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: 2026/9/30 / 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 →- 論文制御理論制御
関節容量制約下の多入力システムに対する許容性保持制御
複数入力の非線形システムにおいて、アクチュエータの合計容量制約を幾何学的に扱い、許容入力集合を常に保つ制御則をバックステッピングと組み合わせて設計した。
原題: Admissibility-Preserving Control for Multi-Input Systems with Joint Capacity Constraints / Saurabh Kumar, Lohitvel Gopikannan, Shashi Ranjan Kumar 他
日本語で読む → - 論文ナビゲーションロボティクス
Social-WM: ロボットのソーシャルナビゲーションのための安全認識型潜在ワールドモデル
自己中心的なRGB動画から潜在ワールドモデルを学習し、指令された行動と実際に実行可能な行動の乖離を安全性シグナルとして活用することで、歩行者との衝突を抑えたソーシャルナビゲーションを実現した研究。
原題: Social-WM: Safety-Aware Latent World Models for Robot Social Navigation / Zhihao Zheng, Mooi Choo Chuah
日本語で読む → - 論文RLHF機械学習
汚染された人間フィードバックからの頑健なリスク感応強化学習
人間の比較フィードバックが敵対的に反転される状況で、CVaRに基づくリスク感応型RLHF手法を提案し、不確実性重み付き報酬推定と楽観的計画により後悔を抑える。
原題: Robust Risk-Sensitive Reinforcement Learning from Corrupted Human Feedback / Xinyi Ni, Lifeng Lai
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 → - 論文マニピュレーションロボティクス
自己遮蔽を伴う密集環境下でのロバストな物体回収のための計画条件付き模倣学習
密集した clutter から物体を取り出す際、アームが物体を隠してしまう問題に対し、単一の非遮蔽観測からデジタルツインを初期化し、計画条件付き模倣学習で遮蔽下でも回収できる TRACE を提案。シミュレーションで90.7%、実機UR5eで90%の成功率を達成し、実行時間も大幅短縮。
原題: Plan-Conditioned Imitation for Robust Object Retrieval under Self-Occlusion in Dense Clutter / Kowndinya Boyalakuntla, Ajinkya Pawar, Abdeslam Boularias 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 → - 論文VLAロボティクス
同一シーン、異なるタスク:VLAの合成的汎化のためのスキルアラインメント
VLAモデルが未学習のスキル組み合わせに汎化するため、指示を変えた反事実ペアを活用し、既存のスキル実行から監督を転移するCRAFTを提案。
原題: Same Scene, Different Task: Skill Alignment for Compositional Generalization in VLAs / Taegeun Yang, Youngju Na, Yoonki Cho 他
日本語で読む → - 論文VLAロボティクス
リアルタイムVLAに向けて:段階認識型2ステップフローデノイジングとシステムレベル評価
VLAモデルの推論とロボット実行の速度ギャップを分析し、フローデノイジングを2段階に削減する手法と分散リアルタイム実行フレームワークを提案、衣類折り畳みタスクで評価した。
原題: Toward Real-Time VLAs: Stage-Aware Two-Step Flow Denoising and System-Level Evaluation / Di Wu, Rongtian Shen, Ping Liu 他
日本語で読む → - 論文自動運転セキュリティ/LLMプランニングロボティクス
TACTIC: 路側LiDAR攻撃のための時空間・文脈認識型LLM戦術プランニング
マルチモーダルLLMを用いて周囲の交通状況を認識し、路側LiDARへの攻撃戦術を状況に応じて選択・調整するフレームワークを提案。CARLA実験で100%の衝突率を達成した。
原題: TACTIC: Temporal and Context-Aware LLM Tactical Planning for Roadside LiDAR Attacks / Yiming Gao, Shaocheng Luo
日本語で読む → - 論文VLAロボティクス
自己中心的全身体人間データの事前学習による汎用人型ロコマニピュレーションモデル
ウェアラブルシステムで収集した500時間の自己中心的人間行動データセットHumanVerse-500を構築し、それを用いた3段階学習で人型ロボットの全身視覚言語行動ポリシーλ0を開発した。
原題: Towards a General Humanoid Loco-Manipulation Model via Egocentric Whole-Body Human Data Pretraining / Chongyang Xu, Zhao Wu, Jin Chen 他
日本語で読む → - 論文ヒューマノイド計画ロボティクス
RoboAssist: 長期外科支援のための対話型ヒューマノイド計画
