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: 2026/9/28 / 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
視覚中断下での行動を視覚言語行動モデルで学習する
カメラ映像が途切れてもロボットが作業を続けられるよう、視覚言語行動モデルを訓練し、推論時にオプティカルフローや世界モデルで欠損視覚を補完する手法MINTを提案し、ベンチマークMAIL-Benchで評価した。
原題: Learning to Act under Visual Interruptions with Vision-Language-Action Models / Mingle Jiang, Rui Xu, Yunke Wang 他
日本語で読む → - 論文マニピュレーション画像認識
ECHO: 手首装着イベントカメラによる過去と未来の文脈を統合したマニピュレーション
手首装着イベントカメラの観測を圧縮表現に符号化し、過去の把持軌跡と未来のイベント予測を組み合わせて操作方策を学習する手法を提案。露出変動に強く、RLBenchと実機でRGBベースラインを上回る。
原題: ECHO: Event-Augmented Context with Hindsight and Outlook for Wrist-Only Manipulation / Xinyue Wang, Yicheng Jiang, Zesen Gan 他
日本語で読む → - 論文VLA機械学習
随伴ガイダンスフロー:VLAポリシーのための償却型クリティックガイダンス
VLAポリシーの生成をクリティックで誘導する際、最適制御の随伴変数を用いて軽量ガイダンスネットワークに償却学習させ、推論時はクリティック不要で高速・省メモリに高価値行動を生成する手法を提案。
原題: Adjoint Guidance Flow: Amortized Critic Guidance for VLA Policies / Jeongsol Kim, Youngjun Jun, Kyumin Choi 他
日本語で読む → - 論文グラフ世界モデル機械学習
WorldGraph: グラフネイティブな世界モデリング
グラフの時間発展そのものを世界のダイナミクスとして捉える「グラフ世界モデリング」を定式化し、ベンチマークGWM-Zeroと、状態認識型グラフトランスフォーマーと遷移認識型GRPOを組み合わせたWorldGraphを提案した。
原題: WorldGraph: Graph-Native World Modeling / Zezhong Ding, Yipeng Li, Xike Xie
日本語で読む → - 論文マニピュレーションロボティクス
DexAgent: 自己進化するツールライブラリを備えたエージェント型Human2Sim2Robotフレームワークによる巧みな操作
一人称視点の人間動画とタスク指示から、物理的に妥当なロボット軌道を生成して方策学習を可能にするエージェント型フレームワークを提案。ツールライブラリを自己進化させ、多様な物体や長期的タスクに対応する。
原題: DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library / Youhui Wang, Yunzhu Li, Li Fei-Fei 他
日本語で読む → - 論文世界モデル機械学習
世界モデルは大域的理解を学習するのか?
モノイド世界での学習課題を通じ、局所的な遷移から大域的制約を学習・伝播できるかを検証。合成訓練により逆元・可換・合成制約で96%の精度を達成し、世界モデルやLLMの汎化も改善することを示した。
原題: Do World Models Learn Global Understanding? / Alexander Detkov, Matt Thomson
日本語で読む → - 論文ナビゲーションAI
VCN-Bench:事前視覚経験に基づく空間推論のためのビデオ文脈化ナビゲーションベンチマーク
事前に撮影された動画を手がかりに、指示された目的地を推論してナビゲーションする新ベンチマークVCN-Benchを提案し、MLLMの閉ループ空間推論能力を評価した。
原題: VCN-Bench: A Video-Contextualized Navigation Benchmark for Spatial Reasoning over Prior Visual Experience / Siqi Zhang, Meng Wei, Chenyang Wan 他
日本語で読む → - 論文制御・身体性AI
侵害受容を制御プリミティブとして:単一身体に展開するエージェントのための求心性チャネルと侵害受容記憶
単一の身体で生涯学習できないエージェントに、負荷依存の侵害受容チャネルと記憶を持たせ、摩耗を考慮した作業配分を改善する手法を提案。シミュレーションで寿命と生産量の向上を実証。
原題: Nociception as a Control Primitive: Afferent Channels and Nociceptive Memory for Agents Deployed in One Body / Wolfgang Maass
日本語で読む → - 論文マニピュレーションロボティクス
HOI-Retarget: 接触中心の人間-物体インタラクション再ターゲティング
人間と物体のインタラクション動作を、接触情報を基準にヒューマノイドロボットへ転移させる手法を提案し、大規模な動作データセットを生成・公開した。
原題: HOI-Retarget: Contact-Centric Retargeting for Human-Object Interaction / Jihwan Shin, Adrià López Escoriza, Junzhe He 他
日本語で読む → - 論文VLAロボティクス
RoboICL: GPT-6 Astraによる身体性を備えたインコンテキスト学習
ロボット制御のためのインコンテキスト学習フレームワークRoboICLを提案し、GPT-6 Astraのゼロショット性能を大幅に向上させた。
