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: 2026/8/29 / 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 →- 論文遠隔操作ロボティクス
ロボットの中のGHOST: 搭載カメラによる実時間・外心視点の双腕ロボットVR遠隔操作
単一のオペレータが2台の移動マニピュレータを直接低レベルコマンドで遠隔操作できるオープンソースのVRシステムを提案し、学習ベースの点群補完で空間認識を向上させた。
原題: GHOST in the Robots: Real-Time Exocentric Dual-Robot VR Teleoperation from Onboard Cameras / Yichen Wei, Faisal Zaghloul, Soujanya C Aryal 他
日本語で読む → - 論文敵対的攻撃画像認識
テキスト誘導拡散モデルによる胸部X線画像への敵対的攻撃
胸部X線画像の分類モデルに対する、テキスト条件を最適化する拡散ベースの敵対的攻撃手法を提案し、既存の画素操作攻撃よりも高い攻撃成功率と画像品質を実現した。
原題: Text-Guided Diffusion-Based Adversarial Attacks on Chest X-Ray Images / Basudha Pal, Arjun Narayanan, Neha Ajith 他
日本語で読む → - 論文マニピュレーションロボティクス
制約付きLLMによる意味と物理の橋渡し:安全で信頼できるロボットマニピュレーション
言語指示から生成されたプランが物理的に実行可能かを検証するため、型付き契約とMCPスキーマ検証、MoveIt Task Constructorによる衝突チェックを組み合わせ、実機で高い成功率を達成した。
原題: Bridging Semantics and Physics with Constrained LLMs for Safe and Trustworthy Robotic Manipulation / Wenhao Hong, Lan Wei, Dandan Zhang
日本語で読む → - 論文3D編集画像認識
Chat-Edit-3D++: 大規模言語モデルによる対話型3D・4Dシーン編集
大規模言語モデルを中心に対話で3D/4Dシーンを編集する手法を提案。2Dアトラス画像への変換で編集と再構成を分離し、多様な視覚ツールを自動的に呼び出す。
原題: Chat-Edit-3D++: Interactive 3D and 4D Scene Editing via Large Language Models / Shuangkang Fang, Yufeng Wang, Yi-Hsuan Tsai 他
日本語で読む → - 論文世界モデル/操作ロボティクス
AnyWorld: 因子分解された自己中心的世界モデルによるクロス身体汎化
人間の単一インタラクション動画を、ロボット固有の多様なロールアウトに拡張する世界モデルフレームワークを提案。行動・カメラ・身体の因子に分解し、身体・視点・シーンの再構成を可能にする。
原題: AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization / Cheng Chen, Jerry Bai, Jiacheng Wei 他
日本語で読む → - 論文Human-Robot Collaborationロボティクス
誤った例を用いたロボットポリシーの人間への教授法
本論文は、教育分野で効果が知られる「誤った例」を用いてロボットの行動ポリシーを人間に教える手法を提案し、ユーザー実験によりその有効性を示した。
原題: Teaching Robot Policies to Humans Using Erroneous Examples / Rithika Narayan, Suresh Kumaar Jayaraman, Henny Admoni
日本語で読む → - 論文軌道計画ロボティクス
マルチモーダル経路から実行可能な軌道へ:4WISロボットのための軌道計画フレームワーク
4輪独立操舵ロボットの多様な動作モードを活用するため、モード拡張フロントエンド探索とモード一貫セグメント軌道最適化を組み合わせた軌道計画フレームワークを提案した。
原題: From Multi-Modal Paths to Executable Trajectories: A Trajectory Planning Framework for 4WIS Robots / Runjiao Bao, Lin Zhang, Yongkang Xu 他
日本語で読む → - 論文物体検出画像認識
背景フリー物体性学習によるクラス非依存検出
未ラベル領域を背景として扱わず、物体中心とスケールの密なフィールドを学習することで、クラス非依存の物体検出を実現する手法を提案した。
原題: Background-Free Objectness Learning for Class-Agnostic Detection / Dania Batool, Liliana Lo Presti, Marco La Cascia 他
