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: 2026/6/1 / 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 →- 論文強化学習/自動運転/カリキュラム学習ロボティクス
自己ペースカリキュラム強化学習によるシミュレーションでの自動スーパーバイクレーシング
物理シミュレータVRider SBKでスーパーバイクを自律走行させるため、自己ペースカリキュラム強化学習(SPDL)とSACを組み合わせたフレームワークを提案し、手動カリキュラムなしで効率的に学習できることを示した。
原題: Self-Paced Curriculum Reinforcement Learning for Autonomous Superbike Racing in Simulation / Luca Ghisi, Jacopo Essenziale, Carlo D'Eramo 他
日本語で読む → - 論文VLA/強化学習ロボティクス
本能を信じよ:視覚言語行動モデルのための信頼度駆動型テスト時強化学習
視覚言語行動モデル(VLA)が内部の評価能力を持ち、高信頼度の軌道が成功しやすいことを利用し、外部報酬なしで自己改善するテスト時強化学習フレームワークT^2VLAを提案した。
原題: Trust Your Instincts: Confidence-Driven Test-Time RL for Vision-Language-Action Models / Siyao Chen, Jiakang Yuan, Jiaxin Wang 他
日本語で読む → - 論文安全強化学習機械学習
Safe-RULE: 安全な強化学習のアンラーニング
オフライン安全強化学習に対するデータポイズニング攻撃の影響を除去するための防御フレームワークを提案し、再学習や元の環境へのアクセスなしに安全性を回復する手法を実証した。
原題: Safe-RULE: Safe Reinforcement UnLEarning / Shixiong Jiang, Taozheng Zhu, Fanxin Kong
日本語で読む → - 論文強化学習/自動化ロボティクス
HARBOR: エージェント型ロボット強化学習のためのハーネスフレームワーク
ロボット強化学習のパイプラインを自動化するエージェントフレームワークを提案し、環境構築からポリシー訓練までを自動化して、複数のベンチマークで有効性を示した。
原題: HARBOR: A Harness Framework for Agentic Robot Reinforcement Learning / Zechu Li, Yufeng Jin, Xiaoyang Liu 他
日本語で読む → - 論文強化学習/UAVナビゲーションロボティクス
AgenticRL: 視覚条件付きUAVナビゲーションのための自己改善型エージェント強化学習
報酬設計とポリシー改善を大規模言語モデルエージェントが自動で行う、UAVナビゲーションのための強化学習フレームワークを提案した。
原題: AgenticRL: Self-Refining Agentic Reinforcement Learning for Vision-Conditioned UAV Navigation / Roohan Ahmed Khan, Yasheerah Yaqoot, Amir Atef Habel 他
日本語で読む → - 論文強化学習機械学習
SHAPO: シャープネスを考慮した安全探索のための方策最適化
エピステミック不確実性に基づく安全探索手法を提案し、パラメータ摂動に対する感度を利用して方策更新を悲観的にすることで、未探索領域での安全な行動を促進する。
原題: SHAPO: Sharpness-Aware Policy Optimization for Safe Exploration / Kaustubh Mani, Yann Pequignot, Vincent Mai 他
日本語で読む → - 論文強化学習ロボティクス
時間的自己模倣学習
ロボット操作の強化学習において、学習中に発見された時間的に効率的な成功軌道を自己模倣学習で再利用し、長期的なタスクの学習効率と成功率を向上させるフレームワークを提案した。
原題: Temporal Self-Imitation Learning / Yinsen Jia, Boyuan Chen
日本語で読む → - 論文強化学習機械学習
強化学習における低ランク適応を用いたメモリ効率的なポリシーライブラリ
強化学習によるマルチタスクロボティクスにおいて、LoRAを用いてベースモデルを各タスクにファインチューニングし、メモリ使用量を大幅に削減しつつ成功率を維持できることを示した論文。
原題: Memory-Efficient Policy Libraries with Low-Rank Adaptation in Reinforcement Learning / Samuel Valland Lyngset, Tor Viljen Raanaas, Gard Sveipe 他
