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: 2026/9/29 / 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sim2realロボティクス
WorldLine: ロボットマニピュレーションのための行動駆動型視覚シミュレーション
行動なしのロボット動画1万時間以上から操作ダイナミクスを学習し、10種類以上の実機の行動軌跡で接地することで、異なる機体間で共有可能な行動駆動型視覚シミュレータを構築した研究。
原題: WorldLine: Action-Driven Visual Simulation for Robotic Manipulation / Shenghe Zheng, Wenbo Li, Jiyao Zhang 他
日本語で読む → - 論文マニピュレーションロボティクス
ENCORE: 少数の実演から操作戦略を発見するエージェント
少数の実演を証拠として与え、コーディングエージェントが知覚・行動APIに対するポリシープログラムを書いて反復改善し、言語指示だけでは不明な操作戦略を発見する手法。
原題: Encore: Few-Shot Agentic Discovery of Manipulation Strategies / Yifan Kang, Zihan Wang, Zhiwen Fan 他
日本語で読む → - 論文一人称視点/動画理解/ベンチマーク画像認識
局所的な動画理解は遭遇をまたいで転移するか?EgoGearsベンチマーク
一人称視点の動画を単一・複数本で比較するベンチマークEgoGearsを提案し、複数動画間での対応付けや証拠統合が必要になるとMLLMの性能が平均22.5ポイント低下することを示した。
原題: Does Local Video Understanding Transfer Across Encounters? The EgoGears Benchmark / Yuedong Tan, Lei Qi, Yu Liu 他
日本語で読む → - 論文VLAロボティクス
ProAct-VLM: 継続的知覚フィードバックによる失敗前の視覚言語タスク再計画
VLMをリアルタイム知覚フィードバックループに組み込み、環境変化を検知した時点で失敗前に再計画する適応型タスク計画フレームワークを提案。
原題: ProAct-VLM: Pre-Failure Vision-Language Task Replanning with Continuous Perception Feedback / Ahmed Nader Ahmed, Omar Moured, Mughni Irfan Mohammed Abdul 他
日本語で読む → - 論文世界モデル機械学習
因果表現学習によるアブダクティブ世界モデリング
予測した未来から潜在的な原因をアブダクション推論し、エンティティ・動態・関係の3要素で世界状態を構造化する世界モデルを提案。物理予測や因果推論、行動理解の精度を大幅に向上させた。
原題: Abductive World Modeling via Causal Representation Learning / Ziqi Liu, Songhan Yang, Linfan Zhou 他
日本語で読む → - 論文世界モデル機械学習
RolloutFaith: 視覚世界モデルにおける持続的内部介入の監査
世界モデル内部への介入がその後の自律予測にどれだけ持続的な改善をもたらすかを評価する枠組みを提案し、既存の編集手法の限界と遅延学習の有効性を示した。
原題: RolloutFaith: Auditing Persistent Internal Interventions in Visual World Model / Junchi Yao, Ziyi Wang, Youling Huang 他
日本語で読む → - 論文マニピュレーションロボティクス
DROM:言語誘導拡散フレームワークによるマルチスキルロボットマニピュレーション
少数の実演からDMPでデータ拡張し、言語条件付き拡散モデルで複数のマニピュレーションスキルを単一ポリシーとして学習・合成するフレームワークを提案。LLMによる長期タスク分解も統合し、実機とシミュレーションで有効性を検証した。
原題: DROM: A Language-Guided Diffusion Framework for Multi-Skill Robotic Manipulation / Vincenzo Pomponi, Rocco Felici, Paolo Franceschi 他
日本語で読む → - 論文模倣学習機械学習
双因果最適輸送による微分可能な双模倣距離フレームワーク
双模倣距離(双因果最適輸送)を線形計画問題として定式化し、その勾配を閉形式で求めることで、状態圧縮・モデル学習・模倣学習に応用可能な微分可能アルゴリズムを提案した。
原題: Differentiating Bisimulation Metrics: A Framework for Parametric Markov Chain Fitting via Bicausal Optimal Transport / Sergio Calo, Amy Zhang, Javier Segovia-Aguas 他
日本語で読む → - 論文マニピュレーションロボティクス
汎用ロボットポリシーのためのシンプルなエージェント記憶
凍結した汎用ロボットポリシーに、訓練不要の記憶層を追加し、履歴に依存する操作タスクの成功率を大幅に向上させた。
原題: Simple Agentic Memory for Generalist Robot Policies / Yuyou Zhang, Yunbei Zhang, Miao Li 他
日本語で読む → - 論文アフォーダンス知覚画像認識
UniAfford: トークンルーティング型マルチタスク学習による汎用可能な2D-3Dアフォーダンス知覚
MLLMを共通の意味ハブとし、タスク別トークンルーターで画像・点群のアフォーダンスクエリを生成することで、2D・3D・統合アフォーダンス知覚を単一枠組みで扱う手法を提案。
