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: 2026/9/18 / 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VLAロボティクス
SafeStage: 視覚言語条件付きロボットマニピュレーションの実行前・実行中・実行後の安全性評価
視覚言語条件付きロボット操作の安全性を、タスク実行の前・中・後の3段階で評価するベンチマークSafeStageを提案し、VLAポリシーがタスク成功と安全性違反を同時に起こしうることを示した。
原題: SafeStage: Evaluating Safety Before, During, and After Vision-Language-Conditioned Robot Manipulation / Jinzhu Luo, Qi Zhang, Wei Wang 他
日本語で読む → - 論文制御アーキテクチャ/LLMロボティクス
LEMCA: LLMによる効率的なモード切替制御アーキテクチャの合成
LLMを進化的ループで用いて、制御モードとリソース配分、モード遷移を自動設計し、単一構成の制御より効率的なモード切替制御を合成する手法を提案。
原題: LEMCA: LLM-Guided Synthesis of Efficient Mode-Switching Control Architectures / Arjun Krishna, Vincent Pacelli, Dinesh Jayaraman
日本語で読む → - 論文模倣学習/人間からロボットへの転移ロボティクス
Skel-WAM: 人間からロボットへの操作スキル転移を実現する手骨格条件付きワールドアクションモデル
人間とロボットの手の骨格を共通インターフェースとして用い、人間の動画とロボットの実演を統合学習することで、実機の双腕操作タスクの成功率を大幅に向上させた研究。
原題: Skel-WAM: A Hand-Skeleton-Conditioned World Action Model for Human-to-Robot Manipulation Transfer / Zetao Cai, Yaping Li, Yiqun Wang 他
日本語で読む → - 論文医療AIデータ基盤機械学習
EHR2Trace: 患者ワールドモデルと臨床エージェントのための監査可能なEHRデータ基盤
異なる形式の電子カルテデータを、追跡可能な患者イベントに変換するシステムを提案し、モデル学習・評価のためのデータ基盤を提供する。
原題: EHR2Trace: Auditable EHR Data Infrastructure for Patient World Models and Clinical Agents / Xinye Yang, Yuli Wang, Cheng Ting Lin 他
日本語で読む → - 論文VLAロボティクス
FAN: 視覚-言語-行動モデルの継続適応のための先見的行動正規化
VLAモデルの継続学習において、行動の正規化統計を較正セットから一度だけ推定して固定するFANを提案し、単腕・両腕操作の実タスクで高い性能と安定性を示した。
原題: FAN: Foresight Action Normalization for Continual Adaptation of Vision-Language-Action Models / Yijun Hong, Jiarun Zhu, Xiaoquan Sun 他
日本語で読む → - 論文触覚ロボティクス
AVT-Fabric: 適応的証拠選択による能動的視触覚知覚で効率的なロボット布地比較
RGB画像を起点に、比較の難易度に応じて触覚情報を追加取得するか判断する枠組みを提案し、布地比較タスクで高精度かつ効率的な視触覚推論を実現した。
原題: AVT-Fabric: Active Visuo-Tactile Perception via Adaptive Evidence Selection for Efficient Robotic Fabric Comparison / Chang Gao, Zhuo Chen, Suhang Xia 他
日本語で読む → - 論文社会ナビゲーションロボティクス
PopNavShift: 歩行者集団の行動変化に対する社会ナビゲーションのストレステスト
歩行者の行動分布を人為的に変化させるシミュレーション枠組みを構築し、代表的な社会ナビゲーション手法の性能が歩行者負担とロボット移動時間のどちらで評価するかによって順位が逆転しうることを示した。
原題: PopNavShift: Stress-Testing Social Navigation under Behavioral Population Shift / Kaizhen Tan, Diyu Zheng, Tim Guangyu Wu 他
日本語で読む → - 論文イベントカメラ/ロボティクスビジョンロボティクス
イベントカメラを用いたロボティクスビジョンのためのEventCVライブラリ
イベントカメラをロボットに統合するためのオープンソースRustライブラリEventCVを開発し、ノイズ除去や特徴学習、ONNX推論などの機能を提供してロボット応用事例を示した。
原題: The EventCV Library for Event-Based Robotic Vision / Adam D. Hines, Michael Milford, Tobias Fischer
日本語で読む → - 論文VLAロボティクス
視覚言語行動ポリシー間における成果条件付きエンドエフェクタ幾何
4つのVLAポリシーによる15,000回のLIBEROロールアウトを解析し、両方成功したペアは片方のみ成功したペアよりエンドエフェクタ軌道が近いことを示した。
原題: Outcome-Conditioned End-Effector Geometry Across Vision-Language-Action Policies / Xingyu Lin, Zhuang Li, Zhongrun Wu 他
日本語で読む → - 論文ソーシャルシミュレーション自然言語
パーソナリティ調整済みLLMはより良いソーシャルエージェントになるか?
