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 →- 論文イベントベース知覚/強化学習/ロボット制御ロボティクス
生物学的に着想を得たイベントベース知覚と高効率学習による高速卓球ロボット
高速卓球ロボット向けに、イベントカメラを用いたボール検出と、低速から高速へ段階的に学習するサンプル効率的な方策訓練を組み合わせた手法を提案した。
原題: Biologically Inspired Event-Based Perception and Sample-Efficient Learning for High-Speed Table Tennis Robots / Ziqi Wang, Jingyue Zhao, Xun Xiao 他
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 → - 論文強化学習ロボティクス
VA-FastNavi-MARL: マルチメディア駆動メタ強化学習によるリアルタイムロボット制御
音声と視覚の非同期入力を統一表現に変換し、メタ強化学習で未知の指示に迅速適応するロボット制御フレームワークを提案。マルチアーム環境でサンプル効率とリアルタイム性を実証した。
原題: VA-FastNavi-MARL: Real-Time Robot Control with Multimedia-Driven Meta-Reinforcement Learning / Yang Zhang, Shengxi Jing, Fengxiang Wang 他
日本語で読む → - 論文強化学習ロボティクス
長期的ロボットタスクのための一般化可能な密な報酬
LLMとVLMを用いてタスク進捗を認識する外部報酬と、ポリシーの自己確信度に基づく内部報酬を組み合わせた密な報酬フレームワークVLLRを提案し、長期的タスクにおけるRL微調整を手動報酬設計なしで改善した。
原題: Generalizable Dense Reward for Long-Horizon Robotic Tasks / Silong Yong, Stephen Sheng, Carl Qi 他
日本語で読む → - 論文強化学習ロボティクス
GaussFly: 3Dガウス場における視覚運動ポリシーのための対比強化学習
単眼視覚のみを用いた自律航空機の視覚運動ポリシー学習において、3Dガウススプラッティングによる高忠実なシミュレーション環境を構築し、対比表現学習でノイズに頑健な特徴を抽出することで、サンプル効率とsim-to-real転送を向上させるフレームワークを提案した。
原題: GaussFly: Contrastive Reinforcement Learning for Visuomotor Policies in 3D Gaussian Fields / Yuhang Zhang, Mingsheng Li, Yujing Shang 他
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 → - 論文強化学習/拡散ポリシー機械学習
FlowRL: 拡散ポリシーを用いた強化学習の分類法とモジュール型フレームワーク
拡散モデルやフローモデルをポリシーとして用いる強化学習アルゴリズムを体系的に分類し、JAXベースのモジュール型コードベースと標準ベンチマークを提供した論文。
原題: FlowRL: A Taxonomy and Modular Framework for Reinforcement Learning with Diffusion Policies / Chenxiao Gao, Edward Chen, Tianyi Chen 他
日本語で読む → - 論文強化学習機械学習
予測ベースのマルコフ違反スコアによる強化学習における非マルコフ観測の検出
強化学習の観測がマルコフ性を満たさない場合を検出するため、予測誤差に基づくマルコフ違反スコア(MVS)を提案し、複数の環境とアルゴリズムでその有効性を検証した。
原題: Prediction-Based Markov Violation Scores for Detecting Non-Markovian Observations in Reinforcement Learning / Naveen Mysore
日本語で読む → - 論文オフライン強化学習機械学習
微分可能な世界モデルを用いたオフライン強化学習の推論時ポリシー最適化
事前学習済みポリシーと学習済み世界モデルを用いて、推論時にポリシーパラメータを勾配法で最適化するフレームワークを提案し、D4RLベンチマークで性能向上を確認した。
原題: Inference Time Policy Optimization for Offline RL with Differentiable World Models / Rohan Deb, Stephen J. Wright, Arindam Banerjee
日本語で読む → - 論文VLA/強化学習機械学習
AcceRL: 視覚言語行動モデルのための分散非同期強化学習と世界モデルフレームワーク
同期バリアと環境データ取得コストによるボトルネックを解消するため、環境ロールアウト・モデル推論・勾配更新を物理的に分離した分散非同期RLフレームワークを提案し、スループットとサンプル効率を大幅に向上させた。
原題: AcceRL: A Distributed Asynchronous Reinforcement Learning and World Model Framework for Vision-Language-Action Models / Chengxuan Lu, Shukuan Wang, Yanjie Li 他
日本語で読む → - 論文強化学習機械学習
統一ポリシー価値分解による迅速な適応
ポリシーと価値関数が低次元の目標埋め込みを共有する枠組みを導入し、事前学習で二線形分解を行い、テスト時には勾配更新なしで即座に新しいタスクへ適応する手法を提案した。
