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: 2026/9/22 / 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
MultiPush: 車型ロボットチームによる押し操作での物体再配置学習
複数の車型ロボットが協調して物体を押し、制約空間内で効率的に再配置する強化学習フレームワークを提案。タスク割当とスケジューリングを同時最適化し、実機でも検証した。
原題: MultiPush: Learning to Rearrange with Teams of Car-Like Pushers / Jeeho Ahn, Christoforos Mavrogiannis
日本語で読む → - 論文マニピュレーションロボティクス
SafeLoop: 視覚言語行動マニピュレーションのためのリスク認識ロールバック
VLAモデルのパラメータを変えずに外部ラッパーとして危険予測とロールバック復帰を追加し、衝突や物体落下を約70%削減しつつタスク成功率を維持する手法を提案。
原題: SafeLoop: Risk-Aware Rollback for Vision-Language-Action Manipulation / Zeyu Lou, Tianran Zhang, Xinquan Yue 他
日本語で読む → - 論文模倣学習機械学習
部分観測下の模倣における最小リカレント行動記憶
部分観測下で専門家の行動を再現するのに必要な最小限のリカレント記憶を情報理論的に特徴づけ、操作タスクでそのビット要件を検証した研究。
原題: Minimal Recurrent Behavioral Memory for Imitation under Partial Observability / Xianyao Li, Fang Xu, Rui Min 他
日本語で読む → - 論文群制御ロボティクス
協調型マルチロボット建設のためのスキル系列計画
建設作業を複数の多機能ロボットが協調して行うため、再利用可能なスキル(把持、穴あけ、締結など)を組み合わせた系列を自動計画する手法を提案。デジタルツイン上で人間が確認・承認できる。
原題: Skill Sequence Planning for Collaborative Multi-Robot Construction / Xi Wang, Bo Fu, Carol C. Menassa 他
日本語で読む → - 論文世界モデルロボティクス
TriWorldBench: 三視点整合性で評価する身体性世界モデル
頭部と両手首のカメラ映像を同期させた二腕操作タスクのベンチマークを提案し、視点間の整合性や物理的・時間的一貫性を19指標で評価する。
原題: TriWorldBench: A Tri-View Consistency Perspective on Embodied World Models / Xuanyi Liu, Haofeng Wang, Ruiqi Li 他
日本語で読む → - 論文手術ロボット/組織シミュレーションロボティクス
腹腔鏡手術ロボットのポリシー評価のための接触安定な変形組織シミュレーション:陰的積分とライブポーズ把持制約
手術ロボットの閉ループ評価用に、RGB-D記録から再構成した組織を陰的積分とライブポーズ把持制約で安定にシミュレートする環境を構築し、把持・持ち上げの再現性と精度を検証した。
原題: Contact-Stable Deformable Tissue Simulation Using Implicit Integration and Live-Pose Grasp Constraints for Laparoscopic Surgery Robot Policy Evaluation / Juahn Oh, Dongho Yee, Jinseok Lee 他
日本語で読む → - 論文空中-地上協調/能動知覚ロボティクス
グローバル状態に依存しない空中-地上協調のためのロバスト能動知覚制御
単軸ジンバルでカメラ光軸を機体姿勢から分離し、TCNによるUGV運動予測とMPCを組み合わせることで、グローバル自己位置推定なしにUAVが移動するUGVを継続的に追従できる能動知覚フレームワークを提案した。
原題: Robust Active-Perception Control for Global-State-Free Aerial-Ground Cooperation / Mingxuan Zhang, Jiajun Yu, Baozhe Zhang 他
日本語で読む → - 論文VLAロボティクス
魚眼VLA:単一魚眼カメラで操作のための広域認識と高精細視野を両立
単一の魚眼カメラから広域視野とエンドエフェクタ中心の局所クロップを同時に取得し、VLAモデルと組み合わせて卓上・棚・コンベア上の操作を実現した研究。
