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: 2026/9/20 / 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HRIHCI
長期身体性AI関係におけるアイデンティティ連続性:エージェント固有のアイデンティティ表現から連続性評価まで
長期運用される身体性AIが学習・更新・移行しても「同じエージェント」と感じられるかを、身体知覚・心理行動・関係自伝の3領域からなるユーザー側のアイデンティティ表現と連続性評価の枠組みとして提案した論文。
原題: Identity Continuity in Long-Term Embodied AI Relationships: From Agent-Specific Identity Representation to Identity-Continuity Appraisal / Zijian Ru
日本語で読む → - 論文安全制御ロボティクス
BarrierFormer: Transformerによる予測的バリア制約を用いた安全なロボット制御
モデル不要のTransformerベース安全制御フレームワークを提案し、予測ロールアウト上でCBF制約を学習してオンライン計算なしに安全な制御を実現した。
原題: BarrierFormer: Transformer-Guided Predictive Barrier Enforcement for Safe Robot Control / Anandsingh Chauhan, Kunal Garg
日本語で読む → - 論文マニピュレーションロボティクス
物体中心ポリシーを組み合わせたリcedingホライズン押し動作
任意形状の3D物体を長期的に押して目標姿勢へ移動させるため、物体中心の学習ポリシーとBIT*探索を組み合わせた階層的フレームワークを提案し、実機実験で有効性を示した。
原題: Receding-Horizon Pushing with Composable Object-Centric Policies / Zhiyi Yuan, Tianrun Hu, Anxing Xiao 他
日本語で読む → - 論文VLAロボティクス
トポロジー情報を活用した視覚プロンプティングによる視覚言語行動ポリシー
複雑な障害物形状を持つ操作タスクにおいて、トポロジー署名を用いてVLAポリシーを誘導する視覚プロンプティングフレームワークを提案し、シミュレーションと実機で有効性を示した。
原題: Topology-Informed Visual Prompting For Vision Language Action Policies / Haoyang Wu, Abhinav Kumar, Dmitry Berenson
日本語で読む → - 論文動作生成cs.GR
MoSAT: 空間オーディオとテキスト記述からの人間動作生成
空間オーディオと自然言語を条件として全身動作を生成する新タスクを提案し、データセットSTAMと階層的クロスアテンションを用いた潜在フローマッチング手法MoSATを開発した。
原題: MoSAT: Human Motion Generation from Spatial Audio and Textual Description / Shuyang Xu, Zhiyang Dou, Yiduo Hao 他
日本語で読む → - 論文VLA自然言語
成功した記憶が身体エージェントを誤導するとき:タスク条件付き実行のための記憶適応
過去の成功軌跡をそのまま再利用すると現在の実行文脈に合わないことがあるため、検索後の記憶を実行向けに変換するMATEを提案し、ALFWorldで高い成功率とトークン削減を達成した。
原題: When Successful Memories Mislead Embodied Agents:Memory Adaption For Task-Conditioned Execution / Quanquan Li, Hongbo Zhang, Yihe Chi 他
日本語で読む → - 論文VLAAI
PhysAI-Bench:自律UAV物理AIにおけるLLMベースエージェント意思決定のベンチマーク
自律UAVミッションの対話ログから抽出した1万件超の意思決定インスタンスで、29の基盤モデルのエージェント的意思決定能力を評価するベンチマークを提案。
原題: PhysAI-Bench: A Benchmark for LLM-Based Agentic Decision-Making in Autonomous UAV-Centric Physical AI / Mohamed Amine Ferrag, Merouane Debbah, Abderrahmane Lakas 他
日本語で読む → - 論文3D物体検出画像認識