原題: Unified Policy Value Decomposition for Rapid Adaptation / Cristiano Capone, Luca Falorsi, Andrea Ciardiello 他
日本語で読む → - 論文強化学習/ヒューマノイド制御機械学習
FastDSAC: 高次元ヒューマノイド制御における最大エントロピー強化学習の可能性を引き出す
高次元のヒューマノイド制御で、次元ごとのエントロピー調整と連続分布型クリティックを導入し、最大エントロピー強化学習の性能を大幅に向上させた。
原題: FastDSAC: Unlocking the Potential of Maximum Entropy RL in High-Dimensional Humanoid Control / Jun Xue, Junze Wang, Shanze Wang 他
日本語で読む → - 論文連続強化学習機械学習
ARROW: 拡張リプレイによる堅牢な世界モデル
連続強化学習における破滅的忘却を防ぐため、モデルベースRLアルゴリズムDreamerV3に、短期・長期の2つのバッファを持つメモリ効率の良いリプレイ手法を導入し、タスク多様性を保ちながら学習を安定化させる手法を提案した。
原題: ARROW: Augmented Replay for RObust World models / Abdulaziz Alyahya, Abdallah Al Siyabi, Markus R. Ernst 他
日本語で読む → - 論文強化学習機械学習
ベルマン整合性とハイブリッド批評家によるクロスドメイン方策最適化
強化学習において、ソースドメインのデータを活用してターゲットドメインの学習を効率化するクロスドメイン転移を扱い、ドメイン間の状態・行動空間の違いと転移の負の影響を同時に解決する手法QAvatarを提案した。
原題: Cross-Domain Policy Optimization via Bellman Consistency and Hybrid Critics / Ming-Hong Chen, Kuan-Chen Pan, You-De Huang 他
日本語で読む → - 論文モデルベース強化学習機械学習
Dreamer-CDP: 連続決定論的表現予測による再構築不要ワールドモデルの改善
Dreamerなどのモデルベース強化学習エージェントで、観測再構築を使わずにJEPAスタイルの連続決定論的表現予測を導入し、Crafter環境で再構築ベース手法と同等の性能を達成した。
原題: Dreamer-CDP: Improving Reconstruction-free World Models Via Continuous Deterministic Representation Prediction / Michael Hauri, Friedemann Zenke
日本語で読む → - 論文オフライン強化学習機械学習
IPD: オフライン強化学習における想像的計画蒸留による逐次方策の強化
オフライン強化学習の逐次方策モデルに対し、世界モデルと準最適価値関数を用いて劣った軌道を特定し、想像上の最適ロールアウトを生成してデータ拡張と蒸留を行う新しい枠組みIPDを提案した。
原題: IPD: Boosting Sequential Policy with Imaginary Planning Distillation in Offline Reinforcement Learning / Yihao Qin, Yuanfei Wang, Hang Zhou 他
日本語で読む → - 論文メタ強化学習機械学習
オフラインメタ強化学習のための文脈潜在世界モデル
オフラインのメタ強化学習において、タスク表現を潜在世界モデルに条件付けして共同学習することで、タスク依存のダイナミクスを捉える表現を獲得し、未見タスクへの汎化性能を向上させた。
原題: Contextual Latent World Models for Offline Meta Reinforcement Learning / Mohammadreza Nakheai, Aidan Scannell, Kevin Luck 他
日本語で読む → - 論文強化学習/自律走行ロボティクス
専門知識駆動型強化学習による自律レーシング:軌道誘導と動的制約の活用
最小曲率レーシングラインによる軌道誘導と車両動的制約を強化学習に組み込み、二段階カリキュラム学習で安定走行から高速走行へと段階的に学習する自律レーシング手法を提案した。
原題: Expert Knowledge-driven Reinforcement Learning for Autonomous Racing via Trajectory Guidance and Dynamics Constraints / Bo Leng, Weiqi Zhang, Zhuoren Li 他
日本語で読む → - 論文強化学習機械学習
タスクと行動の分離:ロボティクス強化学習における二段階報酬カリキュラム
報酬設計の難しさを解決するため、タスク報酬と行動報酬を分離し、まずタスクのみで学習してから行動報酬を導入する二段階カリキュラムを提案した。
原題: Decoupling Task and Behavior: A Two-Stage Reward Curriculum in Reinforcement Learning for Robotics / Kilian Freitag, Knut Åkesson, Morteza Haghir Chehreghani
日本語で読む → - 論文VLA/強化学習ロボティクス
π-StepNFT: フローベースVLAのオンライン強化学習における広い空間には細かいステップが必要
フローベースの視覚言語行動モデルに対する新しい強化学習フレームワークを提案し、尤度計算や価値ネットワークを不要にして、単一の順伝播でステップごとのガイダンスを提供する。
