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 →- 論文マニピュレーションロボティクス
想像した通りに実現する:視覚プランと行動の整合学習
世界行動モデルが生成する視覚的予測を目標条件付き提案として扱い、凍結した行動条件付き世界モデルとの予測一致度をフィードバックにFlow Policy Optimizationで行動ヘッドを最適化する手法を提案。実機UR5の4タスクで成功率を43.4%から75.1%に向上させた。
原題: Achieve What You Imagined: Learning to Align Actions with Visual Plans / Yuheng Qiao, Ziran Wei, Xiaohan Wang 他
日本語で読む → - 論文マニピュレーションロボティクス
エージェント間の再帰的ハーネス蒸留によるロボットマニピュレーション
強いエージェントの介入経験をプレイブックとして軽量エージェントに蒸留し、実行フィードバックで再帰的に改善することで、パラメータ更新なしにロボット操作の成功率を高める手法を提案。
原題: Recursive Harness Distillation across Agents for Robot Manipulation / Seungyeon Kim, Junhoo Lee, Minkyu Kim 他
日本語で読む → - 論文VLA画像認識
全方位画像を用いたエピソード記憶型身体性質問応答のための情報的な視点選択
全方位画像をキューブマップ展開して視点を選び、質問に関連する情報を効率的に集めて自由形式の質問に答える手法を提案した。
原題: Informative Viewpoint Selection for Episodic-Memory Embodied Question Answering using Omnidirectional Images / Kaname Kitamura, Asako Kanezaki
日本語で読む → - 論文sim2realロボティクス
ZeroBot:生成的Real2Simで数分でゼロから学習
単一視点画像から画像to3D生成モデルで物体メッシュを作り、シミュレーションで並列強化学習を行い、実機タスクを数分で学習するフレームワーク。
原題: ZeroBot: Learning from Scratch in Minutes with Generative Real2Sim / Ivan Kapelyukh, Xiaohan Zhang, Stephen James 他
日本語で読む → - 論文マニピュレーションロボティクス
Steer2Grasp: 多様な物理的に実行可能な把持拡散のための推論時身体性考慮ステアリング
凍結した把持拡散モデルを展開先の報酬で推論時に誘導し、実行不可能な把持モードから高報酬モードへ集団レベルで遷移させる学習不要の枠組みを提案。
原題: Steer2Grasp: Inference-Time Embodiment-Aware Steering for Diverse Physically Feasible Grasp Diffusion / Vignesh Vembar, Ayush Kaura, A Padmaprabhan 他
日本語で読む → - 論文強化学習/制御機械学習
方策メモリを通した誤差逆伝播はいつ重要か?物理的クレジット・最適化更新・可観測性
メモリ付き方策の学習で、記憶履歴への逆伝播を打ち切る影響を、勾配・最適化更新・追従性能の観点から分析した研究。
原題: When Does Backpropagating Through Policy Memory Matter? Physical Credit, Optimizer Updates, and Observability / Xingjian Li, Yi Han, Jianhua Z. Huang
日本語で読む → - 論文触覚ロボティクス
触覚対話知覚の物体中心表現を用いたロボットマニピュレーション学習
触覚探索から物体の物理的性質を表す物体中心表現を学習し、それを用いて視覚的に曖昧な物体の操作方策を適応させるフレームワークを提案した。
原題: Learning with Object-centric Representations of Tactile Interactive Perception for Robot Manipulation / Xinyi Yang, Zilin Si, Zhuowei Xu 他
日本語で読む → - 論文模倣学習機械学習
保守性を超えて:モデルベース模倣学習のための回復可能性条件付き探索
モデルベース模倣学習において、保守的方策学習と能動的データ収集を分離し、メイン方策が専門家行動へ戻れる回復可能な未知状態に探索を集中させるRECONを提案。歩行・ナビゲーション・操作タスクで効率と性能を改善。
原題: Beyond Conservatism: Recoverability-Conditioned Exploration for Model-Based Imitation Learning / Xuanlin Chen, Ziyue Wang, Xunlan Zhou 他
日本語で読む → - 論文産業応用/協働ロボットロボティクス
AI支援による協調組立ライン検査:システム統合と実運用の課題
キッチン家電工場に2台の協働ロボットとマルチモーダルAI検査を導入し、検査時間を25%短縮、作業者の負担を軽減した実証研究。
原題: AI-Driven Collaborative Assembly Line Inspection: System Integration and Deployment Challenges / Asya Ünal, Amr Okasha, Ege Çırakman 他
日本語で読む → - 論文マニピュレーションロボティクス
オンライン対話はリカバリに必要か?摂動によるロバスト計画のミニマリストアプローチ
既存のデモのみを用いて、予測軌道の後半部分を元のデモに固定しつつ前半を自由にすることで、摂動状態からのリカバリを学習するPARSを提案。追加の環境対話や専門家なしで行動クローンのロバスト性を向上。
