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 →- 論文世界モデル機械学習
独立した相互作用から持続的表現を形成する学習原理SPRII
相互作用間の関係を弱教師として持続的な文脈表現を学習するSPRIIを提案し、その形成・利用・価値を分析した。
原題: Shaping Persistent Representations from Independent Interactions / Ji Dai, Quan Fang, Junyu Gao 他
日本語で読む → - 論文シーン再構成/sim2real画像認識
CoDimRecon: 変形可能な曲線・曲面・体積を含むシミュレーション可能な3Dシーンのエージェント的再構成
多視点RGB画像から、剛体・関節物体・変形物体を含む編集可能な3Dシーンをエージェント的に再構成し、ロッド・シェル・ソリッドの物理シミュレーションにそのまま使えるアセットを生成するフレームワーク。
原題: CoDimRecon: Agentic Reconstruction of Sim-Ready 3D Scenes with Deformable Curves, Surfaces, and Volumes / Shuzhao Xie, Lelin Wang, Guying Lin 他
日本語で読む → - 論文VLA画像認識
StructRL: 長期的視覚-言語-行動タスクのためのオンライン構造化強化学習
長期的なロボット操作タスクを検証可能なサブタスクに分解し、前提条件が満たされた段階で中間報酬を与えるオンライン強化学習フレームワークを提案。VLAモデルのポストトレーニング性能を向上させる。
原題: StructRL: Online Structured Reinforcement Learning for Long-Horizon Vision-Language-Action Tasks / Ziyi Yin, Sangmin Woo, Kang Zhou 他
日本語で読む → - 論文空間推論画像認識
画像データからの位相的関係認識のための学習モデル探索
物体間の接触・重なり・包含などの位相的関係を画像から認識するため、1万1千枚超の新データセットを構築し、従来手法と深層学習を比較した。VGG16が検証精度89.55%で最良だった。
原題: Exploring Learning Models for Topological Relationship Recognition from Image Data / Saptak Das, Monidipa Das
日本語で読む → - 論文群制御ロボティクス
マルチロボット軌道のノイズ除去計画
拡散・ノイズ除去に基づくD4ormを基盤に、分離型・オンライン・分散型のマルチロボット軌道計画手法を開発し、実機ドローンや大規模シミュレーションで有効性を示した。
原題: Denoising Multi-Robot Trajectories / Yuhao Zhang, Keisuke Okumura, Ajay Shankar 他
日本語で読む → - 論文群制御ロボティクス
DORA: 部分接続ロボットチームのための発散指向データリレーアルゴリズム
部分的にしか接続されないUAVチームで、情報の価値に基づいて通信を制御し、ミッション関連目標の発見を効率化するアルゴリズムを提案。
原題: DORA: Divergence-Oriented Data-Relay Algorithm for Partially Connected Robot Teams / Jonathan Diller, Fernando Cladera, Camillo Jose Taylor 他
日本語で読む → - 論文VIOロボティクス
ForVis: 森林下のUAV飛行によるVIO評価用の実地データセットとベンチマーク
森林環境でのUAV飛行中にVI-SLAMを評価するための実地データセットForVisを構築し、7つのオープンソースVI-SLAMシステムを504回の実行でベンチマークした。
原題: ForVis: An In-Field Dataset and Benchmark for VIO Using Under-Canopy UAV Flights in Forests / Arman Kiani, Masoud Ataei, Elvis Gyaase 他
日本語で読む → - 論文マルチエージェント運転cs.MA
VehicleArena:マルチエージェント運転のための現実的な都市環境
LLM制御のエージェントが独立した目的を持ち、互いの行動が交通流やリスクに影響し合う都市運転ベンチマークを提案し、9モデルを評価した。
原題: VehicleArena: A Realistic Urban Environment for Multi-Agent Driving / Jie Yang, Jiajun Chen, Jiazheng Zhou 他
日本語で読む → - 論文VLAロボティクス
UMR: 汎用マニピュレーション表現
人間の実演から異なるロボットへゼロショットで技能を転移できる統一的な行動表現UMRを提案し、物体の動きとエンドエフェクタ軌道を分離して学習する小型VLAモデルで高い成功率を達成した。
原題: UMR: Universal Manipulation Representation / Song Liu, Linyi Li, Yanshun Zhao 他
日本語で読む → - 論文強化学習ロボティクス
安定化制御における方策勾配のためのゼロ次報酬整形の十分性
安定化制御タスクにおいて、方策勾配法は速度情報を含まないゼロ次(位置)報酬だけでも解けることを理論と実験で示し、一次報酬項の追加は感度を高めることを明らかにした。
原題: Sufficiency of Zeroth-Order Reward Shaping for Policy Gradient in Stabilization Control / Yisheng Zhang, Tao Wang, Sicun Gao
日本語で読む → - 論文マルチエージェント通信機械学習
創発か帯域か:物理的結合と学習型マルチエージェント通信の限界
レート制限付きマルチエージェント系で最適なメッセージ設計を理論的に解明し、MuJoCo環境で物理的結合の度合いが学習通信の有効性を左右することを示した。