性格ラベル付きSNS投稿と対話で小型LLMをファインチューニングし、性格に基づく対話生成の一貫性と制御性を検証。ファインチューニングは役割演技の改善にはつながらなかった。
原題: Do Personality-Tuned LLMs Make Better Social Agents? / Tim Krabbe, Xiaodan Shi
日本語で読む → - 論文マニピュレーションロボティクス
ForceTwin: 計測された人間の操作からロボットマニピュレーションのための物理情報デジタルツインを構築
力覚グリッパで人間が物体を操作した際の姿勢と力を用い、慣性・摩擦・機構動力学を含む物理情報デジタルツインを同定する手法を提案し、インピーダンス制御のフィードフォワードモデルとして目標達成率を大幅に改善した。
原題: ForceTwin: Physics-informed Digital Twins for Robotic Manipulation from Instrumented Human Interaction / Tim Engelbracht, René Zurbrügg, Mayank Mittal 他
日本語で読む → - 論文マニピュレーションロボティクス
文書化された強度から力限界へ:建設組立のための材料情報に基づくロボット挿入
建設組立におけるロボット挿入で、文書から材料強度を抽出し有限要素解と組み合わせて軸方向荷重容量を推定し、力制限を設定するシステムSAGEを提案。
原題: From Documented Strengths to Force Limits: Material-Informed Robotic Insertion for Construction Assembly / Lin He, Yanyi Chen, Haofei Sun 他
日本語で読む → - 論文VIO初期化ロボティクス
直線特徴と消失点を活用した頑健な非構造化単眼視覚慣性初期化
3D構造の再構成を行わず、追跡した2D直線特徴の幾何制約を直接利用して、退化運動下でも高精度な単眼VIOの初期化を実現する手法を提案した。
原題: Robust Structureless Monocular Visual Inertial Initialization Exploiting Line Features and Vanishing Points / Junwan Choi, Woongrae Jo, Dong-Uk Seo 他
日本語で読む → - 論文VLAロボティクス
少ないステップでより良い行動:VLAポリシーのフローマッチング推論の再考
フローマッチングベースのVLAポリシーにおいて、積分ステップ数を増やす代わりに、軽量なTransformerで終点補正を行うことで、推論コストを削減しつつ成功率を向上させる手法を提案。
原題: Fewer Steps, Better Actions: Rethinking Flow-Matching Inference for VLA Policies / Zhipeng Tang, Xinda Chen, Weining Rao 他
日本語で読む → - 論文身体性探索ロボティクス
効果的かつ効率的な身体性探索のための能動的空间検査
身体性探索において、空間的に明示的な検査に基づく知覚と移動を組み合わせたACEフレームワークを提案し、早期終了と過剰継続のトレードオフを緩和してナビゲーション成功率と探索効率を向上させた。
原題: Active Spatial Inspection for Effective and Efficient Embodied Exploration / Wenbin Wang, Xiang Bai, Yizhao Wang 他
日本語で読む → - 論文HRIミドルウェアロボティクス
OpenRoIS: ロボットと仮想エージェント向けRoISフレームワークを実装したコミュニティ主導のオープンソースミドルウェア
OMG標準のRobotic Interaction Service (RoIS) 2.0を実装し、ハードウェア非依存のHRIアプリ開発を可能にするオープンソースミドルウェアを提案。TypeScript/C#/Python SDKやROS 2対応を提供する。
原題: OpenRoIS: A Community-Driven Open-Source Middleware Implementing the Robotic Interaction Service (RoIS) Framework for Physical Robots and Virtual Agents / Sebastian Carrera Villalobos, Christopher Nolan Arellano, Arne Hitzmann 他
