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: 2026/9/2 / 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 →- 論文画像フォレンジック画像認識
テキスト中心画像フォレンジックのための証拠誘導型検出・位置特定・説明システム
テキスト改ざん画像の真偽判定、改ざん領域の特定、証拠に基づく説明を統合したシステムを提案し、ACM Multimedia 2026のチャレンジで2位を獲得した。
原題: Evidence-Guided Detection, Localization and Explanation for Text-Centric Image Forensics / Peifeng Liu, Bin Li, Qingsong Zhang 他
日本語で読む → - 論文ポーズ推定ロボティクス
独自の経路を辿る:外れ値ロバストなポーズ登録に適用する高速認証器
凸緩和の退化により従来の認証が困難な問題に対し、候補解から中央経路に近い領域を探索して効率的に最適性を認証する手法CP-Certを提案し、ポーズ登録とデータ対応に適用して高速化を実証した。
原題: Following a Unique Path: A Fast Certifier Applied to Outlier-Robust Pose Registration / Connor Holmes, Abhishek Goudar, Timothy D. Barfoot
日本語で読む → - 論文セグメンテーション画像認識
エンコーダは実際に何を決めているのか?樹木のジョイントセグメンテーションとステレオ深度における視覚バックボーンの制御比較
同一条件で視覚バックボーンを比較し、樹木のセグメンテーションと深度推定において畳み込み・ハイブリッドがTransformerより優れ、パラメータ数が品質を予測しないことを示した。
原題: What Does the Encoder Actually Decide? A Controlled Comparison of Vision Backbones on Joint Tree Segmentation and Stereo Depth / Yida Lin, Bing Xue, Mengjie Zhang 他
日本語で読む → - 論文自動運転ロボティクス
代理学習から運転判断へ:将来認識型自動運転プランナー評価のための転移ベースフレームワーク
将来情報を用いた自動運転プランナーの性能向上主張を検証するための分析フレームワークPDTを提案し、代理指標の改善が実際の運転判断改善に転移するかを評価する。
原題: From Proxy Learning to Driving Decisions: A Transfer-Based Framework for Evaluating Future-Aware Autonomous Driving Planners / Yikai Wu
日本語で読む → - 論文VLA画像認識
LookStep: 言語的先見とイベント駆動メモリによる効率的な視覚言語ナビゲーション
視覚言語ナビゲーションのための、言語ラベルによる将来状態予測とイベント駆動型メモリを組み合わせた効率的なエンドツーエンドフレームワークを提案。
原題: LookStep: Efficient Vision-Language Navigation with Linguistic Foresight and Event Driven Memory / Kun-Yang Yu, Yingzhe Li, Hongyu Xu 他
日本語で読む → - 論文WebエージェントAI
Webエージェントのための判別的世界モデル
Webエージェントの行動選択を改善するため、予測状態マッチングという新しい学習目的を導入し、真の結果状態と代替行動の結果を区別できる世界モデルを訓練した。
原題: Discriminative World Models for Web Agents / Kelvin Li, Dhruv Pendharkar, Anish Pahilajani 他
日本語で読む → - 論文歩行ロボティクス
足場制約地形におけるヒューマノイドのためのワールドモデル拡張視覚歩行
本研究では、不連続な足場制約地形でのヒューマノイド歩行を改善するため、リカレントワールドモデルとPPOポリシーを共同訓練するWM-LOCOを提案し、シミュレーションと実機で高い成功率を達成した。
原題: World-Model-Augmented Visual Locomotion for Humanoids on Foothold-Constrained Terrain / Yuxi Liu, Lijun Han, Ziming Wang 他
日本語で読む → - 論文VLA/解釈可能性ロボティクス
視覚・言語・行動モデルの潜在クラスタ解析
VLAモデルの内部表現を層ごとに解析し、行動デコーダの潜在空間をクラスタリングして解釈可能な概念を抽出するフレームワークを提案した。
