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 → - 論文ディープフェイク検出画像認識
DBCF: 基盤モデルの二枝相補融合による汎用ディープフェイク検出
CLIPとDINOv3という2つの基盤モデルを階層的に組み合わせ、大域的な意味情報と局所的な顔構造の手がかりを相補的に融合することで、未知の偽造手法にも汎化しやすいディープフェイク検出手法を提案した論文。
原題: DBCF: Dual-Branch Complementary Fusion of Foundation Models for Generalized Deepfake Detection / Fengming Gu, Mingjie He, Zonghui Guo 他
日本語で読む → - 論文VLAロボティクス
記憶の置き場所:記憶拡張VLAのためのオブジェクト台帳
短期知覚記憶はポリシー内に、長期物体記憶は外部の読み取り可能な台帳に置くという分割を実現し、単一のファインチューニング済みポリシーでRoboMMEの4スイート平均最高精度を達成した。
原題: Where Memory Belongs: Ledger, an Object Ledger for Memory-Augmented VLAs / Tanguy Dieudonné, Jack B. Jedlicki, Heng Yang
日本語で読む → - 論文制御理論制御
制御システムにおける弱い対称性の概念
古典的な対称性を緩和した「弱不変性」を導入し、任意の弱不変システムがカスケード分解可能であることを示した。
原題: A Weak Notion of Symmetry for Control Systems / Jake Welde, Riley Link, Pieter van Goor
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 → - 論文マニピュレーションロボティクス
TLC-DiT: タスク整合型局所視覚条件付けによる堅牢なマルチタスクロボットマニピュレーション
拡散トランスフォーマーポリシーにタスク誘導の局所視覚特徴マップを明示的に追加し、LIBEROや実機双腕タスクで成功率と視覚変化への堅牢性を向上させた。
原題: TLC-DiT: Task-Aligned Local Visual Conditioning for Robust Multitask Robot Manipulation / Xianbo Cai, Hideyuki Ichiwara, Zihang Wang 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VLA画像認識
世界行動モデルの汎化性能を決める要因とは?推論時の未来モデリングに関する実証研究
世界行動モデル(WAM)の汎化性能を環境変化・データ効率・タスク汎化の3軸で評価し、未来表現の条件付けが重要であることを示すとともに、未来生成を1回の順伝播に簡略化したSimple-WAMを提案した。
原題: What Makes World Action Models Generalize? An Empirical Study of Test-Time Future Modeling / Renping Zhou, Zanlin Ni, Zihao Fan 他
日本語で読む → - 論文歩行ロボティクス
受動歩行に着想を得た力学誘導によるエネルギー効率の高いヒューマノイド歩行
受動歩行の原理を模した傾斜重力場で初期学習を誘導し、その後通常力学に戻すことで、参照軌道なしにヒューマノイドの省エネ歩行を獲得する手法を提案。
原題: Passive-Dynamic-Walking-Inspired Dynamics Guidance for Energy-Efficient Humanoid Locomotion / Hyeonjin Choi, Joongheon Kim, Daekyum Kim
日本語で読む → - 論文マルチエージェントVLN画像認識
マルチエージェント視覚言語ナビゲーションの体系化:定式化・ベンチマーク・手法
複数ロボットが依存関係や資源制約のあるサブタスクを協調してこなす視覚言語ナビゲーションを初めて体系的に定式化し、大規模ベンチマークMAVLNと協調型ナビシステムTRISSを提案した論文。
原題: Systematic Multi-Agent Vision-and-Language Navigation: Formulation, Benchmark, and Method / Yunzhe Xu, Zhe Liu
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 → - 論文行動計画ロボティクス
LLMによる異種環境間の行動系列転移
ユーザーの行動系列を、シーングラフ表現を用いて異なる環境の物体配置に適応させて転移するシステムを提案し、Ego4D GoalStepから構築したデータセットで有効性を示した。
原題: Action Sequence Transfer via LLMs for Heterogeneous Environments / Choongho Chung, DongHwan Shin, Sung-Hee Lee
日本語で読む → - 論文ワールドモデルロボティクス
ATLAS: 信頼性の高いワールドモデル計画のための潜在構造の整合的転送
計画に有用な潜在空間の関係構造を保持しつつ分布を校正する学習目的ATLASを提案し、LeWMに適用して目標到達成功率を改善した。
