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 → - 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
FLAG: 潜在拡張ガイダンスによるフローポリシーMaxEnt-RL
最大エントロピー強化学習において、重要度重みの崩壊を避けるためサンプリング領域を局所化し、フロー潜在変数で状態空間を拡張して代理目的を最適化する手法FLAGを提案。高次元制御タスクでSOTA性能を達成。
原題: FLAG: Flow Policy MaxEnt-RL by Latent Augmented Guidance / Sungha Kim, Gawon Lee, Jusuk Lee 他
日本語で読む → - 論文強化学習/着陸ロボティクス
荒れた海面への視覚に基づく機敏な着陸
強化学習を用いて、移動する海上プラットフォームへのマルチローターの自律着陸を、プラットフォームの状態推定なしで視覚特徴のみから実現する手法を提案した。
原題: Vision-Based Agile Landing on Turbulent Waters / Dimosthenis Angelis, Leonard Bauersfeld, Davide Scaramuzza 他
日本語で読む → - 論文VLA/強化学習機械学習
結果が分岐する箇所を学習する:確率的チャンクマスキングによる効率的なVLA強化学習
VLAポリシーの強化学習において、勾配計算が時間の大部分を占める問題に対し、軌道内で成功と失敗が分岐するフェーズのみに勾配計算を割り当てる確率的チャンクマスキング(PCM)を提案した。
原題: Learn Where Outcomes Diverge: Efficient VLA RL via Probabilistic Chunk Masking / Vaidehi Bagaria, Nikshep Grampurohit, Pulkit Verma
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 → - 論文宇宙機マニピュレーション/強化学習ロボティクス
事前方針誘導による宇宙機-マニピュレータシステムのデュアルエージェント協調操作計画
宇宙機とマニピュレータの動的干渉を考慮し、エンドエフェクタの高精度到達とベース姿勢安定化を同時に実現するデュアルエージェント協調計画フレームワークを提案した。事前方針誘導型深層強化学習とタイムステップレベル専門家切替機構を導入し、学習効率と成功率を向上させた。
原題: Prior Policy Guided Dual-Agent Coordinated Manipulation Planning of Spacecraft-Manipulator System / Yuhui Hu, Dong Zhou, Kaihong Ouyang 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 → - 論文遠隔操作/強化学習ロボティクス
確率的遅延下でのロボット遠隔操作のための残差強化学習
確率的通信遅延による信号不連続性に対処するため、LSTMによる状態推定と残差強化学習を組み合わせたハイブリッド制御フレームワークを提案し、遅延下でも安定した遠隔操作を実現した。
原題: Residual Reinforcement Learning for Robot Teleoperation under Stochastic Delays / Kaize Deng, Zewen Yang
日本語で読む → - 論文強化学習機械学習
分位点結合フローマッチングによる分布強化学習
分布強化学習における条件付きフローマッチング批判器の損失がワッサーシュタイン距離と整合しない問題を解決するため、ソースとベルマン目標サンプルを分位点で整列させるFlowIQNを提案した。
原題: Quantile-Coupled Flow Matching for Distributional Reinforcement Learning / Michael Groom, Victor-Alexandru Darvariu, Lars Kunze 他
日本語で読む → - 論文安全強化学習ロボティクス
ロバストKoopman制御バリアフィルタによる安全なActor-Critic強化学習
データからKoopman予測器を学習し、リフト空間でCBF制約を構築して安全フィルタを実現する、安全な強化学習フレームワークを提案した。
原題: Robust Koopman Control Barrier Filters for Safe Actor-Critic Reinforcement Learning / Dhruv S. Kushwaha, Zoleikha A. Biron
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 → - 論文多目的強化学習ロボティクス
多目的方策最適化のための適応的スムーズ・チェビシェフ注意機構
ロボットの多目的強化学習において、非凸なパレート最適解を安定して発見するため、勾配干渉に応じて最適化の滑らかさを動的に調整する適応的スムーズ・チェビシェフ枠組みを提案した。
原題: Adaptive Smooth Tchebycheff Attention for Multi-Objective Policy Optimization / Alejandro Murillo-Gonzalez, Mahmoud Ali, Lantao Liu
日本語で読む → - 論文自動運転/強化学習画像認識