原題: Latent Cluster Analysis for Vision-Language-Action Models / Theodor Wulff, Sergio Lanza, Tamara Bila 他
日本語で読む → - 論文状態推定ロボティクス
より良い想像上のロールアウトはより良いロボット制御を意味するか?フィードバック下でのワールドモデル評価の統制研究
ロボットの状態推定器の評価指標として、オープンループの予測精度よりもクローズドループの追従性能との相関が重要であることを示し、リプレイ誤差がロールアウト誤差よりも優れた指標であることを実験的に明らかにした。
原題: Do Better Imagined Rollouts Mean Better Robot Control? A Controlled Study of World-Model Evaluation Under Feedback / Dharini Raghavan, Amritpal Singh
日本語で読む → - 論文UAV/パノラマ視覚ロボティクス
マルチ魚眼センシングからパノラマ知覚へ:超低空UAV向けパララックス対応オンボードプラットフォーム
超低空飛行するUAVの周囲視覚を実現するため、4つの魚眼カメラ映像をパララックスを考慮してシームレスなパノラマ画像に統合するオンボードプラットフォームを提案・評価した。
原題: From Multi-Fisheye Sensing to Panoramic Perception: A Parallax-Aware Onboard Platform for Ultra-Low-Altitude UAVs / Dun Dai, Ze Lu, Cheng He 他
日本語で読む → - 論文安全性機械学習
SEAL: 共有エキスパートの整合によるMixture-of-Expertsのグローバル安全性強化
MoEモデルの安全性を強化するため、常時活性化される共有エキスパートに着目し、ルータ非依存の防御手法SEALを提案した。
原題: SEAL: Reinforcing Global Safety in Mixture-of-Experts through Shared Expert ALignment / Qingyu Meng, Yiwei Zha, Jiahuan Pei 他
日本語で読む → - 論文LiDARセマンティックセグメンテーションロボティクス
実世界展開に向けた頑健なLiDARセマンティックセグメンテーション:粗いラベル、悪条件下、ドメインシフトでの評価
LiDARセマンティックセグメンテーションの実展開性を、粗いラベル、8種類の劣化、ドメイン汎化の3軸で評価するプロトコルを提案し、既存手法の性能と限界を明らかにした。
原題: Toward Robust LiDAR Semantic Segmentation for Real-World Deployment: Evaluation under Coarse Labels, Adverse Conditions, and Domain Shifts / Samir Abou Haidar, Alexandre Chariot, Mehdi Darouich 他
日本語で読む → - 論文世界モデル機械学習
AGI迷路予測データセット:トランスフォーマーによる世界ダイナミクス学習のためのコンパクトなベンチマーク
手続き的に生成されたグリッドワールドを用いて、トランスフォーマーの世界モデル能力を評価するための軽量ベンチマークを提案し、空間メモリを持つアーキテクチャが有効であることを示した。
原題: AGI Maze Prediction Datasets: A Compact Benchmark for Learning World Dynamics with Transformers / Alexey Potapov
日本語で読む → - 論文制御ロボティクス
グローバル・ローカル可観測量を用いたKoopman演算子による多セグメント柔軟ロボットアームのリアルタイム形状制御
多セグメント柔軟ロボットアームの形状制御を、Koopman演算子に基づくモデル予測制御とグローバル・ローカル可観測量の組み合わせで実現し、最大10セグメントの数値実験と3・5セグメントの物理実験でリアルタイム性能とロバスト性を示した。
原題: Real-Time Shape Control of Multi-Segment Soft Robotic Arms Using Koopman Operators with Global and Local Observables / Jiahe Wang, Eron Ristich, Sultan Haidar Ali 他
日本語で読む → - 論文VLAロボティクス
ShieldVLA: 視覚言語行動モデルのための実行可能性を考慮した安全アライメント
視覚言語行動モデルに対し、ハミルトン・ヤコビ到達可能性に基づく安全クリティックを学習させ、安全領域内での報酬最大化と危険時の回復を分離するファインチューニング手法を提案。安全性コストを平均57%削減し、タスク成功率も向上させた。
原題: ShieldVLA: Feasibility-Aware Safety Alignment for Vision-Language-Action Models / Manan Tayal, Akshay Nambi