原題: Emergence, Not Bandwidth: Physical Coupling and the Limits of Learned Multi-Agent Communication / Mihir Chauhan, Aniket Bera
日本語で読む → - 論文VLAロボティクス
EdgeVLN: 実行時認識型の展開可能な量子化視覚言語ナビゲーションモデル
メモリ・電力制約のあるロボットエッジデバイス向けに、量子化した視覚言語ナビゲーションモデルと軽量な停止判定モジュールを組み合わせ、Jetson上でリアルタイム動作を実現した。
原題: EdgeVLN: Runtime-Aware Deployment Ready Quantized Vision Language Navigation Model / Rithvik Jonna, Man Namgung, Aakash Gurram 他
日本語で読む → - 論文物体ナビゲーションロボティクス
SOR-Nav: 探索継続か領域移動か?文脈ゲート付き探索と領域間移動による物体ナビゲーション
未探索環境で物体を探す際、現在の探索を続けるか別の領域へ移動するかをLLMで判断する階層型ナビゲーションシステムを提案し、複数のベンチマークで最高性能を達成した。
原題: SOR-Nav: Search or Relocate? Context-Gated Exploration and Cross-Region Relocation for Object Navigation / Yuan Ji, Zirui Li, Yuxin Cai 他
日本語で読む → - 論文ナビゲーションロボティクス
NavHarness: 生涯身体性ナビゲーションに向けて
記憶処理をナビゲーションループに組み込み、地図や過去の探索記録を観測と照合しながら訂正・蓄積する訓練不要の身体性ナビゲーション手法を提案。GOAT-Benchなどで大幅な性能向上を達成。
原題: NavHarness: Towards Lifelong Embodied Navigation / Xunyi Zhao, Jian Zhou, Sihao Lin 他
日本語で読む → - 論文sim2realロボティクス
MarsLab: 惑星探査ローバーの自律ナビゲーション向け火星ローバーシミュレータ
火星探査ローバーの自律ナビゲーション研究用に、ROS2対応でIsaac Sim上に構築したオープンソースシミュレータを提案し、SLAMや視覚的位置認識のベンチマークで有効性を示した。
原題: MarsLab: A Martian Rover Simulator for Planetary Rover Autonomous Navigation / Hoyun Kim, Beomsu Kim, Giseop Kim
日本語で読む → - 論文VLAロボティクス
DexRoam: 一人称全身人間デモンストレーションからの移動型両腕巧緻マニピュレーション学習
VRヘッドセットと頭部搭載ステレオカメラだけで全身の人間デモを収集し、身体・動作意味・時間の3段階アライメントでロボット動作空間に変換することで、移動しながらの両腕巧緻操作をVLAポリシーで学習可能にした。
原題: DexRoam: Learning Mobile Bimanual Dexterous Manipulation from Egocentric Whole-Body Human Demonstrations / Rui Zhou, Yibo Yuan, Junkai Zhao 他
日本語で読む → - 論文世界モデルstat.ML
一歩先の潜在予測は世界モデルではない
次の潜在表現を当てる一回先予測は条件付き平均を学ぶだけで、ロールアウト可能な世界モデルにはならないことを理論と実験で示した論文。
原題: One-Step Next-Latent Prediction Is Not a World Model / Shitong Wang, Zhongang Cai, Yuzhou Hong
日本語で読む → - 論文VLM自然言語
誰が誰の左にいるのか?相対位置推論における空間的証拠と役割バインディングの追跡
視覚言語モデルが物体の相対位置を推論する際、入力内の位置情報の追跡とクエリ内の役割表現という2つの要素を活性化パッチングで分析し、介入により精度と一貫性を改善できることを示した。
原題: Who Is Left of Whom? Tracing Spatial Evidence and Role Binding in Relative-Position Reasoning / Yingjin Song, Denis Paperno, Albert Gatt
日本語で読む → - 論文VLAロボティクス
NavJev: 行動中心の視覚圧縮と識別的行動意味記憶による効率的な視覚言語ナビゲーション
MLLMの逐次推論をやめ、候補行動を圧縮表現に変換して軽量な確率的行動選択を行うことで、視覚言語ナビゲーションの推論遅延を大幅に削減したフレームワーク。
原題: NavJev: Efficient Vision-Language Navigation via Action-Centric Visual Compression and Discriminative Action-Semantic Memory / Kai Sheng, Liuyi Wang, Jinlong Li 他
日本語で読む → - 論文マルチモーダルLLM画像認識
鋭い目から専門家の頭脳へ:改ざんテキスト検出のためのMLLMへの専門知識の内部化
改ざんテキスト検出において、専門家モデルの細粒度な知覚能力をマルチモーダル大規模言語モデル(MLLM)に段階的に内部化する手法を提案し、ドメイン内外での検出性能を向上させた。
原題: From Sharp Eyes to Expert Mind: Internalizing Expert Knowledge in MLLMs for Tampered Text Detection / Kaiqing Lin, Songze Li, Shen Chen 他
日本語で読む → - 論文世界モデルロボティクス
双線形世界モデル:構造化ダイナミクスによる効率的制御のための表現学習