日本語で読む → - 論文農業ロボット画像認識
AGRICAM: トラック搭載型作物受粉モニタリングロボット
商業規模の受粉モニタリングを目的とした、低コストのレール上を自律走行するロボットシステムを開発し、ブルーベリー農場で実証した。
原題: AGRICAM: A Track-Mounted Crop Pollination Monitoring Robot / Malika Nisal Ratnayake, Adel N. Toosi, James Cook 他
日本語で読む → - 論文テレプレゼンスHCI
Feelium: 触れることができる飛行船型テレプレゼンスボディ
飛行船型のテレプレゼンスプラットフォームを提案し、遠隔者がVRで飛行船を操作し、現地の人がその膨らんだ表面に触れることで触覚インタラクションを実現する。
原題: Feelium: A Touchable Blimp Body for Aerial Telepresence / George Xi Wang, Henghao Li, Shan Lin 他
日本語で読む → - 論文VLAロボティクス
DREAM: 実世界からシミュレーションへの変換による展開時デモ生成でスケーラブルなポリシー適応を実現
新しい作業環境でVLAモデルを微調整するためのデモデータを、人間の遠隔操作なしに自動生成するフレームワークDREAMを提案。実環境を再構築し、言語指示からタスク目標を自動翻訳して軌道を計画し、シミュレーションでデータを増強してVLAを微調整する。
原題: DREAM: Deployment-Time Demonstration Generation via Real-to-Sim for Scalable Policy Adaptation / Makoto Sato, Tatsuya Matsushima, Yutaka Matsuo 他
日本語で読む → - 論文VLA/動作生成ロボティクス
SMILE: 長期的VLA実行のための滑らかな動作生成
VLAモデルの長期的な動作実行精度を向上させるため、Bスプライン係数を予測して滑らかな動作列を生成する手法SMILEを提案。複数のベースラインに適用し、精度と推論効率を改善。
原題: SMILE: Smooth Motion for Improved Long-Horizon VLA Execution / Jongwoo Park, E-Ro Nguyen, Kanchana Ranasinghe 他
日本語で読む → - 論文移動操作/強化学習ロボティクス
接触誘導探索による多批判的強化学習を用いた非把持移動操作
非把持操作のための接触誘導探索戦略を多批判的強化学習フレームワークに組み込み、接触を求める報酬で探索を促進し、時間とともにその影響を減衰させてタスク最適な方策を獲得する手法を提案。箱押し、椅子運搬、食洗機開閉などのタスクで評価し、実機の四足移動マニピュレータで椅子運搬を実証した。
原題: Contact-Guided Exploration for Non-Prehensile Locomanipulation with Multi-Critic RL / Simone Tolomei, Mayank Mittal, Franco Angelini 他
日本語で読む → - 論文群制御ロボティクス
アルゴリズム的利他主義を用いた異種マルチロボットシステムにおける協調的リスク認識探索
生態学のハミルトン則に着想を得た利他的行動をゲーム理論に組み込み、異種ロボット間でリスクを価値に応じて再配分しながら探索するフレームワークを提案した。
原題: Cooperative Risk-Aware Exploration in Heterogeneous Multi-Robot Systems Using Algorithmic Altruism / Brooks A. Butler, Jair Certório, João P. Hespanha 他
日本語で読む → - 論文惑星探査/認識画像認識
MANTLE: モジュラーアップリンク原理を用いた適応型惑星表面認識のためのフレームワーク
火星探査ローバーのための地形分類とボルダーセグメンテーションを同時に行うマルチタスクネットワークを提案。共有バックボーンを固定し、タスク特化ヘッドを地球で訓練してアップリンクするモジュラー設計が特徴。
原題: MANTLE: A Framework for Adaptive In-Situ Planetary Perception Using a Modular Uplink Principle / Pranav Durai, Gary Doran
日本語で読む → - 論文検証済み探索自然言語
オフィス規模の検証済み探索における演算子パッケージ、提案者強度、構築ファミリーのプラトー
FunSearch型の検証済み探索ループをオフィス規模で制御実験し、提案側の演算子パッケージ(ノート、障害物、反発)の効果を2^3要因計画で評価した。
