featurizers Yield Fine-Grained Steering and Data Shaping in Robot Foundation Models / Aiden Swann, Mozes Jacobs, Mathilde Papillon 他
日本語で読む → - 論文VLAロボティクス
言い換え合意は自己一貫性ではない:VLAポリシーにおける指示依存性と頑健性
LIBEROで微調整したVLAポリシーは指示文の言い換えに弱く、テスト時のプロンプトアンサンブルでは回復しないことを示し、言い換え指示でのLoRA追加学習が頑健性を改善することを明らかにした。
原題: Paraphrase Consensus Is Not Self-Consistency: Instruction Reliance and Robustness in VLA Policies / Hanlong Li, Sihan Tan, Takeshi Ashizawa 他
日本語で読む → - 論文VLAロボティクス
ACRO: Actor-Criticによるロールアウト統制
固定されたVLAポリシーの実行中に、Criticが成功見込みを推定して介入タイミングと再開地点を決め、軌道を巻き戻して再実行させることでタスク成功率を高める手法。
原題: ACRO: Actor-Critic Rollout Orchestration / Junhoo Lee, Seungyeon Kim, Baekseung Kim 他
日本語で読む → - 論文VLAロボティクス
World Action Modelsのための相補的未来トークンプルーニング
事前学習済みWorld Action Modelの未来フレームトークンを、指示と行動の注意に基づき訓練なしで枝刈りし、推論を高速化する手法を提案。
原題: Complementary Future Token Pruning for World Action Models / Baekseung Kim, Junhoo Lee, Sohyeon Hong 他
日本語で読む → - 論文VLAロボティクス
視覚言語行動モデルにおける世界モデリングで重要な要素は何か?
VLAモデルへの世界モデル統合において、世界表現・統合パラダイム・ポリシーバックボーンを統一フレームワークで比較し、有効性を左右する要因を明らかにした研究。
原題: What Matters for World Modeling in Vision-Language-Action Models? / Qisen Ma, Yixiang Chen, Yuan Xu 他
日本語で読む → - 論文VLAロボティクス
エージェント型ロボットに向けて:モデル・データ・環境・ハーネスの統合展望
ロボット知能の新パラダイム「エージェント型ロボット」について、モデル・データ・環境・ハーネスの4領域にわたる既存研究を17カテゴリに整理し、統一的な展望を示したサーベイ論文。
原題: Towards Agentic Robots: Model, Data, Environment, and Harness / Chonghan Qin, Dongming Wu, Kaituo Feng 他
日本語で読む → - 論文VLAAI
VLRLA: 文脈内強化学習による視覚言語行動モデルの配備時適応
既存のVLAモデルに強化学習モジュールを追加し、パラメータを固定したまま配備中の経験から行動生成を徐々に改善するフレームワークを提案。
原題: VLRLA: Deployment-Time Adaptation of Vision-Language-Action Models through In-Context Reinforcement Learning / Diyuan Shi, Yiqi Tang, Hongyin Zhang 他
日本語で読む → - 論文VLAロボティクス
Robota-Embed:ロボットの文脈内学習と進化のための統合VLA埋め込み
視覚・言語・行動を統合して現在の状態と将来の継続を同時に埋め込むVLA埋め込みモデルを提案し、検索による文脈利用でロボットの成功率を向上させた。
原題: Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution / Yunze Liu, Jing Wang, Shenrui Wu 他
日本語で読む → - 論文VLAロボティクス
軌道修正:ワールドモデル計画によるデプロイ時の方策改善
黒箱の方策をデプロイ時に監視し、進捗が失われた際に学習済みワールドモデルで短期的な修正行動を計画することで、再学習なしにタスク成功率を向上させるフレームワークを提案。
原題: Back on Track: Deployment-time Policy Improvement via World Model Planning / Colton Crosby, Hao Wang, Mac Schwager 他
日本語で読む → - 論文VLAロボティクス
FoveaVLA: 手首カメラを注視行動で置き換えるVLA
手首カメラの代わりに、次に注視すべき領域を予測して原解像度のクロップを入力するVLAを提案し、実世界タスクで成功率を52.1%から77.1%に向上させた。
原題: FoveaVLA: Foveation Actions Replace the Wrist Camera in VLAs / Bingao Chen, Lihan Zha, C. Karen Liu 他
日本語で読む → - 論文VLAロボティクス
視覚言語行動モデルにおける神経幾何学の現象学
VLAモデル内でタスク関連概念がどのような幾何学的形状をとるかを分類し、その形状が行動制約に影響されることを示した研究。
原題: A Phenomenology of Neural Geometry in Vision-Language-Action Models / Mozes Jacobs, Aiden Swann, Mathilde Papillon 他
日本語で読む → - 論文VLAロボティクス
ロボット基盤モデルの因果分析による効率化
3つのVLAモデルを因果的に解析し、行動生成に重要な中間〜後半のクロスアテンション層「行動条件付けインターフェース」を特定。この知見をモデル効率化に応用できることを示した。
原題: Causal Analysis of Robot Foundation Models Enables Efficiency Gains / Aiden Swann, Mathilde Papillon, Mozes Jacobs 他
日本語で読む → - 論文VLAAI
失敗から振り返る:身体性空間知能のための脳に着想を得た自己進化エージェント
脳のメタ認知と海馬の記憶固定化に着想を得て、知覚・探索・計画の失敗を診断し再利用可能な戦略とスキルを抽出する自己進化エージェントHiMecoを提案し、身体性空間タスクのベンチマークで最高性能を達成した。
原題: Reflect After Failure: Brain-Inspired Self-Evolving Agents for Embodied Spatial Intelligence / Xin Li, Xiaohuan Gu, Yifan Wang 他
日本語で読む → - 論文VLAロボティクス
離散行動はいつ連続制御器として優れているのか?
ロボット基盤モデルにおける連続行動表現の優位性を問い直し、離散行動予測がタスク成功率で連続行動方策に匹敵または凌駕することを示した。
原題: When Do Discrete Actions Make Good Continuous Controllers? / Zeji Yi, Soham Dasgupta, Xinyang Zhang 他
日本語で読む →
PR・アフィリエイト広告
