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 → - 論文水中画像強調画像認識
資源制約デバイス向け水中画像強調のための物理誘導スペクトル蒸留
物理誘導スペクトル蒸留により、水中画像強調モデルを軽量化しつつ高性能を維持し、資源制約のある水中ロボットでのリアルタイム展開を可能にした。
原題: Physics-Guided Spectral Distillation for Underwater Image Enhancement on Resource-Constrained Devices / Yifan Chen, Kai He, Ye Zheng 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 → - 論文画像編集画像認識
DecFlowEdit: ガイダンス分離による自己局所化フローベース画像編集
フローベース画像編集において、局所化と編集性のためのガイダンススケールを分離することで、背景を保ちながら編集精度を向上させる学習不要・逆変換不要の手法を提案。
原題: DecFlowEdit: Self-Localized Flow-based Image Editing via Guidance Decoupling / Zheyuan Zhan, Can Wang, Jiawei Chen 他
日本語で読む → - 論文データ収集ロボティクス
MonoEgo: 受動的な手首コンステレーションと疎なワークステーションアンカーによる単眼メートル法エゴセントリック実演キャプチャ
1台の単眼カメラで受動的な手首マーカーと作業台アンカーを撮影し、オフライン再構成によりメートルスケールのエゴセントリックな実演データを取得するシステムを提案した。
原題: MonoEgo: Monocular Metric Egocentric Demonstration Capture with Passive Wrist Constellations and Sparse Workstation Anchors / Jie Xu, Kangjin Yu, Ziyi Jin 他
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 → - 論文モバイルマニピュレーションロボティクス
SAKI: 人間の動画からのスキル組み立てと運動学的模倣による長期的モバイルマニピュレーション
人間の動画から物体中心の再利用可能なスキルを獲得し、それらを組み合わせてロボットの全身運動として実行することで、長期的なモバイルマニピュレーションを実現するフレームワークSAKIを提案。
原題: SAKI: Skill Assembly and Kinematic Imitation from Human Videos for Long-Horizon Mobile Manipulation / Yijie Lu, James Zhao, Weiming Zhi
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
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 → - 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 → - 論文マニピュレーションロボティクス
VPTwin: 実機-シミュレーション-実機のビデオ予測によるロボットマニピュレーション計画
実演からデジタルツインを再構築し、Isaac Simの複数ロールアウトを参照して実世界の未来映像を予測するReal-Sim-Real枠組みを提案し、物理的に妥当な予測でマニピュレーション計画を改善した。
原題: VPTwin: Real-Sim-Real Video Prediction for Robotic Manipulation Planning / Zhenghao Xiao, Minting Pan, Nantian He 他
日本語で読む →
PR・アフィリエイト広告