日本語で読む → - 論文VLAロボティクス
FOCAL-VLA:サブタスク誘導型幾何蒸留と暗黙的ワールドモデリングによる視覚言語行動モデル
サブタスクに関連する領域に絞って幾何知識を蒸留し、将来の3D変化を暗黙的にモデル化することで、精密かつ長期的なロボット操作を可能にするVLAフレームワークを提案。
原題: FOCAL-VLA: Subtask-Guided Geometry Distillation and Implicit World Modeling for Vision-Language-Action Models / Zhiyuan Gao, Di Wen, Yanxiang Zhan 他
日本語で読む → - 論文能動的再構成画像認識
2D GauSS-MI: 視覚と幾何の品質を両立する効率的な能動的シーン再構成
2Dガウシアンスプラッティングに基づき、相互情報量を用いた視点選択で視覚・幾何品質と計算効率を両立する能動的再構成フレームワークを提案。
原題: 2D GauSS-MI: Efficient Active Scene Reconstruction with Balanced Visual and Geometric Quality / Yuhan Xie, Jia Pan
日本語で読む → - 論文世界モデルロボティクス
認識的不確実性に基づく適応的ロールアウト打ち切りによる効率的なオフライン世界モデル訓練
世界モデル訓練で、認識的不確実性が閾値を超えた時点で自己回帰ロールアウトを打ち切る適応戦略を提案し、固定ホライズンと同等以上の精度を約72%少ない計算で達成した。
原題: Adaptive Rollout Truncation Based on Epistemic Uncertainty for Efficient Offline World Model Training / Nikodem Sebastian Zymla, Laurin Thiele, Johannes Pitz
日本語で読む → - 論文VLA画像認識
MT-WAM: 予測表現を行動生成へ再方向づける映像拡散トランスフォーマー
映像拡散トランスフォーマーの単一順伝播表現に、将来の2D点軌跡と視覚特徴の補助監督を加え、行動生成に必要な動態・空間構造を強調する手法を提案。LIBEROで98.2%、LIBERO-Plusで73.7%の成功率を達成した。
原題: MT-WAM: Reorienting the One-Pass Predictive Representation Toward Action Generation / Yiguang Yang, Jiankun Peng, Xiaoming Wang 他
日本語で読む → - 論文世界モデル/継続学習機械学習
構成タスクにおける継続学習のための世界モデルベンチマーク
ロボット操作における世界モデルの継続学習ベンチマークを提案し、タスクを行動と知覚の軸で分解して知識再利用を評価した。モジュール型世界モデルが忘却と再利用のバランスに優れるが、完全な解決には至らないことを示した。
原題: Benchmarking World Models for Continual Learning on Compositional Tasks / Haoyu Zhou, Joe Watson, Anson Lei 他
日本語で読む → - 論文マニピュレーションロボティクス
FORTE: 移動マニピュレータのためのタスク適応型力能力最適化
VLMで物体の物理特性を推定し、タスク要求力と残余力ポリトープの整合性を指標化して、全身軌道最適化に組み込むことで、重負荷時は力能力を、軽負荷時は操作性を両立させる移動マニピュレータ制御手法を提案。
原題: FORTE: Task-Adaptive Force Capability Optimization for Mobile Manipulators / Xiao Wang, Heng Zhang, Gokhan Solak 他
日本語で読む → - 論文被覆経路計画ロボティクス
TRACE: 階層的カバレッジツリーを用いた未知環境の被覆経路計画
未知環境をリアルタイムで被覆するため、未探索領域の連結性を階層木で表現し、増分的に経路を更新するオンライン被覆経路計画アルゴリズムを提案した。
原題: TRACE: Coverage Path Planning for Unknown Environments Using Hierarchical Coverage Tree / Zongyuan Shen, Haodong Liu, Gao Wang 他
日本語で読む → - 論文シーン理解画像認識
