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: 2026/9/23 / 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 →- 論文自動運転VLM画像認識
AnchorReasoning: ロングテール自動運転シナリオにおける視覚的根拠付けと因果推論データセット
自動運転のロングテール場面を対象に、視覚的根拠付きの思考連鎖(VG-CoT)で判断要素の特定・位置推定から行動計画までを結びつけた大規模データセットを構築し、段階的ファインチューニングで推論と軌道予測の精度を向上させた。
原題: AnchorReasoning: A Visual Grounding and Causal Reasoning Dataset in Long-Tail Autonomous Driving Scenarios / Zhipeng Bao, Wenjie Zhao, Tianle Zhu 他
日本語で読む → - 論文音響測位ロボティクス
波浪に頑健な受動型AUV位置推定のためのFP-MUSIC
海面ブイのハイドロフォンアレイとIMUを用い、波浪による6自由度の揺れを補償する固定点反復MUSIC法により、事前設置トランスポンダなしでAUVの3次元位置推定と空間マッピングを実現した。
原題: Wave-Robust Passive AUV Localization Using FP-MUSIC / Usama Saqib, Ola Rønning, Andrzej Wąsowski
日本語で読む → - 論文世界モデルロボティクス
InternW0: 効率的な実世界インタラクションのための基盤的物理世界モデル
上海AI Labが、視覚予測とロボット制御を非対称なvideo-actionアーキテクチャで統合した物理世界モデルInternW0を提案。約7,200時間のデータで学習し、化学合成やピペッティングなどの実世界タスクで評価した。
原題: InternW0: A Foundational Physical World Model for Efficient Real-World Interactions / Jisong Cai, Yao Mu, Ganlin Yang 他
日本語で読む → - 論文制御/MPPIロボティクス
運動ニューロンに着想を得たサンプリングによるモデル予測パス積分制御
運動ニューロンの動態を模した時間的に構造化されたサンプリング手法をMPPI制御に導入し、MuJoCoのアリモデルで標準的なガウスサンプリングと比較して制御の滑らかさが向上することを示した。
原題: Motoneuron-Inspired Sampling for Model Predictive Path Integral Control / Alexis Poignant, Jan Babič
日本語で読む → - 論文身体性記憶/ベンチマーク画像認識
EmbodiedMemory-Bench:長期的な身体性タスクにおける身体性記憶のベンチマーク
長期的な身体性インタラクションにおける記憶能力を評価するEMem-Benchを提案し、空間・イベント・シーン記憶を統合する外部記憶システムEMemと8BポリシーEMem-8Bを開発した。
原題: EmbodiedMemory-Bench: Benchmarking Embodied Memory for Long-Horizon Embodied Tasks / Lizhou Liang, Xinyu Zhong, Miao Pan 他
日本語で読む → - 論文マニピュレーションロボティクス
DEAL-Grasp: 幾何認識型巧みな把持生成のための分離アライメント表現
把持生成を「アライメント空間」での生成問題として再定式化し、剛体運動と関節運動を分離して流れマッチングで安定かつ物理的に妥当な巧みな把持を生成する手法を提案。
原題: DEAL-Grasp: Decoupled Alignment Representation for Geometry-Aware Dexterous Grasp Generation / Fuqiang Zhao, Qian Liu
日本語で読む → - 論文関節物体認識画像認識
Track2Art: 2D点トラッカーからの運動中心型関節物体モデル復元
RGB-D動画から物体の点追跡を3D軌跡に変換し、運動の一貫性を手がかりに関節物体の剛体部品と関節関係を推定する手法を提案。
原題: Track2Art: Motion-Centric Articulated Object Model Recovery from 2D Point Trackers / Xiaotong Li, Yixiong Jing, Junsheng Ding 他
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
