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: 2026/6/1 / 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/強化学習機械学習
ROAD-VLA: 自己蒸留による視覚言語行動モデルのロバストなオンライン適応
ロボット操作のための視覚言語行動モデル(VLA)のオンライン適応を強化するため、行動空間で近位教師を構築する自己蒸留フレームワークを提案。スパースな報酬を密なトークンレベルの信号に変換し、PPOを上回る性能を示した。
原題: ROAD-VLA: Robust Online Adaptation via Self-Distillation for Vision-Language-Action Models / Kejing Wang, Toan Nguyen, Minh Hoang Nguyen 他
日本語で読む → - 論文両手操作/データ生成/強化学習ロボティクス
言語条件付き両手巧緻操作のための強化学習によるスケーラブルなマルチタスクデータ生成
両手巧緻操作の汎用ポリシー学習に必要な大規模データを、強化学習と汎用報酬設計・ドメインランダム化・言語注釈を組み合わせたパイプラインでシミュレーション生成し、マルチタスク学習の汎化性能を向上させた。
原題: Scalable Multi-Task Data Generation via Reinforcement Learning for Language-Conditioned Bimanual Dexterous Manipulation / Zechu Li, Yufeng Jin, Puze Liu 他
日本語で読む → - 論文強化学習/生成ポリシーロボティクス
ReFPO: フローマッチングポリシー勾配のためのリフロー正則化
フローマッチングポリシー勾配法に明示的なリフロー正則化を追加したオンライン強化学習手法を提案し、生成ポリシーの学習安定性と性能を向上させた。
原題: ReFPO: Reflow Regularization for Flow Matching Policy Gradients / Ge Wang, Yibo Peng, Fan Feng 他
日本語で読む → - 論文VLA/強化学習ロボティクス
本能を信じよ:視覚言語行動モデルのための信頼度駆動型テスト時強化学習
視覚言語行動モデル(VLA)が内部の評価能力を持ち、高信頼度の軌道が成功しやすいことを利用し、外部報酬なしで自己改善するテスト時強化学習フレームワークT^2VLAを提案した。
原題: Trust Your Instincts: Confidence-Driven Test-Time RL for Vision-Language-Action Models / Siyao Chen, Jiakang Yuan, Jiaxin Wang 他
日本語で読む → - 論文強化学習/計画ロボティクス
回復・発見・計画:ロボットの失敗からスキルと概念を学習する
ロボットが失敗から回復するだけでなく、将来の失敗を避けるための抽象的な知識を獲得する手法を提案。強化学習で回復スキルを学び、その経験から関係述語を発見して抽象計画に活用する。
原題: Recover, Discover, Plan: Learning Skills and Concepts from Robot Failures / Bowen Li, Mayank Mishra, Y. Isabel Liu 他
日本語で読む → - 論文模倣学習/逆強化学習機械学習
学習報酬を用いた大規模行動モデルのコヒーレントなオフポリシー改善
大規模な事前学習済みロボット操作ポリシーを、逆強化学習で学習した稠密報酬を用いて微調整し、スパース報酬のRLベースラインよりも高い成功率を達成した。
原題: Coherent Off-Policy Improvement of Large Behavior Models with Learned Rewards / Christian Scherer, Joe Watson, Theo Gruner 他
日本語で読む → - 論文強化学習/報酬設計ロボティクス
強化学習のための段階遷移型高密度報酬モデリング
専門家のデモ動画からタスクの段階構造を推論し、段階遷移と段階内進捗の2つの報酬信号を生成することで、長期的なロボット操作タスクの強化学習を効率化する手法を提案した。
原題: Stage-Transition Dense Reward Modeling for Reinforcement Learning / Yang Yang, Bingjie Chen, Zihan Wang 他
日本語で読む → - 論文強化学習ロボティクス
物理アタリ:ロボット上でのリアルタイム強化学習のための堅牢でアクセスしやすいプラットフォーム