オープンボキャブラリなシーン地図構築のためのシーン言語モデル
シーン全体を構造化テキストの物体リストとして保持し、画像入力ごとに追加・編集・削除で地図を更新するSceneLMを提案。専用モジュール構成の従来手法と同等性能を6〜12倍コンパクトな表現で実現し、四足歩行ロボット上でのオンライン動作も示した。
原題: A Scene Language Model for Open-Vocabulary Scene Mapping / Adam Lilja, Fabio Hübel, Siming He 他
日本語で読む → - 論文医療画像セグメンテーション画像認識
SIRA: クエリ基準アライメントによる推論対応手術器具セグメンテーション
手術文脈に基づくクエリ条件付き推論としてセグメンテーションを再定義し、4.1万組の画像テキストデータセットSurgRSを構築して、クエリと空間特徴を整合させるマルチモーダル手法SIRAを提案した論文。
原題: SIRA: Reasoning-Aware Surgical Instrument Segmentation via Query-Anchored Alignment / Zhibo Zhang, Qijie Wang, Zengqiang Yan
日本語で読む → - 論文VLAロボティクス
DPed-VLN:動的歩行者環境における社会的規範に沿った視覚言語ナビゲーションのベンチマーク
歩行者が動く環境での視覚言語ナビゲーションを評価するHabitat 3.0ベンチマークを構築し、歩行者を考慮した強化学習・模倣学習ポリシーDPetを提案した。
原題: DPed-VLN: A Benchmark for Socially Compliant Vision-and-Language Navigation in Dynamic Pedestrian Environments / Haojie Dai, Xiangyi Wang, Liuyi Wang 他
日本語で読む → - 論文キャリブレーションロボティクス
球状マーカーファントムと閾値不要の中心定位によるトラッカーフリーなロボット超音波キャリブレーション
外部トラッカーや複雑なファントムを必要とせず、球状マーカーと画像の輝度分布に基づく閾値不要の中心定位を用いてロボット超音波のキャリブレーションを自動化するフレームワークを開発した。
原題: Tracker-Free Robotic Ultrasound Calibration with a Spherical-Marker Phantom and Threshold-Free Center Localization / Kyoungmo Koo, Guangshen Ma, Xueding Wang 他
日本語で読む → - 論文社会的前向き知能/動画ベンチマーク画像認識
RobotEQ-Video:世界状態タクソノミーを用いた社会的前向き知能の動画中心ベンチマーク
動画から人間の状態やニーズを推論し、社会的に適切な先回り支援を行う「社会的前向き知能」を評価するため、4階層の世界状態タクソノミーに基づく2K以上の動画ベンチマークを構築した。
原題: RobotEQ-Video: A Video-Centric Benchmark for Social Proactive Intelligence with World-State Taxonomy / Xinyi Che, Zheng Lian, Kuofei Fang 他
日本語で読む → - 論文水中ロボットロボティクス
仿生型と従来型の水中ロボットに対する野生生物の反応の比較
従来のスラスタ駆動AUV、ウミガメ型のヒレ駆動AUV、ダイバーに対する魚の反応を比較した初のデータセットを提示し、コンピュータビジョンで魚の行動変化を解析した。
原題: Characterizing Wildlife Response to Biomimetic and Conventional Underwater Vehicles / Huy Pham, Levi Cai, Yogesh Girdhar 他
日本語で読む → - 論文マニピュレーションロボティクス
SeeQ: 長期的ロボットマニピュレーションのための汎用価値関数の学習
サブタスク単位でQ値を学習し、自然言語でサブタスクを自己回帰的に予測することで、長期的なロボット操作タスクの性能を向上させる手法を提案。
原題: SeeQ: Training Generalist Value Functions for Long-Horizon Robotic Manipulation / Saksham Singh, Zheyuan Hu, Max Sobol Mark 他
日本語で読む →
PR・アフィリエイト広告
