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: 2026/9/25 / 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 →- 論文強化学習ロボティクス
STL誘導スタイン変分方策勾配による疎な成功信号からのロボット方策学習
Signal Temporal Logicのロバスト性を軌道レベルの目的関数として用い、スタイン変分方策勾配で疎な成功信号からロボット方策を学習する手法を提案し、クアッドコプターとマニピュレータの6タスクで有効性を示した。
原題: Learning Robot Policies from Sparse Success Signals via STL-Guided Stein Variational Policy Gradient / Hongrui Zheng, Cristian Ioan Vasile, Antonio Loquercio 他
日本語で読む → - 論文逆強化学習ロボティクス
PHIRL: 逆強化学習のための学習報酬とタスク進捗の整合
人間のデモンストレーションと進捗フィードバックを組み合わせ、逆強化学習でロバストな報酬関数を学習するデータ効率の良いフレームワークPHIRLを提案。実機・シミュレーションでベースラインを上回る性能を示した。
原題: PHIRL: Aligning Learned Rewards with Task Progress for Inverse Reinforcement Learning / Hang Yu, James Staley, Cheng Xi Tsou 他
日本語で読む → - 論文VLAAI
DriveHierarchy: VLM自動運転能力を開放ループ理解から閉ループ実行まで診断するベンチマーク
VLMベース自動運転を「知覚的接地・文脈記憶・心的推論・閉ループ実行」の4階層で評価する統一ベンチマークを構築し、15モデルの能力構造と開放ループ理解と閉ループ運転の関係を分析した。
原題: DriveHierarchy: A Benchmark for Diagnosing VLM Driving Capabilities from Open-Loop Understanding to Closed-Loop Execution / Chengkai Xu, Jiaqi Liu, Yicheng Guo 他
日本語で読む → - 論文長期計画AI
Metro-WM: 実現可能なサブゴールを用いた長期潜在計画
階層型プランナのサブゴールを実在フレームの検索で生成し、長期タスクの成功率と速度を大幅に改善する手法を提案。
原題: Metro-WM: Long-Horizon Latent Planning with Realisable Sub-Goals / Royson Lee, Fady Rezk, Titouan Parcollet 他
日本語で読む → - 論文ゲーム理論制御ロボティクス
制約付きポテンシャル外科手術を用いたゲーム理論制御
制約付き一般和動的ゲームに対する高速な内点法ソルバーと、局所GNE解への収束確率を高める二次補正を提案し、数値ベンチマークとスケールカーレースで評価した。
原題: Game-Theoretic Control with Constrained Potential Surgery / Zhiyuan Zhang, Panagiotis Tsiotras
日本語で読む → - 論文マニピュレーションロボティクス
ヒューマノイドバドミントン:限られた人間動作データからの動的ラケットスキル学習
三段階の階層型強化学習により、限られた人間のバドミントン動作データからヒューマノイドがフォアハンド・バックハンド・ジャンプ返球などの動的ラケットスキルを獲得し、実機で人間とのラリーを実現した。
原題: Humanoid Badminton: Learning Dynamic Racket Skills from Limited Human Motion Data / Jingzhi Cui, Zhexiong Wang, Bangjie Xu 他
日本語で読む → - 論文状態推定ロボティクス
異なる幾何学的誤差定義に基づくINS/ZUPTフィルタリング手法の精度評価
慣性航法と零速度更新を組み合わせた測位において、幾何学的誤差定義に基づく各種フィルタの精度と一貫性を比較評価した論文。
原題: Accuracy Evaluation of INS/ZUPT Filtering Methods Based on Different Geometric Error Definitions / Wei Ouyang, Jiale Han, Yarong Luo 他
日本語で読む → - 論文深度推定画像認識
Depth Any Seen:どの面がどこまで見えるか
1枚の画像から複数の可視面の存在と距離を同時に推定するマルチベルヌーイ深度集合手法を提案し、過剰予測を大幅に削減した。
原題: Depth Any Seen: Which Surfaces and How Far? / Xiaohao Xu, Xiaonan Huang
