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VLAロボティクス
CrossBFM: ヒューマノイド間で共有される潜在行動空間の蒸留
リターゲティングを利用して、複数のヒューマノイドに共通の潜在行動空間を1GPU時間未満で蒸留し、10GPU時間の追従学習で全身制御を実現する手法を提案。
原題: CrossBFM: Distilling a Shared Latent Behavior Space Across Humanoid Embodiments / Tan-Dzung Do, Tuan Dat Phuong, Nico Bohlinger 他
日本語で読む → - 論文SLAMロボティクス
Pow3R-SLAM: 3D再構成事前分布を用いたリアルタイムRGB-D SLAM
2視点3D再構成の事前分布を活用し、深度をネットワーク予測の事前情報として組み込むことで、高速かつ高精度なRGB-D SLAMを実現した研究。
原題: Pow3R-SLAM: Real-Time RGB-D SLAM with 3D Reconstruction Priors / Christopher Kolios, Ishaan Mehta, Sasa Janjic 他
日本語で読む → - 論文動作生成/リターゲティング画像認識
クロススケルトン動作リターゲティングが非識別可能である理由:生成動作モデルの構造的限界
異なる骨格間で動作を転送する生成モデルは、ソース動作を反映したのか典型的動作を生成したのか区別できない構造的曖昧性を持つことを示し、その検証指標SIFを提案した。
原題: Why Cross-Skeleton Retargeting Is Non-Identifiable: Structural Limits of Generative Motion Models / Zhiyuan Li, Wenyan Yang, Pekka Marttinen 他
日本語で読む → - 論文シーン補完/経路計画ロボティクス
経路計画指向の3Dシーン補完:部分観測からのTUDF占有表現の連成学習
部分的なLiDAR観測から、TUDFによる連続的な距離場とボクセル占有マップを相互に連成させて予測し、経路計画に直接使える3Dシーン補完を実現した研究。
原題: Planning Oriented 3D Scene Completion via Coupled TUDF Occupancy Representation Learning from Partial Observations / Tianyou Yu, Pengfei Zhao, Chao Xu
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 → - 論文マニピュレーションロボティクス
文脈内ロボット学習の簡素化:マニピュレーションタスクのための民主化レシピ
ロボットの文脈内学習(ICL)の曖昧さを解消する問題定義を提示し、視覚プロンプトエンコーダと低コストデータ収集で構成される再現可能なフレームワークSimpleICLを開発、シミュレーションと実世界で高性能を達成した。
原題: In-context Robot Learning Made Simple: A Democratized Recipe for Manipulation Tasks / Minxing Li, Minghao Han, Weizhi Zhao 他
日本語で読む → - 論文VLA機械学習
拡散言語モデルエージェントのための逆スコアリング:失敗後の再試行ループを訓練なしで解消
拡散言語モデルが失敗した行動を繰り返す原因をマスクデコーディングの適応性に求め、タスク無関係なバイアスが逆条件付き確率で相殺される性質を利用した訓練不要の改善手法を提案する。
原題: Does This Action Still Explain the Task? Reverse Scoring for Diffusion Language Model Agents / Jiacheng Qiu, Christopher E. Mower, Jan Peters 他
日本語で読む → - 論文マルチエージェント計画ロボティクス
多分岐コンティンジェンシーゲームのためのカスケード合意分割
エージェントの意図が異なるタイミングで明らかになる状況に対応するため、多分岐コンティンジェンシーゲームとADMMベースの並列解法を提案し、従来の単一分岐より優れた性能と計算時間の短縮を実現した。
原題: Cascaded consensus splitting for multi-branch contingency games / Bastien Lechardoy, Pau de las Heras Molins, Thibault Lahire 他
日本語で読む → - 論文マニピュレーションロボティクス
ReF-HIL: 人間の行動近傍を中心に批評器を形成する効率的なHuman-in-the-Loop強化学習
人間の成功体験から価値参照を学習し、人間行動の近傍領域を定義することで、模倣ペナルティを避けつつ実世界のマニピュレーションを効率的に強化学習する手法を提案。
原題: ReF-HIL: Shaping the Critic around Human Action Neighborhoods for Efficient Human-in-the-Loop Reinforcement Learning / Shaoyin Luo, Song Wang, Shibo Xia 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VLAロボティクス
LIBERO-MAX:世界が変化したときロボット政策は適応するか?
