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: 2026/9/9 / 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 →- 論文自動運転/安全強化学習ロボティクス
安全でロバストな自動運転のためのリスク感受性と不確実性を考慮した意思決定・制御フレームワーク
リスク感受性分布強化学習とアンサンブル不確実性推定を組み合わせ、不確実性に応じて制約を適応調整するHOCBF安全補正機構を備えた自動運転意思決定・制御フレームワークを提案。無信号交差点でのシミュレーションで安全性・効率・ロバスト性のバランスを実証。
原題: A Risk-Sensitive and Uncertainty-Aware Decision-Making and Control Framework for Safe and Robust Autonomous Driving / Zhuoren Li, Ran Yu, Weiqi Zhang 他
日本語で読む → - 論文動作計画ロボティクス
対称性が学習ベース動作計画にもたらすもの
始点と終点で定まる座標系で軌道と障害物を表現することで、SE(3)の並進3・回転2の自由度を初期化時に除去し、混雑3D環境での衝突回避率を14.6%から51.1%へ改善した。
原題: What Symmetry Buys a Learned Motion Planner / Andrea Emir Sevincel
日本語で読む → - 論文動作計画ロボティクス
PccDiffuser: 連続体ロボットのためのマルチソリューション動作計画
連続体ロボットの経路計画において、条件付き拡散モデルを用いて複数の候補解を並列生成し、アクチュエータ制約を考慮した軌道に変換する手法を提案。障害物0〜4個の環境で91%の成功率を達成し、従来手法より高成功率かつ高効率であることを示した。
原題: PccDiffuser: Multi-solution Motion Planning for Continuum Robots / Ke Qiu, Sifan Chen, Si Wang 他
日本語で読む → - 論文検索拡張対話/サービスルーティング画像認識
PACE: 体感遅延を考慮したカスケードサービスルーティングとフィラー制御によるQoE効率の高い検索拡張対話サービス
人間型ロボット販売サービス向けに、応答ソースの選択と待機時間の埋め合わせを同時制御し、体感初回応答時間を最小化する検索拡張対話配信フレームワークを提案・実証した。
原題: PACE: Perceived-Latency-Aware Cascading Service Routing and Filler Control for QoE-Efficient Retrieval-Augmented Dialogue Serving / Lin Huang, Yujuan Tan, Weisheng Li 他
日本語で読む → - 論文探査計画ロボティクス
情報の価値はリスクに見合うか:危険環境ロボット探査のための行動的評価
危険環境でのロボット探査において、情報獲得のリスクを考慮して経路を評価するPrelec確率重み付けに基づく行動的情報評価手法を提案し、情報とリスクのトレードオフ構造を理論的・実験的に示した。
原題: When Information is Worth the Risk: Behavioral Valuation for Hazardous Robotic Exploration / Alkesh K. Srivastava, Aamodh Suresh, Carlos Nieto-Granda 他
日本語で読む → - 論文変形物体操作ロボティクス
部分観測下での変形物体操作のためのリアルタイム全形状推定
軽量な条件付きリカレントVAEを用いて、一部の角ノード観測のみから変形物体の全形状をリアルタイム推定し、障害物回避を伴う協調操作を可能にした。
原題: Deformable Object Manipulation under Partial Observability via Real-Time Full-Shape Estimation / Kosar Behnia, Ville Kyrki, Gokhan Alcan
日本語で読む → - 論文変形物体操作ロボティクス
FolDeX: 変形可能物体の長期的ロボット操作のための実世界ベンチマーク
衣類折りたたみを主タスクとし、2000時間以上の実ロボットデータと10種以上の機体を用いて、変形物体の長期的な両手操作を評価する実世界ベンチマークを構築した。
原題: FolDeX: A Physical-World Benchmark for Long-Horizon Robotic Manipulation of Deformable Objects / Chenhuan Liu, Yi Xu, Feng Wu 他