日本語で読む → - 論文マニピュレーションロボティクス
Grasp2Twist: 強化学習による両手巧みな瓶の蓋開けの学習
強化学習を用いて両手で瓶の蓋を掴んで回して開けるタスクを学習するシステムを提案し、実機へゼロショット転移で88%の成功率を達成した。
原題: Grasp2Twist: Learning Bimanual Dexterous Jar Opening by Reinforcement Learning / Mo Xu, Yunfu Deng, Jianuo Wang 他
日本語で読む → - 論文強化学習/世界モデル機械学習
CyberWorld: 自律型サイバー防御のためのサンプル効率の高い世界モデル
サイバー防御の強化学習にDreamer型の世界モデルを導入し、ネットワークのグラフ表現などを用いて潜在ダイナミクスを学習することで、モデルフリーPPOよりはるかに少ない環境ステップで攻撃戦略に対応できることを示した。
原題: CyberWorld: World Models for Sample-Efficient Autonomous Cyber Defense / Ryozo Masukawa, Sanggeon Yun, Raheeb Hassan 他
日本語で読む → - 論文VLAロボティクス
視覚ベースの俊敏なギャップ通過:微分可能シミュレーションとウォームスタート批評家による学習
微分可能シミュレーションの準解析的方策勾配と批評家のウォームスタートを用いた2段階強化学習で、ドローンの視覚ベースのギャップ通過方策を効率的に訓練する。
原題: Learning Vision-Based Agile Gap Traversal: Differentiable Simulation with a Warm-Started Critic / Nuthasith Gerdpratoom, Tianchen Sun, Yichao Gao 他
日本語で読む → - 論文VLAロボティクス
Kintsugi-VLA: 失敗ロールアウトを介入的回復可能性で回復データに変換
シミュレーションで失敗したロールアウトを、状態復元と分岐を利用して回復用の合成データに変換する枠組みを提案し、Frankaマニピュレーションで回復成功率を向上させた。
原題: Kintsugi-VLA: Turning Failed Robot Rollouts into Recovery Data through Interventional Recoverability / Ivan Snegirev, Elizaveta Semenyakina, Dmitrii Maliukov 他
日本語で読む → - 論文VLA/ロボットセキュリティロボティクス
AuthGuard-R:LLM制御ロボットの安全準拠型ミッションハイジャックと二重ゲート防御
物理的に安全でもユーザー認可ミッションを逸脱する「安全準拠型ミッションハイジャック」攻撃を定式化し、署名付きミッションに実行を束縛する認可層AuthGuard-Rと適応的攻撃MissionPAIRを提案・検証した論文。
原題: AuthGuard-R: Safety-Compliant Mission Hijacking and Dual-Gate Defense for LLM-Controlled Robots / Saidattu Chepuri, Vikas Srivastava
日本語で読む → - 論文自動運転プランニングロボティクス
INTERACT: アンカー条件付き予測と信頼領域精緻化による自動運転の対話型プランニング
周囲の車が自車の意図に反応する性質を利用し、地図から導いた複数の運転意図(アンカー)ごとに予測モデルを呼び出して信頼領域付きで軌道を最適化する対話型プランニング手法を提案。
原題: INTERACT: Interactive Planning for Autonomous Driving via Anchor-Conditioned Prediction and Trust-Region Refinement / Aron Distelzweig, Andreas Look, Faris Janjoš 他
日本語で読む → - 論文世界モデル機械学習
我行動するゆえに我あり:JEPAの行動条件付けは因果メカニズム学習に十分か
JEPAが観測から潜在因果状態を復元できる条件を情報理論的に解析し、行動による十分な変動が識別可能性の鍵であることを示し、A-JEPAを提案した理論研究。
原題: I Act Therefore I Am: When Is JEPA's Action-Conditioning Enough to Learn Causal Mechanisms? / Yuhang Liu, Zhuo Huang, Javen Qinfeng Shi
日本語で読む → - 論文マニピュレーションロボティクス
Imp-ACT: 適応インピーダンス制御とTransformerによるアクションチャンキングで接触の多いマニピュレーションをデモから学習
