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 → - 論文画像品質評価画像認識
タスク効用に基づく身体性AI向け画像品質評価の再考
身体性タスクにおける画像品質評価を、汎用的な人間評価スコアではなくタスク目標に条件づけた効用判断として捉え直し、MLLMベースの評価エージェントを提案した論文。
原題: Task-Utility IQA: Rethinking Image Quality Assessment in Embodied Tasks / Jirong Zha, Yanwei Liao, Yemin Wang 他
日本語で読む → - 論文VLAロボティクス
Text-to-3D Policy: 未見仕様への汎化のための細粒度言語-行動アラインメント
言語指示と行動の対応をトークン単位で双方向に結びつけ、未見の細かい仕様変化にも対応できる3D拡散方策を実現した研究。
原題: Text-to-3D Policy: Fine-Grained Language-Behavior Alignment for Unseen Specification Generalization / Xinhao Yang, Wenhao Wu, Ning Lv 他
日本語で読む → - 論文sim2realロボティクス
実世界とシミュレーションの共同学習における世界と行動のグラウンディング
実世界のデモをシミュレーションで拡張する共同学習において、世界の忠実性と人間行動との類似性が政策性能に与える影響を分析し、完全なグラウンディングで成功率が52%から86%に向上することを示した。
原題: Getting Out and Getting Back: World and Behavior Grounding in Real2Sim2Real Co-Training / Samuel Liu, Youngsun Kim, Martin Matak 他
日本語で読む → - 論文自動運転ロボティクス
相互世界行動モデルによるインタラクティブ自動運転
自車と他エージェントが互いに影響し合う応答関係をゲーム理論的にモデル化し、Level-k階層と条件付きフローマッチングで学習する世界行動モデルを提案。NAVSIMで最先端性能を達成。
原題: ReWAM: Reciprocal World Action Models for Interactive Autonomous Driving / Benshan Ma, Pei Liu, Ruiguo Zhong 他
日本語で読む → - 論文ナビゲーションロボティクス
DiffWAM: 高速で効率的なナビゲーション世界行動モデル
凍結した動画基盤モデルの予測表現から直接UAVの連続的なカメラ軌道を生成する幾何条件付きナビゲーション世界行動モデルを提案し、オンボード実行を高速化するFastDreamerを導入した。
原題: DiffWAM: A Fast and Efficient Navigation World Action Model / Mo Zhu, Yuze Wu, Xijie Huang 他
日本語で読む → - 論文世界モデルロボティクス
潜在世界モデルの計画能力の限界
凍結した自己教師あり視覚バックボーンに基づく行動条件付き世界モデルを評価し、予測が計画に使えるのは想像軌道の範囲内かその少し先に限られ、より長い想像軌道か近いサブゴールが必要だと示した。
原題: The Planning Limits of Latent World Models / Ali Alrasheed, Basim Azam, Naveed Akhtar
日本語で読む → - 論文sim2realロボティクス
Video2SwimFish: 実魚動画から制御可能な魚モデルと生物学的遊泳運動を再構築する自動パイプライン
実魚の多視点動画から、その個体に合わせた変形メッシュと関節構造、実魚の遊泳運動に基づく低次元行動空間を自動構築し、個体別の遊泳ポリシーを学習するパイプラインとベンチマークを提案。
原題: Video2SwimFish: An Automated Pipeline for Reconstructing Controllable Fish Models and Biological Locomotion from Real Fish Videos / Hangong Chen, Linfeng Cheng, Tahsin Zaman Jilan 他
日本語で読む → - 論文スキル発見機械学習
目標条件付き双模倣による転移可能なスキルの学習
報酬なしデータから汎用方策を事前学習するため、環境の時間構造を捉えつつレイアウト変化に頑健な行動認識的時間表現を学習し、双模倣に基づく教師なしスキル発見により転移可能なスキルを獲得する手法を提案。
原題: Learning Transferable Skills using Goal-Conditioned Bisimulation / Mohammad Amin Abbasfar, Farbod Azimmohseni, Mohammad Hossein Rohban
日本語で読む → - 論文VLAロボティクス
フローマッチングVLA方針のための自己教師あり軌道分布最適化によるオンライン進化戦略
フローマッチングに基づくVLAモデルの行動軌道分布を、進化戦略を用いてオンラインで適応的に改善する手法を提案。
原題: Online Evolution Strategy for Flow-Matching VLA Policies via Self-Supervised Trajectory Distribution Optimization / Gongxin Yao, Yongsheng Zhao, Jiayin Deng 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 → - 論文ナビゲーションロボティクス
