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: 2026/3/1 / 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 →- 論文強化学習ロボティクス
ResWM: 残差アクション世界モデルによる視覚強化学習
視覚強化学習において、絶対アクションではなく前ステップからの差分である残差アクションを制御変数とする世界モデルを提案し、制御の滑らかさと学習安定性を向上させた。
原題: ResWM: Residual-Action World Model for Visual RL / Jseen Zhang, Gabriel Adineera, Jinzhou Tan 他
日本語で読む → - 論文強化学習/海上ルーティングAI
物理情報を活用したオフライン強化学習が海上ルーティングにおける壊滅的な燃料浪費を排除
船舶の航路決定に物理情報を組み込んだオフライン強化学習フレームワークPIERを提案し、メキシコ湾の実データで平均CO2排出量を10%削減し、極端な燃料消費の発生率を9分の1に低減した。
原題: Physics-informed offline reinforcement learning eliminates catastrophic fuel waste in maritime routing / Aniruddha Bora, Julie Chalfant, Chryssostomos Chryssostomidis
日本語で読む → - 論文強化学習ロボティクス
大規模報酬モデル:視覚言語モデルによる汎用的なオンラインロボット報酬生成
ロボット操作の強化学習において、視覚言語モデルをオンライン報酬生成器として活用し、模倣学習で初期化した方策を少数の反復で改善する枠組みを提案した。
原題: Large Reward Models: Generalizable Online Robot Reward Generation with Vision-Language Models / Yanru Wu, Weiduo Yuan, Ang Qi 他
日本語で読む → - 論文強化学習ロボティクス
MO-Playground: ロボティクスのための大規模並列多目的強化学習
GPU上で高速に動作する多目的強化学習アルゴリズムと環境群を開発し、従来比25〜270倍の高速化でパレート最適方策を学習可能にした。
原題: MO-Playground: Massively Parallelized Multi-Objective Reinforcement Learning for Robotics / Neil Janwani, Ellen Novoseller, Vernon J. Lawhern 他
日本語で読む → - 論文強化学習/飛行ロボットロボティクス
MAVEN: 動的変化に強いアジャイルクアッドローター操縦のためのメタ強化学習フレームワーク
クアッドローターの動的特性が大きく変わる状況でも単一のポリシーで頑健にナビゲーションできるよう、予測的コンテキストエンコーダを備えたメタ強化学習フレームワークMAVENを提案し、質量変化や単一ローター推力喪失下での適応性と実機へのゼロショット転送を実証した。
原題: MAVEN: A Meta-Reinforcement Learning Framework for Varying-Dynamics Expertise in Agile Quadrotor Maneuvers / Jin Zhou, Dongcheng Cao, Xian Wang 他
日本語で読む → - 論文強化学習機械学習
条件付き近位方策最適化による拡散ポリシー
拡散モデルを用いたポリシーをオン・ポリシー強化学習で効率的に訓練する新しい手法を提案。拡散過程とポリシー更新を整合させ、単純なガウス確率の評価のみで学習を可能にし、エントロピー正則化も自然に扱える。
原題: Diffusion Policy through Conditional Proximal Policy Optimization / Ben Liu, Shunpeng Yang, Hua Chen
日本語で読む → - 論文計画/強化学習ロボティクス
ハイブリッドLLM-シンボリック計画とLLM誘導強化学習による新規性適応
動的環境で新規オブジェクトに遭遇したロボットが、LLMの常識推論で欠落オペレータを特定し、シンボリックプランナーで計画を立て、LLMが報酬関数を設計して強化学習で制御ポリシーを学習する神経シンボリックアーキテクチャを提案。連続ロボット領域でのオペレータ発見と学習で最先端を上回る性能を示した。
原題: Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning / Hong Lu, Pierrick Lorang, Timothy R. Duggan 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/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 → - 論文強化学習AI
正則化潜在ダイナミクス予測は行動基盤モデルの強力なベースラインである
ゼロショット強化学習のための状態特徴学習において、複雑な表現学習目的が本当に必要かを検証し、潜在空間での次状態予測に直交性正則化を加えたシンプルな手法RLDPが、既存の複雑な手法と同等以上の性能を達成することを示した。
原題: Regularized Latent Dynamics Prediction is a Strong Baseline For Behavioral Foundation Models / Pranaya Jajoo, Harshit Sikchi, Siddhant Agarwal 他
日本語で読む → - 論文強化学習機械学習
オンライン強化学習制御アルゴリズム解釈のためのCritic適合損失景観の可視化
オンライン強化学習のCriticネットワークの学習過程を低次元部分空間に射影して損失景観を可視化し、定量的指標で性能を比較する手法を提案。
