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: 2026/8/24 / 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 →- 論文飛行ロボットロボティクス
回転クアッドローター:受動揚力面によるホバリング推力の増強
ホバリング中のヨー回転を意図的に利用し、揚力面を追加することで必要な推力を22%削減する新しいクアッドローター設計を提案した論文。
原題: Spinning Quadrotor: Hover Thrust Augmentation with Passive Lifting Surfaces / Aniketh Parkala, Harikumar Kandath
日本語で読む → - 論文画像生成画像認識
MIVIFI:多視点魚眼画像生成モデルの訓練のための視点と魚眼ドメインの橋渡し
自動運転のための多視点魚眼画像生成を、等距離円筒投影を用いたクロスドメイン学習で実現し、データ不足を克服した。
原題: MIVIFI: Bridging Perspective and Fisheye Domains for Training Multi-View Fisheye Image Generation Models / Matthias Neuwirth-Trapp, Begüm Altunbas, Jiayi Wang 他
日本語で読む → - 論文VLAロボティクス
ROS2SmolVLA: 産業用軽量ロボットへの小型視覚言語行動モデル統合の実現
産業用ロボットに小型VLAモデルを統合するためのROS 2インターフェースを開発し、実機でのピックアンドプレース検証を行った。
原題: ROS2SmolVLA: Enabling Small Vision-Language-Action Models for Integration into Industrial-Grade Lightweight Robots / Nils Mandischer, Noah Böckmann, Ludwig Holl 他
日本語で読む → - 論文操作学習ロボティクス
Triplet2Track: オブジェクト中心表現を用いた信頼性の高い長期的操作のための階層システム
長期的なロボット操作の信頼性を高めるため、人間の動画を活用し、高レベルのサブゴールをインスタンスに基づくトリプレットとして表現し、実行とオンライン再計画を行う閉ループ模倣学習システムを提案した。
原題: Triplet2Track: A Hierarchical System with Object-Centric Representations for Reliable Long-Horizon Manipulation / Jianxiang Liu, Gaojing Zhang, Chuan Wen 他
日本語で読む → - 論文異常検知cs.CR
産業制御システムにおける異常検知モデルの訓練時データ汚染に対する堅牢性
産業制御システムの異常検知モデルが、訓練データに攻撃サンプルやノイズが混入した場合の性能劣化を、SWaTベンチマークで11種類の検知器を用いて評価した論文。
原題: Robustness of Anomaly Detection Models for Industrial Control Systems under Training-Time Data Contamination / Mustafa Umut Ozbek, Taiwo Ojo, Pooria Madani 他
日本語で読む → - 論文VLA/ベンチマークロボティクス
InstructMove: 指示追従操作のためのテキスト必須ベンチマーク
視覚的に顕著な物体や唯一の動作候補に頼らず、言語指示にのみ従って正解が決まる「テキスト必須」な操作ベンチマークInstructMoveを提案し、VLAモデルの指示追従能力を診断・改善する。
原題: InstructMove: A Text-Indispensable Benchmark for Instruction-Following Manipulation / Mengao Zhao, Ziang Li, Chaodong Huang 他
日本語で読む → - 論文VLA画像認識
Object-Uni: オブジェクト中心の空間理解と制御可能な生成のための統一モデル
オブジェクトの姿勢を明示的な幾何変数として扱い、姿勢認識・空間推論・姿勢条件付き生成・新規視点合成を統一したモデルを提案。視点ベースの姿勢抽象化とオブジェクトトークンに基づく姿勢アンカーにより、連続的な姿勢の理解と生成を実現する。
原題: Object-Uni: A Unified Model for Object-Centric Spatial Understanding and Controllable Generation / Mining Tan, Yinuo Wang, Ziqi Zhou 他
日本語で読む → - 論文オンライン学習ロボティクス
自由エネルギーゲート可塑性による物理的ヒューマンロボットインタラクションにおけるリアルタイムオンライン運動学習
予測符号化に基づく変分リカレントニューラルネットワークを拡張し、変分自由エネルギーに応じて学習率を調整する自由エネルギーゲート可塑性を提案。ランダム初期化ネットワークがオフライン事前学習なしで3つの周期的運動パターンを獲得し、既存パターンの保持性能を向上させた。
原題: Free-Energy-Gated Plasticity for Real-Time Online Motor Learning in Physical Human--Robot Interaction / Hiroki Sawada, Jun Tani
日本語で読む → - 論文キャリブレーション画像認識
異種イベント-RGBステレオシステムのための簡略化されたクロスモーダルキャリブレーション
