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: 2026/9/1 / 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/MPCロボティクス
MPCソルバー勾配ガイダンスによる強化学習の加速:重み可変MPC向け
モデル予測制御(MPC)のコスト重みを適応的に学習する際、強化学習のサンプル効率を向上させるため、微分可能MPCのソルバー勾配を補助ガイダンスとして利用するSG-RL手法を提案した。自動レースプラットフォームで最大70.6%のサンプル削減を実証した。
原題: Accelerating Reinforcement Learning via MPC Solver-Gradient Guidance for Weights-varying MPC / Baha Zarrouki, Arslan Thobani, Jasper Hoffmann 他
日本語で読む → - 論文ロボット操作ロボティクス
非把持スローイング:強化学習の視点から
ロボットによる物体投げ動作を強化学習で実現し、滑りや転がりを活用して把持不要の投げを可能にした。シミュレーションで99%の成功率を達成し、実機への適用も考慮している。
原題: Non-Prehensile Throwing: A Reinforcement Learning Perspective / Abdullah Mustafa, Ryo Hanai, Ixchel G. Ramirez-Alpizar 他
日本語で読む → - 論文VLAAI
家庭用デバイスの汎用的視覚基盤探索に向けて
視覚言語モデルが未知の家庭用デバイスを操作する能力を評価する新しいベンチマークVGEBenchを提案し、既存モデルが知識を物理的操作に変換するのが難しいことを示した。
原題: Towards Generalizable Visually Grounded Exploration of Household Devices / Linhao Zheng, Zeming Liu, Wangke Chen 他
日本語で読む → - 論文VLAロボティクス
EmbodiedSkills: VLAエージェントの統合フレームワーク
VLAモデルを長期的タスクに適用するための、実行提案としてのスキル判断を検証する統合フレームワークを提案。
原題: EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents / Wei Wang, Wenqiao Zhang, Yutong Lin 他
日本語で読む → - 論文動作計画AI
二重プロセスによる動作計画
ロボットの動作計画において、記号的ソルバーと学習ベースのモジュールを組み合わせた二重プロセスアーキテクチャを提案し、効率性と精度の向上を実証した。
原題: Dual Process Motion Planning / Jiayi Yan, Francesco Fabiano, Alessandro Abate
日本語で読む → - 論文群制御ロボティクス
艦隊にはコンテキストプレーンが必要:自律ドローンの協調認識の再考
ドローン艦隊の協調認識において、設計時に固定された特徴共有ポリシーではなく、実行時にミッションや帯域などの複数のコンテキストに適応する「コンテキストプレーン」という軽量なインターフェースを提案し、低オーバーヘッドで精度を維持できることを示した。
原題: Fleets Need a Context Plane: Rethinking Cooperative Perception for Autonomous Drones / Liangkai Liu, Xiaoxiao Wu
日本語で読む → - 論文画像レタッチ画像認識
目を描く:視覚的焦点強調のための意図駆動型画像レタッチエージェント
ユーザーの弱い意図(数回のクリックや粗いストローク)から視覚的焦点を推定し、拡散モデルを用いて自然な画像レタッチを行うMLLM駆動エージェント「EyeControl」を提案した。
原題: Dotting the Eye: An Intent-Driven Image Retouching Agent for Visual Focus Enhancement / Chujie Qin, Zilong Zhang, Zewei Chang 他
日本語で読む → - 論文VLA画像認識
部品のグラウンディングこそがボトルネック:VLMのアフォーダンス予測における失敗要因の特定
VLMのアフォーダンス予測を「対象部品の特定」と「必要な動作の知識」に分離し、失敗の主因が動作知識の欠如ではなく部品グラウンディングにあることを19物体・8モデルの実験で示した。
原題: Part Grounding, Not Action Knowledge: Locating the Bottleneck in VLM Affordance Prediction / Sarthak Sattigeri