原題: ATLAS: Aligned Transport of Latent Structure for Reliable World Model Planning / Ke Fang, Yupu Yao, Lu Cheng
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VLAロボティクス
空間グラフティング:フローマッチングロボットポリシーのための3D特徴の接地
凍結した3D再構成特徴をロボット相対のメートル幾何に結びつけ、クロスアテンションでフローマッチング行動エキスパートに注入する軽量モジュールを提案。複数のVLA/WAMや実機で汎用的に性能を向上させた。
原題: Spatial Grafting: Grounding 3D Features for Flow-Matching Robot Policies / Dingsheng Liu, Yangzheng Wu, Mahboubeh Asadi 他
日本語で読む → - 論文強化学習機械学習
品質多様性のための行動基盤モデル
行動基盤モデル(BFM)の潜在行動空間を探索空間として品質多様性(QD)探索を行うBFM-QDを提案し、密な移動・疎なナビゲーション・接触の多い操作で従来のパラメータ空間ベース手法を上回ることを示した。
原題: Behavioral Foundation Models for Quality Diversity / Nazim Bendib, Nicolas Perrin-Gilbert, Olivier Sigaud
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機械学習
X-Reset: クロスエンボディメント・リセットによる物体中心強化学習のスケーリング
人間の手と物体のデモンストレーションをロボットのリセット状態に変換し、汎用物体中心報酬での強化学習の探索問題を解決するフレームワークを提案。
原題: X-Reset: Scaling Object-Centric Reinforcement Learning via Cross-Embodiment Resets / Prithwish Dan, Chenyang Ma, Wei Zhan
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 → - 論文モデリング/制御/シミュレーションロボティクス
RoboCompiler: 閉ループロボットのモデリング・制御・シミュレーションを一貫させるグラフネイティブコンパイラ
機構グラフから閉ループ・アクチュエータ結合・接触を統一的に扱う共有メカニカルインターフェースを生成し、制御とシミュレーションで整合するモデルを提供するフレームワーク。
原題: RoboCompiler: Graph-Native Compilation of Closed-Chain Robots for Consistent Modeling, Control, and Simulation / Mehdi Heydari Shahna, Joongheon Kim, Jouni Mattila
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
QuadHand:MRC-SDFを用いた全身運動計画によるコンパクトなクアッドロータ空中マニピュレータ
3自由度アームと重心補償機構を備えた小型ドローンの空中マニピュレータを開発し、細部を保ちつつ計算可能なSDF表現と時空間全身軌道最適化で複雑環境での安全な操作を実現した。
原題: QuadHand: A Compact Quadrotor Aerial Manipulator with MRC-SDF-Based Whole-Body Motion Planning / Rui Jin, Ruiyang Liu, Xinhang Xu 他
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 → - 論文強化学習AI
ChronoSRL: 自己教師あり強化学習のための時間的幾何学
状態行動とゴールの埋め込み間の距離を到達時間に一致させる時間的幾何学を導入し、生存強化学習と組み合わせて、より速く信頼性の高いゴール到達を実現する手法を提案。
原題: ChronoSRL: Temporal Geometry for Self-Supervised Reinforcement Learning / Nico Bohlinger, Jan Peters
日本語で読む → - 論文移動マニピュレーションロボティクス
LQRとArUcoの融合:二輪ロボットにおけるナビゲーションと非対称マニピュレーションのための堅牢な階層制御
二輪倒立振子ロボットが非対称な物体操作を行う際の不安定性とナビゲーションのずれを解決するため、オフボードのArUcoマーカーによる大域的経路計画と、オンボードのLQRによる低遅延な外乱抑制を組み合わせた階層制御フレームワークを提案し、段差やシーソーなどの動的環境下でのペイロード運搬を実現した。
原題: LQR-ArUco Fusion: Robust Hierarchical Control for Navigation and Asymmetric Manipulation in Two-Wheeled Robots / Anupam Chatterjee, Arpita Kumari
日本語で読む →
PR・アフィリエイト広告