視覚基盤モデルによる堅牢なマルチモーダル3D物体検出
自動運転向けにSAMを微調整したSAM-ADとLiDAR特徴を融合し、ノイズや悪天候下でも堅牢な3D物体検出を実現するRoboDistillを提案。
原題: Towards robust multimodal 3D object detection via visual foundation models / Ziying Song, Lin Liu, Hongyu Pan 他
日本語で読む → - 論文歩行ロボティクス
PRIMO: 人間動作追従に基づく事前情報活用型オドメトリ for ヒューマノイドロボット
ヒューマノイドの自己受容感覚オドメトリにおいて、人間の動作をシミュレーションで追従させて訓練データを生成し、物理・対称性に基づく事前情報を組み込んだ推定器を提案。実機での誤差を大幅に削減した。
原題: PRIMO: Prior-Informed Odometry from Human-Motion Tracking for Humanoid Robots / Xu Han, Angsong Li, Shaopeng Zhang 他
日本語で読む → - 論文探索ロボティクス
WOLF: 予測フロンティアを用いた世界モデル誘導LiDAR探索
LiDAR搭載UAVの自律探索において、再帰的世界モデルで将来の観測を予測し、予測フロンティアを生成することで遮蔽物の先の有望領域を推定し探索効率を高める手法を提案。
原題: WOLF: World Model Guided LiDAR Exploration with Predictive Frontiers / Yuyang Tian, Penghui Yang, Pengyuan Wu 他
日本語で読む → - 論文ソーシャルボット検出機械学習
CSC: LLM時代のソーシャルボット検出における較正された簡潔性
LLMによる意味的偽装に対処するため、グラフ構造とテキストの矛盾を検出する較正された簡潔なフレームワークCSCを提案し、ソーシャルボット検出の精度を向上させた。
原題: CSC: Calibrated Simplicity for Conflict-Aware Social Bot Detection in the LLM Era / Yipeng Qian, Pengjie Zhao, Chaoxi Niu
日本語で読む → - 論文VLA画像認識
潜在行動モデルにおける代数的整合性だけでは時間構造を保証できない
潜在行動モデルの代数的整合性(加法性・反対称性)が時間構造の獲得を証明しないことを示し、制約なしモデルでも同程度の誤差削減が得られることを明らかにした。
原題: Algebraic Consistency Alone Does Not Certify Temporal Structure in Latent Action Models / Di Wen, Ruodi Zhang, Kailun Yang 他
日本語で読む → - 論文VLAロボティクス
スパイキングニューラルネットワークによるActor-Critic PPO制御を用いた、インフラ・建築物内の狭所開口部を通過するUAV自律ナビゲーション
スパイキングニューラルネットワークとPPOを組み合わせたActor-Critic強化学習により、橋梁やトンネルなど制約の多い3次元環境でUAVを自律飛行させ、窓通過タスクで63.77%の成功率を達成した。
原題: Spiking Neural Network Actor-Critic Proximal Policy Optimization Control for Autonomous UAV Navigation Through Constrained Openings in Civil Infrastructure and Buildings / Francis Noah Walugembe, Maciej Wielgosz, Tomaž Goričan 他
日本語で読む → - 論文VLAロボティクス
SCULPT-VLA: 段階的行動グラウンディングによる構造化制御の学習
VLAポリシーにおいて、タスク進行・シーン動態・空間グラウンディングの要素を段階的に学習させ、教師なしで連続制御を洗練する手法を提案。LIBEROや実機タスクで成功率を向上させた。
原題: SCULPT-VLA: Learning Structured Control through Staged Action Grounding / Wenbo Li, Yiteng Chen, Wei Zhang 他
日本語で読む → - 論文6D姿勢推定画像認識
G6D: ロボットマニピュレーションのための幾何学的学習不要RGB-D 6D姿勢ソルバ
大規模事前学習モデルを使わず、テンプレート幾何マッチングとシルエット・深度整合性でRGB-Dから6D物体姿勢を推定する学習不要手法を提案し、CPUのみでも動作する。
