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: 2026/9/27 / 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 →- 論文模倣学習ロボティクス
状態行動を超えて:ロボット模倣学習における指令と状態の不一致の活用
ロボットの模倣学習において、指令と実際の状態の不一致を重み付けに利用する手法CSDWを提案し、制約のある実機タスクで性能を向上させた。
原題: Beyond State-as-Action: Exploiting Command-State Discrepancy for Robot Imitation Learning / Peiyan Li, Yueran Tao, Enhao Zhang 他
日本語で読む → - 論文単一細胞解析/生成モデルq-bio.GN
エネルギガイド付きフローマッチングによる汎化可能な単一細胞摂動応答予測
単一細胞の摂動応答を予測するため、条件付きフローマッチングと条件特異的なエネルギ勾配を組み合わせたscEGFlowを提案し、未知の摂動条件でも高精度に応答分布を再現できることを示した。
原題: Generalizable single-cell perturbation response prediction using energy-guided flow matching / Jianan Wei, Jiajun Hong, Guikun Chen 他
日本語で読む → - 論文自動運転画像認識
FocusDrive:視覚的フォーカスを用いた自動運転の推論
自動運転の計画推論に、注視すべき物体とその位置を画像パッチ参照で明示する視覚フォーカス表現を導入し、注視予測とend-to-end計画性能を向上させた研究。
原題: FocusDrive: Reasoning with Visual Focus for Autonomous Driving / Zhiyuan Liu, Zehong Ke, Yuanxin Tian 他
日本語で読む → - 論文VLA画像認識
クエリ・アライメント・蒸留:効率的な視覚言語ナビゲーションのためのナビゲーション認識クロスモーダル相互作用
視覚言語ナビゲーション(VLN)において、ナビゲーション証拠を明示的に選択する教師モデルを構築し、そのクエリを蒸留することで、パラメータ数を93.65%削減しつつ性能をほぼ維持するコンパクトな生徒モデルを実現した。
原題: Query, Align, and Distill: Navigation-Aware Cross-Modal Interaction for Efficient Vision-and-Language Navigation / Zhihao Chen, Yiyuan Ge, Ziyang Wang 他
日本語で読む → - 論文世界モデル機械学習
ALDER: 行動を通じて世界の法則を発見する
ALDERは、能動的に実験を提案し数式モデルを検証・修正することで、初期仮説を超えた法則を発見し、ロボット制御にも応用する手法。
原題: ALDER: Discovering the Laws of a World by Acting in It / Teng Cao, Yu Deng, Quentin Delfosse 他
日本語で読む → - 論文世界モデルロボティクス
実演動画から明示的な行動意味論を蒸留する世界モデルVIDEAS
ロボット操作動画を離散的な行動軌跡に分解し、VLMと事前知識ガイド付きシミュレーションで行動の前提条件と効果を構造化知識として抽出、言語ベース世界モデルを学習する枠組み。
原題: VIDEAS: Distilling Explicit Action Semantics from Demonstration Videos for World Models via Prior-Guided Simulation / Jianan Wang, Haoquan Zhai, Siyang Zhang 他
日本語で読む → - 論文触覚ロボティクス
永久磁化を利用したロボット関節用円盤型磁歪トルクセンサ
ロボット関節に組み込める厚さ約1cmの円盤型磁歪トルクセンサを開発し、4つの磁力計で応力による磁場変化を測定、磁気シールドで外乱を低減して50Nmフルスケールで1.34%の精度を達成した。
原題: A Disk-Shaped Magnetoelastic Torque Sensor for Robotic Joints Using Permanent Magnetization / Bruno Brajon, Enrico Gasparin, Nicole Yazigy 他
日本語で読む → - 論文3D点追跡画像認識
状態空間モデルによる3D点追跡
凍結したオプティカルフローと単眼メトリック深度ネットワークを組み合わせ、Mamba-3で深度の残差を学習することで、単一GPUで動作する絶対スケールの3D点追跡を実現した。
原題: 3D Point Tracking with State Space Models / Masahiro Ogawa, Qi An, Atsushi Yamashita
日本語で読む → - 論文マニピュレーションロボティクス
反事実計画によるWorld-Actionモデルでの動的マニピュレーション
World-Actionモデルを使い、目標の未来位置を予測して反事実的な観測を構成することで、追加学習なしに動く対象物をリアルタイムで操作できるようにした。
原題: Dynamic Manipulation with World-Action Models via Counterfactual Planning / Sunwoo Park, Wonbin Lee, Seonghyun Jin 他
日本語で読む → - 論文最適化層math.OC
lapanda: 非凸制約付き最適化層のための行列フリー微分可能ソルバ
非凸制約付き最適化を微分可能層として扱うため、拡張ラグランジュ法と準ニュートン法を組み合わせた行列フリーソルバを提案し、逆伝播の感度近似を導出した。