原題: Operator Packages, Proposer Strength, and Construction-Family Plateaus in Office-Scale Verified Search / Roberto I. Ono Filho
日本語で読む → - 論文変形物体操作ロボティクス
ChainSplat: ねじ理論に着想を得た、多視点RGBビデオから変形可能な線状物体の動力学を学習する物理モデル
多視点RGBビデオのみから、ケーブルやロープなどの変形可能な線状物体の3D形状・外観・運動学・動力学を同時に学習するフレームワークを提案。物体を回転関節で連結された剛体リンクの開連鎖としてモデル化し、ガウススプラッティングと統合することで高精度な予測と制御を実現した。
原題: ChainSplat: A Physics-Inspired Screw-Theoretic Model for Learning Deformable Linear Object Dynamics from Multi-View RGB Videos / Seungyeon Kim, Noémie Jaquier
日本語で読む → - 論文TAMP/基盤モデル/部分観測ロボティクス
途中で計画する:部分観測操作におけるTAMP実行のためのイベントトリガ型基盤モデル計画
部分観測環境での操作タスクに対し、可視状態のみで計画し、物体発見を再計画イベントとして扱うLLM/VLMベースのTAMPフレームワークを提案し、RLBench/CoppeliaSimで評価した。
原題: Plan Along the Way: Event-Triggered Foundation-Model Planning for TAMP Execution in Partially Observable Manipulation / Puru Ojha, Narendhiran Vijayakumar, Nav Singhal 他
日本語で読む → - 論文マルチエージェント/ベンチマークロボティクス
CoCoBench: 具現化マルチエージェントタスク計画のための協調調整ベンチマーク
マルチエージェントの協調失敗を細かく診断できるベンチマークCoCoBenchを提案し、897の検証済みインスタンスで4種類の協調構造を評価する。
原題: CoCoBench: A Cooperative Coordination Benchmark for Embodied Multi-Agent Task Planning / Yang Chen, Ye-Xin Xie, Lirong Che 他
日本語で読む → - 論文データセット画像認識
uScenes: 水中ロボット知覚のためのマルチモーダルRGB・3Dソナー画像データセット
水中ロボットの知覚向上のため、3Dマルチビームソナー点群とRGB画像を同期したマルチモーダルデータセットuScenesを構築し公開した。
原題: uScenes: A Multimodal RGB and 3D Sonar Dataset for Underwater Robot Perception / Trung Tien Dong, Zhenqi Wu, Aditya Penumarti 他
日本語で読む → - 論文把持検出ロボティクス
変形した無菌カートンの訓練不要な吸着把持検出:視覚言語モデルと幾何学的表面スコアリングを用いて
変形した飲料カートンを選別するロボットのため、訓練なしで対象物の識別と把持点選択を分離し、視覚言語モデルと幾何学的スコアリングで吸着点を選ぶシステムを提案。実機で88.2%の単一物体把持成功率を達成。
原題: Training-free Suction Grasp Detection for Deformed Aseptic Cartons Using Vision-Language Models and Geometric Surface Scoring / Marin Maletic, Goran Vasiljevic
日本語で読む → - 論文世界モデル評価ロボティクス
RoboPhys-3D: 3D再構成による包括的な具現化世界モデル評価
ロボット操作タスクのビデオ世界モデルを3D再構成に基づいて評価するベンチマークを提案し、生成ビデオの3Dシーン整合性とタスク実行可能性を測定する。
原題: RoboPhys-3D: A Comprehensive Embodied World Model Evaluation via 3D Reconstruction / Tianyi Wang, Jiazhou Chen, Yiming Xu 他
日本語で読む → - 論文群制御制御
有界合理性下での人間機械協調のためのグラフォン設計:確率ブロックモデルの最適性
不均一な合理性を持つエージェントがstag-huntゲームで協調するためのネットワーク構造を、平均場近似と変分法を用いて最適化する手法を提案。
原題: Graphon Design for Human-Machine Coordination under Bounded Rationality: Optimality of Stochastic Block Models / Zhewei Wang, Vu Anh Phi, Marcos M. Vasconcelos