イベントカメラとフレームカメラの外部キャリブレーションを、動きを必要とせず、標準ディスプレイ上の変調ChArUcoターゲットを用いて簡易化する手法を提案。再投影誤差を既存手法より低減し、ロボットのアイツーハンドキャリブレーションでの実用性も示した。
原題: Simplified Cross-Modal Calibration for Heterogeneous Event-RGB Stereo Systems / Nico Hessenthaler, Adam T. Müller, Nicolaj C. Stache
日本語で読む → - 論文自動運転画像認識
GeoWAM: 自動運転のための視覚幾何学ワールドアクションモデル
自動運転におけるワールドアクションモデルを、ピクセルではなく点群の幾何学的表現で学習し、将来のシーン幾何学を予測することで運転ポリシーの性能を向上させた。
原題: GeoWAM: Visual Geometry World Action Models for Autonomous Driving / Yiren Lu, Xin Ye, Jiaming Liu 他
日本語で読む → - 論文統計物理ロボティクス
一様カーパーキングの厳密な有限長理論:空間法則、吸収、凝集
有限長の線分上での一様カーパーキング過程(ランダム逐次吸着)について、厳密な有限長理論を展開し、駐車位置の同時密度や統計量を効率的に計算する方法を提案した。
原題: Exact Finite-Length Theory of Uniform Car Parking: Spatial Laws, Absorption, and Aggregation / Ganesh P Kumar
日本語で読む → - 論文ナビゲーション機械学習
ノイズのある自己位置推定下での強化学習によるマクロアクション位相的ナビゲーション
カメラ画像のみから自己位置を推定し、強化学習で大規模な3Dアパート内を探索して目標物体に到達するエージェントを構築した。完全なSLAMを使わず、局所的に一貫した姿勢推定で十分であることを示した。
原題: Macro-Action Topological Navigation under Noisy Localization using Reinforcement Learning / Simon Hakenes, Tobias Glasmachers
日本語で読む → - 論文VLA/操作ロボティクス
必要な時だけ考える:視覚言語行動操作における選択的スローパス介入のためのプロンプト権限制御
凍結された視覚言語行動(VLA)ポリシーに検索テキストを追加すると、プロンプト形式の変化が実行を支配し成功率が大幅に低下する「プロンプト形式崩壊」を特定し、候補生成とポリシー入力変更の許可を分離するプロンプト権限インターフェースTOWN-VLAを導入。これにより、シミュレーションと実機で成功率が向上した。
原題: Think Only When Needed: Prompt-Authority Control for Selective Slow-Path Intervention in Vision-Language-Action Manipulation / Zhiruo Zhou, Zelin Li, Xiwen Chen 他
日本語で読む → - 論文歩行ロボティクス
誘導リーマン最適化(GuRO):モデル予測制御と決定トランスフォーマーの橋渡し
MPCの局所最適軌道予測で決定トランスフォーマーを誘導し、リーマン空間での曲率考慮最適化により非凸損失を効率的に学習する新しいフレームワークを提案。高次元四足歩行制御で既存手法を上回る性能を実証した。
原題: Guided Riemannian Optimization (GuRO): Bridging Model Predictive Control and Decision Transformers / Hossein Abdi, Satya Prakash Dash, Mingfei Sun
日本語で読む → - 論文ヒューマノイド/触覚/自己受容感覚ロボティクス
組織様構造を持つ生体模倣関節被覆皮膚の設計:筋骨格ヒューマノイドの自己受容感覚向上
筋骨格ヒューマノイドの関節角度推定を、筋肉センサに加えて関節を覆う皮膚の変形情報で補完するため、圧力・伸縮センサを内蔵した組織様多層構造の皮膚を設計し、実機で約3度の精度を達成した。
原題: Design of a Biomimetic Joint-Covering Skin with Tissue-Like Structure to Enhance Proprioception in a Musculoskeletal Humanoid / Akihiro Miki, Shun Hasegawa, Yoshimoto Ribayashi 他
日本語で読む → - 論文ロボット学習/汎化ロボティクス
物理フィルタリングがロボット学習の汎化を促進する
この論文は、物理フィルタリングによるフィードバック機構(PhyFilter)を提案し、限られた訓練データでもロボットが動的環境の不確実性に対して効果的に汎化できることを示した。
原題: Physics Filtering Favors the Generalization of Robot Learning / Jindou Jia, Shixuan Han, Meng Wang 他
日本語で読む → - 論文世界モデル機械学習
MOSH-WM: マスク接地ソフトハミルトン力学によるオブジェクト中心世界モデル
オブジェクト中心の世界モデルで、マスクの空間モーメントから位置・運動量状態を構成し、学習したエネルギーでソフトな方向バイアスを与えて将来映像を予測する手法を提案。OBJ3DとCLEVRERで既存手法より高精度な予測を達成。