タスク実行中に環境変化が起きた際のロボット政策の頑健性を評価する8,000ペアのベンチマークLIBERO-MAXを提案し、14のVLA政策が11.0〜25.7ポイントの成功率低下を示すことを明らかにした。
原題: LIBERO-MAX: Do Robot Policies Adapt When the World Changes? / Yunbei Zhang, Zijian Jin, Yuanzhe Liu 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VLA画像認識
SafeVantage: 視点認識型メモリによる信頼性の高い身体的意思決定
主張を支持する視点・カメラ姿勢・推定位置を保持する視点認識型メモリと能動的観測獲得を組み合わせ、支持・空間一貫性・網羅性からYes/No/Abstainを判断する身体的意思決定フレームワーク。
原題: SafeVantage: Vantage-Aware Memory for Reliable Embodied Decisions / Sean Hardesty Lewis, Zuyi Guo, Benwang Chen 他
日本語で読む → - 論文模倣学習画像認識
指示分解によるマルチ粒度言語ガイド模倣学習
タスク全体の言語指示を細かいサブタスク指示に分解し、多段階の操作タスクにおける模倣学習の効率と性能を向上させる手法を提案した。
原題: Multi-Granularity Language-Guided Imitation Learning via Instruction Decomposition / Yi-Pei Chiu, Wei-Ta Chu
日本語で読む → - 論文動的3D再構成画像認識
DispFlow-GS: 単眼動的3Dガウシアンスプラッティングのための変位フロー監督と運動分離
動的3DGSにおいて、ガウシアンフローとオプティカルフローのギャップを解消する変位フロー監督と、カメラ運動と物体運動を分離する手法を提案し、運動の忠実度を評価する新指標DRCを導入した。
原題: DispFlow-GS: Displacement Flow Supervision with Motion Disentangling for Monocular Deformable 3D Gaussian Splatting / Thai Duy Nguyen, Haitian Zhang, Addison Lin Wang
日本語で読む → - 論文群制御cs.NI
分解型時空間ワールドモデルによる需要駆動型UAV基地局再配置
需要変動に応じたUAV基地局群の再配置を、分解型時空間ワールドモデルと潜在空間での計画により実現し、3つの実データセットで高いサービス率を達成した研究。
原題: DSWM: Decomposed Spatio-Temporal World Model for Demand-Driven UAV Base Station Repositioning / Shengjie Zhong, Zhongliang Zhao, Jingxuan Chen 他
日本語で読む → - 論文マニピュレーションロボティクス
実行器を考慮した候補選択:実現可能性証明による手法
運動計画の候補が実行器の制約を満たすかを判定する証明書ベースの枠組みを提案し、幾何学的に有効でも実行不可能な候補を除外できることを示した。
原題: Executor-aware Candidate Selection via a Feasibility Certificate / Sooin Choi, Soonwoong Hwang, Wansoo Kim
日本語で読む → - 論文マニピュレーションロボティクス
基盤モデル誘導によるトポロジー認識型意味的リスク場を用いたマニピュレーション
基盤モデルが物体ペアごとに方向別リスク重みと空間減衰スケールを推定し、3Dボクセル幾何と組み合わせてトポロジー認識型の意味的リスク場を構築することで、衝突回避を超えた安全なマニピュレーション計画を実現する。
原題: Foundation-Model-Guided Topology-Aware Semantic Risk Fields for Manipulation / Giung Lee, Weihang Guo, Lydia E. Kavraki
日本語で読む → - 論文マニピュレーションロボティクス
MotorMind: 汎用視覚言語モデルをゼロショットロボットマニピュレーションに活用するフレームワーク
汎用VLMが直接観察から行動を生成しフィードバックで適応するだけでロボット操作を実現するハーネスを提案し、専用学習や外部ツールなしでLIBERO-PROや実機xArm6で高い成功率を達成した。
原題: MotorMind: Scaffolding General Vision Language Models for Zero-Shot Robot Manipulation / Bingxuan Li, Siqi Song, Yizhuo Wu 他
日本語で読む → - 論文VLAロボティクス
PreferenceFlow: 人間介入によるフローマッチングロボット方策のテスト時ガイダンス
人間の介入とロボットの行動を比較して選好モデルを学習し、報酬なしで事前学習済みフローマッチング方策をテスト時に誘導する手法を提案。実機の精密挿入タスクで成功率を69%から90.5%に向上させた。