原題: Is Online Interaction Necessary for Recovery? A Minimalist Approach to Robust Planning via Perturbation / Bumgeun Park, Donghwan Lee
日本語で読む → - 論文形式仕様生成/LLMAI
フィードバックが完璧をもたらす:自然言語からSTLへの閉ループ翻訳フレームワーク
自然言語の要求をSignal Temporal Logic(STL)に変換する際、生成した式を自然言語に逆翻訳してユーザーが確認・修正する閉ループ型の枠組みを提案し、開ループ翻訳の精度限界を克服できることを示した。
原題: Feedback Makes Perfect: A Closed-Loop Framework for NL-to-STL Translation / Bowen Ye, Xiang Yin
日本語で読む → - 論文マニピュレーションロボティクス
FoLD: 力情報を活用した関節物体の巧みな操作学習
人間の実演から補償力場を計算し、残差ポリシーでロボットの手の動きを接触要求に適応させることで、関節物体の巧みな操作を実現するフレームワーク。
原題: FoLD: Force-Informed Learning for Dexterous Articulated Object Manipulation / Haowei Shen, Tingai Li, Yumeng Liu 他
日本語で読む → - 論文世界モデル機械学習
ヤコビアン重心によるJEPA世界モデルの行動モニタリング
JEPA世界モデルの内部表現をヤコビアン行和(重心)で解析し、エンコーダと予測器の行動的乖離を検出して計画失敗を事前予測する手法を提案。
原題: Behavioral Monitoring of JEPA World Models with Jacobian Centroids / Thomas Walker, Randall Balestriero, Richard Baraniuk
日本語で読む → - 論文タスクプランニングAI
マルチサーバMCPツール連携のためのHTN計画による調整レイヤ
HTNプランナでサーバ横断的な実行計画を一度生成し、実行時ミドルウェアが複数のMCPサーバ上で決定的に実行する調整アーキテクチャを提案し、実験室ロボティクスやバイオインフォマティクスなど5領域で実証した。
原題: HTN Planning as a Coordination Layer for Multi-Server MCP Tool Orchestration / Eliott Jacopin, Éric Jacopin, Koichi Takahashi
日本語で読む → - 論文sim2realロボティクス
Robot-GST: 幾何学的時空間ロボット方策の表現と評価
RGB-D観測から3DガウススプラッティングとSAM3Dで高忠実度なロボット環境を構築し、実行前に行動候補をシミュレーション評価することで長期マニピュレーションの信頼性を高める枠組みを提案した。
原題: Robot-GST: geometry-aware spatial-temporal robot policy representation and evaluation / Sichao Liu, Zekun Wang, Lixuan Tang 他
日本語で読む → - 論文VLA画像認識
SphMind: 360度カメラを用いた学習不要のVLMベース全方位空間推論フレームワーク
360度カメラの歪みや不連続性に対応するため、意味理解と幾何推論を分離し、球面調和空間グラフと推論時幾何接地でMLLMを再学習なしに全方位空間推論へ適応させる手法を提案。
原題: SphMind: Towards Robust, Training-Free VLM-based Spatial Reasoning with a 360 Camera / Shriram Damodaran, Soumyaratna Debnath, Cheston Tan 他
日本語で読む → - 論文深度推定ロボティクス
EpiTransfer: 時系列単眼空中画像からのスパースで学習不要な長距離深度推定
2枚の単眼画像とカメラ姿勢からエピポーラ転送により仮想ステレオペアを合成し、学習なしで長距離深度を推定する手法を提案。ドローン屋外・屋内でLiDARと比較し、学習ベース手法を上回る精度を示した。
原題: EpiTransfer: Sparse, Training-Free Long-Range Depth Estimation from Temporal Monocular Aerial Frames / Diksha Aggarwal, Rutvik Dagadkhair, Sanjana Srivastava 他
日本語で読む → - 論文水中ロボティクス/World Modelロボティクス
AquaWAM: 水中ロボットのための動力学を考慮したワールドアクションモデル
水中ロボット特有の慣性・浮力・水流などの受動的動力学を明示的にモデル化し、視覚ではなくナビゲーション状態を予測することで、小型・高速・高成功率な行動決定を実現したワールドアクションモデル。
原題: AquaWAM: A Dynamics-aware World Action Model for Underwater Embodied Agents / Cunhao Zhu, Yifeng Wang, Dongliang Xu 他
日本語で読む → - 論文sim2realロボティクス
生成的なReal-to-Simによるロボットマニピュレーションのためのテスト時空間推論
単一のRGB-D画像から3D生成モデルと視覚言語モデルでシミュレーション可能なシーンを再構築し、数千の並列物理シミュレーションと進化的探索によって物体配置を最適化する、訓練不要のテスト時空間推論フレームワークを提案。
原題: Test-Time Spatial Reasoning for Robot Manipulation Using Generative Real-to-Sim / Ivan Kapelyukh, Yafei Hu, Ran Gong 他
日本語で読む → - 論文発話同期動作生成ロボティクス
SocialHumanoid: ワンステップ発話同期動作生成による表情豊かなヒューマノイド行動
発話に同期した感情表現豊かな全身動作をワンステップで生成し、ヒューマノイドロボット上でリアルタイムに実行するシステムを提案。
