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: 2026/5/1 / 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 →- 論文強化学習機械学習
適応的Qチャンキングによるオフラインからオンラインへの強化学習
オフラインからオンラインへの強化学習において、状態ごとに最適なアクションチャンクサイズを適応的に選択する手法を提案し、固定サイズの既存手法より高い成功率を達成した。
原題: Adaptive Q-Chunking for Offline-to-Online Reinforcement Learning / Nandiraju Gireesh, Yuanliang Ju, He Wang
日本語で読む → - 論文ワールドモデル/強化学習機械学習
PH-Dreamer: ポート・ハミルトン生成ダイナミクスによる物理駆動ワールドモデル
リカレント状態空間モデルにポート・ハミルトン構造を導入し、物理法則に従う潜在ダイナミクスを学習するワールドモデルを提案。エネルギー勾配を用いたActor-Criticで制御を最適化し、報酬予測精度とエネルギー効率を向上させた。
原題: PH-Dreamer: A Physics-Driven World Model via Port-Hamiltonian Generative Dynamics / Xueyu Luan, Chenwei Shi
日本語で読む → - 論文オフライン強化学習機械学習
フローアンカー型ノイズ条件付きQ学習による効率的で表現力豊かなオフライン強化学習
オフライン強化学習において、フローポリシーと分布批判器の計算コストを削減しつつ高性能を実現するFANアルゴリズムを提案した。
原題: Towards Efficient and Expressive Offline RL via Flow-Anchored Noise-conditioned Q-Learning / Sungyoung Lee, Dohyeong Kim, Eshan Balachandar 他
日本語で読む → - 論文強化学習/操作ロボティクス
ハイブリッド接触ダイナミクス下での物理情報を活用した目標条件付き強化学習
接触を伴う操作タスクで物理情報を活用した目標条件付き強化学習(Pi-GCRL)が劣化する問題を分析し、接触を考慮した階層的定式化を提案して性能を改善した。
原題: Physics-informed Goal-Conditioned Reinforcement Learning under Hybrid Contact Dynamics / Vittorio Giammarino, Anastasios Manganaris, Ahmed H. Qureshi
日本語で読む → - 論文強化学習機械学習
マインドドリーマー:潜在多様体への能動的因果介入による想像力の解放
モデルベース強化学習において、観測状態からではなく生成的初期状態から想像を開始することで、歴史的束縛を打破し、探索と報酬最適化の非対称性を解消する新しいフレームワークを提案した。
原題: Mind Dreamer: Untethering Imagination via Active Causal Intervention on Latent Manifolds / Shaojun Xu, Xiaoling Zhou, Yihan Lin 他
日本語で読む → - 論文強化学習/スタント制御ロボティクス
LineRides: ライン誘導型強化学習による自転車ロボットのスタント動作獲得
ユーザーが指定した空間的なガイドラインと疎なキー姿勢のみから、デモなしで自転車ロボットに多様なスタント動作を学習させるフレームワークを提案した。
原題: LineRides: Line-Guided Reinforcement Learning for Bicycle Robot Stunts / Seungeun Rho, Shamel Fahmi, Jeonghwan Kim 他
日本語で読む → - 論文強化学習/歩行ロボティクス
外部力誘導カリキュラム学習による動的運動の学習
スポッティングに着想を得た外部補助力を訓練中に導入し、報酬設計や参照軌道なしで動的全身体運動の学習を加速・可能にする手法を提案した。
原題: EFGCL: Learning Dynamic Motion through Spotting-Inspired External Force Guided Curriculum Learning / Keita Yoneda, Kento Kawaharazuka, Kei Okada
日本語で読む → - 論文強化学習/転移学習ロボティクス
カスタムカーレース環境のための転移学習
深層強化学習において、あるサーキットで訓練したエージェントを別のカスタム環境に転移させ、ゼロショット転移や微調整で速いラップタイムを達成する手法を探求した。モデルベース手法がモデルフリー手法より性能と収束速度で優れることを示した。
原題: Transfer Learning for Customized Car Racing Environments / Benedict Florance Arockiaraj, Richard Chang, Wesley Yee
日本語で読む → - 論文自動運転/VLA/強化学習ロボティクス
MAPLE: 潜在マルチエージェントプレイによるエンドツーエンド自動運転
VLAモデルを閉ループで訓練するため、潜在空間でマルチエージェントのロールアウトを行い、強化学習で安全・進捗・多様性を最適化するフレームワークを提案。外部シミュレータ不要でスケーラブルな閉ループ訓練を実現し、Bench2DriveでSOTAを達成。
原題: MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving / Rajeev Yasarla, Deepti Hegde, Hsin-Pai Cheng 他
日本語で読む → - 論文逆強化学習機械学習
信頼領域逆強化学習:局所方策更新を用いた明示的双対上昇法
逆強化学習において、毎回RL問題を完全に解くことなく、信頼領域制約付きの局所更新で双対目的を明示的に最適化する手法を提案し、安定性と単調改善を両立した。