手術支援タスクにおいて、人間の作業状態を推定しながらロボットの行動計画をオンラインで更新し、安全性を保ちつつ長期タスクを遂行するエージェントフレームワークを提案。Unitree G1で実証。
原題: RoboAssist: Interactive Human-Humanoid Planning for Long-Horizon Surgical Assistance / Jingwei Jia, Keyu Zhou, Jiewei Wang 他
日本語で読む → - 論文対話評価AI
FIGS: 共感を罰せずにマルチターンお世辞を評価する
ユーザーが繰り返し主張や誘導をする10ターン対話で、事実の一貫性と共感的理解を別々に評価するフレームワークFIGSを提案。
原題: FIGS: Evaluating Multi-Turn Sycophancy Without Penalizing Empathy / Sidharth Pulipaka, Ruta Binkyte, Ivaxi Sheth 他
日本語で読む → - 論文VLAロボティクス
スケールと選択:視覚インターフェースロボットエージェントのための自動ハーネス進化を成功させる要因
コーディングエージェントがロボットポリシーのハーネス(プロンプト・ツール・制御規則)を自動改善する際、1ラウンドあたりのロールアウト数を増やすと汎化性能が向上し、Champion-Challenger選択を導入すると性能低下を防げることを示した。
原題: Scale and Selection: What Makes Automatic Harness Evolution Work for Visual-Interface Robot Agents / Zhijie Wei, Ferris Tan, Jinghui Wang
日本語で読む → - 論文VLA機械学習
MIKASA-Robo-VLA:長期的マニピュレーションにおけるVLAモデルの記憶能力を評価するベンチマーク
言語条件付きマニピュレーション90タスクからなるベンチマークを構築し、タスク遂行に必要な手がかりを隠すことでVLAモデルの記憶能力を評価する。
原題: MIKASA-Robo-VLA: Benchmarking Memory in VLA Models for Long-Horizon Manipulation / Egor Cherepanov, Nikita Kachaev, Aleksandr I. Panov 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
社会的ロボットの廊下ナビゲーションにおける可読性の再考:意図表現と人間の注意散漫の影響
廊下でのロボットナビゲーションにおいて、意図の表現方法と歩行者の注意状態が与える影響を2つのユーザー研究で調査し、通過側の可読性が有効であることを示した。
原題: Rethinking Legibility in Social Robot Hallway Navigation: Impact of Intent Representation and Human Distraction / Pranav Goyal, Andrew Stratton, Christoforos Mavrogiannis
日本語で読む → - 論文動作推定ロボティクス
DiFF: ドップラー情報を活用したフローマッチングによる人間動作フロー推定
4Dミリ波レーダーの点群から人間の非剛体動作フローを推定するため、ドップラー速度の事前情報とKANベースの条件付きフローマッチングを組み合わせた生成フレームワークDiFFを提案。
原題: DiFF: Doppler-informed Flow Matching for Human Motion Flow / Kai Wang, Mingle Zhao
日本語で読む → - 論文世界モデルロボティクス
DeepJEPA:内部計算を適応的に配分する世界モデルプランナー
各遷移の計算深さをテスト時スケーリング軸として扱い、意思決定に重要な遷移だけを深く推論する重み共有型の世界モデルを提案し、固定深さのプランナーと同等以上の性能を少ない計算量で実現した。
原題: DeepJEPA: Scaling World Models from Within / Zijian Jin, Yunbei Zhang, Yuanzhe Liu 他
日本語で読む → - 論文自律水上車両ロボティクス
自律水上車両のためのEMログ較正のベンチマーク評価
自律水上車両において、動的な海況下で4つの較正モデルと2つの推定パイプラインを比較評価し、バイアス・スケール誤差モデルとカルマンフィルタの組み合わせが速度推定精度を71%向上させることを実証した。
原題: Benchmarking EMlog Calibration for Autonomous Surface Vehicles / Samuel Cohen-Salmon, Itzik Klein
日本語で読む → - 論文マニピュレーションロボティクス
線虫の生体詳細回路をタスク非依存の動的コアとして用いた視覚頑健なロボットマニピュレーション
線虫の感覚運動回路(136個の多区画ニューロン)を固定した動的コアとしてロボット方策に組み込み、薄いタスク別アダプタのみを学習させることで、視覚外乱に強いマニピュレーションを実現した。
原題: A Biophysically Detailed C. elegans Circuit as a Task-Agnostic Dynamical Core for Visually Robust Robot Manipulation / Linrui Qian, Jiajia Zhang, Gan He 他
日本語で読む → - 論文触覚ロボティクス
触覚的好奇心がロボットのインタラクションを駆動する
触覚フィードバックを探索の内在的報酬として用い、接触を伴う操作スキルを効率的に学習するフレームワークTacExを提案。タスク報酬や専門家デモなしで物体操作を獲得し、VLAモデルの事後学習にも有効。
