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: 2026/4/1 / 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/UAVロボティクス
限られたシミュレーション訓練下での捜索救助UAVミッションにおける目標条件付き強化学習のためのルールベース高レベルコーチング
固定ルールの高レベルアドバイザとオンライン学習する低レベル強化学習コントローラを組み合わせた階層型意思決定フレームワークを提案し、限られた訓練環境でも早期の安全性とサンプル効率を向上させる。
原題: Rule-based High-Level Coaching for Goal-Conditioned Reinforcement Learning in Search-and-Rescue UAV Missions Under Limited-Simulation Training / Mahya Ramezani, Holger Voos
日本語で読む → - 論文安全強化学習ロボティクス
ブラックボックスハイブリッド力学系におけるハードアフィン制約を証明付きで満たす制御ポリシーの学習
未知の非線形ダイナミクスを持つハイブリッドシステムに対し、制約境界付近でアフィンかつ反発的なポリシーを強制することで、閉ループで安全制約を証明付きで満たす強化学習ポリシーを学習する手法を提案した。
原題: Learning Control Policies to Provably Satisfy Hard Affine Constraints for Black-Box Hybrid Dynamical Systems / Aayushi Shrivastava, Kartik Nagpal, Sairam Jinkala 他
日本語で読む → - 論文強化学習ロボティクス
ViVa: ロボット強化学習のためのビデオ生成価値モデル
事前学習済みのビデオ生成モデルを価値関数として再利用し、将来の身体状態とスカラー価値を同時に予測することで、ロボット操作タスクにおける価値推定を改善する手法を提案した。
原題: ViVa: A Video-Generative Value Model for Robot Reinforcement Learning / Jindi Lv, Hao Li, Jie Li 他
日本語で読む → - 論文模倣学習/強化学習機械学習
不完全なデモンストレーションからの学習:時間行動木ガイドによる軌道修復
不完全なデモンストレーションを時間行動木(TBT)仕様に基づいて修復し、修復された軌道から報酬関数を抽出して強化学習を効率的に導くフレームワークを提案した。
原題: Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair / Aniruddh G. Puranic, Sebastian Schirmer, John S. Baras 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
PALCAS: 連合強化学習を用いた自動運転車向け優先度考慮型インテリジェント車線変更アドバイザリーシステム
自動運転車の車線変更を、目的地への緊急度に基づく優先度を考慮しつつ、連合強化学習とPDQNアルゴリズムで協調的に制御するシステムを提案し、シミュレーションで有効性を示した論文。
原題: PALCAS: A Priority-Aware Intelligent Lane Change Advisory System for Autonomous Vehicles using Federated Reinforcement Learning / Yassine Ibork, Nhat Ha Nguyen, Myounggyu Won 他
日本語で読む → - 論文強化学習/探索ロボティクス
表形式基盤モデルはロボット方策学習の探索を導けるか?