原題: Trust Region Inverse Reinforcement Learning: Explicit Dual Ascent using Local Policy Updates / Anish Diwan, Davide Tateo, Christopher E. Mower 他
日本語で読む → - 論文安全強化学習機械学習
ParallelCBF: テンソル並列強化学習のための合成可能な安全フィルタと監査可能性フレームワーク
UAVシミュレーション、CBF安全フィルタ、BC-to-RLパイプライン、運用監査を統合した初のフレームワークを提案し、事前登録や監査APIにより再現性を高める。
原題: parallelcbf: A composable safety-filter and auditability framework for tensor-parallel reinforcement learning / Yijun Lu, Zilei Yang, Yuyin Ma
日本語で読む → - 論文触覚/強化学習/sim2realロボティクス
触覚スキンを用いた2本指間での小物体の制御分離の学習
多目的ロボットハンドの2本指で小物体を掴み、触覚のみを用いて所望の個数だけ指間に残す制御分離タスクを提案・解決した。強化学習をシミュレーションで訓練し、実機への転送も成功させた。
原題: Learning Controlled Separation of Small Objects Between Two Fingers with a Tactile Skin / Ulf Kasolowsky, Berthold Bäuml
日本語で読む → - 論文強化学習/航行ロボティクス
信頼・幾何・規則:不確実性下での安全なUSV航行のための信頼性認識強化学習フレームワーク
無人水上艇(USV)の安全でCOLREG準拠の自律航行を実現するため、信頼性重み付き価値学習、共分散膨張速度障害物、リスク認識COLREG義務埋め込みを統合した強化学習フレームワークを提案した。
原題: Trust, Geometry, and Rules: A Credibility-Aware Reinforcement Learning Framework for Safe USV Navigation under Uncertainty / Yuhang Zhang, Shuqi Chai, Yukang Zhang 他
日本語で読む → - 論文強化学習機械学習
動的デカップリング球面ラジアルスカッシングに基づく制約強化強化学習
アクチュエータごとに異なる速度制約を正確に扱うため、位置適応型半径を独立に計算するDD-SRad法を提案し、制約違反ゼロで高いタスク報酬を達成した。
原題: Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing / Qijun Liao, Zhaoxin Yu, Jue Yang
日本語で読む → - 論文強化学習/VLAロボティクス
配備しながら学習:汎用ロボットポリシーのためのフリート規模強化学習
事前学習済みのVLAポリシーを、ロボットフリートからの実データで継続的に強化学習し、配備中に性能を向上させるフレームワークを提案。16台の二腕ロボットで95%の成功率を達成。
原題: Learning While Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies / Yi Wang, Xinchen Li, Pengwei Xie 他
日本語で読む → - 論文強化学習/制御ロボティクス
滑らかな連続制御のための暗黙的アクションチャンキング
強化学習の高周波振動制御問題を解決するため、実行ウィンドウと価値ウィンドウの二重設計による暗黙的アクションチャンキング手法DWSを提案し、滑らかで安全な制御を実現した。
原題: Implicit Action Chunking for Smooth Continuous Control / Bosun Liang, Shuo Pei, Zirui Chen 他
日本語で読む → - 論文強化学習機械学習
EfficientTDMPC: サンプル効率的な連続制御のための改良MPC目的関数
TD-MPC系アルゴリズムを基に、モデルアンサンブルと不確実性ペナルティを導入し、データ鮮度向上と計算削減を加えることで、サンプル効率を大幅に改善したモデルベース強化学習手法を提案した。
原題: EfficientTDMPC: Improved MPC Objectives for Sample-Efficient Continuous Control / Thomas Evers, Cristian Meo, Wendelin Bohmer 他
日本語で読む → - 論文強化学習/制御ロボティクス
強化学習によるクアッドローターの適応型アウターループ制御
クアッドローターの飛行制御に強化学習を適用し、外乱を推定する残差ダイナミクス予測器と実機転送のための校正機構を導入して、動的擾乱下でも高精度な軌道追従を実現した。
原題: Adaptive Outer-Loop Control of Quadrotors via Reinforcement Learning / Vishnu Saj, Sushil Vemuri, Dileep Kalathil 他
日本語で読む → - 論文ロボット学習/強化学習ロボティクス
TMRL: 拡散タイムステップ変調による事前学習が効率的なポリシー微調整のための探索を可能にする
ロボットポリシーの事前学習と強化学習による微調整を橋渡しする統一フレームワークを提案。事前学習時に拡散ノイズを注入し、微調整時にタイムステップを動的調整することで探索を制御し、複雑な操作タスクの実機微調整を1時間以内で成功させる。
原題: TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning / Matthew M. Hong, Jesse Zhang, Anusha Nagabandi 他
日本語で読む → - 論文強化学習機械学習
エントロピー正則化に基づく近位方策最適化(ERPPO)
マルチエージェント強化学習における非定常な観測環境での方策最適化を改善するため、エントロピー正則化項を導入した新しいPPO手法を提案した。
原題: ERPPO: Entropy Regularization-based Proximal Policy Optimization / Changha Lee, Gyusang Cho