MTA-RL: マルチモーダルトランスフォーマーによる3Dアフォーダンスと強化学習を用いた堅牢な都市運転
RGB画像とLiDAR点群をトランスフォーマーで融合し、幾何学的な3Dアフォーダンスを予測して強化学習の観測空間とすることで、解釈可能でサンプル効率の高い都市自動運転を実現した。CARLAシミュレーションでゼロショット汎化性能が向上することを示した。
原題: MTA-RL: Robust Urban Driving via Multi-modal Transformer-based 3D Affordances and Reinforcement Learning / Guangli Chen, Dianzhao Li, Wenjian Zhong 他
日本語で読む → - 論文触覚/強化学習/ベンチマークロボティクス
ロボ触覚オリンピアード2.0:触覚ベース強化学習の標準化ベンチマーク
触覚ベースの強化学習を標準化するため、4種類のロボット形態で「盲目的」操作を評価するGPU並列ベンチマークを提案し、既存手法より10倍高速な性能を達成した。
原題: roto 2.0: The Robot Tactile Olympiad / Elle Miller, Jayaram Reddy, Ayush Deshmukh 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/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 → - 論文ドローン/強化学習ロボティクス
強化学習による視覚誘導の屋外飛行と障害物回避
ステレオ深度と視覚慣性オドメトリを用いて、未知環境で障害物を回避しながら目標点へ自律飛行するセンサモータポリシーを提案。シミュレーションで訓練し、実機へゼロショット転送に成功した。
原題: Vision-Guided Outdoor Flight and Obstacle Evasion via Reinforcement Learning / Shiladitya Dutta, Aayush Gupta, Varun Saran 他
日本語で読む → - 論文強化学習/自動運転ロボティクス
運転意図の増幅による計画指向強化学習の性能向上
単一のデモ軌道から学習する連続行動ポリシーのモード崩壊問題を解決するため、離散的な意図ラベルと分類器フリーガイダンスを用いてサンプリング分布を拡張し、多意図GRPOで微調整するDIALフレームワークを提案した。
原題: Driving Intents Amplify Planning-Oriented Reinforcement Learning / Hengtong Lu, Victor Shea-Jay Huang, Chengmin Yang 他
日本語で読む → - 論文強化学習/連続制御ロボティクス
ZAPS-DA: ゼロ位相アクション平滑化と分離アクターによる強化学習の連続制御
強化学習で訓練された連続制御ポリシーの高周波なアクションジッタを、位相遅れをほぼ生じさせずに低減する新しい手法を提案。主アクターとは別の分離アクターをゼロ位相フィルタ済みターゲットへの模倣学習で訓練し、推論時はフィルタ不要で平滑なアクションを出力する。
原題: ZAPS-DA: Zero-Phase Action Policy Smoothing with Decoupled Actor for Continuous Control in Reinforcement Learning / Faiq Shamass
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
RankQ: 自己教師ありアクションラ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、時間差学習に自己教師ありのランキング損失を追加し、アクションの相対的な好みを学習することで、価値関数の過大評価を抑えつつ、より高品質な行動への改善を促進する手法RankQを提案した。
原題: RankQ: Offline-to-Online Reinforcement Learning via Self-Supervised Action Ranking / Andrew Choi, Wei Xu
日本語で読む → - 論文VLA/強化学習ファインチューニングロボティクス
EXPO-FT: 視覚言語行動モデルのサンプル効率的強化学習ファインチューニング
事前学習済みの視覚言語行動(VLA)モデルを強化学習で安定かつサンプル効率的にファインチューニングするシステムEXPO-FTを提案し、高精度・動的動作を要する複数の操作タスクで完全成功率を達成した。
原題: EXPO-FT: Sample-Efficient Reinforcement Learning Finetuning for Vision-Language-Action Models / Perry Dong, Kuo-Han Hung, Tian Gao 他
日本語で読む → - 論文マルチエージェント強化学習/自動運転機械学習
歩行者行動の不確実性下での安全な自動運転のためのマルチエージェント強化学習
自動運転車と歩行者をマルチエージェント強化学習で同時訓練し、現実的な横断行動を生成して安全性評価を向上させる手法を提案した。
原題: Multi-Agent Reinforcement Learning for Safe Autonomous Driving Under Pedestrian Behavioral Uncertainty / Prakash Aryan, Kaushik Raghupathruni, Timo Kehrer 他
日本語で読む →
PR・アフィリエイト広告