日本語で読む → - 論文VLAロボティクス
静かなる妨害:LLM搭載ロボットシステムに対する内部状態トリガーバックドア攻撃
LLMで制御されるロボットに、外部刺激ではなくロボット自身の過去の行動履歴をトリガーとする隠れたバックドアを埋め込めることを示し、通常時は性能を保ちつつ特定条件下で停止や衝突を引き起こせることを実験で明らかにした。
原題: Silent Sabotage: Internal State Triggered Backdoor Attacks on LLM-Powered Robotic Systems / Doniyorkhon Obidov, Shivayogi Akki, Tan Chen 他
日本語で読む → - 論文HRI/オントロジーHCI
対話型人間-ロボット相互作用における矛盾の特定と解決のための基盤オントロジー構築
人間とロボットの対話中の矛盾を体系的に定義・表現するための基盤オントロジーを、活動理論に基づいて構築する研究。
原題: Towards a Foundational Ontology for Identifying and Resolving Contradictions in Dialogue-based Human-Robot Interactions / Maitreyee Tewari, Michele Persiani
日本語で読む → - 論文操作ロボティクス
変化をモデル化する:オブジェクト中心操作のためのスパース残差世界モデル
世界モデル全体を予測する代わりに、変化するオブジェクトのみをゲートと残差で更新するスパース残差モデルを提案し、テーブルトップ押し操作で高精度・高効率を実証した。
原題: Modeling What Changes: Sparse, Residual World Models for Object-Centric Manipulation / Param Thakkar, Parsika Paresh Shah, Manisha Sushant Gote
日本語で読む → - 論文3Dプリンティングcs.GR
WildFab: 実世界モデルからの多軸3Dプリンティング
実世界の複雑な3Dモデル(ソリッドとシェルの組み合わせや非多様体構造を含む)を直接処理し、多軸3Dプリンティングのための空間ツールパスと衝突回避動作を計算するフレームワークを提案。ニューラル符号なし距離場と正則化一般化巻き数場を組み合わせたハイブリッド表現を用いる。
原題: WildFab: Multi-Axis 3D Printing from Models in the Wild / Jiasheng Qu, Zhikai Shen, Chenyu Xu 他
日本語で読む → - 論文LLMエージェントAI
SkillGLoW: 手続き的ファミリーのスキル統合による長期的タスクストリーム上の自己改善エージェント
LLMエージェントが長期的なタスク群で自己改善する際、タスク間で共有される解決手順を「手続き的ファミリー」として集約・圧縮し、タスク固有の詳細は再生成するスキル管理手法SkillGLoWを提案した。
原題: SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams / Ao Yan, Xin Zhang, Jiawei Du 他
日本語で読む → - 論文画像フォレンジック画像認識
検出から位置特定へ:完全合成画像と改ざん画像のための統合フォレンジックフレームワーク
生成モデルによる偽画像の検出を、従来の二値分類から多クラス分類(本物・完全生成・改ざん)に拡張し、さらに改ざん領域の画素単位の位置特定を行う統合フレームワークを提案した。
原題: From Detection to Localization: A Unified Forensics Framework for Fully Synthetic and Tampered Images / Annalisa Gallina, Marco Fiorucci, Marco Brigo 他
日本語で読む → - 論文宇宙機/世界モデルロボティクス
GPU加速宇宙機ランデブー・近傍運用のための世界モデル
宇宙機のランデブー・ドッキング運用に世界モデルを初適用し、GPU並列シミュレーション環境とトランスフォーマー型世界モデルを構築、強化学習より高効率な計画性能を示した。
原題: GPU-Accelerated Astrodynamics World Models for Spacecraft Rendezvous and Proximity Operations / Duncan Eddy, Isaac R. Ward, Grace Ra Kim 他
日本語で読む → - 論文マニピュレーションロボティクス
リアルタイム動力学に基づくトルクサンプリングMPPIによるコンプライアントで力認識のマニピュレーション
MPPIベースのタスク空間制御フレームワークを提案し、剛体動力学をリアルタイムMPCで解き、安全制約を課すことで、非構造環境での正確な運動・力制御とコンプライアントな物理的相互作用を実現した。GPU並列化を活用したトルクサンプリング方式により、166Hz以上の更新レートを達成し、7自由度マニピュレータで実証した。