原題: Visualizing Critic Match Loss Landscapes for Interpretation of Online Reinforcement Learning Control Algorithms / Jingyi Liu, Jian Guo, Eberhard Gill
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 → - 論文歩行/強化学習ロボティクス
SteadyTray: 残差強化学習による人型ロボットのトレイ運搬における物体バランス学習
人型ロボットが歩行中にトレイ上の物体を安定して運ぶための階層型強化学習フレームワークを提案し、歩行制御と物体安定化を分離することで高い成功率と実機でのゼロショット転移を実現した。
原題: SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport via Residual Reinforcement Learning / Anlun Huang, Zhenyu Wu, Soofiyan Atar 他
日本語で読む → - 論文ドローンレース/強化学習ロボティクス
ベクトル場拡張によるビジョンベースドローンレースの微分可能ポリシー学習
ドローンレース向けに、微分可能な損失とベクトル場を組み合わせた新しい学習フレームワークDiffRacingを提案し、シミュレーションと実機で高いサンプル効率と堅牢な飛行性能を実証した。
原題: Vector Field Augmented Differentiable Policy Learning for Vision-Based Drone Racing / Yang Su, Feng Yu, Yu Hu 他
日本語で読む → - 論文強化学習機械学習
強化学習の解釈のための損失ランドスケープ可視化フレームワーク:ADHDPケーススタディ
強化学習の学習過程を可視化するフレームワークを提案し、ADHDPアルゴリズムを宇宙機の姿勢制御に適用して、損失曲面や状態TDマップなど4つの視点から学習ダイナミクスを解釈する。
原題: A Loss Landscape Visualization Framework for Interpreting Reinforcement Learning: An ADHDP Case Study / Jingyi Liu, Jian Guo, Eberhard Gill
日本語で読む → - 論文筋骨格ロボット/強化学習ロボティクス
Diff-Muscle: 筋骨格ロボット卓球のための効率的学習
筋骨格ロボットの制御を、微分平坦性を用いて冗長な筋活性化空間から低次元の関節空間へ再定式化し、階層的強化学習により卓球ラリーを実現する手法を提案した。
原題: Diff-Muscle: Efficient Learning for Musculoskeletal Robotic Table Tennis / Wentao Zhao, Jun Guo, Kangyao Huang 他
日本語で読む → - 論文強化学習/自動運転ロボティクス
減衰残差方策最適化による実世界自動運転レースの効率化
残差方策学習を拡張し、ベース方策を徐々に減衰させて単独のニューラル方策を得る手法を提案し、1/10スケールの自動運転レースでシミュレーションと実機の両方で性能を向上させた。
原題: Efficient Real-World Autonomous Racing via Attenuated Residual Policy Optimization / Raphael Trumpp, Denis Hoornaert, Mirco Theile 他
日本語で読む → - 論文強化学習機械学習
大規模強化学習におけるアンサンブル方策勾配法のポリシー多様性の再考
アンサンブル方策勾配法において、ポリシー間の多様性をKL制約で調整するCoupled Policy Optimizationを提案し、探索効率と最終性能を向上させた。
原題: Rethinking Policy Diversity in Ensemble Policy Gradient in Large-Scale Reinforcement Learning / Naoki Shitanda, Motoki Omura, Tatsuya Harada 他
日本語で読む → - 論文宇宙ロボット/経路計画/強化学習ロボティクス
軌道上自由飛行マルチアームロボットの経路計画と強化学習駆動制御
軌道上サービスにおける自由飛行マルチアームロボットの運動計画と制御に、軌道最適化と強化学習を組み合わせたハイブリッド手法を提案し、シミュレーションで有効性を検証した。
原題: Path Planning and Reinforcement Learning-Driven Control of On-Orbit Free-Flying Multi-Arm Robots / Álvaro Belmonte-Baeza, José Luis Ramón, Leonard Felicetti 他
日本語で読む → - 論文強化学習/ハイブリッド移動ロボティクス
階段状地形におけるハイブリッドロボットの省エネルギー空陸駆動学習
空中と地上の両方を移動できるハイブリッドロボットに対し、エネルギー消費を考慮した強化学習でプロペラ・車輪・チルトサーボを協調制御する単一ポリシーを学習し、シミュレーションと実機で省エネルギー効果を実証した論文。
原題: Learning Energy-Efficient Air--Ground Actuation for Hybrid Robots on Stair-Like Terrain / Jiaxing Li, Wen Tian, Xinhang Xu 他
日本語で読む → - 論文器用操作/強化学習ロボティクス
多様なリセットと大規模強化学習による創発的な器用さ
シミュレータのリセットを多様化して強化学習に様々なロボットと物体の相互作用を経験させることで、単一の報酬関数と固定ハイパーパラメータで長時間の器用な操作タスクを解くフレームワークOmniResetを提案した。
原題: Emergent Dexterity via Diverse Resets and Large-Scale Reinforcement Learning / Patrick Yin, Tyler Westenbroek, Zhengyu Zhang 他