日本語で読む → - 論文共設計/進化計算/強化学習ロボティクス
浮力支援ロボットの挑戦的移動のためのガウス進化的スペシャリストによる高速共同設計
形態と制御を同時最適化するため、設計空間を分割して多様な行動を捉えるガウス進化的スペシャリスト(GES)を提案し、浮力支援脚ロボットBALLUで性能向上と障害物越えを実証した。
原題: Rapid co-design of Buoyancy-assisted robots for Challenging Locomotion using Gaussian Evolutionary Specialists / Ankit Sinha, Nitish Sontakke, Dennis Hong 他
日本語で読む → - 論文強化学習ロボティクス
サポート制約付きRLによる実世界経験なしの実世界ポリシー改善
実データで事前学習したポリシーをシミュレーション内でRLにより改善する際、生成ポリシーのサポートに制約を課すことで、転移可能な行動を保証しつつ性能を向上させる手法SCOREを提案。8つの器用な多指操作タスクで成功率を大幅に改善した。
原題: Support-Constrained RL Enables Real-World Policy Improvement without Real-World Experience / Raymond Yu, William Huey, Mustafa Mukadam 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
CoPark: 自己対戦による反応的駐車の学習
複数車両が互いに反応しながら高精度に駐車するための、残差ポリシーと自己対戦強化学習を組み合わせた手法を提案。事前計算された計画を基盤に、相手の脅威に応じて縦方向の制御を残差ヘッドに委譲しつつ横方向は基準に固定することで、精度と安全性を両立する。
原題: CoPark: Learning Reactive Parking via Self-Play / Jiarong Wei, Yanxing Chen, Sinuo Song 他
日本語で読む → - 論文UAV着陸/強化学習画像認識
マルチモーダルエージェントAIと能動的波浪補償による海事プラットフォームへの堅牢なUAV自律着陸
波浪による動揺を補償する安定化プラットフォームを備えたUSVと、強化学習エージェントで制御されるUAVを連携させ、海事プラットフォームへの安全な自律着陸を実現する枠組みを提案した。
原題: Robust Autonomous UAV Landing on Maritime Platforms via Multimodal Agentic AI and Active Wave Compensation / Francisco S. Neves, Pedro N. Pereira, Raul D. S. G. Campilho 他
日本語で読む → - 論文強化学習機械学習
成功訪問マッチングによるプロセス報酬学習でRLを効率化
スパースな報酬を、成功・失敗エピソードを判別する識別器を使って密なプロセス報酬に変換し、ロボット操作タスクのRL微調整を高速化する手法を提案した。
原題: Learning Process Rewards via Success Visitation Matching for Efficient RL / Raymond Tsao, Andrew Wagenmaker, Sergey Levine
日本語で読む → - 論文強化学習/制御ロボティクス
生成的強化学習を安定したロボット制御へ導く
拡散・フローベースの生成的方策を学習し、その確率的な潜在変数サンプリングを決定的な潜在アクターに置き換えることで、探索と制御を分離し、安定かつ高精度なロボット制御を実現するフレームワークを提案した。
原題: Steering Generative Reinforcement Learning into Stable Robotic Controller / Yixuan Wang, Shutong Ding, Ke Hu 他
日本語で読む → - 論文強化学習/四足ロボット/操作ロボティクス
アフォーダンスに基づく階層型強化学習による四足ロボットの脚操作
四足ロボットの物体操作において、専門家による高レベル軌道設計を不要にするため、ポーズと接触点のアフォーダンスを利用した3層の階層型強化学習フレームワークを提案し、シミュレーションと実世界で検証した。
原題: Affordance-Based Hierarchical Reinforcement Learning for Quadruped Pedipulation / Tuba Girgin, Jose Castelblanco, Gabriel Rodriguez 他