原題: Real-Time Dynamics-Based Torque-Sampling MPPI for Compliant and Force Aware Manipulation / Euncheol Im, Taehyun Kim, Yonghwan Oh 他
日本語で読む → - 論文マニピュレーションロボティクス
MS-MEM: 不確実性・外乱を考慮した行動選択によるマルチスキル操作強化マッピング
棚などの閉鎖的で散らかった環境でのシーン理解を高めるため、能動視点選択・物体押し・把持を統合し、不確実性を考慮したマッピングと外乱制約付き行動選択を提案した。
原題: MS-MEM: Multi-Skill Manipulation-Enhanced Mapping via Uncertainty- and Disturbance-Aware Action Selection / Yitian Shi, Jesper Mücke, Nils Dengler 他
日本語で読む → - 論文VLA画像認識
SimpleMemVLA: 視覚言語行動モデルのためのシンプルかつ効果的なネイティブビデオメモリ
専用メモリモジュールを使わず、過去の観察をタイムスタンプ付きビデオとしてそのままバックボーンに渡すことで、長時間の操作タスクで高い性能を達成するVLAを提案した。
原題: SimpleMemVLA: A Simple but Effective Native-Video Memory for Vision-Language-Action Models / Cheng Yin, Wang Xu, Junpeng Yang 他
日本語で読む → - 論文キャリブレーションロボティクス
接触拘束に基づく人型ロボット下肢関節オフセット校正
外部計測装置を使わず、内蔵エンコーダと骨盤IMUのみで、静的両足接地時の接触拘束を利用して下肢関節オフセットを校正する手法を提案。シミュレーションと実機で精度向上を確認した。
原題: Contact-Constrained Lower-Limb Joint-Offset Calibration for Humanoid Robots / Kaixiang Lu, Haiyu Lan, Chunxiao Qiao 他
日本語で読む → - 論文VLA画像認識
幾何学的潜在拡散による空間認識ワールドアクションモデル
事前学習済みビデオ拡散モデルをRGBと深度の同時予測に拡張し、3D情報を活用したロボットポリシー学習を実現する空間認識ワールドアクションモデル(SA-WAM)を提案した。
原題: Spatially Aware World Action Model via Geometric Latent Diffusion / Javier Alejandro Lopetegui Gonzalez, Paul Pacaud, Cordelia Schmid
日本語で読む → - 論文水中ロボティクスロボティクス
水中ロボティクスの民主化を進めるMini-Girona I-AUV:RAMI 2025での成果
約5万ドルで製作可能な低コスト水中介入AUV「Mini-Girona」を開発し、学生競技会RAMI 2025で2位を獲得した設計と性能を報告する論文。
原題: Advancing Accessible Underwater Robotics: The Mini-Girona I-AUV at RAMI 2025 / Taqi Hamoda, Bilal Ahmed, Deborah Ele-Ojo 他
日本語で読む → - 論文解釈可能性自然言語
知っているのに聞かれた時だけ言う:LLM内部診断とMinerva-7Bの分裂的認知
言語モデルの内部表現を解析・操作する「LLM内部診断」を提案し、Minerva-7Bがリスクを内部で区別しながら行動には反映しないこと、誤った前提に従いつつ内部には真実を保持することを示した。
原題: Knowing, and Saying It Only When Asked: LLM Endognostics and the Schizognosis of Minerva-7B / Fabrizio Davide, Francesco Collova
日本語で読む → - 論文データエンジン/操作学習画像認識
RoboTok: 人間のデモンストレーション検索と器用な操作学習のためのインターネット規模データエンジン
クエリ動画から関連する人間の操作デモをウェブ動画から検索し、器用なロボットポリシーの訓練に利用するデータエンジンを提案。3D手の軌跡に基づく潜在動作空間を学習し、視点や外観の変化に頑健な検索を実現。
原題: RoboTok: An Internet-Scale Data Engine for Human Demonstration Retrieval and Dexterous Manipulation Learning / Howard Qian, Yiting Chen, Yunfei Xie 他
日本語で読む →
PR・アフィリエイト広告