高次元連続制御における方策最適化の探索を改善するため、局所更新と表形式基盤モデルによる大域的探索を組み合わせたハイブリッド手法TFM-S3を提案し、限られたロールアウト予算で収束を加速し最終性能を向上させることを示した。
原題: Can Tabular Foundation Models Guide Exploration in Robot Policy Learning? / Buqing Ou, Frederike Dümbgen
日本語で読む → - 論文ロボット操作/強化学習ロボティクス
クリップ付き目的関数による後方最適化:生成的方策学習における効率と安定性の橋渡し
ロボット操作のための生成的方策をRLで微調整する際の不安定性とサンプル非効率を解決するため、後方推論として方策改善を定式化するPOCOフレームワークを提案。期待値最大化手順で報酬重み付き暗黙後方を方策に蒸留し、オフラインからオンラインへのパラダイムで事前分布に探索を固定する。
原題: Posterior Optimization with Clipped Objective for Bridging Efficiency and Stability in Generative Policy Learning / Yuhui Chen, Haoran Li, Zhennan Jiang 他
日本語で読む → - 論文歩行/強化学習/sim2realロボティクス
asRoBallet: 摩擦を考慮した強化学習による非駆動球体ダイナミクスのSim2Realギャップ解消
ヒューマノイド型ボールボットの移動制御に、摩擦モデルを考慮した強化学習を適用し、実機へのゼロショット転送を実現した初のエンドツーエンドポリシーを提案する論文。
原題: asRoBallet: Closing the Sim2Real Gap via Friction-Aware Reinforcement Learning for Underactuated Spherical Dynamics / Fang Wan, Guangyi Huang, Tianyu Wu 他
日本語で読む → - 論文協調運転/拡散モデル/強化学習ロボティクス
SCORP: 協調運転のためのシーン整合型マルチエージェント拡散計画と安定なオンライン強化学習後訓練
協調運転向けに、シーン整合性を高めたマルチエージェント拡散プランナーを提案し、安定なオンライン強化学習後訓練を実現した。
原題: SCORP: Scene-Consistent Multi-agent Diffusion Planning with Stable Online Reinforcement Post-Training for Cooperative Driving / Haojie Bai, Aimin Li, Ruoyu Yao 他
日本語で読む → - 論文強化学習/フローマッチングロボティクス
ScoRe-Flow: スコアベース強化学習によるフローマッチングの完全な分布制御
フローマッチングポリシーを強化学習で微調整する際、スコア関数によるドリフト変調と学習可能な分散予測を組み合わせ、遷移の平均と分散を分離制御する手法を提案。D4RLや操作タスクで高速収束と成功率向上を実証。
原題: ScoRe-Flow: Complete Distributional Control via Score-Based Reinforcement Learning for Flow Matching / Xiaotian Qiu, Lukai Chen, Jinhao Li 他
日本語で読む → - 論文強化学習機械学習
WOMBET: ワールドモデルに基づく経験転移によるロバストでサンプル効率的な強化学習
ソースタスクでワールドモデルを学習し、不確実性ペナルティ付き計画でオフラインデータを生成・フィルタリングしてから、ターゲットタスクでオンライン微調整する経験転移フレームワークを提案した。
原題: WOMBET: World Model-Based Experience Transfer for Robust and Sample-efficient Reinforcement Learning / Mintae Kim, Koushil Sreenath
日本語で読む → - 論文安全制御/強化学習制御
敵対的強化学習による最大ロバスト制御バリア関数の合成と展開
一般の非線形システムに対して、動的計画法とQ関数を用いた新しいロバスト制御バリア関数を提案し、敵対的強化学習で合成・展開する手法を導入した。
原題: Synthesis and Deployment of Maximal Robust Control Barrier Functions through Adversarial Reinforcement Learning / Donggeon David Oh, Duy P. Nguyen, Haimin Hu 他
日本語で読む → - 論文強化学習ロボティクス
生の状態軌跡からの能動的報酬機械推論
報酬機械を生の状態軌跡から直接学習する手法を提案し、報酬やラベル、ノードの観測なしで学習可能な条件を示し、能動学習による効率改善も行う。
原題: Active Reward Machine Inference From Raw State Trajectories / Mohamad Louai Shehab, Antoine Aspeel, Necmiye Ozay
日本語で読む → - 論文強化学習/航空機機械学習