テザー吊り下げ型空中放射線センシングペイロードの視覚ベース制御
重量物運搬ドローンからテザーで吊るした放射線検出器を、機体ではなくペイロード自体を目標軌道に追従させる視覚フィードバック制御手法を提案し、屋外風下で追従誤差を20%低減した。
原題: Vision-Based Control of a Tether-Suspended Aerial Radiation Sensing Payload / Ian Snider, Brian J. Quiter, Emil Rofors 他
日本語で読む → - 論文ナビゲーションロボティクス
NavProbe: 能動的記憶検索による証拠に基づく推論を用いたゼロショットナビゲーション
訪問場所や遷移の要約をインデックス化し、必要時に視覚・幾何情報を能動的に検索してサブゴールを修正する階層型ゼロショットナビゲーション手法を提案し、R2R-CEやRxR-CEで高い性能を示した。
原題: NavProbe: Evidence-Grounded Reasoning with Active Memory Retrieval for Zero-Shot Navigation / Jingyang Liu, Sujia Yao, Jiayuan Gu 他
日本語で読む → - 論文VLA画像認識
見た目は同じでも答えが変わる:堅牢な視覚言語推論のためのフリップ方向ステアリング
視覚言語モデルが画像の微妙な変化で答えを変えてしまう問題に対し、学習不要の推論時ステアリング手法FlipDirを提案し、元の予測を回復しつつ安定な予測を保持する。
原題: Looks the Same, Answers Differently: Flip-Direction Steering for Robust Vision-Language Reasoning / Yeonsung Jung, Joonhyun Jeong, Hoang Pham 他
日本語で読む → - 論文VLAロボティクス
EmbodiedSWE:長期的器用ロボティクスのためのコーディングエージェント
コーディングエージェントが長期的・器用なロボットタスクを解き、その解を多様な軌道に拡張してVLAを訓練し、実機タスクまで完了できることを示した研究。
原題: EmbodiedSWE: Coding Agents for Long Horizon Dexterous Robotics / Haoxiang You, Zeyu Shen, Yilang Liu 他
日本語で読む → - 論文ベイズ学習機械学習
ベイズニューラルネットワークの全共分散スムージングによるオンライン適応
ニューラルネットワークを状態空間モデルとみなし、全共分散を保持した平滑化で重みの事後分布を閉形式更新する手法を提案し、オンライン適応やVLAモデルの方策適応に応用した。
原題: Full-Covariance Smoothing of Bayesian Neural Networks for Online Adaptation / Oren Wright, Haoming Jing, Qiaoan Shen 他
日本語で読む → - 論文位置推定ロボティクス
反射を考慮した推論による非見通し歩行者の位置推定
自車移動環境でカメラとレーダーを融合し、反射次数と反射面分布を推定して物理誘導レイトレーシングで遮蔽された歩行者の位置を推定するフレームワークを提案した。
原題: Reflection-Aware Reasoning for Non-Line-of-Sight Pedestrian Localization / Byeonggyu Park, Mingu Jeon, Seong-Woo Kim
日本語で読む → - 論文視覚言語ナビゲーションロボティクス
Talk2Escape: 対話による視覚言語ナビゲーションの閉ループ化
ナビゲーションエージェントの迷走を検知したら対話で修正指示を求める仕組みを提案し、シミュレータと実機で成功率と頑健性を向上させた。
原題: Talk2Escape: Conversational Grounding for Vision-and-Language Navigation / Zerui Li, Sihao Lin, Yanyan Shao 他
日本語で読む → - 論文自己位置推定ロボティクス
GNSS拒否都市環境における大規模幾何地図ベースのUAV自己位置推定
下向きカメラで観測した建物配置を建物フットプリントDBと幾何学的記述子で照合し、GNSSなしでも広域都市部で高精度に自己位置を推定する手法を提案。
原題: Large-Scale Geometric Map-Based Localization of UAVs in GNSS-Denied Urban Environments / Garth Terlizzi, Kaveh Fathian
日本語で読む → - 論文VLAロボティクス
InfiNoVA: 視点不変なロボットポリシーのための無限新規視点拡張