原題: RoboICL: Embodied In-Context Learning with GPT-6 Astra / Fangcheng Liu, Yeqing Shen, Anda Cheng 他
日本語で読む → - 論文群制御ロボティクス
GuardPIBT: 反事実ゲート付きニューラル誘導による超大規模3Dマルチエージェント経路探索
PIBTの実行器を置き換えずにニューラル予測で候補の並べ替えを提案し、反事実ゲートで安全性を保ちながら最大10万エージェントの3D経路探索を実現した。
原題: GuardPIBT: Counterfactually Gated Neural Guidance for Ultra-Large-Scale 3D Multi-Agent Path Finding / Yuan Zhou, Zhenyu Hou, Guangtong Xu 他
日本語で読む → - 論文医療ロボティクスロボティクス
AGRO-SUVIDE: 外科用粘弾性デブリードマンのためのエージェント型ロボティクス
単一の専門家デモから反復スキルを自動抽出し、モデルベース/モデルフリーのスキルとして構築、実行時に監視・再試行するエージェント型ロボットフレームワークを提案し、dVRKで粘弾性基板上の小片除去を85%の成功率で実現した。
原題: AGRO-SUVIDE: Agentic Robotics for Surgical Viscoelastic Debridement / Shutong Jin, Ziyang Chen, Preethi Satish 他
日本語で読む → - 論文VLAロボティクス
適応的中间状態による効率的なWorld Action Model推論
World Action Modelの推論を、軌道リマッピング・観測リバインディング・残差リスケーリングで高速化する学習不要フレームワークを提案。
原題: Efficient World Action Model Inference with Adaptive Intermediate States / Zhinnan Liu, Haozhi Han, Ruge Zhang 他
日本語で読む → - 論文触覚画像認識
巧みな触覚ワールドモデル
手袋型触覚センサと映像を組み合わせ、一人称視点の操作を予測する映像拡散トランスフォーマーベースのワールドモデルを提案。触覚情報により手の動きの過小評価を23%から9%に低減し、手領域の知覚誤差を7.4%改善した。
原題: Dexterous Tactile World Model / Ziyao Zeng, Xiatao Sun, Hao Wang 他
日本語で読む → - 論文VLA画像認識
PIVOT: マルチターンVLMエージェントのためのピボット認識型オンポリシー自己蒸留
マルチターンVLMエージェントのRL訓練において、失敗の起点となる「ピボット」ステップを内部化して特定・状態復元するフレームワークを提案し、環境ロールバックなしで性能を向上させた。
原題: PIVOT: Pivot-Aware On Policy Self Distillation for Multi-Turn VLM Agents / Jiazhou Zhou, Hu Zhou, Yucheng Chen 他
日本語で読む → - 論文VLAロボティクス
WAM-OPD: オンポリシー蒸留によるワールドアクションモデルの高性能化
事前学習済みワールドアクションモデルを、環境ロールアウトを繰り返さずにオンポリシー蒸留で専門タスクに適応させる手法WAM-OPDを提案。
原題: WAM-OPD: Sharpening World Action Models via On-Policy Distillation / Panjun Liu, Xiaohan Lei, Shiqi Zhang 他
日本語で読む → - 論文世界モデル機械学習
何を思い出すべきかを学習する:世界モデルのための適応的マルチキューエピソード記憶
世界モデルの予測に役立つ過去の観測を、未来を考慮した予測損失で学習した検索器が、時間・姿勢・視覚・音声などの複数手がかりから自動選択して想起する手法FARを提案。
原題: Learning What to Recall: Adaptive Multi-Cue Episodic Memory for World Models / Beomsu Kim, Chieh-Hsin Lai, Bac Nguyen 他
日本語で読む → - 論文HRIロボティクス
mmHRI: ミリ波レーダによるプライバシー保護型ヒューマンロボットインタラクション
ミリ波レーダで人の動作と3D姿勢を推定し、それをテキスト指示に変換してVLAポリシーを制御する、プライバシー保護型のロボットマニピュレーション枠組みを提案した。
原題: mmHRI: Towards Privacy-Preserving Human-Robot Interaction with Millimeter-Wave Radar / Junqiao Fan, Yuxuan Hu, Bofan Lyu 他
日本語で読む → - 論文VLA画像認識
見えなくなっても、そこにある:大規模視覚言語モデルにおける圧縮起因リスクの露呈
視覚トークン圧縮が引き起こす敵対的失敗を「圧縮特異的失敗」として定義し、それを誘発する攻撃手法CIRAを提案した研究。
原題: Still There, No Longer Seen: Exposing Compression-Induced Risk in Large Vision-Language Models / Qiankun Li, Yuechen Zhang, Bowen Chen 他
日本語で読む → - 論文VLA画像認識
D$^2$-VLA:長期動的マニピュレーションのための二重記憶・二重周波数視覚言語行動モデル
事前学習済みVLAのKVキャッシュに二重記憶と二重周波数制御を組み込み、動く物体を扱う長期タスクで過去の視覚手がかりを保持しつつ応答できるようにした。
原題: D$^2$-VLA: Dual-Memory Dual-Frequency Vision-Language-Action Model For Long Dynamic Manipulation / Zijian Ye, Chengqi Wei, Wei Huang 他
日本語で読む → - 論文VLAロボティクス