日本語で読む → - 論文3Dシーングラフ生成ロボティクス
自己回帰拡散による3Dシーングラフの高レベル概念生成
3Dシーングラフの構造と特徴を統一的に学習する自己回帰拡散モデルを提案し、観測された垂直平面から任意の階層深さで完全な3DSGをボトムアップに構築する。
原題: Generation of High-Level Concepts in 3D Scene Graphs via Autoregressive Diffusion / Jose Andres Millan-Romera, Samuel Cognolato, Holger Voos 他
日本語で読む → - 論文自動運転/制御ロボティクス
車両ドリフトの創発:境界探索学習モデル予測制御によるグリップ走行から限界域への連続的遷移
繰り返しラップタイム最小化タスクにおいて、明示的なドリフト参照なしに、学習モデル予測制御が安全集合と終端コストを更新しながら車両の横滑り角やヨーレートを徐々に拡大し、ドリフト走行が自律的に創発することを示した論文。
原題: Vehicle Drift Emergence: Continuous Evolution from Grip Driving to the Handling Limit via Boundary Exploration Learning Model Predictive Control / Sheng Zhao, Binh-Minh Nguyen, Hangyu Lu 他
日本語で読む → - 論文ナビゲーションロボティクス
大規模言語モデルを用いた空間意味推論によるUAV探索の効率化
UAVの物体探索タスクにおいて、LLMが自然言語指示と検出物体・空間文脈を意味推論し、高確率な探索領域を優先することでミッション時間を短縮するリアルタイムナビゲーションフレームワークを提案した。
原題: Spatial-Semantic Reasoning using Large Language Models for Efficient UAV Search Operations / Marin Maletic, Marijana Peti, Tamara Petrovic 他
日本語で読む → - 論文マニピュレーションロボティクス
ビンピッキング完全攻略:オンライン自己学習による階層型ハイブリッド手法で産業用ビンピッキングの信頼性を向上
モデルベースとモデルフリーの手法を組み合わせた4層の階層型ハイブリッドアプローチを提案し、オンライン自己学習で把持点を自動ランク付けすることで、ビン内の部品を100%取り切ることを実現した。
原題: Picking Bins Empty: A Hierarchical Hybrid Approach with Online Self-Learning of Grasp Points for Reliable Industrial Bin-Picking / Florian Töper, Samarth Kishor Yelvande, Jan Niklas Ewertz 他
日本語で読む → - 論文安全性AI
ロボットが聞き間違えるとき:音声操作型具現化AIの安全リスクのマッピング
音声認識の誤りが具現化AIの安全な動作を損なうことを示し、誤りをシミュレートして安全ベンチマークで評価した。
原題: When Robots Mishear Us: Mapping the Safety Risks of Voice-Controlled Embodied AI / Sihan Jia, Oliver Lemon
日本語で読む → - 論文VLAロボティクス
DeicticVLA: 言語と指示ジェスチャに基づく指示モードを単一のVLAで統合する
言語指示、視覚言語指示、視覚指示の3つの指示モードをテキストプロンプトと指示マスクに正規化し、単一の事前学習済みVLAで扱えるようにした。シミュレーションと実世界タスクで、未見の表現や物体に対する汎化性能を評価し、視覚指示が言語指示より優れていることを示した。
原題: DeicticVLA: Unifying Instruction Modes Based on Language and Deictic Gestures in a Single VLA / Kango Yanagida, Tatsuya Aoki, Yuichiro Yoshikawa 他
日本語で読む → - 論文VLAAI
CEDAR: 言語誘導型身体的行動のための検証可能なインターフェースとしてのオートマトン
自然言語の指示を正規言語として表現し、決定性有限オートマトンに変換することで、制約を検証可能な実行可能なオブジェクトとして扱うフレームワークを提案。Minecraftで時間的・空間的制約を維持し、LLMクエリを削減できることを示した。
原題: CEDAR: Automata as Verifiable Interfaces for Language-Guided Embodied Action / Lekai Chen, Alvaro Velasquez, Ashutosh Trivedi
日本語で読む →
PR・アフィリエイト広告