原題: UniAfford: Token-Routed Multitask Learning for Generalizable 2D-3D Affordance Perception / Yuhao Liu, Yiming Zhong, Hanqing Wang 他
日本語で読む → - 論文自動運転計画ロボティクス
World4Scorer: 自動運転のための結果に基づく世界モデリング
シミュレータで全候補軌道の結果をラベル付けし、軌道条件付きJEPA予測器でスコアリングする計画手法を提案。NAVSIM-v2で最先端性能を達成。
原題: World4Scorer: Outcome-Grounded World Modeling for Autonomous Driving / Jieyuan Pei, Meiyi Lu, Sining Ang 他
日本語で読む → - 論文VLAロボティクス
階段ポリシー:大規模アクションチャンクを持つ世界行動モデルのストリーミング推論
未来予測に基づく世界行動モデルをストリーミング推論で効率化し、大きなアクションチャンクを段階的に精錬しながら実行することで、長期的なタスクでも高精度・高スループットを実現した研究。
原題: Staircase Policy: Streaming Inference for World-Action Models with Large Action Chunks / Guoheng Sun, Chen Chen, Jin Wang 他
日本語で読む → - 論文VLAロボティクス
EgoHumanoid-V2: 全身協調ロコマニピュレーションのための人間からヒューマノイドへのスキル転移
一人称視点の人間のデモデータから、全身協調を保ったままロコマニピュレーションスキルをヒューマノイドへ直接転移する枠組みを提案し、実機4タスクでゼロショット転移を実現した。
原題: EgoHumanoid-V2: Human-to-Humanoid Transfer of Coordinated Whole-Body Skills for Loco-Manipulation / Jin Chen, Yiming Jiang, Chongyang Xu 他
日本語で読む → - 論文世界モデル機械学習
明晰夢を見る世界モデル:想像を疑い、信頼で意思決定する学習
世界モデルの想像上の予測に「疑い」を導入し、経験に基づく証拠の裏付けから信頼度を計算して方策学習と行動選択に活用する手法を提案。
原題: Lucid Dreaming for World Models: Learning to Doubt Imagination and Decide by Trust / Ziqi Wen, Ting Xu, Lianyu Wang 他
日本語で読む → - 論文VLAロボティクス
無限の未来から一つを実現:事前学習済み世界モデルをロボット行動へ変換
凍結した動画世界モデルの上に60Mパラメータの小型モデルを載せ、タスクに合う未来を選んで行動を読み出すことで、単一GPUで学習できリアルタイム制御を可能にした。
原題: One from Infinity: Actualizing Futures from Pretrained World Models into Robot Actions / Bang Du, Yichen Xie, Shuqi Zhao 他
日本語で読む → - 論文VLAロボティクス
強化学習ファインチューニングによる協調マルチエージェント視覚言語行動モデル
事前学習済みVLAを3段階の強化学習ファインチューニングでマルチロボット協調に適応させ、初期化対応データ収集・オフライン信用フィルタリング・潜在空間オンラインRLにより成功率を大幅に向上させた。
原題: Cooperative Multi-Agent Vision-Language-Action Models via Reinforced Fine Tuning / Ruixiao Xu, Wong Lik Hang Kenny, Zhiqian Liu 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 → - 論文セグメンテーションロボティクス
適応すべき時: オープンボキャブラリセグメンテーションにおける効率的な訓練不要適応のためのマルチシグナルドメインシフト検出
連続フレームの時間的一貫性を利用し、視覚変化・アダプタ不一致・意味ドリフトを組み合わせてドメインシフトを検出し、必要な時だけ訓練不要の適応をトリガーすることで、オープンボキャブラリセグメンテーションの精度を維持しつつ適応回数を大幅に削減する手法を提案。
原題: When to Adapt: Multi-Signal Domain Shift Detection for Efficient Training-Free Adaptation in Open-Vocabulary Segmentation / Michele Antonazzi, Alejandra C. Hernandez, José Araujo 他
日本語で読む → - 論文解釈可能性機械学習
モデルは多様体を操作しない:数比較タスクにおける計算の幾何学
Qwen2.5-7B-Instructの数比較タスクを解析し、曲線的な表現が存在してもモデルは線形表現を用いて比較を行い、注意とMLPで最大値を求める仕組みを明らかにした。
原題: When Models Don't Manipulate Manifolds: The Geometry of a Comparison Task / Sai Sumedh R. Hindupur, Hadas Orgad, Thomas Fel 他
日本語で読む → - 論文VLAロボティクス
行動履歴メモリと二重エキスパートノイズ除去による長期的視覚言語行動ポリシー
凍結したVLAにMambaベースのメモリと軽量PreAction Expertを追加し、行動履歴を活用して長期的タスクの知覚的曖昧性を解消する手法を提案。
原題: Remember What You Did: Action-History Memory with Dual-Expert Denoising for Long-Horizon Vision-Language-Action Policies / Yaxin Zhao, Dianye Huang, Chenwei Wang 他
日本語で読む → - 論文群制御ロボティクス