原題: SocialHumanoid: Towards Expressive Humanoid Behavior via One-Step Co-Speech Motion Generation / Chengqun Yang, Tengjie Zhu, Liang Xu 他
日本語で読む → - 論文マニピュレーションロボティクス
FINGR: 実世界でのルービックキューブ解法のための巧みな手の制御学習
指先基準の幾何表現と将来の接触・回転進捗を予測する補助タスクを組み合わせた方策を学習し、実機の巧みな手でルービックキューブの層回しを高成功率で実現した。
原題: FINGR: Learning Dexterous Hand Control for Real-World Rubik's Cube Solving / Yutong Liang, Quanquan Peng, Matthew Kim 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 → - 論文グラフニューラルネットワーク/敵対的ロバスト性機械学習
ZeroGAR: ゼロショットグラフモデルの敵対的ロバスト性ベンチマーク
未見のターゲットグラフに適用されるゼロショットグラフモデル(ZGM)の敵対的ロバスト性を評価する初の系統的ベンチマークZeroGARを提案し、13モデル・8データセットで構造・テキスト・ノード注入攻撃への脆弱性を分析した。
原題: ZeroGAR: Benchmarking the Adversarial Robustness of Zero-Shot Graph Models / Zhongjian Zhang, Xiao Wang, Busheng Zhang 他
日本語で読む → - 論文歩行ロボティクス
FutureRay: 機敏な四足歩行ナビゲーションのための制御整合型未来レンジ予測
深度履歴から将来の距離レンジと遭遇リスクを予測し、反応・制動時間を考慮した局所プランナで四足歩行ロボットの動的障害物回避を改善する手法を提案。
原題: FutureRay: Control-Aligned Future Range for Agile Quadruped Navigation / Tianhao Zang, Shanze Wang, Ziqian Wang 他
日本語で読む → - 論文環境影響評価cs.CY
生成AIとエージェントAIの環境影響:詳細分析とグリーンソリューション
生成AI・エージェントAIのライフサイクル全体にわたるエネルギー消費、炭素排出、水使用、電子廃棄物を分析し、持続可能性評価フレームワークSAFIAや政策提言、研究ロードマップを提示した概念的研究。
原題: Environmental Impact of Generative and Agentic AI: An in-Depth Analysis and Green Solutions / Abderaouf Bahi, Amel Ourici, Ibtissem Gasmi
日本語で読む → - 論文ナビゲーションAI
RAO-Nav: 統合言語モデルによるゼロショット音声視覚ナビゲーションの探求
音声と視覚を統合した大規模言語モデルをゼロショットの音声視覚ナビゲーションに適用し、学習データなしで既存手法を上回る性能を実現した。
原題: RAO-Nav: Probing Omni-Language Models for Zero-shot Semantic Audio-Visual Navigation / Qilang Ye, Meng Liu, Yu Zhou
日本語で読む → - 論文VLAロボティクス
World SLAM Model:SLAMとナビゲーションのための統合世界モデリング
SLAMの逐次状態更新とバックエンド補正の仕組みをナビゲーションに直接組み込み、将来の視覚状態予測とカメラ運動・密な幾何推定を統合した世界モデルを提案。
原題: World SLAM Model: Joint World Modeling for SLAM and Navigation / Minghui Qin, Yijun Yuan, Weicheng Zheng 他
日本語で読む → - 論文VLA画像認識
CausalDriveBench: 自動運転向けVLAモデルの因果推論を評価するベンチマーク
自動運転向けVision-Language-Actionモデルが、シーンの因果構造を捉えた推論を行えているかを評価するため、nuScenes上に因果シーングラフを構築し、Pearlの因果階層に沿ったQAと反事実軌道予測からなるベンチマークを提案した。
原題: CausalDriveBench: Evaluating Causal Reasoning in Vision-Language-Action Models for Autonomous Driving / Narendiran Chembu, Navvrat Rao, Shreedhar Shreeshail Kodate 他
日本語で読む → - 論文手話生成画像認識
RoboSTAR: ヒューマノイドロボットのための次スケール自己回帰手話翻訳
手話モーションを粗い時間解像度から細かく生成し、ヒューマノイドロボットで実行できるよう再ターゲティングするテキスト条件付き手話生成フレームワークを提案。
原題: RoboSTAR: Next-Scale Autoregressive Sign Language Translation for Humanoid Robots / Yujia Zeng, Chensheng Peng, Yuxin Chen 他
日本語で読む → - 論文内視鏡再構成画像認識
Endo-TSR: 内視鏡再構成のための時空間スペクトルモデリング
内視鏡シーン再構成において、変形ガウスモデルにフーリエ色残差と並進残差を導入し、組織の動きと外観変化を時空間的にモデル化する手法を提案。EndoNeRFとStereoMISで最高PSNRを達成。
原題: Endo-TSR: Temporal Spectral Modeling of Appearance and Motion for Endoscopic Reconstruction / Taoyu Wu, Yiyi Miao, Qi Shao 他
日本語で読む →
PR・アフィリエイト広告