日本語で読む → - 論文VLA/強化学習機械学習
ROAD-VLA: 自己蒸留による視覚言語行動モデルのロバストなオンライン適応
ロボット操作のための視覚言語行動モデル(VLA)のオンライン適応を強化するため、行動空間で近位教師を構築する自己蒸留フレームワークを提案。スパースな報酬を密なトークンレベルの信号に変換し、PPOを上回る性能を示した。
原題: ROAD-VLA: Robust Online Adaptation via Self-Distillation for Vision-Language-Action Models / Kejing Wang, Toan Nguyen, Minh Hoang Nguyen 他
日本語で読む → - 論文制御/強化学習ロボティクス
車輪付き四足ロボットのレース: モデル予測制御による能動的荷重移動の緩和
四足ロボットのレース中に発生する横方向の荷重移動を、MPCと強化学習を組み合わせた階層制御で能動的に抑制し、旋回性能と安定性を向上させた。
原題: Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control / Marla Eisman, Brian Lam, Samuel Sonnino 他
日本語で読む → - 論文オフライン強化学習機械学習
価値スティッチングによる地平線適応型オフライン方策学習
固定長の価値バックアップを再帰的で地平線適応的な価値合成に置き換え、将来の状態と地平線長に条件付けられた補助価値関数とスティッチング方策を用いて、オフライン強化学習の性能を向上させる手法VASTを提案した。
原題: Horizon Adaptive Offline Policy Learning via Value Stitching / Kexin Zheng, Xianyuan Zhan, Xintao Yan
日本語で読む → - 論文ロコモーション/強化学習ロボティクス
RoboNaldo: 動作誘導カリキュラム強化学習による正確で安定かつ強力なヒューマノイドサッカーシュート
人間のキック動作を参照として段階的に最適化する3段階カリキュラム強化学習フレームワークを提案し、ヒューマノイドロボットによる高インパルスで正確なサッカーシュートを実現した。
原題: RoboNaldo: Accurate, Stable and Powerful Humanoid Soccer Shooting via Motion-Guided Curriculum Reinforcement Learning / Yichao Zhong, Yidan Lu, Yuhang Lu 他
日本語で読む → - 論文強化学習ロボティクス
因果報酬ワールドモデル:自動スキル生成のためのゼロショット報酬設計
因果関係を明示的にモデル化した報酬ワールドモデルを提案し、LLMによる報酬生成を因果的制約で導くことで、環境フィードバックなしのゼロショット報酬設計を実現した。
原題: Causal Reward World Models: Zero-shot Reward Design for Automated Skill Generation / Yang Yang, Yuchuang Tong, Zhengtao Zhang 他
日本語で読む → - 論文VLA/強化学習ロボティクス
階層的アドバンテージ重み付けによるスパースなエピソード結果からのVLAオンラインRL微調整
事前学習済みVLAポリシーをオンライン強化学習で微調整する際、エピソードごとの成功/失敗のみのスパースな報酬を、生存性と効率性の2つの目的に分離し、状態適応的に重み付けして遷移レベルの学習信号を生成する手法を提案した。
原題: Hierarchical Advantage Weighting for Online RL Fine-Tuning of VLAs from Sparse Episode Outcomes / Tongyan Fang, Siyuan Huang, Naiyu Fang 他
日本語で読む → - 論文オフライン強化学習機械学習
RS-Diffuser: リスク感受性拡散プランニングと分布価値ガイダンス
オフライン強化学習において、リスク中立な拡散プランナーが稀な壊滅的結果を見落とす問題に対し、分布価値クリティックと尾部リスク指標を用いたリスク感受性ガイダンスを導入し、推論時のリスクパラメータ変更だけでリスク回避・中立・追求行動を柔軟に生成できるフレームワークを提案した。
原題: RS-Diffuser: Risk-Sensitive Diffusion Planning with Distributional Value Guidance / Shiqiang Gong
日本語で読む → - 論文模倣学習/逆強化学習機械学習
学習報酬を用いた大規模行動モデルのコヒーレントなオフポリシー改善
大規模な事前学習済みロボット操作ポリシーを、逆強化学習で学習した稠密報酬を用いて微調整し、スパース報酬のRLベースラインよりも高い成功率を達成した。