世界モデルの潜在ダイナミクスを双線形に制約することで、表現崩壊を防ぎつつ計画時間を約1000分の1に短縮し、長期的・リアルタイム制御も可能にするJEPA型手法を提案。
原題: Bilinear World Models: Learning Representations with Structured Dynamics for Efficient Control / Antonio Pariente, Ignacio Boero, Nikolai Matni 他
日本語で読む → - 論文UAV計画/風予測AI
GeoWind2Plan: ミッション時間内の3次元都市風予測によるエネルギー効率の良いUAV計画
建物形状からミッション時間内に3次元都市風を予測し、UAVのエネルギー効率の良い経路と速度を計画するフレームワークを提案。CFDの約8時間に対し約3秒で推論できる。
原題: GeoWind2Plan: Mission-Time 3D Urban Wind Prediction for Energy-Efficient UAV Planning / Shaoxiang Qin, Yucheng Zhao, Fuyuan Lyu 他
日本語で読む → - 論文航空探索画像認識
AerialDojo-200K:オープンワールド航空物体目標探索のための大規模ベンチマークスイート
航空エージェントが大規模3D環境を自律探索し、意味記述や参照画像で指定された物体に到達するタスクのための、既存比3倍のシーンと18.7倍のタスクを含む大規模ベンチマークを構築した。
原題: AerialDojo-200K: A Large-Scale Benchmark Suite for Open-World Aerial Object-Goal Search / Tongtong Feng, Xin Wang, Haoran Hou 他
日本語で読む → - 論文移動ロボットロボティクス
MagNav:二輪ロボットのための照明に依存しない磁気トラック誘導フレームワーク
二輪倒立振子ロボットに磁気トラック誘導システムを搭載し、光学センサに頼らず照明条件に影響されない自律ライン追従を実現した。
原題: MagNav: A Dual-Core Magnetic Track Guidance Framework for Lighting-Invariant Navigation in Two-Wheeled Robots / Arpita Kumari, Anupam Chatterjee, Richa Srivastava
日本語で読む → - 論文VLM画像認識
判定の前に見よ:根拠付きで説明可能なディープフェイク検出のための学習不要領域マイニング
MLLMの注意をぼかし画像との対比で使って証拠領域を特定し、局所証拠と全体文脈を統合してディープフェイクを検出・説明する学習不要フレームワークを提案。
原題: Look Before You Judge: Training-Free Region Mining for Grounded and Explainable Deepfake Detection / Chia-Ling Chen, Yu-Ting Ta, Jian-Yu Jiang-Lin 他
日本語で読む → - 論文生成メディア信頼性画像認識
信頼できる合成視覚メディア:メディアライフサイクル全体にわたる証拠
生成メディアの信頼性を、メディアから復元できる証拠と制作時に記録・保存すべき証拠に分け、通常処理や改ざん後も意味を持つ条件を整理したレビュー。
原題: Trustworthy synthetic visual media: Evidence across the media lifecycle / Zexi Jia, Zhiqiang Yuan, Jie Zhou 他
日本語で読む → - 論文データ生成ロボティクス
SkillWeaver: 神経インタラクションスキルを活用したエージェント的探索によるスケーラブルなロボットデータ生成
VLMエージェントが学習済みの閉ループ操作スキルを再利用・パラメータ化しながら探索し、長期的な操作データを自動生成するフレームワークを提案。
原題: SkillWeaver: Agentic Exploration over Neural Interaction Skills for Scalable Robot Data Generation / He Zhu, Lusen Zhao, Kwan Man Cheng 他
日本語で読む → - 論文sim2realロボティクス
行動結果フィードバックによるテスト時方策適応フレームワークSCOUT
行動予測方策と順ダイナミクスモデルを共有信念潜在空間で結合し、行動と結果の不一致から環境ダイナミクスをオンラインで推定・適応するメタ学習手法を提案。シミュレーションと実機で適応速度とsim-to-real転移の堅牢性を示した。
原題: Scouting the Dynamics Gap: Test-Time Policy Adaptation via Action-Outcome Feedback / Yishu Li, Liyuan Geng, Xinyi Mao 他
日本語で読む → - 論文動作生成画像認識
MotionSpaceFlow: 直接動作空間における表現認識型フローマッチング
学習済みエンコーダ・デコーダを使わず、連続動作空間で直接クリーンな動作を予測するフローマッチング手法を提案し、テキストからの動作生成で最先端性能を達成した。
原題: MotionSpaceFlow: Representation-Aware Flow Matching in Direct Motion Space / Qing Yu, Kent Fujiwara
日本語で読む → - 論文マニピュレーションロボティクス
人間の実演からの視覚・触覚・行動の統合モデリングによる巧みなマニピュレーション
人間の触覚データを活用し、視覚・触覚・行動を統合的に学習するモデルを構築して、巧みなロボットマニピュレーションの性能を向上させた。
原題: Unified Visual-Tactile-Action Modeling from Human Demonstrations for Dexterous Manipulation / Wenqiao Li, Qianyou Zhao, Jiawen Hao 他
日本語で読む →
PR・アフィリエイト広告