原題: $\pi$-StepNFT: Wider Space Needs Finer Steps in Online RL for Flow-based VLAs / Siting Wang, Xiaofeng Wang, Zheng Zhu 他
日本語で読む → - 論文強化学習/操作ロボティクス
D-SPEAR: ロボット操作における安定強化学習のための二重ストリーム優先経験適応リプレイ
アクターとクリティカルのサンプリングを分離し、適応アンカー機構で優先度付きリプレイと一様リプレイを切り替えることで、ロボット操作タスクでの強化学習の安定性と性能を向上させる手法を提案した。
原題: D-SPEAR: Dual-Stream Prioritized Experience Adaptive Replay for Stable Reinforcement Learning in Robotic Manipulation / Yu Zhang, Karl Mason
日本語で読む → - 論文安全強化学習機械学習
LTL制約をPPOに統合した安全な強化学習
線形時相論理(LTL)で記述された安全制約をPPOに統合し、制約違反を監視してペナルティ信号に変換することで、安全な強化学習を実現するフレームワークを提案した。
原題: Integrating LTL Constraints into PPO for Safe Reinforcement Learning / Maifang Zhang, Hang Yu, Qian Zuo 他
日本語で読む → - 論文手術ロボティクス/オフライン強化学習ロボティクス
SutureFormer: ピクセル空間における目標条件付きオフライン強化学習による手術軌道の学習
内視鏡映像から針先の軌道を逐次意思決定問題として捉え、スプライン補間で疎な注釈を密な報酬に変換する目標条件付きオフライン強化学習フレームワークを提案した。
原題: SutureFormer: Learning Surgical Trajectories via Goal-conditioned Offline RL in Pixel Space / Huanrong Liu, Chunlin Tian, Tongyu Jia 他
日本語で読む → - 論文強化学習AI
タスクをスケールせよ:マルチタスクモデルベース強化学習によるヒューマノイド制御の習得
サンプル数ではなくタスク数を増やすことで、モデルベース強化学習がヒューマノイドの多様なスキルを効率的に学習できることを示した論文。
原題: Scaling Tasks, Not Samples: Mastering Humanoid Control through Multi-Task Model-Based Reinforcement Learning / Shaohuai Liu, Weirui Ye, Yilun Du 他
日本語で読む → - 論文安全強化学習機械学習
制約付き楽観的探索を用いたオフポリシー安全強化学習
安全制約を満たすオフポリシー強化学習アルゴリズムCOX-Qを提案し、コスト制約付き探索と分布価値学習により、サンプル効率と安全性を両立させた。
原題: Off-Policy Safe Reinforcement Learning with Constrained Optimistic Exploration / Guopeng Li, Matthijs T. J. Spaan, Julian F. P. Kooij
日本語で読む → - 論文強化学習/探索ロボティクス
どこで学ぶか:オンポリシーロボット強化学習のための解析的方針勾配による指向的探索
微分可能な力学モデルからの解析的方針勾配を用いて、タスク認識かつ物理に基づくガイダンスを注入し、高報酬領域への探索を促進する新しい指向的探索手法を提案した。
原題: Where-to-Learn: Analytical Policy Gradient Directed Exploration for On-Policy Robotic Reinforcement Learning / Leixin Chang, Xinchen Yao, Ben Liu 他
日本語で読む → - 論文逆強化学習ロボティクス
逆強化学習による人間動作のグローバル意図推定に向けて
単一の統一コスト関数で人間の到達動作を説明・予測できるかを、逆強化学習を用いて検証し、時間変化するコスト重みが軌道再構成を大幅に改善することを示した論文。
原題: Toward Global Intent Inference for Human Motion by Inverse Reinforcement Learning / Sarmad Mehrdad, Maxime Sabbah, Vincent Bonnet 他
日本語で読む → - 論文強化学習/形態制御協調設計機械学習
スタッケルベルグ近位方策最適化による効率的な形態・制御協調設計
ロボットの形態と制御方策を同時に最適化する問題をスタッケルベルグゲームとして定式化し、制御の適応ダイナミクスを明示的に組み込んだ新しいアルゴリズムを提案した。
原題: Efficient Morphology-Control Co-Design via Stackelberg Proximal Policy Optimization / Yanning Dai, Yuhui Wang, Dylan R. Ashley 他
日本語で読む → - 論文移動操作/強化学習/リスク認識ロボティクス
移動操作のためのリスク認識強化学習
移動マニピュレータのリスク認識行動を学習する手法を提案。分布強化学習でリスク中立な教師ポリシーを訓練し、歪みリスク指標でリスク調整した後、模倣学習で深度観測に基づく学生ポリシーに蒸留する。
原題: Risk-Aware Reinforcement Learning for Mobile Manipulation / Michael Groom, James Wilson, Nick Hawes 他
日本語で読む →
PR・アフィリエイト広告