日本語で読む → - 論文SLAMロボティクス
MFVINS: 複数魚眼カメラを用いた視覚慣性システム
複数の魚眼カメラとIMUを統合したSLAMシステムを提案し、単眼カメラの問題(遮蔽や照明変化、テクスチャレス環境での誤差蓄積)を改善。IMU支援の特徴追跡と学習ベースの深度推定を用いた再投影誤差により、リアルタイムで高精度な姿勢推定を実現。
原題: MFVINS: Multiple Fisheye Camera-Based Visual Inertial System / Eunseong Jang, YuJin Chung, Sang Jun Lee 他
日本語で読む → - 論文マニピュレーションロボティクス
FOCIポリシー:関係的操作ポリシーのためのオブジェクト中心相互作用に焦点を当てる
物体間の相対運動に基づく相互作用中心のフレームワークを提案し、デモから重要な相互作用区間を抽出してスキルを表現することで、少ないデータで高い性能を達成する操作ポリシーを開発した。
原題: FOCI Policy: Focus on Object-Centric Interactions for Relational Manipulation Policies / Ze Fu, Pinhao Song, Yutong Hu 他
日本語で読む → - 論文エージェントメモリ管理AI
MemForest: EventTree分割と段階的マージによる効率的なエージェントメモリ管理
エージェントの履歴メモリをイベント単位に分割し、最大全域木と冗長ノードの段階的マージで圧縮するフレームワークを提案。メモリ圧縮率50%で性能をほぼ維持しつつ、検索を高速化した。
原題: MemForest: Efficient Agent Memory Management via EventTree Partitioning and Progressive Merging / Junxi Wang, Te Sun, Jiayi Zhu 他
日本語で読む → - 論文世界モデル機械学習
地球システムのWhat-Ifシミュレーションのための世界モデル:陸上生態系を事例として
地球システムのエミュレーションを、ユーザーが状態を変更した場合の応答を予測できるアクション条件付き世界モデルとして構築し、ラベルなしの遷移データを用いた事前学習とマスク応答学習を提案した。
原題: Earth System World Model for What-If Simulations: A Case Study for Terrestrial Ecosystems / Zhihao Wang, Ruichen Wang, Ruohan Li 他
日本語で読む → - 論文位置認識画像認識
DXPR: 視覚基盤モデルを用いた深度ベースの視覚-LiDARクロスモーダル位置認識
カメラ画像とLiDARスキャンを統一的な深度画像に変換し、視覚基盤モデルを用いてモダリティ非依存のグローバル記述子を学習することで、事前構築されたLiDARマップ内でのカメラのみによるロバストな位置認識を実現する。
原題: DXPR: Depth-Based Vision-LiDAR Cross-Modal Place Recognition Using Vision Foundation Models / Yungsoo Han, Youngseok Jang, Seungwon Roh 他
日本語で読む → - 論文深度推定画像認識
Marigold V2: 単眼深度推定のための拡散トランスフォーマーの再考
拡散トランスフォーマーを活用した単眼深度推定手法を改良し、高精度でシャープな深度マップを生成できるようにした。
原題: Marigold V2: Revisiting Diffusion Transformers for Monocular Depth Estimation / Igor Pavlovic, Thiemo Wandel, Anton Obukhov 他
日本語で読む → - 論文動作計画ロボティクス
オンライン到達可能性を考慮したサンプリングベース動作計画
サンプリングベースのモデル予測制御に、オンラインで計算した到達可能集合の過大近似を用いて安全性を保証する手法を提案し、レースシミュレーションと実機で検証した。
原題: Online, Reachability-Aware, Sampling-Based Motion Planning / Brendan Gould, Zhiyuan Zhang, Panagiotis Tsiotras 他
日本語で読む → - 論文触覚センサロボティクス
TacClip: 指先を覆わずに動的接触力を計測するクリップ型センサ
爪に取り付ける小型クリップ型センサで、指先の変形を計測し、接触力や振動を推定する。指の腹を覆わないため、触覚を保ちつつ、視覚ベースの手の追跡と併用できる。
