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: 2026/11/5 / 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 →- 論文マルチロボット協調ロボティクス
見つけた時より良い状態に:逐次タスクにおける価値関数を介した協調
事前に共同訓練していないロボット同士が、価値関数を共有して環境への選好を伝え合うことで、逐次タスクを協調して遂行できる手法を提案。KNNによる不確実性フィルタで過信を防ぎ、成功率を最大48.5ポイント向上させた。
原題: Leave It Better Than Found: Value-Guided Cooperation in Sequential Tasks / Mario Gomez Andreu, Michael Amir, Antonio Marino 他
日本語で読む → - 論文一人称動画生成画像認識
EgoGeneralist:動画ネイティブモデリングで一人称行動動画タスクを統合
事前学習済み動画生成モデルを適応させ、一人称操作における行動条件付き動画生成・姿勢推定・行動動画同時生成を統合する汎用フレームワークを提案した。
原題: EgoGeneralist: Unifying Egocentric Action-Video Tasks through Video-Native Modeling / Yanlin Jin, Bowen Yang, Cheng Zhang 他
日本語で読む → - 論文記号回帰機械学習
ランダム記号ブースティング:記号回帰への幾何学的アプローチ
ランダムに生成した構文木の集団にブースティングを適用し、世代進化なしで解釈可能な加法記号モデルを構築する手法を提案。予測精度と学習時間のパレート最適点に位置し、実世界データセットで最高性能を達成。
原題: Random Symbolic Boosting: A Geometric Approach to Symbolic Regression / José R. Ortegaa, José Manuel Muñoz Contreras, Leonardo Trujillo
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
前立腺手術ファントムのための解剖学的知識誘導型CT三次元セグメンテーションパイプライン
CT画像から前立腺手術用ファントムの内部構造を、解剖学的な形状・輝度の事前知識を用いて自動的に三次元セグメンテーションする手法を提案し、複数世代のファントム57スキャンで有効性を示した。
原題: An Anatomy-guided 3D Segmentation Pipeline for Prostate Surgical Phantoms from CT Scans / Iven Chen, Kuan-I Chung, Ayberk Acar 他
日本語で読む → - 論文通信/マルチエージェントロボティクス
サイバーフィジカルエージェント向けリアルタイム潜在通信SCALE
物理世界の時空間連続性を利用して潜在メッセージ間で再利用可能な情報を特定し、帯域と締切の制約下で送信内容とトークン数をリアルタイムにスケジューリングする潜在通信手法を提案した。
原題: SCALE: Real-Time Latent Communication for Cyber-Physical Agents / Shanghao Shi, Jian Xiao, Ching-Hsiang Chan 他
日本語で読む → - 論文GPUデータ構造cs.GR
NanoVDBにおける動的GPUボクセルグリッドとボクセル逐次処理
NanoVDBにGPU上での動的なトポロジ更新機能と、疎グリッド上の演算を高速化するボクセル逐次アクセス手法を導入し、読み取り専用の制約を解消した研究。
原題: Dynamic GPU Voxel Grids and Voxel-sequential Processing in NanoVDB / Eftychios Sifakis, Francis Williams, Christopher Horvath 他
日本語で読む → - 論文ベンチマーク/マニピュレーションロボティクス
RoboARCade:エージェント型ロボット制御のベンチマーク
マルチモーダルエージェントをロボットポリシーとして直接使う「エージェント型ロボット制御」のための、長期的マニピュレーションタスクのベンチマークを提案し、主要エージェントの性能差や失敗要因を分析した。
原題: RoboARCade: Benchmarking Agentic Robot Control / Satvik Sharma, Hengyuan Hu, Mihika Kamat 他
日本語で読む → - 論文強化学習システムロボティクス
強化学習における環境とトレーナー境界のサイレント故障検出