Atariコントローラを物理的に操作するロボットとゲーム画面を表示するデバイスを組み合わせ、実世界で強化学習アルゴリズムを研究できるシステム「Physical Atari」を構築した。低コストで堅牢な設計により、ロボット上での直接学習と適応の重要性を示した。
原題: Physical Atari: A Robust and Accessible Platform for Real-time Reinforcement Learning on Robots / Khurram Javed, Joseph Modayil, Gloria Kennickell 他
日本語で読む → - 論文VLA/強化学習ロボティクス
FORCE: 価値校正ウォームアップと自己蒸留による効率的なVLA強化学習ファインチューニング
VLAモデルの強化学習ファインチューニングを安定化・高速化する3段階フレームワークFORCEを提案。価値校正ウォームアップと自己蒸留でサンプル効率を改善し、シミュレーションと実機で成功率を大幅に向上させた。
原題: FORCE: Efficient VLA Reinforcement Fine-Tuning via Value-Calibrated Warm-up and Self-Distillation / Shuyi Zhang, Yunfan Lou, Hongyang Cheng 他
日本語で読む → - 論文UAV着陸/強化学習画像認識
マルチモーダルエージェントAIと能動的波浪補償による海事プラットフォームへの堅牢なUAV自律着陸
波浪による動揺を補償する安定化プラットフォームを備えたUSVと、強化学習エージェントで制御されるUAVを連携させ、海事プラットフォームへの安全な自律着陸を実現する枠組みを提案した。
原題: Robust Autonomous UAV Landing on Maritime Platforms via Multimodal Agentic AI and Active Wave Compensation / Francisco S. Neves, Pedro N. Pereira, Raul D. S. G. Campilho 他
日本語で読む → - 論文強化学習機械学習
正則化された報酬・罰則強化学習
報酬追求と罰則回避のポリシーを相互に事前分布として連携させるフレームワークKCPRを提案し、その深層実装klDMPがグリッドワールドとロボットナビゲーションで安全性と学習安定性を向上させることを示した。
原題: Regularized Reward-Punishment Reinforcement Learning / Jiexin Wang, Eiji Uchibe
日本語で読む → - 論文強化学習/操作ロボティクス
FlowDPG: フローマッチングポリシーに対する決定論的ポリシー勾配の実世界操作への応用
フローマッチングポリシーにDDPGスタイルの強化学習を適用する際、時間方向の逆伝播(BPTT)を回避する蒸留フレームワークを提案し、実世界の長期的な両腕組み立てタスクで92%の成功率を達成した。
原題: FlowDPG: Deterministic Policy Gradient on Flow Matching Policies for Real-World Manipulation / Kexin Shi, Junyao Shi, Poorvi Hebbar 他
日本語で読む → - 論文強化学習ロボティクス
ビデオ基盤の最適輸送によるフィードバック効率的なオフライン選好ベース強化学習
ビデオ基盤モデルの表現空間で最適輸送を用いて軌道を整列させ、少数のラベルから高品質な擬似ラベルを生成することで、選好ベース強化学習のラベルコストを大幅に削減する半教師ありフレームワークを提案した。
原題: Video-Based Optimal Transport for Feedback-Efficient Offline Preference-Based Reinforcement Learning / Tung M. Luu, Hwanhee Kim, Younghwan Lee 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
CoPark: 自己対戦による反応的駐車の学習
複数車両が互いに反応しながら高精度に駐車するための、残差ポリシーと自己対戦強化学習を組み合わせた手法を提案。事前計算された計画を基盤に、相手の脅威に応じて縦方向の制御を残差ヘッドに委譲しつつ横方向は基準に固定することで、精度と安全性を両立する。
原題: CoPark: Learning Reactive Parking via Self-Play / Jiarong Wei, Yanxing Chen, Sinuo Song 他
日本語で読む → - 論文共設計/進化計算/強化学習ロボティクス
浮力支援ロボットの挑戦的移動のためのガウス進化的スペシャリストによる高速共同設計