AIネイティブ6Gロボット連携のためのセマンティックマップ共有と能力認識型カバレッジ計画
航空機と地上ロボットの異種チームによる捜索救助を想定し、航空観測をコンパクトなセマンティックグリッドマップに変換して、各ロボットの走行能力に応じたカバレッジ経路を計画するエッジ中心のフレームワークを提案。セマンティック補正の共有により通信量を約82分の1に削減しつつ、カバレッジ91.5%を達成した。
原題: Semantic Map Sharing and Capability-Aware Coverage Planning for AI-Native 6G Robotic Coordination / Abdulqader Dhafer, Qi Wang, Zhou Daniel Hao
日本語で読む → - 論文移動操作ロボティクス
反実仮想動画生成によるスケーラブルなヒューマノイドの移動操作
少数の実動画から反実仮想の人間-物体インタラクション動画を大量生成し、実→シミュ→実のパイプラインで物理的に妥当な軌道に変換して、多様な物体の運搬を実機で実現する方策を学習した。
原題: Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation / Zihan Wang, Zhen Wu, Pieter Abbeel 他
日本語で読む → - 論文VLA画像認識
Spatial-OPSD: ラベル不要の自己蒸留による空間推論の自己改善
深度や3D再構成などの知覚ツールから得られる空間事前情報を特権教師が与え、ラベルなしで学生モデルの空間推論を自己蒸留により反復改善するフレームワーク。
原題: Spatial-OPSD: Self-Improving Spatial Reasoning via Label-Free Self-Distillation / Zhenyu Liu, Zhangquan Chen, Keyi Chen 他
日本語で読む → - 論文VLAロボティクス
Video2STL: VLM生成の時間仕様をロボット学習に接地するフレームワーク
観測のみの動画からVLMで時間論理仕様(STL)を生成し、ロボット軌道で閾値を接地して強化学習の報酬に用いる手法。4つのマニピュレーションタスクで平均85.8%の成功率を達成。
原題: Video2STL: Grounding VLM-Generated Temporal Specifications for Robot Learning / Merve Atasever, Keyan Azbijari, Cagan Bakirci 他
日本語で読む → - 論文画像フォレンジクス画像認識
法廷におけるAI改ざん画像検出のためのベンチマークとデータセット
法廷で証拠として使われる監視カメラやドライブレコーダー、スマホ写真を対象に、生成AIによる改ざん・捏造画像を検出するためのベンチマークとデータセットを構築した。
原題: A Benchmark & Dataset for Detecting AI-Manipulated Visual Evidence in the Court System / Kelly McConvey, Sajad Ebrahimi, Nima Jamali 他
日本語で読む → - 論文マニピュレーションAI
直接経験による世界モデル最適化:行動模倣を超えた世界の学習
展開後のロボット学習において、行動模倣に加えて視覚経験から世界表現を洗練させ、成功・失敗の未来を活用したガイダンスで巧みな操作の成功率を向上させる手法を提案。
原題: Direct Experience World-Model Optimization: Learning the World Beyond Action Imitation / Xiangcheng Zhan, Zirui Chen, Yicheng Zhao 他
日本語で読む → - 論文マニピュレーションロボティクス
Wrench-ACT: 直接的な力制御による接触の多い動作のためのロボットポリシー強化
接触の多いマニピュレーションタスクにおいて、力(レンチ)を唯一の行動出力として予測する模倣学習ポリシーを提案し、位置ベースのベースラインを上回る性能を示した。
原題: Wrench-ACT: Enhancing Robot Policies for Contact Rich Behavior Using Direct Wrench Control / Johannes Hechtl, Yannik Blei, Simon Ball 他
日本語で読む → - 論文触覚ロボティクス
TaRL: 触覚デモンストレーションから汎用的で物理的な報酬を学習する
触覚の変形マップ列からタスク進捗を回帰し、成功・失敗デモを活用して強化学習の報酬を学習する手法を提案。接触を伴う操作のサンプル効率と成功率を大幅に改善。
原題: TaRL: Learning General and Physical Rewards from Tactile Demonstrations / Po-Yi Wu, Dao-Jan Chang, Shang-Ya Hsiao 他
日本語で読む → - 論文VLAロボティクス
予測的監督の設計がVLAポリシーの学習内容を左右する
VLAポリシーへの未来予測監督の入れ方が、学習される視覚表現と分布シフト下でのロバスト性をどう変えるかを比較検証した研究。
原題: Where Predictive Supervision Goes Shapes What VLA Policies Learn / Hanseul Kim, Jewon Yeom, Youngjoon Jeong 他
日本語で読む → - 論文マニピュレーションロボティクス
ComManip: 快適操作領域へのマニピュレーションポリシーの過適合
限られたデモ予算で、ポリシーを視覚的・運動学的に安定した「快適操作領域」に特化させ、推論時にモバイルベースを再配置することで多様な目標位置に対応する学習パラダイムを提案。
原題: ComManip: Overfitting Manipulation Policies to Comfortable Regions / Yidan Lai, Xinyi Chen, Shuquan Man 他
日本語で読む →
PR・アフィリエイト広告