日本語で読む → - 論文制御ロボティクス
ロボットマニピュレータの古典PIDによる大域的整定可能性について
不確かなMIMO非線形システムに対し、チャネルごとの相対次数に応じた拡張PID制御器を設計し、適切なパラメータ選択で半大域的安定性と目標値への整定を保証する手法を提案した。
原題: On Global Regulatability of Robot Manipulators by Classical PID / Cheng Zhao, Jingru Zhu, Lei Guo
日本語で読む → - 論文モデル予測制御ロボティクス
ProxPI: 学習済み事前分布の不一致下でのサンプリングベースMPCに対する近接事前分布注入
学習済みポリシーとMPCを組み合わせる際、事前分布が不正確な場合にサンプリング分布をポリシー出力に中心化する既存手法の問題を指摘し、名目中心のサンプリングを維持しつつポリシーを近接コストとして組み込むProxPIを提案。理論と実験で性能回復を実証。
原題: ProxPI: Proximal Prior Injection for Sampling-Based MPC under Learned-Prior Mismatch / Euncheol Im, Myotaeg Lim, Yisoo Lee
日本語で読む → - 論文物理的HRI/制御ロボティクス
拘束付き物理的ヒューマン・ロボットインタラクションのための行動-実現分離
所望の行動仕様と拘束付き実現を分離し、再帰的ホライズン二次計画法で実現する枠組みを提案。シミュレーションでインピーダンス/アドミッタンス制御の切り替えや拘束違反の低減を実証した。
原題: Behavior--Realization Separation for Constrained Physical Human--Robot Interaction / Yongyan Cao
日本語で読む → - 論文ナビゲーションロボティクス
屋外ロボットのための障害物対応自律巡回・ナビゲーション
屋外での長時間巡回を実現するため、RTK-GNSSとEKFによる高精度位置推定、カバレッジプランナの改良、行動木によるミッション管理を統合したROS 2アーキテクチャを提案し、シミュレーションと実機で93〜96%の巡回率を達成した。
原題: Obstacle-Aware Autonomous Coverage and Navigation for Outdoor Robots / Leonardo Gargani, Matteo Frosi, Matteo Matteucci
日本語で読む → - 論文ソフトロボティクス/アクチュエータロボティクス
1回の印刷で多様な動き:折り紙に着想を得た一体型ソフト多自由度アクチュエータ
折り紙構造と剛性の空間パターン化により、ソフト材料の柔軟性を保ちつつ正確な折り畳み動作を実現する、単一材料・単一印刷で作れるアクチュエータを提案。複数連結して多自由度システムを構成し、VR触覚デバイスや水中グリッパーなど3つの応用を示した。
原題: One Print, Many Moves: Monolithic Origami-inspired Folding Actuator for Composable Soft Multi-DoF Systems / Jaehyung Jang, Zhenish Zhakypov, Jasmin Elena Palmer 他
日本語で読む → - 論文能動知覚/動作計画ロボティクス
SG-AMP: シーングラフ誘導型能動知覚と意味認識に基づくピーマン植物の動作計画
ピーマン植物の収穫ロボット向けに、シーングラフで未観測の果実-茎接続を仮説化し、能動視点計画と意味認識動作計画を統合したシステムを提案した。
原題: SG-AMP: Scene-Graph-Guided Active Perception and Semantics-Aware Motion Planning for Pepper Plants / Rohit Menon, Shiva Rudra Lolla, Niklas Mueller-Goldingen 他
日本語で読む → - 論文マニピュレーションロボティクス
Facet-0: 接触を伴う精密操作のためのロボット基盤モデル
接触の結果を予測・評価するロボット基盤モデルを提案し、サブミリ精度の組立タスクで高い成功率を達成した。
原題: Facet-0: A Robotic Foundation Model for Contact-Rich Precise Manipulation / Haoyuan Deng, Haichao Liu, Wenkai Guo 他
日本語で読む → - 論文VLA/ベンチマークロボティクス
Behavior-Skill: 長期的タスクにおける視覚-言語-行動ポリシー評価のための細粒度ベンチマーク
長期的なモバイル操作タスクを構成するスキル単位で学習・評価するベンチマークを提案し、VLAポリシーの失敗箇所を詳細に分析できるようにした。