原題: Fisheye-VLA: Decoupling Coverage and Acuity for Manipulation with a Single Fisheye Camera / Ziang Ren, Zike Yan, Raymond Zhang 他
日本語で読む → - 論文マルチエージェント強化学習機械学習
完全ビザンチン耐性マルチエージェント強化学習
通信層にビザンチン攻撃がある分散マルチエージェント強化学習において、2ホップメッセージの冗長性を利用して信頼できるメッセージを特定し、攻撃がない場合と同じ極限点に収束する手法を提案した。
原題: Fully Byzantine-Resilient Multi-Agent Reinforcement Learning / Haejoon Lee, Dimitra Panagou
日本語で読む → - 論文ナビゲーションロボティクス
Skytopia: 行動条件付き潜在世界モデルによる単眼ドローン航法
単眼カメラのみで未知環境の目標地点へ飛行するため、行動条件付き潜在世界モデルを学習し、予測器を捨てて方策のみで3種の航法タスクを実機含め達成した研究。
原題: Skytopia: Monocular Drone Navigation with Action-Conditioned Latent World Models / Yuhang Zhang, Rangya Zhang, Yujing Shang 他
日本語で読む → - 論文VLAロボティクス
階層的間取り誘導型視覚言語探索による身体性質問応答
RGB-D観測から階層的シーングラフと開放語彙占有マップを構築し、間取りの事前情報とVLM計画を組み合わせて未知環境を効率的に探索するEQAフレームワークを提案した。
原題: Hierarchical Floorplan-Guided Vision-Language Exploration for Embodied Question Answering / Albert Gassol Puigjaner, Kostas Alexis
日本語で読む → - 論文歩行ロボティクス
踏み出す前に予測せよ:疎な誘導下での動的障害物回避のための検証可能な占有予測
脚ロボットが疎なウェイポイント誘導下で動く障害物を避けるため、LiDAR履歴から将来の占有マップを予測し速度選択に用いる局所回避ポリシーLOOPを提案し、シミュレーションと実機で有効性を示した。
原題: Predict Before You Step: Auditable Occupancy Forecasting for Dynamic Obstacle Avoidance under Sparse Guidance / Yuhui Mao, Fen Liu, Shenghai Yuan 他
日本語で読む → - 論文VLAロボティクス
MedVLA: 閉ループ精密医療ロボット操作のための階層型視覚-言語-行動フレームワーク
高レベルなマルチモーダル推論と低レベルの関数制約付き実行を組み合わせた階層型VLAフレームワークを提案し、柔軟電極挿入タスクで95%の成功率を達成した。
原題: MedVLA: A Hierarchical Vision-Language-Action Framework for Closed-Loop Precision Medical Robot Manipulation / Junjie Xie, Chuxuan He, Angen Ye 他
日本語で読む → - 論文sim2realロボティクス
時間的モード切替と地形横断追従による空地両用運動制御の学習
受動車輪型空地両用車両に対し、ToF計測と将来参照情報を用いた学習ベースのモード選択器と強化学習による軌道追従制御を統合し、限られた知覚下での信頼性の高い空地切替と多地形での高精度な地上追従を実現した。
原題: Learning Air-Ground Motion Control with Temporal Mode Switching and Cross-Terrain Tracking / Ruitian Pang, Mingrui Li, Xuanting Liu 他
日本語で読む → - 論文VLAロボティクス
HABILIS Brain 0: 視覚言語行動と残差フロー回復のための幾何変化監督
現在の観測からマルチビューの未来-現在の幾何変化トークンを予測するGC-VLAを提案し、4段階の学習でLIBEROにおいて99.55%の成功率を達成した。
原題: HABILIS Brain 0: Geometry-Change Supervision for Vision-Language-Action and Residual Flow Recovery / Jinu Pahk, Jesoon Kang, Taegeon Park 他
日本語で読む → - 論文VLAロボティクス
RoboFollow:身体性エージェントにおける指示追従の幻想を暴く