テレオペレーション中に自己調整インピーダンス制御で運動方向の剛性を適応させ、その剛性を視覚・固有感覚・力覚と共に記録し、TransformerベースのACTで把持動作と剛性を予測する手法を提案。拭き取りやプラグ挿入で低接触力と高成功率を実現。
原題: Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations / Luca Zanetti, Doganay Sirintuna, Idil Ozdamar 他
日本語で読む → - 論文モデルベース強化学習ロボティクス
速度と精度の両立:油圧ショベル制御のためのサンプル効率の高いオンラインモデルベース強化学習
油圧ショベルの制御において、確率的ダイナミクスアンサンブルモデルをオンラインで学習し、モデル予測制御に用いるフレームワークを提案。実機で20分の対話後、従来の100-150分学習した制御器と同等の追従精度を達成し、40分後には高速動作でサブセンチメートル精度を維持した。
原題: Precision at Speed: Sample-Efficient Online Model-Based Reinforcement Learning for Hydraulic Excavator Control / Claudio Canales, Fang Nan, Marco Hutter 他
日本語で読む → - 論文動画フォレンジック画像認識
ManiVid: 改変動画の統合的解釈可能なフォレンジック解析
改変動画の検出・改変領域の特定・異常説明を統合的に行うタスクとデータセット、フレームワークを提案。
原題: ManiVid: Unified and Explainable Forensic Analysis of Manipulated Videos / Hengrui Kang, Zhonghao Yan, Yuxuan Yang 他
日本語で読む → - 論文姿勢推定画像認識
PICO: 投影情報を活用した整合性最適化による6DoF手術器具姿勢推定
セグメンテーションと深度推定をマルチタスク学習し、2D/3Dの幾何学的整合性を課す代理タスクで手術器具の6DoF姿勢を高精度かつロバストに推定する手法を提案。
原題: PICO: Projection-Informed Consistency Optimisation for 6DoF Surgical Tool Pose Estimation / Lucy Fothergill, Pietro Valdastri, Dominic Jones 他
日本語で読む → - 論文VLAロボティクス
FRAM: 軌道ガイドによる視覚特徴選択で実現するコンパクトな言語条件付きロボットマニピュレーション
将来のエンドエフェクタ軌道を画像上のポインタとして使い、必要な局所視覚特徴だけを読む小型のVLAポリシーを提案。LIBEROで92.2%の成功率を達成し、実機UR5eでもカップ積みを実現した。
原題: FRAM: Trajectory-Guided Visual Feature Selection for Compact Language-Conditioned Robot Manipulation / Hiroshi Ito, Hyogo Hiruma, Yoshiki Kanai 他
日本語で読む → - 論文触覚ロボティクス
ロボットは点字を読めるか?―模倣学習による接触適応で触覚点字認識を実現
触覚点字を読むロボットが、認識前に接触品質を評価し姿勢を修正する適応的接触フレームワークを提案。模倣学習で接触調整を学び、点字の再構成精度を向上させた。
原題: Can a Robot Read Braille? - Learning to Adapt Contact via Imitation Learning for Tactile Braille Recognition / Xi Chen, Yunlong Shan, Sihan Chen 他
日本語で読む → - 論文マニピュレーションロボティクス
HIRE: 視覚的に曖昧な精密マニピュレーションのための履歴条件付きインタラクション推論と高速実行
力覚の履歴から接触状態を推論する低レート推論器と、接触動作を高レートで精密実行する実行器を組み合わせ、見た目が同じでも状態が異なる精密操作を実現したフレームワーク。
原題: HIRE: History-Conditioned Interaction Reasoning and High-Rate Execution for Visually Aliased Precision Manipulation / Rongji Li, Wenhao He, Cewu Lu 他
日本語で読む → - 論文VLAロボティクス
SeA-RVINS: 都市ナビゲーションのための相関保持型ロバスト推定を用いた意味認識密結合RTK-視覚慣性システム
都市環境でのGNSSマルチパスや視覚の誤対応に対処するため、意味認識ステレオフロントエンドと相関構造を保持するロバスト推定、曖昧性継続戦略を統合したRTK-視覚慣性ナビゲーションシステムを提案し、都市部を含む20kmの走行で高精度・高可用性を達成した。