原題: Tactile Curiosity Drives Robot Interaction / Klemens Iten, Alexander Proshkin, Bhavya Sukhija 他
日本語で読む → - 論文VLA画像認識
履歴行動軌跡からのスキル学習:世界行動モデルのための行動経験辞書
過去の行動軌跡を共有埋め込みとして辞書化し、操作タスク間でスキルを再利用できるようにした世界行動モデルを提案。
原題: Learning Skills from Historical Action Trajectories: Action Experience Dictionary for World Action Models / Qi Lyu, Jiahua Dong, Hao Shen 他
日本語で読む → - 論文世界モデルロボティクス
CF-JEPA: 可制御性の因子分解によるJEPA世界モデルのロバスト性向上
JEPA型世界モデルの潜在空間を制御可能・不可能な部分空間に分離し、背景の妨害情報に頑健なモデルを実現した研究。
原題: CF-JEPA: Improving Robustness of JEPA World Models via Controllability Factorization / Morgan Byrd, Robert Wright, Sehoon Ha
日本語で読む → - 論文動作生成ロボティクス
ECHO-G: 音声に同期したヒューマノイド全身動作生成
音声とタイミング付きテキストを条件に、拡散トランスフォーマでヒューマノイドロボットの全身発話動作を直接生成するフレームワークを提案し、実機展開まで示した。
原題: ECHO-G: Embodied Co-speech Humanoid mOtion Generation / Yizhao Li, Pusen Gao, Ming Wang 他
日本語で読む → - 論文VLAロボティクス
HiWE: 視覚キーポイント強化による階層的ワールド知識モデルを用いたゼロショット3D経路計画
視覚的グラウンディングと言語ベースの計画を点ベースのインターフェースで結び、ゼロショットで3D操作経路を計画する階層的フレームワークを提案。
原題: HiWE: Hierarchical World Knowledge Model with Visual Keypoint Enhancement for Zero-Shot 3D Path Planning / Guoqing Ma, Mingqi Yuan, Chen Gao 他
日本語で読む → - 論文VLAロボティクス
Sparse-WAM: 行動誘導スパース想像によるWorld Action Modelの高速化
World Action Modelの推論時、行動トークンから未来フレームへの注意分布が連続するデノイズステップ間で類似している点を利用し、行動に関連するトークンだけを選択処理する学習不要の高速化フレームワークを提案。
原題: Sparse-WAM: Accelerating World Action Models via Action-Guided Sparse Imagination / Xinling Xie, Haodong Wang, Jiazhi Mi 他
日本語で読む → - 論文VLAロボティクス
実行時フィードバックから失敗バンク自己進化による視覚言語行動モデルの学習
VLAモデルが実行時の安全フィードバックを失敗バンクとして蓄積し、LoRA更新でポリシーを自己進化させることで、タスク成功率を高めつつ危険コストを削減するフレームワークを提案。
原題: Learning from Runtime Feedback through Failure-Bank Self-Evolution for Vision-Language-Action Models / Mingyue Cui, Zheyuan Liu, Yihan Zhu 他
日本語で読む → - 論文VLAロボティクス
PhasePlan: ロボット脳モデルのための順序付き未来フェーズ計画
ロボット脳モデルが固定長の行動チャンクを予測する代わりに、将来の各行動位置でのタスクフェーズを予測し、その計画表現で行動生成を条件付けることで、動的環境での行動タイミングを改善する手法を提案。
原題: PhasePlan: Ordered Future-Phase Planning for Robot Brain Models / Xiaoyu Yang, Yafei Zhang, Wensheng 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
形を超えた機能:異種ハンド間の機能的対応による器用把持生成
異なる構造のロボットハンド間で把持の機能的役割を対応付け、未見のハンドでも把持データや再学習なしに器用な把持を生成する手法を提案。
原題: Function beyond Form: Functional Correspondence for Cross-Embodiment Dexterous Grasp Generation / Bolin Zou, Wenlong Dong, Mu Ai 他
日本語で読む → - 論文VLAロボティクス
推論が行動を助けるとき:視覚-言語-行動ポリシーにおける思考連鎖の監視と誘導
VLAポリシーの思考連鎖を途中で監視・誘導するTRUSTを提案し、運転タスクでは衝突率を削減したが、操作タスクでは行動改善に限界があることを示した。
原題: When Reasoning Helps Action: Monitoring and Steering Chain-of-Thought in Vision-Language-Action Policies / Sathwik Karnik, Joseph JR. Lee, Aryaman Gupta 他
日本語で読む →
PR・アフィリエイト広告