視覚シーンが一つのタスクしか許さない「低シーンエントロピー」問題を指摘し、言語理解を厳密に診断する4段階ベンチマークRoboFollowを提案。9つのVLA/WAMポリシーを評価し、指示追従能力が実は脆弱であることを示した。
原題: RoboFollow: Unveiling the Instruction Following Mirage in Embodied Agents / Chang Guo, Yukun Xie, Bohan Tan 他
日本語で読む → - 論文3D生成画像認識
Fysiverse-3D-Vision: 画像から実行可能な3D世界を生成する統合空間推論フレームワーク
単一画像から物体の意味・形状・配置を統合的に推論し、物理シミュレーション可能な3Dシーンを生成する視覚言語幾何フレームワークを提案。
原題: Fysiverse-3D-Vision Technical Report: Generating Executable 3D Worlds from Images through Unified Spatial Reasoning / Dingkang Yang, Yizhou Liu, Wendong Cheng 他
日本語で読む → - 論文VLAロボティクス
IndustrialVLA-Bench:オープンロボットポリシーモデルの追跡可能な多軸評価
6つのVLA/WAMモデルを統一プロトコルで評価し、クリーン性能・ロバスト性・言語感度・実行コストを比較したベンチマークを提案。
原題: IndustrialVLA-Bench: A Traceable Multi-Axis Evaluation of Open Robot Policy Models / Yiqi Wang, Zhifeng Rao, Jiaqi Zhang 他
日本語で読む → - 論文マニピュレーションロボティクス
エンドタスク成功を超えて:ロボティクスにおける視覚経験検索の監査手法
ロボットが過去の経験を再利用する際の選択ルールを、全経験を全シーンで実行して監査する手法を提案し、視覚類似度による選択が特定経験に偏りライブラリ品質に依存することを示した。
原題: Beyond End-Task Success: How to Audit Visual Experience Retrieval in Robotics / Eshika Pathak, Leela Krishna
日本語で読む → - 論文sim2realロボティクス
φ-RIE: フォトリアリスティック再構成からインタラクティブ環境へ
3Dガウススプラッティングで再構成したシーンから、選択した物体をシミュレータで動かせるアセットに変換し、背景も補完してインタラクティブ環境を構築するパイプラインを提案。
原題: φ-RIE: From Photorealistic Reconstruction to Interactive Environments / Runyi Yang, Deheng Zhang, Xiaoye Wang 他
日本語で読む → - 論文テキストtoモーションロボティクス
サンプル・シミュレート・セレクト:学習なしで実現するヒューマノイドの物理シミュレーション・イン・ザ・ループ型テキストtoモーション
学習済みテキストtoモーション生成モデルから複数候補を生成し、物理シミュレータ上で追従制御ポリシーにより実行して最良のものを選ぶことで、追加学習なしにヒューマノイドの動作生成精度を向上させる手法を提案。
原題: Sample, Simulate, Select: Physics-in-the-Loop Text-to-Motion for Humanoids Without Training / Raphael Memmesheimer, Sven Behnke
日本語で読む → - 論文VLAロボティクス
MachEmbodied-U0:身体知能のための統合理解・生成モデル
理解と生成の専門家をMixture-of-Transformersで統合し、視覚力学と行動生成をフローマッチングで結びつけた身体知能基盤モデルを提案。LIBEROで99.0%の成功率を達成。
原題: MachEmbodied-U0: Unified Understanding and Generation Model for Embodied Intelligence / Haoran Wen, Wenfu Wang, Kunsong Shi 他
日本語で読む → - 論文誘導制御制御
時間-to-go等時線への法線収縮による着弾時刻誘導
着弾時刻を指定する誘導則を、時間-to-goの等時線への法線方向の加速度で制御する新たな枠組みとして定式化し、有界横加速度下での実現可能性条件と終端校正を導出した。
原題: Impact-Time Guidance via Normal Contraction to a Time-to-Go Isochron / Shivam Bajpai, Abhinav Sinha