形態と制御を同時最適化するため、設計空間を分割して多様な行動を捉えるガウス進化的スペシャリスト(GES)を提案し、浮力支援脚ロボットBALLUで性能向上と障害物越えを実証した。
原題: Rapid co-design of Buoyancy-assisted robots for Challenging Locomotion using Gaussian Evolutionary Specialists / Ankit Sinha, Nitish Sontakke, Dennis Hong 他
日本語で読む → - 論文マルチエージェント強化学習機械学習
個別制御バリア関数ガイド拡散モデルによる安全なオフラインマルチエージェント強化学習
オフライン強化学習に拡散モデルを用い、個別の制御バリア関数を組み込むことで、マルチエージェント環境での安全な軌道生成を実現する新しいアルゴリズムを提案した。
原題: Individual Control Barrier Functions-Guided Diffusion Model for Safe Offline Multi-Agent Reinforcement Learning / Qingyun Guo, Junyi Shi, Jianuo Huang 他
日本語で読む → - 論文安全強化学習/VLAロボティクス
SafeDojo: インタラクティブワールドモデルによるVLAのための安全強化学習
視覚言語行動(VLA)ポリシー向けに、ワールドモデルベースの想像を通じて安全な行動を学習する初のモデルベース安全強化学習フレームワークを提案。
原題: SafeDojo: Safe Reinforcement Learning for VLA via Interactive World Model / Kai Tang, Peidong Jia, Zhong Chu 他
日本語で読む → - 論文強化学習ロボティクス
因果報酬ワールドモデル:自動スキル生成のためのゼロショット報酬設計
因果関係を明示的にモデル化した報酬ワールドモデルを提案し、LLMによる報酬生成を因果的制約で導くことで、環境フィードバックなしのゼロショット報酬設計を実現した。
原題: Causal Reward World Models: Zero-shot Reward Design for Automated Skill Generation / Yang Yang, Yuchuang Tong, Zhengtao Zhang 他
日本語で読む → - 論文VLA/強化学習/折りたたみロボティクス
折りたたみ学習:LeHomeチャレンジ2026優勝ソリューション(オンライン1位、オフライン2位)
両腕ロボットによる衣類折りたたみ競技会で、VLAポリシーに強化学習ループを組み合わせ、オンライン1位・実機2位を獲得したシステムを提案。
原題: Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline) / Ilia Larchenko
日本語で読む → - 論文強化学習機械学習
成功訪問マッチングによるプロセス報酬学習でRLを効率化
スパースな報酬を、成功・失敗エピソードを判別する識別器を使って密なプロセス報酬に変換し、ロボット操作タスクのRL微調整を高速化する手法を提案した。
原題: Learning Process Rewards via Success Visitation Matching for Efficient RL / Raymond Tsao, Andrew Wagenmaker, Sergey Levine
日本語で読む → - 論文VLA/強化学習ロボティクス
Z-1: 視覚言語行動モデルのための効率的強化学習
フローベースのVLAモデルに強化学習を適用し、公開データセットのみで24タスクの成功率を大幅に向上させた。
原題: Z-1: Efficient Reinforcement Learning for Vision-Language-Action Models / Lang Cao, Renhong Chen, Luyi Li 他
日本語で読む → - 論文安全強化学習制御
ハミルトン・ヤコビ到達可能性に基づく緊急衝突回避のための安全強化学習
緊急衝突回避のための安全強化学習フレームワークを提案。HJ到達可能性解析による前方視的安全監視を制約付きポリシー最適化に組み込み、低摩擦路面での回避性能を向上させた。
原題: Hamilton-Jacobi Reachability-Based Safe Reinforcement Learning for Emergency Collision Avoidance / Yuhong Jiang, Shiyue Zhao, Junzhi Zhang 他
日本語で読む → - 論文操作/強化学習ロボティクス
TORL-VLA: 触覚誘導による接触を伴う操作のためのオンライン強化学習