原題: SeA-RVINS: Semantic-Aware Tightly Coupled RTK-Visual-Inertial System with Correlation-Preserving Robust Estimation for Urban Navigation / Wang Hu, Bo Wu
日本語で読む → - 論文世界モデル画像認識
StarWM: 自己教師あり学習による注意ルーティングで頑健な世界モデルを実現
自己教師あり学習で訓練したクロスアテンションにより再構成すべき領域を選択し、動的な背景ノイズに強い世界モデルを構築した研究。
原題: StarWM: Self-Supervised Trained Attention Routing for Robust World Models / Zeqiang Zhang, Fabian Wurzberger, Maximilian Otte 他
日本語で読む → - 論文状態推定ロボティクス
クアッドロータのための移動ホライズン推定:L1適応オプティマイザアプローチ
クアッドロータの状態推定において、移動ホライズン推定(MHE)を時間変化ソルバとL1適応オプティマイザで拡張し、計算効率と推定精度を向上させた研究。
原題: Moving Horizon Estimation for Quadrotors: An $\mathcal{L}_1$ Adaptive Optimizer Approach / Thinh Nguyen, Minkyung Kim, Sandeep Banik 他
日本語で読む → - 論文時系列予測機械学習
WorldTS: マルチモーダル共変量を考慮した時系列予測のための世界モデリング
マルチモーダルな外部情報を潜在状態の形成と進化に直接組み込む世界モデルベースの時系列予測フレームワークWorldTSを提案し、21の実世界データセットで有効性を示した。
原題: WorldTS: World Modeling for Multimodal Covariate-aware Time Series Forecasting / Yuhan Zhu, Xiangfei Qiu, Hanyin Cheng 他
日本語で読む → - 論文VLA画像認識
CLIPの埋め込み空間バックドアに対する領域レベルのブラックボックス防御
CLIPエンコーダの埋め込み空間バックドアに対し、セグメント単位の埋め込み摂動を測って疑わしい領域だけを意味的インペインティングで浄化する、完全ブラックボックスの軽量防御CLIPGuardを提案した。
原題: Region-Level Black-Box Defense Against Stealthy Embedding-Space Backdoors in CLIP / Ahmed Abdelnaby, Mohamed Elmahallawy
日本語で読む → - 論文VLA画像認識
会話は不要、視覚に再注力:マルチモーダル大規模言語モデルにおける推論セグメンテーションのための潜在推論
明示的なChain-of-Thoughtの代わりに学習可能な潜在トークンを用いて推論セグメンテーションを行うLIRSegを提案し、セグメンテーション精度と推論効率を向上させた。
原題: Skip the Talk, Re-Focus on Vision: Latent Reasoning for Reasoning Segmentation in Multimodal Large Language Models / Tianhang Guo, Yulin He, Wei Chen 他
日本語で読む → - 論文ロボット学習ロボティクス
QPベースのエンドツーエンド方策:ロバスト制御とロボット学習の統一的な視点
二次計画法(QP)をベースにしたエンドツーエンドの方策フレームワークを提案し、モデルベース制御の透明性を保ちつつ、ドメインランダム化による自動調整やブラックボックス方策構築を可能にした。シミュレーションと実機でロバスト性や未知ダイナミクス下の制御を検証した。
原題: End-to-end QP-based policies: A unified perspective on robust control and robot learning / Fausto Vega, Priyanka Supraja Balaji, Chase Dunaway 他
日本語で読む → - 論文VLAロボティクス
できないことを見つけよう:自己改善型VLAモデルのためのエージェント的実世界強化学習
視覚言語行動モデルが実世界で自律的に練習し、失敗から学んで自己改善する強化学習フレームワークFINDを提案。人間によるリセットや報酬ラベルなしで成功率を55%から71.9%に向上させた。
原題: Find Something You Can't Do: Agentic Real-World Reinforcement Learning for Self-Improving VLA Models / Yuan Fang, Zechu Li, Haolei Tong 他
日本語で読む →
PR・アフィリエイト広告