原題: PreferenceFlow: Test-Time Guidance of Flow-Matching Robot Policies from Human Interventions / Yiqi Tang, Diyuan Shi, Runze Li 他
日本語で読む → - 論文異種ロボット協調ロボティクス
地下鉱山における異種ロボット協調のための空間認識
軽量Explorerが未知の鉱山をマッピングし言語プロンプトで鉱床を検出、その地図と3DシーングラフをInspectorに渡して近接検査を計画する協調認識パイプラインを構築し、実鉱山で検証した。
原題: Towards Spatial Perception for Heterogeneous Robot Collaboration in Subterranean Mining Environments / Mario Alberto Valdes Saucedo, Akash Patel, Christoforos Kanellakis 他
日本語で読む → - 論文動作リターゲティングロボティクス
OTRetarget: 最適輸送によるロボットと物体の関節動作リターゲティング
人間の動作を人型ロボットと複数物体に同時にリターゲティングする手法を提案し、接触を保ちながら動作を適応させる。
原題: OTRetarget: Joint Robot and Object Motion Retargeting via Optimal Transport / Guillaume Besset, Erwann Carn, Timothée Carecchio 他
日本語で読む → - 論文水中ロボット/多モード運動ロボティクス
遊泳と歩行を両立する多関節型水中ロボットの多機能運動制御
4軸の脚ひれを4本備えた多関節構造で、ルールベースに頼らずポテンシャル関数を用いて遊泳・歩行などの運動モード間を遷移させる制御手法を提案し、実機とシミュレーションで検証した。
原題: Multifunctional Locomotion Control of Multi-Jointed BURs with Swimming and gait Capabilities / Takumi Asada, Hideo Furuhashi, Kenta Tabata 他
日本語で読む → - 論文マルチロボット計画ロボティクス
拡散モデルによるマルチロボット動作計画のための軌道レベルモード誘導
拡散モデルを用いた動作計画において、粗い部分軌道の事前情報を徐々に注入することで、多様性を保ちながら制御可能な軌道生成を実現し、マルチロボット協調にも拡張した研究。
原題: Trajectory-Level Mode Guidance for Controllable Diffusion-Based Multi-Robot Motion Planning / Tianyou Yu, Shengze Cai, Chao Xu
日本語で読む → - 論文音源ナビゲーションロボティクス
BCNav: 方位条件付き深度方策による音源ナビゲーション
音源方向推定(DOA)と深度画像のみを入力とするナビゲーション方策を模倣学習で訓練し、音響シミュレーションや実環境での音声データ収集なしに未知環境で音源へ移動できるロボットを実現した。
原題: BCNav: Bearing-Conditioned Depth Policies for Sound Source Navigation / Yaozhong Kang, Jiang Wang, Takeshi Ashizawa 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VLAロボティクス
EgoAlign: 人間とヒューマノイドのギャップを埋める長距離移動操作
一人称視点の人間デモを身体スケールと制御応答の違いを補正してヒューマノイドの全身制御用データに変換し、VLAモデルのファインチューニングと実機ゼロショット展開を実現した。
原題: EgoAlign: Bridging the Human-Humanoid Gap for Long-Range Loco-Manipulation / Yiming Jiang, Chen Jin, Chongyang Xu 他
日本語で読む → - 論文力制御ロボティクス
FP2: ロボット基盤モデルに力制御を付与する軽量インターフェース
タスク適応済みのロボット基盤モデルに、高頻度の力制御ポリシーを組み合わせて接触の多い操作を安定化させる軽量な下流インターフェースFP2を提案し、実機4タスクで性能と力調整の品質を改善した。
原題: FP2: Equipping Robotic Foundation Models with Force Control / Hongjie Fang, Shirun Tang, Junjian Hu 他
日本語で読む → - 論文医用画像再構成画像認識
EndoPrior-GS:テクスチャ事前分布を統合した動的内視鏡再構成
内視鏡手術の動的環境を3Dガウシアンスプラッティングで再構成する際、ツール除去マスクや非鏡面フィルタからテクスチャ事前分布を生成し、形状と照明の乱れを抑える手法を提案。
原題: EndoPrior-GS: Dynamic Endoscopic Reconstruction with a Joint Texture Prior / Jiaqi Huang, Shidong Wang, Tong Xin 他
日本語で読む →
PR・アフィリエイト広告