環境とトレーナー間の通信境界で発生するエラーを出さない故障を検出するため、両側でステップ台帳を保持して比較する手法を提案し、学習曲線では見逃す故障を全て特定できることを示した。
原題: Detecting Silent Faults at the Environment-Trainer Boundary in Reinforcement Learning / Zuo Gou, Chenhao Lu
日本語で読む → - 論文マニピュレーションロボティクス
データ効率の良い巧みな操作のための潜在RL事前分布
大規模RLの制御知識を流れマッチング型行動デコーダに蒸留し、視覚のみの行動教師で潜在文脈へ適応させる2段階フレームワークを提案。少ないデモで巧みな操作を実現。
原題: Latent RL Priors for Data-Efficient Dexterous Manipulation / Yixiao Wang, Peiyi Chen, Mustafa Mukadam 他
日本語で読む → - 論文自己改善エージェントAI
タスクを学ぶのか、検証器を学ぶのか:身体性自己改善における基準露出の再考
ロボットシミュレーションのベンチマーク基準をエージェントに与える「基準露出」が、指示タスクの遂行ではなく検証基準への過適合を招くことを実験で示し、指示に忠実な基準の有効性を提案した論文。
原題: Learning the Task or Learning the Verifier? Rethinking Criteria Exposure in Embodied Self-Improvement / Wenbo Huang, Jianxin Bi, Shunyu Yang 他
日本語で読む → - 論文経路計画ロボティクス
有向グリッドグラフのための圧縮Kleene閉包を用いた階層的境界到達可能性インデックス
有向グリッドグラフをタイル分割し、各タイル内の到達可能性を境界ポートに射影して階層的に合成することで、全推移閉包を持たずに高速なセル間到達可能性クエリを実現する手法を提案。
原題: H-BRICK: Hierarchical Boundary Reachability Index with Compressed Kleene Closure for Directed Grid Graphs / Tolga Özaslan, Elif A. Özaslan
日本語で読む → - 論文画像編集/拡散モデル画像認識
StitchEdit: 層ごとの勾配プロービングで深度事前知識を画像編集器に縫い込む手法
拡散モデルの層ごとの勾配を調べ、編集と深度推定の目的が初期層では両立し終盤層では衝突することを発見し、深度知識を活かしつつ編集できる層別学習率スケジュールを提案した。
原題: StitchEdit: Stitching Depth Priors into Image Editors via Per-Layer Gradient Probing / Qin Guo, Dan Xu
日本語で読む → - 論文マニピュレーションロボティクス
遺伝的アルゴリズムによる高密度環境での果菜収穫順序最適化
RGB-Dカメラで果実位置を取得し、遺伝的アルゴリズムで収穫順序を最適化、ウェイポイントでロボット動作を制御する高密度作物環境向け収穫手法を提案し、実環境で評価した。
原題: An Ordering Optimization for Fruit-Vegetable in High-Density Environment based on Genetic Algorithm / Jaehwi Seol, Jeonghyeon Pak, Hyoung Il Son
日本語で読む → - 論文言語指示→記号目標AI
生成してからランク付け:身体性エージェントのための記号的目標解釈の学習
自然言語指示を計画可能な記号的目標に変換するため、LLMの微調整で候補を生成し、モデル自身の出力から好みを学習するランキング手法で最良候補を選ぶ二段階手法を提案した。
原題: Generate-then-Rank: Learning Symbolic Goal Interpretation for Embodied Agents / Jisen Lei, Huizhi Liang
日本語で読む → - 論文公平性・規制機械学習
敵対的多重性:都合よく選ばれたモデルと開示の限界
同程度の精度を持つモデル間の予測の不一致(予測多重性)を悪用し、性能をほぼ変えずに個別予測を反転させたり集計推定を操作したりできることを示し、既存の規制や開示方針をすり抜けうる操作の範囲を整理した研究。
原題: Adversarial Multiplicity: Cherry-Picked Models and the Limits of Disclosure / Cassandra C. Chou, Benjamin Q. Huynh, Allison Koenecke 他