マルチカメラの実演を時間変化する3Dガウス表現として再構成し、任意の視点から幾何学的に一貫した新規視点画像を生成するデータ拡張手法を提案。未見視点での操作タスク成功率を大幅に向上させた。
原題: InfiNoVA: Infinite Novel View Augmentation for Viewpoint Invariant Robot Policies / Sai Puneeth Reddy Gottam, Elmar Rueckert, Vedant Dave
日本語で読む → - 論文VLAロボティクス
行動を変える記憶は行動を導く記憶ではない:履歴条件付きロボット方策の反事実的監査
ロボットの記憶が意思決定を導いているかを、同一の現在で二つの履歴を交差させる反事実的監査(CMA)で評価し、記憶への感度と信頼性を分離して検証した。
原題: Memory That Changes Action Is Not Memory That Guides It: Counterfactual Auditing of History-Conditioned Robot Policies / Jiajie Zhang, Yankai Xiang, Changhao Chen
日本語で読む → - 論文VLAロボティクス
ロボット方策学習のための行動整合型アクショントークン化
Soft-DTWで対応する動作チャンクを選び、量子化座標を再構成と同時に整合させることで、タスク間で共有される動作構造をトークナイザに学習させ、下流の自己回帰方策の性能を向上させた研究。
原題: Behavior-Aligned Action Tokenization for Robot Policy Learning / Junbo Dong, Ze Chen, Zhendong Xie 他
日本語で読む → - 論文モデル予測制御ロボティクス
ガウス過程による横滑り学習を用いた関節式ダンプトラックのグレーボックスモデル予測制御
関節式ダンプトラックの運動学モデルに、ガウス過程回帰で学習した横滑り角を組み込んだグレーボックスモデルを構築し、モデル予測制御の追従精度を大幅に改善した。
原題: Gray-Box Model Predictive Control for Articulated Dump Trucks via Gaussian Process Learning of Sideslip / Arash Shahirpour, Jens Ahlers, Christopher Schulte 他
日本語で読む → - 論文群制御ロボティクス
ロボット群におけるOCDMA LiDARのための動的分散型空間コード再利用
ロボット群のLiDAR干渉を抑えるため、ビーコンで維持する干渉近傍グラフに基づき空間再利用コードを動的に再割り当てする分散プロトコルを提案し、必要コード数がO(log N/log log N)で済むことを証明した。
原題: Dynamic, Decentralized Spatial Code Reuse for OCDMA LiDAR in Robot Swarms / Mohammad Hani Alomari
日本語で読む → - 論文ヒューマノイド制御ロボティクス
ForgetMimic: 強化学習によるヒューマノイド制御のための運動アンラーニング
強化学習で学習したヒューマノイド制御ポリシーから、指定した運動だけを忘却させ、他の運動性能を維持する初の運動レベルアンラーニング手法を提案。
原題: ForgetMimic: Motion Unlearning for Reinforcement Learning Humanoid Control / Xukun Luan, Zhongxiang Lei, Chen Gong 他
日本語で読む → - 論文群制御制御
行動指向情報による分散制御とエージェント間相互作用
メッセージが受け手の行動を変える情報量を測り、それを機能と結びつける手法を提案し、四脚歩行ロボットDI-Walkerで他脚センサー利用の有効性を検証した。
原題: Action-Directed Information for Distributed Control and Agentic Interaction / Shlomo Dubnov
日本語で読む → - 論文ワールドモデル画像認識
凍結フローは動きを忘れる:潜在フローワールドモデルにおける失われた運動の診断と復元
凍結した自己教師あり潜在空間上のフローを学習するワールドモデルが、物体の動きを失う問題を診断し、デコード経路の監督でフローのみを再学習するDARTを提案。
原題: Frozen Flows Forget: Diagnosing and Restoring Lost Motion in a Latent-flow World Model / Xiwen Chen, Rigaudiere Z. Li, Zhiruo Zhou 他