日本語で読む → - 論文強化学習ロボティクス
NFPO: 正規化フローによるロボットポリシー学習の安定化ポリシー最適化
ロボットの強化学習で、多峰性分布を表現できる正規化フローをポリシーとして用いる際の訓練不安定性を分析し、簡単な手法で安定化させて性能を向上させた。
原題: NFPO: Stabilized Policy Optimization of Normalizing Flow for Robotic Policy Learning / Diyuan Shi, Yiqi Tang, Zifeng Zhuang 他
日本語で読む → - 論文強化学習/モデル構造ロボティクス
関節剛体ダイナミクスネットワーク:ロボット学習のためのダイナミクス基盤事前知識
関節ロボットの運動学ではなく動力学構造をグラフニューラルネットワークに組み込んだABD-Netを提案し、シミュレーションと実機で学習効率とロバスト性を向上させた。
原題: Articulated-Body Dynamics Network: Dynamics-Grounded Prior for Robot Learning / Sangwoo Shin, Kunzhao Ren, Xiaobin Xiong 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
強化学習に基づく動的ルックアヘッド距離を用いた自動運転レース用ピュア・パースート
自動運転レースにおいて、古典的なピュア・パースート制御のルックアヘッド距離をPPO強化学習で動的に調整するハイブリッド制御手法を提案し、シミュレーションと実車で性能を検証した。
原題: Dynamic Lookahead Distance via Reinforcement Learning-Based Pure Pursuit for Autonomous Racing / Mohamed Elgouhary, Amr S. El-Wakeel
日本語で読む → - 論文自動運転/強化学習機械学習
ランジェバン誘導フローマッチングによる自動運転向けリアルタイム生成ポリシー
フローマッチングをオンライン強化学習に導入し、ランジェバンダイナミクスで経験を動的に最適化することで、1回の推論で高品質な行動を生成する低遅延な自動運転ポリシーを実現した。
原題: Real-Time Generative Policy via Langevin-Guided Flow Matching for Autonomous Driving / Tianze Zhu, Yinuo Wang, Wenjun Zou 他
日本語で読む → - 論文強化学習ロボティクス
ViSA: 訪問状態拡張による汎用ゴール空間コントラスト強化学習
ゴール条件付き強化学習におけるコントラスト学習の価値関数推定が限られたゴールにしか正確でない問題を解決するため、訪問状態を拡張するデータ拡張手法ViSAを提案し、シミュレーションと実ロボットで汎化性能を向上させた。
原題: ViSA: Visited-State Augmentation for Generalized Goal-Space Contrastive Reinforcement Learning / Issa Nakamura, Tomoya Yamanokuchi, Yuki Kadokawa 他
日本語で読む → - 論文強化学習・計画ロボティクス
強化学習と動的計画法に基づく計画の関係
強化学習と計画の違いを整理し、非確率化した強化学習と価値反復法やダイクストラ法を比較して、コスト最小化と報酬最大化の等価条件などを解析した。
原題: Relating Reinforcement Learning to Dynamic Programming-Based Planning / Filip V. Georgiev, Kalle G. Timperi, Başak Sakçak 他
日本語で読む → - 論文強化学習機械学習
オフポリシー強化学習への批判的マッチ損失ランドスケープ可視化の適応
オンライン強化学習向けの批判的マッチ損失ランドスケープ可視化手法を、リプレイベースのオフポリシー強化学習(SACなど)に適応させ、批判的学習の最適化幾何学を可視化する手法を提案した。宇宙機の姿勢制御問題に適用し、収束・発散のケースで異なる幾何学的パターンを示すことを確認した。
原題: Adapting Critic Match Loss Landscape Visualization to Off-policy Reinforcement Learning / Jingyi Liu, Jian Guo, Eberhard Gill
日本語で読む → - 論文強化学習ロボティクス
Hybrid TD3:ハイブリッド行動空間における過大評価バイアス分析と安定方策最適化
離散・連続が混在するハイブリッド行動空間に対応したTD3拡張手法を提案し、過大評価バイアスの理論解析と重み付きクリップQ学習により訓練安定性を向上させた。
原題: Hybrid TD3: Overestimation Bias Analysis and Stable Policy Optimization for Hybrid Action Space / Thanh-Tuan Tran, Thanh Nguyen Canh, Nak Young Chong 他
日本語で読む → - 論文強化学習/遊泳ロボットロボティクス
拘束下での遊泳:四足生物模倣推進のための安全強化学習フレームワーク
四足ロボットの遊泳を、推力を最大化しつつ不安定化力を最小化する制約付き最適化問題として定式化し、PID調整ラグランジュ乗数を用いた安全強化学習手法ACPPO-PIDを提案。模倣学習と実機曳航試験で初期化・調整し、自由遊泳への転移を実証した。
原題: Swimming Under Constraints: A Safe Reinforcement Learning Framework for Quadrupedal Bio-Inspired Propulsion / Xinyu Cui, Fei Han, Hang Xu 他
日本語で読む →
PR・アフィリエイト広告