原題: Behavior-Skill: A Fine-Grained Benchmark for Evaluating Vision-Language-Action Policies in Long-Horizon Tasks / Chunyun Ma, Lun Luo, Xingjian Luo 他
日本語で読む → - 論文VLA画像認識
ZimaBlue: スケーラブルなビデオ事前学習による汎化可能な世界行動モデルの進化
大規模な一人称視点ビデオからロボット制御のための世界行動モデルを学習するフレームワークを提案し、実機ゼロショット評価で成功率を大幅に向上させた。
原題: ZimaBlue: Evolving Generalizable World Action Models through Scalable Video Pre-training / Xionghao Wu, Yijun Yang, Shiyang Zhou 他
日本語で読む → - 論文位置推定画像認識
HorizonNet: 視覚による地形ナビゲーションのための地平線検出
この論文は、沿岸域や群島で動作する無人水上艇の位置推定を、360度パノラマ画像から地平線を抽出し、DEMデータと相関を取ることで行う手法を提案している。
原題: HorizonNet for visual terrain navigation / Bertil Grelsson, Andreas Robinson, Michael Felsberg 他
日本語で読む → - 論文触覚画像認識
近接3D:センシング多様体上の容量近接による形状復元
曲面状の容量性テキスタイルを形状センサとして用い、その表面を非平面センシング多様体として扱い、容量近接場から物体形状を復元する多視点フィードフォワードモデルを提案した。
原題: Proximity3D: Shape from Capacitive Proximity on Sensing Manifold / Hao Chen, Chenming Wu, Chun Ping Lam 他
日本語で読む → - 論文ナビゲーションロボティクス
LightNav-0: 汎用身体性ナビゲーションのためのVLM空間知能の引き出し
事前学習済み視覚言語モデルの空間知能をナビゲーション制御に直接活用する、タスク非依存の汎用ナビゲーションモデルLightNav-0を提案。統一トークンインターフェースと残差VQアクショントークナイザにより、指示追従・物体探索・視覚追跡を単一モデルで実現する。
原題: LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation / Shaoan Wang, Aocheng Luo, Fei Huang 他
日本語で読む → - 論文ロボット運動学ロボティクス
一般的な3Rロボットの幾何学的解析と、直交ロボットのクラスが4つの逆運動学解を持つための必要十分条件
共形幾何代数に基づく手法を用いて、一般的な3Rロボットの逆運動学解析を行い、4つの逆運動学解を持つための条件を幾何学的に導出した。特に、直交ロボットのクラスに対して必要十分条件を提示している。
原題: Geometric analysis of generic 3R robots, and necessary and sufficient conditions for a class of orthogonal robots to have four IKS / Durgesh Haribhau Salunkhe, Abhilash Nayak
日本語で読む → - 論文VLA/自動運転画像認識
VLA運転のためのマルチ軌道教師信号とポリシー最適化の整合
VLA運転モデルにおいて、マルチ軌道模倣学習とGRPOを整合させる新しいフレームワークを提案し、非実行可能な軌道による勾配バイアスをパレート最適性と動的蒸留で解消する。
原題: Aligning Multi-Trajectory Supervision with Policy Optimization for VLA Driving / Tian Zhang, Zhuo Huang, Hongrui Ye 他
日本語で読む → - 論文プランニング/行動モデル学習AI
不確実性誘導探索による条件付き・量化効果を持つ行動モデルの学習
限られた環境との相互作用から、条件付き効果や量化効果を含む行動モデルをオンラインで学習する手法OHCAMを提案。仮説間の不一致を最大化する行動選択で不確実性を減らし、ノイズに頑健で、実ロボットでも有効性を確認した。
原題: Learning Action Models with Conditional and Quantified Effects via Uncertainty-Guided Exploration / Jeffrey Jewett, William Solow, Sandhya Saisubramanian
日本語で読む → - 論文ソフトロボティクス/強化学習ロボティクス