原題: G6D: Geometric Learning-Free RGB-D 6D Pose Solver for Robotic Manipulation / Yixuan Liang, William Chen, Yunan Wang 他
日本語で読む → - 論文力推定ロボティクス
物体中心再構成による視覚ベース3次元力推定
ステレオ内視鏡映像から軟組織の変形を解析し、物体中心座標系で点群を再構成してニューラルネットワークで3次元力を推定する手法を提案。ファントムと豚結腸で精度を検証した。
原題: Object-Centered Reconstruction for Vision-Based 3D Force Estimation / Zhonghao Zhang, Mingyeung Wu, Hao Yang 他
日本語で読む → - 論文マニピュレーションロボティクス
RopeFormer: 相互作用履歴を用いた動的ロープ操作の試行間適応
ロープ操作の履歴を文脈として活用し、重みを固定したまま未知のロープに適応するフレームワークを提案。実機で目標到達時間を約30%短縮。
原題: RopeFormer: Cross-Trial Adaptation from Interaction History for Dynamic Rope Manipulation / Menglin Wu, Kaixiang Yao, Shangbo Luan 他
日本語で読む → - 論文不確実性校正/モジュラーロボットロボティクス
周辺校正は合成しない:モジュラーロボットナビゲーションにおける隠れた依存性
ロボットシステムのモジュールを個別に校正しても、合成後の不確実性校正は保たれないことを示し、依存関係を考慮した共分散モデル化が下流の校正と性能を改善することを明らかにした。
原題: Marginal Calibration Does Not Compose: Hidden Dependence in Modular Robot Navigation / Rista Baral
日本語で読む → - 論文ロボット探索ロボティクス
言語誘導探索のための構造化世界状態推論
地理空間事前情報と知覚を統合した永続グラフ上で並列推論を行い、マルチモーダル検証で目標を特定するロボット探索フレームワークWORLDSを提案。CityNavで51.8%のナビゲーション成功率を達成し、既存手法を15.7ポイント上回った。
原題: Structured World-State Reasoning for Agentic Robotic Search / Finley R. Holt, Luis A. Pabon, John Irvin Alora 他
日本語で読む → - 論文世界モデル画像認識
OnlineWM: 因果性を考慮した能動的オンライン学習による効果的な世界モデリング
シミュレータと能動的に対話しながら、モデルの弱点を狙ったデータを収集し、反事実学習で行動と状態遷移の因果関係を捉える世界モデルのオンライン学習フレームワークを提案。
原題: OnlineWM: Causality-Aware Active Online Learning for Effective World Modeling / Yikun Miao, Fangqi Zhu, Quanxin Shou 他
日本語で読む → - 論文マニピュレーションロボティクス
BiRoAD: 双腕マニピュレーションのための共有・役割適応表現学習
双腕ロボットの動作を「腕交換で不変な協調構造」と「役割に応じて変化する成分」に分解し、役割の偏りに頑健な模倣学習を可能にする特徴変換フレームワークを提案。
原題: BiRoAD: Learning Shared and Role-Adaptive Representations for Bimanual Manipulation / Yan Shen, Yuchen Liu, Feng Jiang 他
日本語で読む → - 論文VLAロボティクス
TaskAnchor: 長期的マニピュレーションのための反応型VLAにおけるタスク状態の接地
視覚的に似た観測でも実行段階によって行動が異なる「タスク状態の曖昧さ」を解消するため、実行履歴に基づく軽量アダプタTaskAnchorを提案し、VLAの成功率を大幅に向上させた。
原題: TaskAnchor: Grounding Task State in Reactive VLAs for Long-Horizon Manipulation / Hengyan Liu, Wenlve Zhou, Bo Yue 他
日本語で読む → - 論文マニピュレーションロボティクス
HEARTH: 温度を考慮したロボットマニピュレーションのための物体中心RGB-熱-3Dデータセット