RL誘導PAC-NMPCによる未知環境での確率的に安全な知覚ベースナビゲーション
強化学習で確率的な行動・センサ予測モデルを学習し、それをPAC-NMPCに組み込むことで、未知環境での知覚ベースナビゲーションの安全性を確率的に保証する手法を提案。
原題: RL-Guided PAC-NMPC for Probabilistically-Safe Perception-Based Navigation in Unknown Environments / Adam Polevoy, Dillon Capalongo, Katherine Tang 他
日本語で読む → - 論文3D占有予測画像認識
AdaOcc: 身体性タスクのための適応的3D占有予測
様々なセンサ構成や計算予算に適応できる、点ベースの3D意味占有予測手法AdaOccを提案し、Occ-ScanNetで最先端性能を達成した。
原題: AdaOcc: Adaptive 3D Occupancy Prediction for Embodied Tasks / Jinglong Wang, Yunjie Wang, Zhiyang Zhang 他
日本語で読む → - 論文VLAロボティクス
ドメイン不変潜在先読みによるVLAモデルの偽相関の解消
視覚言語行動モデルが視覚分布シフトで脆くなる原因である偽相関を、ドメイン変換軌道から学んだドメイン不変の未来潜在表現で方策を監督することで軽減するDILLを提案し、LIBERO-Plusで平均成功率69.1%を達成した。
原題: Disentangling Spurious Correlations in Vision-Language-Action Models via Predicting Domain-Invariant Latent Lookahead / Junghyun Kim, Ngseo Kim, ChungWoo Lee 他
日本語で読む → - 論文VLAロボティクス
RoboHarness: シンプルなハーネスがVLAとワールドアクションモデルを凌駕する
LLMエージェントに視覚幾何学的な操作パネルを与えるロボットハーネスを提案し、VLAモデルを訓練せずにBEHAVIOR Challenge 2025で最先端VLAを上回る性能を達成した。
原題: RoboHarness: A Simple Harness Outperforms VLA and World Actions Models / Bince Qu, Wei Chen, Bo Zhang
日本語で読む → - 論文sim2realロボティクス
FACT: 忠実度を考慮した関節物体ツインの構築
画像や受動応答動画から、エージェントが診断と修正を繰り返して関節物体のデジタルツインを構築し、形状・接触・動特性の忠実度を高めるフレームワーク。
原題: FACT: Fidelity-Aware Construction of Articulated Twins / Kuixiang Shao, Chuansen Nie, Yinuo Bai 他
日本語で読む → - 論文視覚ナビゲーションロボティクス
動的視覚ナビゲーションのための特権制御バリア関数をRGBのみの安全フィルタへ蒸留
特権的な制御バリア関数教師の安全行動をRGBのみの生徒フィルタに蒸留し、動的環境での衝突回避を実現する手法を提案。
原題: Distilling Privileged Control Barrier Functions into RGB-Only Safety Filters for Dynamic Visual Navigation / Seungyeon Yoo, Gawon Lee, Seungwoo Jung 他
日本語で読む → - 論文マルチエージェント生成機械学習
分離型生成ガイダンスによるマルチエージェントフローマッチング
マルチエージェント生成において、共有・個別のハード制約を満たすための分離型ガイダンス付きフローマッチング手法DeGG-Flowを提案し、収束保証と応用例を示した。
原題: Multi-Agent Flow Matching with Decoupled Generative Guidance / Ruoyu Lin, Magnus Egerstedt, Fabio Pasqualetti
日本語で読む → - 論文VLAロボティクス
トークン重要度を超えて:効率的な視覚-言語-行動推論のための空間スキャフォールドの保持
視覚トークンの空間的な広がりを保つことで、視覚-言語-行動モデルの推論を高速化する訓練不要のトークン枝刈り手法を提案。
原題: Beyond Token Importance: Preserving Spatial Scaffolds for Efficient Vision-Language-Action Inference / Jiayu Chen, Shuyong Gao, Jingkai Jia 他
日本語で読む → - 論文自動運転/運転支援AI
共有制御の介入から学ぶ:個人適応型追い越しのための文脈駆動型加速度プロファイル予測
ACC使用時のドライバーによるアクセル介入を教師信号とみなし、クラスタリングと文脈分類・残差回帰を組み合わせて、個人の期待に沿った追い越し時の加速度プロファイルを生成する枠組みを提案した。
原題: Learning from Shared-Control Overrides: Context-Driven Acceleration Profile Prediction for Personalized Overtaking / Ruizheng Xu, Lounis Adouane, Javier Ibañez-Guzmán 他