強化学習を用いた自動対地衝突回避システム
ジェット練習機向けに、強化学習ベースの自動対地衝突回避システムを設計し、限られた観測空間での安全性と運用効率を向上させる手法を提案した論文。
原題: An Automatic Ground Collision Avoidance System with Reinforcement Learning / Seyyid Osman Sevgili, Atahan Cilan, Mahir Demir 他
日本語で読む → - 論文強化学習機械学習
強化学習ロボットエージェントのための視覚言語行動ジャンプスタート
本論文では、視覚言語行動モデルを強化学習の初期探索に活用し、学習効率を向上させる手法を提案する。
原題: Vision-Language-Action Jump-Starting for Reinforcement Learning Robotic Agents / Angelo Moroncelli, Roberto Zanetti, Marco Maccarini 他
日本語で読む → - 論文物理推論/LLM/強化学習機械学習
物理シミュレータ上での強化学習による物理オリンピック問題解決
物理シミュレータでランダムなシーンを生成し、合成の問答データを作ってLLMを強化学習で訓練し、実世界の物理ベンチマーク(IPhOなど)へのゼロショット転移を実証した論文。
原題: Solving Physics Olympiad via Reinforcement Learning on Physics Simulators / Mihir Prabhudesai, Aryan Satpathy, Yangmin Li 他
日本語で読む → - 論文シミュレーション/義足/強化学習ロボティクス
柔軟なスポーツ義足を用いた適応的走行の強化学習によるハイブリッドリンク系シミュレーション
片側下腿切断者の走行運動を、義足の柔軟性を考慮したハイブリッドリンク系と強化学習を用いてシミュレーションし、義足の剛性が走行性能や代謝コストに与える影響を解析した。
原題: Simulation of Adaptive Running with Flexible Sports Prosthesis using Reinforcement Learning of Hybrid-link System / Yuta Shimane, Ko Yamamoto
日本語で読む → - 論文強化学習/ロバスト制御機械学習
動的不確実性下でのロバストな敵対的方策最適化
強化学習の方策が訓練時と異なる動的環境で失敗する問題に対し、双対問題に基づく温度パラメータを敵対的ネットワークで近似し、軌道レベルとモデルレベルの両方で敵対的サンプリングを行うロバストな方策最適化手法を提案した。
原題: Robust Adversarial Policy Optimization Under Dynamics Uncertainty / Mintae Kim, Koushil Sreenath
日本語で読む → - 論文計画・強化学習ロボティクス
運動学から動力学へ:物理的に実行可能なハイブリッド計画の学習による洗練
ハイブリッドプランナーが生成した一次(運動学的)計画を、強化学習を用いて二次(動的)制約を満たす物理的に実行可能な軌道へと洗練する手法を提案した論文。
原題: From Kinematics to Dynamics: Learning to Refine Hybrid Plans for Physically Feasible Execution / Lidor Erez, Shahaf S. Shperberg, Ayal Taitler
日本語で読む → - 論文強化学習/部分観測/MPC/四足歩行機械学習
PriPG-RL: 部分観測システムのための特権プランナー誘導強化学習と常時実行可能なMPC
部分観測環境下で強化学習ポリシーを訓練する際、訓練時のみ利用可能な特権プランナー(近似モデルと完全状態情報を持つMPC)が学習エージェントを誘導する枠組みを提案し、シミュレーションと実機の四足ロボットで検証した。
原題: PriPG-RL: Privileged Planner-Guided Reinforcement Learning for Partially Observable Systems with Anytime-Feasible MPC / Mohsen Amiri, Mohsen Amiri, Ali Beikmohammadi 他
日本語で読む → - 論文探査/強化学習ロボティクス
ロボット探査アルゴリズムにおける動的グラフの学習ベース間引き
ロボット探査で用いる動的グラフを強化学習(PPO)で間引き、冗長な情報を削減する手法を提案。RRTによるフロンティア探査のシミュレーションでグラフサイズを最大96%削減し、探索の一貫性が向上することを示した。
原題: Learning-Based Sparsification of Dynamic Graphs in Robotic Exploration Algorithms / Adithya V. Sastry, Bibek Poudel, Weizi Li
日本語で読む → - 論文自動運転/強化学習ロボティクス
物理情報強化学習による空間密度速度ポテンシャルを用いたマップ不要レーシング
事前マップなしの自動運転レーシングにおいて、深度測定のスペクトル分布から非線形車両ダイナミクスをパラメータ化し、物理情報に基づく報酬でDRLエージェントを訓練する手法を提案。シミュレーションから実機への転移を改善し、人間のデモより12%高い性能を達成。