原題: lapanda: A Matrix-Free Differentiable Solver for Nonconvex Constrained Optimization Layers / Yuankun Chen, Zifei Nie, Kangyu Lin 他
日本語で読む → - 論文VLAロボティクス
凍結生成ロボット方策のオンライン適応のための主舵取り部分空間
凍結した拡散・フローマッチング方策の初期ノイズを制御する低次元部分空間を有限差分応答から構築し、強化学習で効率的にオンライン適応させる手法を提案。
原題: Principal Steering Subspaces for Online Adaptation of Frozen Generative Robot Policies / Jialeng Ni, Nathan Zhao, Kunpeng Song
日本語で読む → - 論文ロボット学習ロボティクス
タスクを超えて:現代ロボット学習技術を用いた動物らしい行動基盤の再現に向けたビジョン
動物が示す持続的な状況適応や行動の一貫性を「行動基盤」として捉え、ロボット学習で再現するための概念と、ロボット動物コンパニオンを研究場面として提案する。
原題: Beyond Tasks: A Vision for Reproducing an Animal-like Behavioral Substrate Using Modern Robot Learning Techniques / Samiyuru Menik, Hemadri Jayalath
日本語で読む → - 論文強化学習/報酬学習ロボティクス
実演不要の成功率報酬学習による汎用ロボット方策
専門家の実演なしに、方策の試行錯誤から成功率をブートストラップで学習し、汎用ロボット方策の強化学習を効率化する手法を提案。
原題: Demonstration-Free Success-Probability Reward Learning for Generalist Robot Policies / Duo Wu, Haifeng Wang, Rongwei Lu 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 → - 論文ドメイン適応画像認識
TC-ADA: セマンティックセグメンテーションのためのワンショット能動的ドメイン適応
新しい走行環境へのセマンティックセグメンテーション適応のため、1ラウンドで少数のターゲット画像を選択・密アノテーションし、視覚基盤モデルと固定UDAモデルを活用して適応する手法を提案。
原題: TC-ADA: One-Shot Active Domain Adaptation for Semantic Segmentation / Weihao Yan, Yeqiang Qian, Yueyuan Li 他
日本語で読む → - 論文運転世界モデル画像認識
VehDyn: 車両ダイナミクス評価のための運転世界モデルベンチマーク
CARLAとCarSimを連携させたデータセットを構築し、生成された運転動画が車両の運動学・動力学にどれだけ従っているかを階層的に評価するベンチマークを提案した。
原題: VehDyn: A Driving World Model Benchmark for Vehicle Dynamics / Tianyi Wang, Wangsheng Du, Jiazhou Chen 他
日本語で読む → - 論文VLAロボティクス
TAO-DA: 自律操作に向けた双腕協調マニピュレーションのためのデュアルアーム視覚言語行動モデル
共有VLMバックボーンに腕ごとに分離したエキスパート塔を組み合わせ、言語指示と視覚意味による二段階の意図ルーティングで双腕の干渉を解消するVLAモデルを提案。タスク進捗予測モジュールで協調スケジューリングも可能にした。
原題: TAO-DA: Towards Autonomous Operation--A Dual-Arm Vision-Language-Action Model for Coordinated Manipulation / Yongsheng Zhao, Han Gao, Baoping Cheng 他
日本語で読む → - 論文手術ロボティクスロボティクス
ロボット支援手術のためのヒューマノイド:能力マップによる両腕ベース配置とツールマウント最適化
能力マップを用いて、腹腔鏡手術におけるヒューマノイドのベース配置とツールマウント方向を最適化し、3つの手術手技で到達可能性を評価した。
原題: Humanoids for Robot-Assisted Surgery: Bimanual Base Placement and Tool-Mount Optimization via Capability Maps / Peihan Zhang, Zekai Liang, Florian Richter 他
日本語で読む → - 論文VLAAI
敵対的学習はマルチビューVLAの汎化を改善するか?ビュー崩壊の解明と緩和
マルチビューVLAに敵対的学習を適用すると、特定の視点変化には強くなる一方で「ビュー崩壊」と呼ばれる現象が起こり、手首視点に過度に依存することを明らかにし、ビュースワップ介入で緩和を試みた研究。
原題: Does Adversarial Training Improve Generalization in Multi-View VLAs? Revealing and Mitigating View Collapse / Futa Waseda, Shuhei Kurita, Isao Echizen
日本語で読む → - 論文手術ロボット/模倣学習ロボティクス
SurgFlow: 手術ロボット操作のための3Dオブジェクト中心コンタクトフロー
ステレオ手術動画から3Dオブジェクト中心のコンタクトフローを学習し、接触スコアで把持・解放をトリガーすることで、dVRKでの組織牽引や針の受け渡しなどを高成功率で実現したフレームワーク。