日本語で読む → - 論文VLAロボティクス
RouteRLT: VLAポリシーを制御すべきRL専門家をいつ・どれにするか学習する
汎用VLAモデルと精密作業に特化したRL専門家を切り替えるルーティング手法を提案し、接続器挿入やケーブル操作などの実タスクで有効性を示した。
原題: RouteRLT: Learning When and Which RL Specialist Should Control a Vision-Language-Action Policy / Chongyu Zhu, Jaden Hinds, Hyegang Kim 他
日本語で読む → - 論文宇宙ロボティクスロボティクス
タンブリング目標捕獲における安全な自由飛行ロボット宇宙機運用のための制御バリア関数
タンブリングする目標の捕獲時における自由飛行ロボット宇宙機の安全運用のため、サブシステムごとに安全フィルタを備えたモジュール型制御バリア関数フレームワークを提案し、高忠実度シミュレータで検証した。
原題: Control Barrier Functions for Safe Free-Flying Robotic Spacecraft Operations in Tumbling Target Capture / Alexander Meinert, Peter Stadler, Niklas Baldauf 他
日本語で読む → - 論文SLAMロボティクス
デュアル共分散ガウシアンスプラッティングSLAM:ロバストなリアルタイム追跡のためのレンダリングと位置合わせの分離
3DガウシアンスプラッティングSLAMにおいて、レンダリング用と追跡用に別々の共分散を持たせることで、リアルタイム追跡のロバスト性と精度を向上させた。
原題: Dual Covariance Gaussian Splatting SLAM: Decoupling Rendering and Registration for Robust Real-Time Tracking / Edward Beng Wai Tan, Siew-Kei Lam
日本語で読む → - 論文医療ロボティクスロボティクス
モータ履歴条件付き残差学習によるシャフト構成適応型カテーテル先端位置推定
モータ角度と駆動トルクの履歴からシャフト構成を推定し、GRUで幾何モデルの残差を補正することで、形状センサなしにカテーテル先端位置を高精度に推定する手法を提案した。
原題: Shaft-Configuration-Adaptive Catheter Tip Position Estimation via Motor-History Conditioned Residual Learning / Peihan Zhang, Michael C. Yip, Ankur Kapoor 他
日本語で読む → - 論文VLAロボティクス
行動は1パッチに値する:PatchWAMによる統合的世界-行動モデリング
連続行動を固定マッピングでパッチとして表現し、専用の行動ヘッドや専門家なしに単一の生成モデルで視覚予測と行動生成を同時に行うPatchWAMを提案。LIBERO-Plusで91.8%、RoboTwin 2.0で96.12%の成功率を達成。
原題: An Action Is Worth One Patch: Unified World-Action Modeling with PatchWAM / Tianheng Wang, Zhou Xie, Heng Jia 他
日本語で読む → - 論文VLAロボティクス
再構成誤差を超えて:自己回帰型視覚-言語-行動モデルのための解析的・データ駆動型行動トークン化
自己回帰型VLAモデルにおける行動トークン化を、再構成誤差だけでなく閉ループ制御性能の観点から比較し、再構成忠実度だけでは行動表現を選べないことを示した研究。
原題: Beyond Reconstruction Error: Analytical and Data-Driven Action Tokenization for Autoregressive Vision-Language-Action Models / Yuxin Yang, Gaohan He, Changxue Guan 他
日本語で読む → - 論文SLAMロボティクス
2D点群レジストレーションのための符号なし距離マップ
2D点群レジストレーションにおいて、符号なし距離マップを事前計算し、SE(2)多様体上でガウス・ニュートン最適化を行うことで、反復的な最近傍探索を不要にした手法を提案。
原題: Unsigned Distance Maps on 2D Point Cloud Registration / Ricardo B. Sousa, Giorgio Grisetti, Héber Miguel Sobreira 他
日本語で読む →
PR・アフィリエイト広告