90物体のRGB・熱・3D形状を対応付けたデータセットを構築し、VLAモデルに熱情報を加えると温度依存の物体選択タスクの成功率が35%から75%に向上することを示した。
原題: HEARTH: An Object-Centric RGB-Thermal-3D Dataset for Temperature-Aware Robot Manipulation / Yuning Su, Borui Li, Yonghao Shi 他
日本語で読む → - 論文音響知覚cs.SD
OmniEcho: 身体性エージェントのための空間音響理解
実世界の空間音響・視覚シーンを集めたベンチマークOmniEchoBenchを構築し、一人称アンビソニックス音響を扱う全モーダルモデルOmniEchoを提案。音響による知覚・ナビゲーションで最先端性能を達成した。
原題: OmniEcho: Spatial Audio Understanding for Embodied Agents / Ruixun Liu, Yuxuan Wang, Jiacheng Xie 他
日本語で読む → - 論文VLAロボティクス
接地行動モデル:ロボティクスの基盤としての3Dグラウンディング
言語・点・ボックス指示を対象物の3D表現に変換し、マルチストリームTransformerで行動を予測するロボット基盤モデルGAMを提案。RoboTwin 2.0やLIBERO-PROで高い成功率を示した。
原題: Grounded Action Model: 3D Grounding as a Foundation for Robotics / Gehao Zhang, Weikai Huang, Shailesh Shailesh 他
日本語で読む → - 論文ヘルスケア予測機械学習
デジタルヘルスキャンペーン成果の早期予測のための患者ワールドモデル:能力と限界
患者ごとの潜在状態を保持し、曝露条件付き状態ダイナミクスと週次転換ハザードを学習して将来の転換曲線を予測するコンパクトな患者ワールドモデルを構築し、米国のキャンペーンデータで評価した。
原題: A Patient World Model for Early Forecasting of Digital Health Campaign Outcomes: Capabilities and Limits / Yunlong Wang
日本語で読む → - 論文VLAロボティクス
CompVLA: 接触を伴うマニピュレーションのための可変コンプライアンス視覚-言語-行動モデル
RGB画像と言語入力から動作と剛性行列を同時に予測し、接触の多いタスクで高い成功率を達成するVLAフレームワークを提案した。
原題: CompVLA: A Variable Compliance Vision-Language-Action Model for Contact-rich Manipulation / Jongmin Kim, Junsu Ha, Che-Sang Park 他
日本語で読む → - 論文モデル予測制御ロボティクス
STL仕様とパレート最適化に基づく実現可能性修復を備えたシナリオMPC
確率的で制御不能なエージェントが存在するマルチエージェント系において、STL制約の実現可能性修復をパレート最適化として扱うMPCフレームワークを提案し、自動運転シナリオで評価した。
原題: Scenario MPC with STL Specifications and Pareto-Based Feasibility Repair / Tianhao Wu, Yiwei Lyu
日本語で読む → - 論文sim2realロボティクス
ReVeal: VLAポリシー評価のための再構成誤差を考慮したReal-to-Simフレームワーク
実環境を再構成したシミュレータでVLAポリシーを評価する際の再構成精度を定量化し、再構成品質と実機-シミュレーション性能一致度の関係を明らかにするフレームワークを提案。
原題: ReVeal: A Reconstruction-Aware Real-to-Sim Framework for VLA Policy Evaluation / Xinyi Wang, Heng Hao, Wenjun Hu 他
日本語で読む → - 論文手術データセットロボティクス
HumynexSurg-1: 脂肪吸引術の専門家データセット
脂肪吸引術の専門医による豚腹部組織での手術を、吸引力・6軸力覚・RGB-D映像・音声で同期記録した14エピソードのデータセットを構築し、GR00T N1.7のファインチューニングで有効性を実証した。
原題: HumynexSurg-1: A Curated Expert Liposuction Dataset / Rhea Huang, David L. Matlock, Laurence Reich
日本語で読む →
PR・アフィリエイト広告