言語からタスクマップへ:タスクに関連する自由度を保ちながら意味的関係をコンパイルする
自然言語の操作指示を、型付きの意味-幾何インターフェースを通じてタスクマップに変換し、関係ごとの自由度を保ちつつRMPflowで制御する手法を提案した。
原題: From Language to Task Maps: Compiling Semantic Relations While Preserving Task-Relevant Freedom / Jaegyun Park, Jingwang Lee, Jungsoo Lee 他
日本語で読む → - 論文VLAロボティクス
FailPatch: 視覚言語行動モデルのための失敗残差パッチング
VLA方策の失敗しやすい状態を検出し、凍結した方策の隠れ表現に残差エキスパートを注入して成功率を改善する手法を提案。
原題: FailPatch: Failure Residual Patching for Vision-Language-Action Models / Peng Yu, Jiacheng Wang, Ziheng Zhang 他
日本語で読む → - 論文空中マニピュレーションロボティクス
空中グリッパー:勾配ベースのリアルタイム逆ゲーム予測・計画フレームワーク
非協力的な標的を捕獲するため、不完全情報下の追跡・回避ゲームとして定式化し、標的のコストパラメータをオンライン推定しながら勾配ベースの逆ゲームソルバでリアルタイムに計画する空中グリッパーシステムを提案した。
原題: Aerial GRIPPER: A Gradient-based Real-time Inverse-game Predictor and Planner / Zeshuai Chen, Meng Wang, Jindou Jia 他
日本語で読む → - 論文VLAロボティクス
不確実なときは切らない:ロボット収穫のためのVLA方針における拒否可能で較正された決定ヘッド
VLA方針に「拒否」と「較正」を可能にする出力インターフェースを追加し、遮蔽下での収穫判断の信頼性を向上させた研究。
原題: Do Not Cut When Uncertain: Rejectable and Calibrated Decision Heads for VLA Policies in Robotic Harvesting / Heng Zhang
日本語で読む → - 論文マニピュレーションロボティクス
アクチュエータ劣化下におけるマニピュレーションポリシーのテスト時適応
関節温度やモータ電流などのテレメトリを用いて、凍結したマニピュレーションポリシーの出力アクションを補正する軽量Transformerを学習し、アクチュエータ劣化時でも成功率を向上させる手法を提案。
原題: Test-Time Adaptation of Manipulation Policies Under Actuator Degradation / Som Sagar, Ransalu Senanayake
日本語で読む → - 論文検査計画ロボティクス
Inspection-SPARS: 検査計画のためのタスク指向スパースロードマップ
検査計画問題において、密なロードマップをPOI被覆と経路品質を保証しつつ疎化する手法を提案し、3D環境での実験で有効性を示した。
原題: Inspection-SPARS: Task-Oriented Sparse Roadmaps for Inspection Planning / Adir Morgan, Oren Salzman, Kiril Solovey
日本語で読む → - 論文歩行ロボティクス
四足スカウトによる外界・固有感覚マッピングを用いた地形認識型自律惑星探査
月面様環境で四足ロボットがRGB-Dカメラと固有感覚を統合し、地形の走行性とコストを評価しながら未知領域を自律探査するフレームワークを提案し、シミュレーションで検証した。
原題: Terrain-Aware Autonomous Planetary Exploration for Exteroceptive-Proprioceptive Mapping with Quadruped Scouts / Alberto Sanchez-Delgado, João Carlos Virgolino Soares, Victor Barasuol 他
日本語で読む → - 論文マニピュレーションロボティクス
CoBrush:人間とロボットの協調絵画のための階層的計画フレームワーク
人間の意図が対話を通じて変化する中で、ロボットが共有キャンバス上で多ラウンドの協調絵画を実現する階層的フレームワークを提案し、実機実験で単一ターン手法より高い意味的整合性と空間的進行の安定性を示した。
原題: CoBrush: A Hierarchical Planning Framework for Human-Robot Co-Painting / Dantong Qin, Yike Guo, Qinlin Liu 他
日本語で読む → - 論文VLAcs.NI
エッジ支援マルチビュー測位のためのタスク指向通信
UAV/UGVの視覚ベース測位を、通信状況に応じてオフロード判断・送信ビュー選択・意味レート制御を統合的に行うタスク指向通信フレームワークで高精度化した研究。
原題: Task-Oriented Communications for Edge-Assisted Multi-View Localization / Zhengru Fang, Huanhuan Lou, Senkang Hu 他
日本語で読む → - 論文説明可能AI/検出画像認識
DF-CBM: 領域認識型コンセプトボトルネックモデルによるディープフェイク検出
操作痕跡の概念を顔・境界領域に紐づけて予測するコンセプトボトルネックモデルを提案し、根拠の位置と意味を示しながら高精度にディープフェイクを検出する。
原題: DF-CBM: Region-Aware Concept Bottleneck Models for Deepfake Detection / Georgios Tsoumplekas, Vazgken Vanian, Alexandros Doumanoglou 他
日本語で読む →
PR・アフィリエイト広告