原題: Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing / Shathushan Sivashangaran, Apoorva Khairnar, Sepideh Gohari 他
日本語で読む → - 論文強化学習機械学習
正のみドリフト方策最適化
オンライン強化学習向けに、負例を使わず正のアドバンテージサンプルのみで方策を更新する生成モデル手法PODPOを提案した論文。
原題: Positive-Only Drifting Policy Optimization / Qi Zhang
日本語で読む → - 論文強化学習/報酬整形ロボティクス
ファジィ論理に基づく適応的報酬整形によるロバスト強化学習
ファジィ論理を用いて人間の知識を報酬設計に組み込み、状態に応じて報酬を適応的に調整する手法を提案。ドローン競技タスクで収束の高速化と性能ばらつきの低減を実証した。
原題: Fuzzy Logic Theory-based Adaptive Reward Shaping for Robust Reinforcement Learning (FARS) / Hürkan Şahin, Van Huyen Dang, Erdi Sayar 他
日本語で読む → - 論文強化学習/制御ロボティクス
ReinVBC: モデルベース強化学習による車両ブレーキ制御
オフラインのモデルベース強化学習を用いて、実車のブレーキ制御を学習し、生産グレードのABSに匹敵する性能を実現した。
原題: ReinVBC: A Model-based Reinforcement Learning Approach to Vehicle Braking Controller / Haoxin Lin, Junjie Zhou, Daheng Xu 他
日本語で読む → - 論文強化学習/ビンパッキングロボティクス
拡散強化学習に基づくオンライン3Dビンパッキングの空間戦略最適化
オンライン3Dビンパッキング問題に対し、拡散モデルをアクターネットワークに用いた強化学習アルゴリズムを提案し、従来のDRL手法より詰め込めるアイテム数を大幅に改善した。
原題: Diffusion Reinforcement Learning Based Online 3D Bin Packing Spatial Strategy Optimization / Jie Han, Tong Li, Qingyang Xu 他
日本語で読む → - 論文操作/強化学習ロボティクス
有界極値探索を用いた分布シフト下でのロボット操作のための深層強化学習
強化学習ポリシーを有界極値探索と組み合わせ、訓練時と異なる環境条件(分布シフト)下でのロボット操作の堅牢性を向上させるハイブリッド制御手法を提案した。
原題: Deep Reinforcement Learning for Robotic Manipulation under Distribution Shift with Bounded Extremum Seeking / Shaifalee Saxena, Rafael Fierro, Alexander Scheinker
日本語で読む → - 論文強化学習機械学習
占有報酬整形:オフライン目標条件付き強化学習におけるクレジット割り当ての改善
生成世界モデルから最適輸送を用いて幾何学的情報を抽出し、報酬関数を整形することで、スパース報酬環境でのクレジット割り当て問題を緩和する手法を提案。13の長距離タスクで2.2倍の性能向上を実証し、核融合制御にも応用。
原題: Occupancy Reward Shaping: Improving Credit Assignment for Offline Goal-Conditioned Reinforcement Learning / Aravind Venugopal, Jiayu Chen, Xudong Wu 他
日本語で読む → - 論文教育/強化学習/WebRTCロボティクス
Web-Gewu: ロボット強化学習のためのブラウザベース対話型プレイグラウンド
WebRTCによるクラウド・エッジ連携アーキテクチャを用いて、ブラウザ上で物理シミュレーションと強化学習トレーニングを低コストで実行できるロボット教育プラットフォームを提案した。
原題: Web-Gewu: A Browser-Based Interactive Playground for Robot Reinforcement Learning / Kaixuan Chen, Linqi Ye
日本語で読む → - 論文移動操作/触覚/強化学習ロボティクス
触覚を活用した四脚ロボットの移動操作ポリシー学習
四脚ロボットの移動操作において、視覚と自己受容感覚に加えて触覚情報を活用する階層的ポリシー学習手法を提案。実世界の人間デモから触覚条件付き高レベルポリシーを学習し、シミュレーションでの大規模強化学習により全身制御ポリシーを獲得し、実世界へゼロショット転送する。接触を伴うタスクで平均28.54%の性能向上を達成。
原題: Learning Tactile-Aware Quadrupedal Loco-Manipulation Policies / Pokuang Zhou, Yuhao Zhou, Quan Khanh Luu 他
日本語で読む →
PR・アフィリエイト広告