原題: SurgFlow: 3D Object-Centric Contact Flow for Surgical Robot Manipulation / Changwei Chen, Xiao Liang, Yinuo Yang 他
日本語で読む → - 論文歩行ロボティクス
多様な地形を制覇する二足歩行の統合コントローラ
傾斜や濡れた草地、砂利、階段など様々な地形に対応する単一の二足歩行コントローラを提案し、Cassieロボットで実証した。
原題: Multi-Terrain Mastery: A Comprehensive Controller for Bipedal Locomotion / Oluwami Dosunmu-Ogunbi, Aayushi Shrivastava
日本語で読む → - 論文世界モデル機械学習
MultiEcho:学習された世界の実験科学
世界モデルを実験系として捉え、介入に対する応答法則を推定・検証するフレームワークMultiEchoを提案し、9つの物理シミュレーションで応答予測性・介入可読性・物理的正確性を区別して評価した。
原題: MultiEcho: An Experimental Science of Learned Worlds / Meng Zhu, Airui Zhang
日本語で読む → - 論文自動運転機械学習
評価ルールが訓練ラベルを書き換えるとき:NAVSIMにおける人間参照の寛容さの測定
NAVSIMのラベル生成器が人間参照のスコア0を寛容に扱うことで、訓練信号がどう変化し、モデル性能にどんな影響を与えるかを大規模に分析した論文。
原題: When an Evaluation Rule Writes Training Labels: Measuring Human-Reference Forgiveness in NAVSIM / Jiaxuan Guo, Jingxin Yang, Jiaqi Ye 他
日本語で読む → - 論文世界モデルstat.ME
ViBR-WM: 視覚ベイズ回帰による世界モデル
視覚特徴と物理履歴を解釈可能なベイズ回帰で統合し、物体運動・植生・太陽光発電の予測で既存手法を上回る世界モデルを提案。
原題: ViBR-WM: Visual Bayesian Regression for World Modeling / Jifan Li, Ning Ning
日本語で読む → - 論文医療ロボット/セキュリティロボティクス
RAVEN IIにおける悪意ある注入の完全性検出と特性評価
手術ロボットRAVEN IIを対象に、指令・観測経路への悪意ある信号注入を検出できる限界を、時間分散の異なる注入パターンと2つの時間スケールで定量化した研究。
原題: Integrity Detection and Characterization of Malicious Injections in RAVEN II / Xingli Zhang, Diba Afroze, Fei Hu 他
日本語で読む → - 論文LiDARデータセット画像認識
AevaScenes: 長距離知覚のためのFMCW LiDARデータセットとベンチマーク
FMCW LiDARのドップラー速度情報を含む大規模データセットを構築し、3D物体検出・シーンフロー推定・セマンティックセグメンテーションのベンチマークを提案。ドップラー情報が遠距離の検出精度を最大2倍改善することを示した。
原題: AevaScenes: An FMCW LiDAR Dataset and Benchmark for Long-Range Perception / Gautham Narayan Narasimhan, Heethesh Vhavle, Kumar Bhargav Viswanatha 他
日本語で読む → - 論文進化ロボティクスロボティクス
ゼロから進化する器用なロボット
身体の構造を一切仮定せずに、物体の把持・回転・操作が可能なロボットを進化的手法で自動設計し、実機でゼロショット検証した研究。
原題: Evolving Dexterous Robots from Scratch / Zihan Guo, Shuzhe Zhang, Muhan Li 他
日本語で読む → - 論文身体性会話AI/表情生成ロボティクス
REALM: 身体性を持つ反応的聴き手のための粗から細への生成フレームワーク
音声に反応する聴き手の顔動作を生成するため、話者音声と聴き手の動作履歴を遅延を考慮して融合し、粗い動作軌道を確率的な表情残差で精緻化するフレームワークを提案した。
原題: REALM: A Coarse-to-Fine Generative Framework for Embodied Reactive Listening / Peizhen Li, Longbing Cao, Yang Zhang
日本語で読む → - 論文ヒューマノイドロボティクス
追跡可能な人間からヒューマノイドへの手話ベンチマーク
中国手話の大規模データセットHumanoidCSL-20Kを構築し、人間の動作からヒューマノイドへの変換過程を追跡可能にしたベンチマークを提案。
原題: Traceable Human-to-Humanoid Sign Language Benchmarking / Ao Liu, Shengeng Tang, Lechao Cheng 他
日本語で読む → - 論文sim2realロボティクス
模倣するな、推定せよ:視覚運動制御のための微分可能な状態ベース方策の再利用
シミュレーションで訓練した状態ベースの専門家方策を凍結して再利用し、その入力状態を画像から推定する視覚推定器を、状態教師信号と専門家を通した行動整合損失で訓練することで、接触の多い操作タスクの視覚運動制御を実現した。
原題: Estimate, Don't Imitate: Reusing Differentiable State-Based Policies for Visuomotor Control / Denis Shcherba, Adrian Abel, Eckart Cobo-Briesewitz 他
日本語で読む →
PR・アフィリエイト広告