ソフトロボットにおける全身インタラクションによる推論と操作の学習
ソフトロボットの腕全体を使った接触から物体情報を推論し、把持操作を行う強化学習フレームワークを提案。探索と把持を統合したリカレントポリシーとsim-to-real適応により、視覚なしでの把持を実現。
原題: Learning to infer and manipulate through distributed whole-arm interaction in a soft robot / Chuhan Zhang, Ebrahim Shahabi, Kseniia Khomenko 他
日本語で読む → - 論文マニピュレーションロボティクス
Zeva: 文脈内因果学習による汎用身体操作の実現
ロボットが実環境での物理的相互作用からその場で学習し、その知識を次の行動に活かすフレームワークZevaを提案。ポリシーモデルを凍結したまま、因果相互作用抽出器と二重タイムスケールの因果メモリを用いて、実行した行動と状態変化を符号化し、後の行動の文脈として注入する。シミュレーションと実機操作で最先端のVLAやWAMを上回る性能を示し、勾配更新なしで自己進化を実現。
原題: Zeva: In-Context Causal Learning for Generalizable Embodied Manipulation / Fu Chen, Xin Ding, Bingjia Huang 他
日本語で読む → - 論文自動運転cs.SE
オープンソース自動運転システムの解析と、強化学習テストおよび大規模言語モデルを用いた学際的ハードウェアインザループ研究パラダイム
複数車両の実車実験、コード再利用、ソフトウェア・ハードウェア連携テストを統一的にレビュー可能な枠組みを提案し、Apollo-on-Hongqi EV環境で実証した。
原題: Open-Source Autonomous Driving System Analysis and Multi-Disciplinary Hardware-in-the-Loop Research Paradigm with Reinforcement-Learning Testing and Large Language Models / Dianjing Cheng, Yike Li, Lan Yang 他
日本語で読む → - 論文3D視覚的グラウンディング画像認識
SeqAlign3DVG: シーケンス整合ベンチマークとボクセル推論フレームワークによる3D視覚的グラウンディング
時間順序と観測整合性を備えた画像ベース3D視覚的グラウンディングの新しいベンチマークと、ボクセルメモリと段階的融合を用いた推論フレームワークを提案した。
原題: SeqAlign3DVG: A Sequence-Aligned Benchmark and Voxel Reasoning Framework for 3D Visual Grounding / Yi Zhang, Yi Wang, Yueting Wu 他
日本語で読む → - 論文触覚ロボティクス
SpectraTac: 分散色センシングによるコンパクトなカメラ不要の光学触覚センサ
カメラを使わず、RGB照明と分散配置した色センサで触覚情報を取得する小型・低コストの光学触覚センサを提案し、3次元力推定と接触領域分類を実現した。
原題: SpectraTac: A Compact Camera-Free Optical Tactile Sensor with Distributed Color Sensing / Hao Wu, Haotian Guo, Yu Feng 他
日本語で読む → - 論文SLAM画像認識
失敗かドリフトか?合成および実世界の劣化下での単眼SLAMの評価
単眼SLAMの堅牢性を、合成劣化と実世界の悪条件下で比較評価し、学習ベースのトラッカーが破滅的な失敗をドリフトに置き換えることや、劣化の忠実度によって性能順位が変わることを示した。
原題: Failure or Drift? Evaluating Monocular SLAM under Synthetic and Real-World Corruptions / Abhay Skaria Thomas, Shashank Agnihotri, Margret Keuper
日本語で読む → - 論文ジェスチャ生成画像認識
パペッティア:物体接地・姿勢認識型の共話ジェスチャ生成
音声に合わせたジェスチャ生成において、姿勢制約と周囲の物体を考慮した拡散モデルを提案し、因果的潜在空間での条件付き拡散により、物体と整合した多様で時間的に同期したジェスチャを生成する。
原題: Puppeteer: Object-Grounded Posture-Aware Co-Speech Gesture Generation / Vida Adeli, Soroush Mehraban, Jacob Rommann 他
日本語で読む →
PR・アフィリエイト広告