原題: TacClip: a clip-on sensor measures dynamic contact forces without covering the fingerpads / Yuqian Ye, Hao Li, Jingxi Xu 他
日本語で読む → - 論文タスク計画ロボティクス
具現化エージェントのための長期グラフメモリを用いた安全なタスク計画
LLM/VLMによるタスク計画に、環境の長期意味グラフメモリを組み合わせ、物理的リスクを予測して安全な行動を計画するフレームワークSafeMemを提案した。
原題: Safe Task Planning with Long-Term Graph Memory for Embodied Agents / Siyuan Li, Taiyan Lang, Aoqi Yan 他
日本語で読む → - 論文sim2realロボティクス
脚式ロボット学習における狭可生存性タスクのためのアクチュエータダイナミクスカリキュラム
関節剛性を高く初期化し、エピソード完了長に応じて同定値まで徐々に下げるカリキュラムを提案し、Spotの四足から逆立ちへの遷移など探索が終了条件で妨げられるタスクの学習を可能にした。
原題: Actuator Dynamics Curricula for Narrow-Viability Tasks in Legged Robot Learning / Kousheek Chakraborty, Chandan K. Rajendra, Ayham Alharbat 他
日本語で読む → - 論文模倣学習ロボティクス
DISEIL: デモンストレーション蒸留によるサンプル効率的模倣学習
ロボットが少数のデモから学習する際、失敗を分類し、必要なデモを自動的に要求する手法を提案。模倣学習のサンプル効率を向上させる。
原題: DISEIL: Demonstration Distillation for Sample-Efficient Imitation Learning / Suyog Khanal, Arun Kumar A, Santu Rana
日本語で読む → - 論文手と物体の相互作用推定画像認識
GOLF: キャリブレーション対応ステレオ相互作用場推定のためのグローバル観察と局所焦点
両眼ステレオ映像から手の関節と操作対象物の間の3次元相互作用場を推定する手法を提案し、ECCV 2026のチャレンジで1位を獲得した。
原題: GOLF: Global Observation with Local Focus for Calibration-Aware Stereo Interaction Field Estimation / Minqiang Zou, Riqiang Jin, Zhi Lv 他
日本語で読む → - 論文ロボットポリシー適応ロボティクス
プロキシポリシー操縦による推論時適応
凍結された汎用ロボットポリシーを、限られたデモから新しいタスクに適応させるため、2つの軽量プロキシポリシーの速度差でベースのサンプラーを操縦する手法を提案した。
原題: Proxy Policy Steering / Chuanruo Ning, Tianrui Wang, Wei-Chiu Ma 他
日本語で読む → - 論文世界モデル画像認識
ActionSplice: インタラクティブな世界モデルのための飛行中アクション編集
ビデオ世界モデルで、生成中にアクションが変更された際に、ロールバックせずに状態を補正してサンプリングを再開する推論フレームワークActionSpliceを提案した。
原題: ActionSplice: In-Flight Action Editing for Interactive World Models / Pardis Taghavi, Tingyu Guo, Jonas Lossner 他
日本語で読む → - 論文マニピュレーションロボティクス
3DWay: 3D一貫性ウェイポイントによるロボット操作の一般化
多視点画像から3D一貫性のあるウェイポイントを予測し、ロボット操作の一般化を向上させる手法を提案した論文。
原題: 3DWay: Generalizing Robot Manipulation via 3D Consistent Waypoints / Ziqin Huang, Yingyue Li, Chenyangguang Zhang 他
日本語で読む → - 論文3D再構築画像認識
FIRE3D: 1分以内のフィードフォワード対話型3Dシーン再構築
単一のRGB画像またはカジュアルなRGBビデオから、1分以内にシミュレーション対応の3Dシーンアセットを生成する統一フレームワークを提案。フィードフォワードのエンドツーエンドネットワークにより、各オブジェクトのポーズ、バウンディングボックス、メッシュ、テクスチャを予測し、物理的に分離された対話可能なシーンを構築する。