原題: Coherent Off-Policy Improvement of Large Behavior Models with Learned Rewards / Christian Scherer, Joe Watson, Theo Gruner 他
日本語で読む → - 論文強化学習ロボティクス
効果的なポリシー平滑化のための正則化の再設計
強化学習におけるポリシー関数の平滑化を効果的に行うため、既存の正則化手法の問題点を特定し、改良した正則化を提案する論文。複数のタスクとアルゴリズムで性能向上と滑らかな動作を実現し、四足ロボットのsim-to-real学習で目標速度の急変に対する頑健性を示した。
原題: Redesigning Regularization for Effective Policy Smoothing / Taisuke Kobayashi, Naoto Yamanaka
日本語で読む → - 論文ソフトロボティクス/強化学習ロボティクス
線形埋め込み空間での強化学習によるソフトロボット構成横断的な汎用制御
ソフトロボットの多様な形態・構成に迅速に適応できる汎用制御システムを、共有の線形Koopman埋め込み空間での強化学習により実現した。33構成で検証し、転移サンプルを75倍削減しつつ堅牢な性能を示した。
原題: Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations / Xinglong Zhang, Cong Li, Hangjie Mo 他
日本語で読む → - 論文強化学習/適応ロボティクス
動力学は教えられるものではなく学習されるもの:潜在動力学幾何の半教師あり発見によるゼロショット方針適応
ロボット強化学習において、環境の動力学変化に頑健に適応するため、物理パラメータを明示せずに相互作用の結果から潜在空間の幾何構造を学習する手法を提案し、MuJoCoベンチマークで既存手法を上回る性能を示した。
原題: Dynamics Are Learned, Not Told: Semi-Supervised Discovery of Latent Dynamics Geometries For Zero-Shot Policy Adaptation / Zhiming Xu, Weitao Zhou, Xianghui Pan 他
日本語で読む → - 論文強化学習/生成ポリシーロボティクス
ReFPO: フローマッチングポリシー勾配のためのリフロー正則化
フローマッチングポリシー勾配法に明示的なリフロー正則化を追加したオンライン強化学習手法を提案し、生成ポリシーの学習安定性と性能を向上させた。
原題: ReFPO: Reflow Regularization for Flow Matching Policy Gradients / Ge Wang, Yibo Peng, Fan Feng 他
日本語で読む → - 論文VLA/強化学習ロボティクス
FlowPRO: フローマッチングVLAの報酬なし強化学習による微調整 - 近接化選好最適化を用いて
フローマッチング型VLAモデルを実ロボットに展開可能なポリシーへと微調整する、報酬なしのオフライン強化学習フレームワークFlowPROを提案。選好最適化に近接正則化を導入し、介入・ロールバックデータから高品質なポリシーを学習する。
原題: FlowPRO: Reward-Free Reinforced Fine-Tuning of Flow-Matching VLAs via Proximalized Preference Optimization / Yihao Wu, He Zhang, Junbo Tan 他
日本語で読む → - 論文VLA/強化学習/折りたたみロボティクス
折りたたみ学習:LeHomeチャレンジ2026優勝ソリューション(オンライン1位、オフライン2位)
両腕ロボットによる衣類折りたたみ競技会で、VLAポリシーに強化学習ループを組み合わせ、オンライン1位・実機2位を獲得したシステムを提案。
原題: Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline) / Ilia Larchenko
日本語で読む → - 論文自動運転/強化学習AI
ROSA-RL: 不確実性を考慮した強化学習によるラウンドアバウト最適速度アドバイス
ラウンドアバウト進入時の不確実性を扱うため、トランスフォーマーで将来の占有を予測し、強化学習の状態に組み込んで安全かつ効率的な速度調整を行う手法を提案した。
原題: ROSA-RL: Uncertainty-Aware Roundabout Optimized Speed Advisory with Reinforcement Learning / Anna-Lena Schlamp, Jeremias Gerner, Klaus Bogenberger 他
日本語で読む →
PR・アフィリエイト広告