日本語で読む → - 論文視覚対話/ベンチマーク画像認識
対話型ビジュアルジム:シミュレートされたユーザーとの閉ループ評価フレームワーク
実行可能なタスク環境とペルソナ付きユーザーシミュレータを組み合わせ、調理・家事・モバイル操作の3領域で視覚対話モデルを閉ループ評価するベンチマークIVG-Benchを提案した。
原題: Interactive Visual Gym: Evaluating Visual Interaction Models with Simulated Users in Interactive Worlds / Chenhao Zheng, Zixian Ma, Kai Li 他
日本語で読む → - 論文歩行ロボティクス
STEP: 知覚型ヒューマノイド歩行のための明示的予測を伴う時空間学習
深度と固有感覚を統合した制御表現内で、モダリティ間の関係と行動依存の状態遷移を同時に予測学習する一段階フレームワークを提案し、23自由度ヒューマノイドで不整地歩行を実現した。
原題: STEP: Spatiotemporal Training with Explicit Prediction for Perceptive Humanoid Locomotion / Youhao Lyu, Chenghao Sun, Zhenxuan Ding 他
日本語で読む → - 論文イベントカメラ/姿勢推定ロボティクス
PWM符号化マーカーを用いたイベントカメラによるLED追跡と姿勢推定
PWM符号化したLEDマーカーをイベントカメラで追跡し、高速動作やHDR照明下でも6自由度相対姿勢をリアルタイム推定する枠組みを提案した。
原題: Real-Time Event-Based LED Tracking and Pose Estimation with PWM-Encoded Markers / Junkai Niu, Sheng Zhong, Delei Kong 他
日本語で読む → - 論文制御配分/故障対応/クアッドロータロボティクス
単一モータ効率低下時の緊急着陸に向けた故障幾何認識型制御配分
クアッドロータの単一モータ効率低下時に、故障モータに応じて制御配分器を切り替える方策を比較検討し、シミュレーションで高い安全着陸率を達成した。
原題: Fault-Geometry-Aware Control Allocation for Emergency Quadrotor Landing under Single-Motor Loss of Effectiveness / Suhas S P, Samridhi Salwan, Arshan Ali Khan 他
日本語で読む → - 論文自動運転/ワールドモデルロボティクス
負例を活用した統合ワールドアクションモデルによるエンドツーエンド自動運転の安全強化
専門家軌道に近いが危険な負例軌道を反発アンカーとして学習させ、推論時コストなしで安全境界を獲得する自動運転の事後学習フレームワークNegWAMを提案した。
原題: Reinforcing End-to-End Autonomous Driving Safety via Negative-Aware Planning in a Unified World-Action Model / Zihao Zhang, Xinyu Zhang, Bing Zeng 他
日本語で読む → - 論文ワールドモデルロボティクス
3D粒子運動として世界をモデル化する生成型ワールドモデル
3Dシーンの時間発展を粒子・剛体の運動生成として直接予測するトランスフォーマ型ワールドモデルGPWMを提案し、剛体・変形・布・粒状体を単一アーキテクチャで扱い、接触を伴う計画にも応用した。
原題: GPWM: Modeling the World as 3D Particle Motion / Robert Ren, Matthew Bronars, He Zhu 他
日本語で読む → - 論文リハビリロボティクスロボティクス
sEMG最適化のロボットリハビリのためのTransformerベース軌道処方
表面筋電図から接触力軌道を生成するTransformerモデルを提案し、リハビリロボットの軌道処方を筋活性に最適化する。未学習タスク・ユーザーで8%未満の誤差を達成。
原題: Transformer-Based Trajectory Prescription for sEMG-Optimizing Robot-Mediated Rehabilitation / Gabriel Parra, Kimia Khoshnami, Daniel S. Brown 他
日本語で読む → - 論文敵対的攻撃画像認識
視点不変なプロジェクタベース敵対的攻撃
複数視点の投影・撮影をシミュレーションして敵対的パターンを最適化し、動的環境でも様々な視点から分類器を誤認させるプロジェクタ攻撃手法を提案した。