日本語で読む → - 論文動画生成ロボティクス
LabInstruct: 実験手順のための状況依存型インストラクショナル動画生成ベンチマーク
実研究室の実験手順を対象に、初期画像と自然言語指示から手順動画を生成するタスクのベンチマークを構築し、8つの最先端動画生成モデルを評価した。
原題: LabInstruct: Benchmarking Situated Instructional Video Generation for Lab Procedures / Yuming Fu, Weijia Wu, Jing Chen 他
日本語で読む → - 論文安全自動運転/制約付き強化学習AI
Brain-SAD: 恐怖反応に基づく動的制約を備えた脳模倣型安全自動運転制御フレームワーク
車両インタラクション場面から動的な「恐怖信号」を生成し、通常走行用の長期ポリシーと衝突回避用の短期ポリシーを切り替えつつ、恐怖に基づく動的制約で安全性を高める自動運転制御フレームワークを提案した。
原題: Brain-SAD: A Brain-Inspired Safe Autonomous Driving Control Framework with Dynamic Fear-Oriented Constraint on Dual-Policy / Huan Rong, Chao Yin, Anouar Imel 他
日本語で読む → - 論文ベンチマークロボティクス
RoboChrono:ストリーミングタスク理解のための実ロボットベンチマーク
実ロボットと人手の記録からなる39シナリオ・34,713件のベンチマークを構築し、18の視覚言語モデルのゼロショット性能を評価して、視覚照合と時間順序理解の能力差を明らかにした。
原題: RoboChrono: A Real Robot Benchmark for Streaming Task Understanding / Yuzhou Wu, Longteng Fan, Zimeng Li 他
日本語で読む → - 論文VLA画像認識
V-JEPAポリシー:予測的視覚潜在表現上に構築する効果的な世界行動モデル
凍結したV-JEPA 2.1エンコーダの潜在空間上に世界行動モデルを構築し、将来潜在予測器とフローマッチング行動エキスパートを下流で一括学習することで、LIBERO等で競争力のある性能を達成した研究。
原題: V-JEPA Policy: Building Effective World-Action Models on Predictive Visual Latents / Yang Zhang, Jiangyuan Zhao, Chenyou Fan 他
日本語で読む → - 論文VLAロボティクス
Rho: 効率的に適応可能なVLAモデルの基盤
双腕マニピュレーション向けのオープンウェイトVLAモデル群「Rho」を提案し、3つの実機での少量データ適応と、15エピソード程度の修正フィードバックによるオンライン適応を実現した。
原題: Rho: A Foundation for Efficiently Adaptable VLA Models / Rho Team, Simran Bagaria, Daphne Chen 他
日本語で読む → - 論文運動計画ロボティクス
任意のリーマン多様体上の時間場を学習するためのリーマン・スプラット回帰モデル
リーマン多様体上で関数を学習するため、ラップドガウス分布によるスプラット回帰モデルを提案し、到着時間場の学習に適用して精度とモデルサイズを比較した。
原題: Riemannian Splat Regression Models for Learning Time Fields on Arbitrary Riemannian Manifolds / Anastasios Manganaris, Rohit Banerjee, Gokul Prabhakaran 他
日本語で読む → - 論文VLAロボティクス
EquivDP3: データ効率の高いヒューマノイド移動操作のためのSIM(3)不変点群エンコーダ
ヒューマノイドの移動操作において、SIM(3)同変なVector Neuron Networkエンコーダを拡散ポリシーに組み込み、少ないデモンストレーションで物体姿勢や照明の変化に汎化する手法を提案。
原題: EquivDP3: A SIM(3)-Invariant Point-Cloud Encoder for Data-Efficient Humanoid Loco-Manipulation / Abu Hanif Muhammad Syarubany, Chang D. Yoo
日本語で読む → - 論文制御/MPCCロボティクス
DQ-MPCC: クアッドロータレーシングのための双四元数モデル予測輪郭制御
姿勢と位置を双四元数で統一的に表現し、その多様体の接空間で輪郭誤差を評価するMPCCを提案。実機レースで従来法より高精度・高速にゲート通過を達成。
原題: DQ-MPCC: Dual-Quaternion MPCC for Quadrotor Racing / Bryan S. Guevara, Luis F. Recalde, Guanrui Li 他
日本語で読む → - 論文物体探索ロボティクス
長期物体探索のための回顧的オープンボキャブラリメモリ
ロボットが繰り返し観測する中で「観測の機会」に応じて物体の存在確率を推定し、クエリ時に指定された概念の長期出現傾向を能動探索の事前分布に変換する手法ECROMを提案。
原題: Retrospective Open-Vocabulary Memory for Long-Term Object Search / Jiaming Wang, Zhiwei Xue, Chen Jizhuo 他
日本語で読む →
PR・アフィリエイト広告