触覚フィードバックを利用して、接触を伴う操作タスクでオフラインポリシーをオンライン適応させる強化学習フレームワークを提案。実機実験で成功率と効率を向上。
原題: TORL-VLA: Tactile Guided Online Reinforcement Learning for Contact-Rich Manipulation / Huaihang Zheng, Yi Yang, Kai Ma 他
日本語で読む → - 論文マルチエージェント強化学習ロボティクス
マルチエージェント強化学習による協調的な長縄跳び
複数の人型ロボットが協力して長縄跳びを行うためのマルチエージェント強化学習フレームワークを提案し、シミュレーションと実機でその有効性を実証した。
原題: Cooperative Long Rope Skipping via Multi-Agent Reinforcement Learning / Zihao Wang, Shijie Peng, Kerui Wu 他
日本語で読む → - 論文強化学習/制御ロボティクス
固定翼UAVコマンド監視のためのHJB由来有限アクションリスクフィルタリングを備えたオートパイロット保存残差Q学習
固定翼UAVのオートパイロットを変更せず、その上に学習ベースの監視層を置き、風や乱気流下での追従誤差を大幅に低減する手法を提案した。
原題: Autopilot-Preserving Residual Q-Learning with HJB-Inspired Finite-Action Risk Filtering for Fixed-Wing UAV Command Supervision / Mehmet Iscan, Batuhan Temiz
日本語で読む → - 論文安全強化学習ロボティクス
PPO-EAL: 安全なロボット制御のための正確な拡張ラグランジュ近位ポリシー最適化
安全制約を満たす強化学習のための新しい制約付きポリシー最適化フレームワークを提案し、正確な拡張ラグランジュ法をPPOに統合して、理論的に保証された制約充足と高いタスク性能を実現した。
原題: PPO-EAL: Exact Augmented Lagrangian Proximal Policy Optimization for Safe Robotic Control / Jiatao Ding, Songqun Gao, Andrea Del Prete 他
日本語で読む → - 論文モデルベース強化学習ロボティクス
PRISM: ワールドモデルにおける事前知識誘導型想像サンプリング
学習済みワールドモデルを用いたプランニングにおいて、候補アクションの生成を事前分布で誘導する手法を提案。軽量なMLPで状態条件付きガウス事前分布を予測し、プランナーのサンプリング分布に融合することで性能を向上させた。
原題: PRISM: PRior-guided Imagination Sampling in world Models / Yuhai Wang, Jiawei Xia, Rongxuan Zhou 他
日本語で読む → - 論文制御/強化学習ロボティクス
平均電力予算制約下での水中ビークル制御:制約付き強化学習によるアプローチ
水中ビークルのスラスタ消費電力を明示的な予算制約として扱う制約付き強化学習(PPO-Lagrangian)を提案し、タスク精度を保ちつつ消費電力を削減する制御器を学習する。
原題: Average-Power-Budgeted Underwater Vehicle Control via Constrained Reinforcement Learning / Yinuo Wang, Gavin Tao, Yuze Liu 他
日本語で読む → - 論文ドローン/強化学習ロボティクス
投擲を学ぶ:クアッドローターによるケーブル吊り下げペイロードの機敏かつ正確な配送
クアッドローターが吊り下げたペイロードを目標へ正確に投げる強化学習ポリシーを、高精度シミュレーションと実機で検証し、モデルベース手法より誤差と時間を大幅に削減した。
原題: Learning to Throw: Agile and Accurate Cable-Suspended Payload Delivery with a Quadrotor / Yifan Zhai, Elia Raimondi, Yunfan Ren 他
日本語で読む → - 論文制御/強化学習ロボティクス
車輪付き四足ロボットのレース: モデル予測制御による能動的荷重移動の緩和
四足ロボットのレース中に発生する横方向の荷重移動を、MPCと強化学習を組み合わせた階層制御で能動的に抑制し、旋回性能と安定性を向上させた。
原題: Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control / Marla Eisman, Brian Lam, Samuel Sonnino 他
日本語で読む →
PR・アフィリエイト広告