原題: VIPA: View-Invariant Projector-Based Adversarial Attack / Jiyu Han, Qingyue Deng, Bingyao Huang
日本語で読む → - 論文自律ナビゲーションロボティクス
視覚ベースの車輪ローバー自律ナビゲーション向け統合オープンソーススタック
YOLOv8n検出とRGB-D SLAM、行動ツリーミッション管理を組み合わせ、矢印追従・終点到達・自動帰還を実現するROS 2スタックを公開し、屋内・屋外ミッションで実証した。
原題: An Integrated Open-Source Stack for Vision-Based Autonomous Navigation of Wheeled Rovers / Iaroslav Kolomiets, Iaroslav Sheipak, Mikhail Reppo 他
日本語で読む → - 論文VLAロボティクス
HITCH: 全身ハーネスでヒューマノイドを操作する視覚言語モデルの学習
視覚言語モデルが画像内の点を3D位置として認識し、骨盤・胴体・手・歩行・視線のコマンドを全身動作に変換するハーネスを構築し、教師軌跡で微調整することで実機G1での箱運び歩行を実現した。
原題: HITCH: Teaching a Vision-Language Model to Operate a Humanoid through a Whole-Body Harness / Qingzhou Lu, Chenxin Liu, Xinming Wang 他
日本語で読む → - 論文電子構造/同変学習機械学習
直接積空間における同変深学習による電子構造ハミルトニアン予測
ハミルトニアンを軌道・スピン基底の直接積表現のまま扱い、Clebsch-Gordan分解なしでSO(3)/SU(2)同変なメッセージパッシングを行うTransformer型フレームワークDP-Learnerを提案し、大規模データセットMP-HAM-110Kも構築した。
原題: Equivariant Deep Learning in Direct-Product Space for Electronic-Structure Hamiltonian Prediction / Shi Yin, Zujian Dai, Xinyang Pan 他
日本語で読む → - 論文VLAロボティクス
失敗から学ぶVLAの汎用リカバリ学習フレームワーク
少数の修正デモから失敗の意図を推論し、空間表現と条件付きコストとして知識を符号化することで、VLAモデルが新規物体やシーン変化にも汎化できるリカバリ動作を学習する手法を提案。
原題: OopsieRecover: Learning Transferable VLA Corrections from Semantic Interventions / Arpit Bahety, Skand Peri, Sriniket Ambatipudi 他
日本語で読む → - 論文マニピュレーションロボティクス
Semantics-to-Contact:接触の多い操作のための段階的フレームワーク
視覚言語モデルでタスク領域を粗く特定し、その領域内で力覚フィードバックを用いた残差強化学習により微細な接触動作を学習する2段階手法を提案し、視覚的・位置的変動に頑健な実世界接触操作を実現した。
原題: Semantics-to-Contact: A Stagewise Framework for Robust Contact-Rich Manipulation / Guanren Qiao, Ruixiang Ouyang, Sheng Xu 他
日本語で読む → - 論文安全・協働ロボットロボティクス
作業者占有データに基づく協働ロボットセルの保護分離ゾーン構成
カメラで作業者の実際の占有位置を複数シフトにわたり蓄積し、占有ヒートマップからISO/TS 15066の速度・分離監視に沿って保護フィールドを導出する手法を提案。2社の実セルで保護領域を約17%縮小し生産性9%向上を確認した。
原題: Data-Driven Configuration of Protective Separation Zones in Collaborative Robot Cells from Operator Occupancy / Aulon Bajrami, Theo Jacobs, Werner Kraus
日本語で読む → - 論文VLA画像認識
Concertina: 拡散型視覚言語モデルに操作と認知を統合するeVLM
操作と認知を同一の拡散型視覚言語モデル骨格上で統合し、連続軌道を潜在トークンとして生成するEmbodied VLMを提案。
原題: Concertina: Embodying Manipulation and Cognition in One Diffusion Vision-Language Model / Chengcheng Wang, Wei He, Wenhao Li 他
日本語で読む →
PR・アフィリエイト広告