日本語で読む → - 論文世界モデル機械学習
静的グラフ世界モデルを超えて:進化するトポロジー上の確率的潜在ダイナミクス学習
進化するトポロジーを持つ確率的・部分観測環境に対応したグラフ世界モデルGDMを提案し、予測分布と真の分布を比較する新指標GDDを導入した。
原題: Beyond Static Graph World Models: Learning Stochastic Latent Dynamics over Evolving Topologies / Alex Schutz, Nick Hawes, Victor-Alexandru Darvariu
日本語で読む → - 論文強化学習/制御ロボティクス
時空間チューブ報酬を用いた信号時相論理仕様の全クラスに対する実用的強化学習
信号時相論理(STL)で表された複雑な高レベル仕様を満たすため、時空間チューブの幾何学的性質を利用した時間認識型強化学習フレームワークを提案し、入力制約を厳守しつつ履歴不要で効率的に連続制御方策を学習する。
原題: Tractable Reinforcement Learning for Full Class of Signal Temporal Logic Specifications Using Spatiotemporal Tube Reward / Vaishnavi Jagabathula, P Sangeerth, Pushpak Jagtap
日本語で読む → - 論文Visual SLAM画像認識
Know-Your-Scene (KYS)-SLAM: ステレオ視覚SLAMにおける特徴マッチングのための階層的意味・運動事前分布
ORB-SLAM3を拡張し、意味・パノプティック・運動の事前分布を階層的に統合して特徴マッチングの対応コストを連続的に調整するSLAM手法を提案。動的物体上の特徴を除外せず減衰させることで、バンドル調整に必要な幾何的対応を保持する。
原題: Know-Your-Scene (KYS)-SLAM: Hierarchical Semantic-Motion Priors for Feature Matching in Stereo Visual SLAM / Preeti Chatterjee, Jin Lu, Jin Sun 他
日本語で読む → - 論文LLMエージェント自然言語
LLMエージェントのための世界モデル再考:エージェント編集型世界モデル
LLMエージェントのタスク状態汚染を防ぐため、ツール応答の予測ではなく推論と行動が将来の進捗をどう形作るかをモデル化し、ノイズの多い推論・行動を編集するAEWMを提案。
原題: Agent-Editing World Model: Rethinking World Modeling for LLM Agents / Shuang Sun, Guoxin Chen, Fanzhe Meng 他
日本語で読む → - 論文マニピュレーションロボティクス
KeyGen: カテゴリーレベルの方策汎化のための教師なしキーポイントに基づく物体中心表現
点群から物体の意味的3Dキーポイントを教師なしで学習し、それを物体中心表現として拡散方策に組み込むことで、未知の物体形状や姿勢に対しても汎化するマニピュレーション手法を提案。
原題: KeyGen: Unsupervised Keypoint based Object-Centric Representations for Category-Level Policy Generalization / Shuxin Cao, Liquan Wang, Masoud Moghani 他
日本語で読む → - 論文世界モデルロボティクス
PointCast: 剛体・関節・変形物体操作のための単一世界モデル
物体とエンドエフェクタ上の3D点集合を拡散トランスフォーマで予測する世界モデルを提案し、剛体・布・ロープ・多関節キャビネットの操作を単一アーキテクチャで扱えることを示した。
原題: PointCast: One World Model for Rigid, Articulated, and Deformable Object Manipulation / Hantao Ye, Ross Worobel, Zhuoli Xie 他
日本語で読む → - 論文VLA画像認識
EgoTSR++: 一人称視点の時空間推論によるタスク進捗理解
一人称視点の2つの観測からタスクの進捗を順序に依存せず判断するフレームワークEgoTSRを提案し、順序バイアスを診断するベンチマークと双方向監督データ、段階的CoTカリキュラムを導入した。
原題: EgoTSR++: Egocentric Spatiotemporal Reasoning for Task Progress Understanding / Xiaoda Yang, Can Wang, Yuxiang Liu 他
日本語で読む →
PR・アフィリエイト広告