原題: FIRE3D: Feed-forward Interactive 3D Scene Reconstruction Within A Minute / Hongchi Xia, Tianhang Cheng, Wei-Chiu Ma 他
日本語で読む → - 論文走行可能性解析ロボティクス
ガウス文脈分布による意味的曖昧性推定に基づくVLM駆動走行可能性解析
VLMの予測をガウス分布としてモデル化し、不確実性マップを生成することで、屋外環境での安全な自律走行を実現する手法を提案した。
原題: Estimating Semantic Ambiguity via Gaussian Context Distributions for VLM-Driven Traversability Analysis / Ramona Häuselmann, Mario A. V. Saucedo, Christoforos Kanellakis 他
日本語で読む → - 論文能動視覚/手内操作/3D再構成ロボティクス
AURORA: 能動的不確実性駆動の手内再方向付けによる物体再構成
ロボットハンドに把持された物体の隠れた表面を効率的に観測するため、再構成の不確実性に基づいて次の視点を選び、手内回転を能動的に制御する3D再構成フレームワークを提案した。
原題: AURORA: Active Uncertainty-Driven Re-Orientation for In-Hand Reconstruction / Feiyu Zhao, Yuetong Li, Chenxi Xiao
日本語で読む → - 論文自動運転/知覚ロボティクス
自動運転レースにおけるマルチモーダル知覚パイプラインによる物体検出と追跡
自動運転レース向けに、カメラ・LiDAR・RADARの検出結果を後期融合し、遅延補償と車両ダイナミクス・コース知識を組み込んだ追跡フレームワークを提案した。実データ評価で有効性を確認した。
原題: A Multi-Modal Perception Pipeline for Object Detection and Tracking in Autonomous Racing / Davide Malvezzi, Michele Pestarino, Vittoria Cavicchioli 他
日本語で読む → - 論文強化学習機械学習
SACにおけるtanhヤコビアンの解放:バンバン制御とMetaDriveに関する負の結果
SACのtanh圧縮による勾配消失を補正するバイパスを試したが、極端な行動が最適なタスクでも性能改善は見られず、むしろ悪化することを示した負の結果。
原題: Unthrottling the Tanh Jacobian in SAC: A Negative Result on Bang-Bang Control and MetaDrive / Faiq Shamass
日本語で読む → - 論文ナビゲーション画像認識
AirAnchor:ゼロショット空中視覚言語ナビゲーションのための局所・大域空間情報の橋渡し
ドローンによる空中視覚言語ナビゲーションにおいて、局所空間情報と大域空間情報を空間アンカーで橋渡しし、統合フレームワークで意思決定を行う手法を提案した。実験で既存のゼロショット手法を大幅に上回る性能を示した。
原題: AirAnchor: Bridging Local and Global Spatial Information for Zero-Shot Aerial Vision-and-Language Navigation / Shanwei Fan, Bin Zhang, Zhiwei Xu 他
日本語で読む → - 論文ナビゲーションロボティクス
OmniNav: 動的環境における堅牢な長期的目標ナビゲーション
動的環境での長期的な目標ナビゲーションを、シーン記憶の更新、信念修正、操作可能なエンドポイント選択を統合した因子化タスク状態推定として定式化し、頑健な探索と操作を実現するシステムを提案した。
原題: OmniNav: Robust Long-Horizon Target Navigation in Dynamic Environments / Yujie Tang, Meiling Wang, Jinhao Jiang 他
日本語で読む → - 論文VLM画像認識
VANTAGE-Bench:視覚言語モデルにおけるインフラAIギャップの評価
固定カメラ映像を用いたインフラAI(物流・交通・スマート空間)向けベンチマークを提案し、17モデルのゼロショット評価でイベント検証や時間定位に最大24点の性能不足があることを示した。
原題: VANTAGE-Bench: Evaluating the Infrastructure AI Gap in Vision-Language Models / Zaid Pervaiz Bhat, Nimra Nayyar, Arihant Jain 他
日本語で読む →
PR・アフィリエイト広告