日本語で読む → - 論文強化学習/模倣学習/操作ロボティクス
行動残差を超えて:ボトルネック潜在強化学習による実世界ロボットポリシーの操縦
事前学習済みの模倣ポリシーを、行動空間ではなくボトルネック潜在空間で強化学習により微調整する手法ZPRLを提案し、シミュレーションと実世界の操作タスクで性能を向上させた。
原題: Beyond Action Residuals: Real-World Robot Policy Steering via Bottleneck Latent Reinforcement Learning / Dongjie Yu, Kun Lei, Zhennan Jiang 他
日本語で読む → - 論文強化学習AI
TOPPO: クリティックバランシングによるマルチタスク強化学習のためのPPO再考
マルチタスク強化学習におけるPPOの性能低下原因がクリティック側の勾配不良であることを特定し、勾配調整とタスク間学習バランスを改善するTOPPOを提案した。
原題: TOPPO: Rethinking PPO for Multi-Task Reinforcement Learning with Critic Balancing / Yuanpeng Li, Gefei Lin, Annie Qu 他
日本語で読む → - 論文強化学習AI
D-VLA: 視覚言語行動モデルのための高並列分散非同期強化学習フレームワーク
大規模VLAモデルへの強化学習適用時のリソース競合を解決するため、物理分離と非同期パイプラインを備えた分散RLフレームワークD-VLAを提案し、スループットとサンプリング効率を大幅に向上させた。
原題: D-VLA: A High-Concurrency Distributed Asynchronous Reinforcement Learning Framework for Vision-Language-Action Models / Yucheng Guo, Yongjian Guo, Zhong Guan 他
日本語で読む → - 論文ドローン/衝突耐性/強化学習ロボティクス
HoLoArm: 衝突に耐えるクアッドローターのための変形可能アーム
トンボの翅の結節構造に着想を得た柔軟アームを持つクアッドローターを提案し、強化学習制御により衝突後の回復と安定飛行を実現した。
原題: HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight / Quang Ngoc Pham, Jonas Eschmann, Yang Zhou 他
日本語で読む → - 論文模倣学習/逆強化学習ロボティクス
拡散ベースのポリシーにおける隠れた報酬の回復
拡散モデルと逆強化学習を統合し、スコア関数が専門家のソフトQ関数の勾配を回復することを利用して、敵対的学習なしで報酬を抽出するフレームワークを提案した。
原題: Recovering Hidden Reward in Diffusion-Based Policies / Yanbiao Ji, Qiuchang Li, Yuting Hu 他
日本語で読む → - 論文VLA/強化学習/人間介入ロボティクス
UniSteer: 人間のガイダンスを活用したVLA適応のための統合ノイズステアリング
拡散型VLAモデルの実世界適応を効率化するため、人間の修正行動をノイズ空間の強化学習に統合するフレームワークUniSteerを提案。実機実験で成功率を平均66分で20%から90%に向上させた。
原題: UniSteer: Unified Noise Steering for Efficient Human-Guided VLA Adaptation / Junjie Lu, Xinyao Qin, Yuhua Jiang 他
日本語で読む → - 論文強化学習ロボティクス
批判者ガイダンスによるサンプル効率的な拡散ベース強化学習
拡散ポリシーを用いた強化学習において、探索と活用のバランスを改善するため、訓練不要のガイダンス技術を拡散過程に統合し、批判者ネットワークが高価値と判断する領域へ行動生成を誘導する手法CGPOを提案した。MuJoCoの5つのタスクで最先端の性能を達成した。
原題: Sample-Efficient Diffusion-based Reinforcement Learning with Critic Guidance / Shutong Ding, Zejia Zhong, Zhongyi Wang 他
日本語で読む → - 論文強化学習機械学習
いつ行動すべきかを学ぶ:ランタイム保証による通信効率的な強化学習
強化学習エージェントが制御入力と通信タイミングを同時に学習し、Lyapunov安全シールドにより安全性を保証しつつ、サンプリング間隔を最大化する手法を提案した。
原題: Learning When to Act: Communication-Efficient Reinforcement Learning via Run-Time Assurance / Adam Haroon, Erick J. Rodríguez-Seda, Cody Fleming 他
日本語で読む → - 論文強化学習/視覚ロボティクス
確率的分離ポリシー勾配による効率的なオンポリシー視覚強化学習
軌道ロールアウトのランダム摂動でポリシー勾配を推定し、単一GPUで数時間の学習を実現する軽量な視覚強化学習手法SDPGを提案。視覚MuJoCoベンチマークで既存手法より高速・低メモリ・高報酬を達成し、実機へのsim-to-real転送も実証した。
原題: Efficient On-policy Visual-RL via Stochastic Decoupled Policy Gradient / Haoxiang You, Yilang Liu, Davis Zong 他
日本語で読む → - 論文安全強化学習機械学習
サンプリングに基づく安全強化学習
モデルベース強化学習において、動的モデルの不確かさを有限サンプルで近似し、学習中の安全性を保証するアルゴリズムを提案した。シミュレーションと実ロボットで安全な探索を実証した。
原題: Sampling-Based Safe Reinforcement Learning / Luca Vignola, Bruce D. Lee, Manish Prajapat 他
日本語で読む →
PR・アフィリエイト広告