原題: MOSH-WM: Mask-Grounded Soft-Hamiltonian Dynamics for Object-Centric World Models / Zhekai Wang, Haoxiang Huang, Xiang Liu 他
日本語で読む → - 論文マニピュレーションロボティクス
ブラウザ制御と混合ステッパードライバ構成による再現可能な視覚誘導6自由度ロボットアーム
低コストで再現可能な6自由度ロボットアームを設計・製作し、混合ステッパードライバ構成とブラウザネイティブ制御、視覚パイプラインによる自動ピックアンドプレースを実現した。
原題: Reproducible Vision-Guided 6-DoF Robotic Manipulator with a Mixed Stepper-Driver Architecture and Browser-Native Control / Lasan Perera, Deneth Priyadarshana, Dulana Pitiwaduge 他
日本語で読む → - 論文医用画像合成画像認識
VeCAS: 血管介入のための血管焦点型無造影剤血管造影合成
非造影X線画像から血管造影画像を合成する2段階フレームワークを提案し、血管構造の局在化と造影外観の合成を分離することで、高品質な合成を実現した。
原題: VeCAS: Vessel-Focused Contrast-Free Angiogram Synthesis for Vascular Interventions / De-Xing Huang, Chen-Yu Wang, Hao Liang 他
日本語で読む → - 論文VLAロボティクス
UniMem: 視覚言語行動モデルのためのマルチモーダル記憶と制御の統合
長期的な記憶を必要とするタスクで性能が低下するVLAモデルに対し、イベント分類器とキーフレームエンコーダを用いて記憶と制御を単一モデルに統合するフレームワークを提案し、シミュレーションと実機で既存手法を上回る性能を達成した。
原題: UniMem: Unifying Multimodal Memory and Control for Vision-Language-Action Models / Lars Osterberg, Maggie Wang, Mac Schwager
日本語で読む → - 論文身体化推論AI
ParallelWorld: 身体化推論のためのテスト時スケーリング
身体化推論における探索を、単一ステップの貪欲な選択ではなく、複数ステップの未来軌道を並列にシミュレーションして評価するフレームワークを提案した論文。
原題: ParallelWorld: Test-Time Scaling for Embodied Reasoning / Min Chen, Shengjun Zhang, Yuxin Li 他
日本語で読む → - 論文SLAM/ナビゲーションロボティクス
SuperMap: 視覚言語ナビゲーションのための時空間SLAMシステム
高頻度の幾何SLAMと非同期のオープンボキャブラリ知覚を統合し、物体の同一性維持と古い地図情報の整理を行う4D時空間マッピングフレームワークを提案。
原題: SuperMap: A Spatio-Temporal SLAM System for Visual-Language Navigation / Shibo Zhao, Guofei Chen, Honghao Zhu 他
日本語で読む → - 論文キャラクター制御画像認識
統一潜在空間における異種スキルの段階的学習
物理ベースのキャラクター制御において、多様なデータ・教師信号・タスクから得た異種スキルを統一潜在空間で段階的に学習するフレームワークHetSkillsを提案。モーション追跡、テキストからのモーション生成、モーション補完、下流タスク適応で有効性を示した。
原題: Progressively Learning Heterogeneous Skills in a Unified Latent Space / Yue-Yi Zhang, Ming Gong, Linpu He 他
日本語で読む → - 論文VLA/操作ロボティクス
Pointing-VLA: 視覚言語行動操作のための型付き空間接地インターフェース
VLAモデルの空間接地をテキスト座標ではなく型付きヘッドで直接予測し、実行契約によりPICKとPLACEを分離。Bridge/WidowXでSOTAを達成し、実ロボット成功率を52.7%から80.7%に向上させた。
原題: Pointing-VLA: Typed Spatial Grounding Interfaces for Vision-Language-Action Manipulation / Xiwen Chen, Zelin Li, Zhiruo Zhou 他
日本語で読む → - 論文強化学習/故障適応ロボティクス
特権的批評家トレーニングによるセンサ不要のスラスタ故障適応:エンドツーエンド強化学習
スラスタ駆動ロボットの故障耐性ナビゲーションにおいて、訓練中にのみ真の故障状態を価値関数へ与える特権的批評家トレーニングにより、センサなしで故障適応を実現する手法RAFTを提案した。
原題: Privileged Critic Training Enables Sensor-Free Thruster Fault Adaptation in End-to-End RL / Ricard Marsal I Castan, Miguel A. Olivares-Méndez
日本語で読む → - 論文手術認識画像認識
手術トリプレット認識の最適化:知識駆動型Mixture-of-Expertsソリューション
手術映像から器具・動作・対象のトリプレットを認識するタスクで、成分間・カテゴリ間の最適化競合を解消し、知識駆動のMoE機構で表現を強化するフレームワークを提案した。
原題: Optimize Surgical Triplet Recognition: A Knowledge-Driven Mixture-of-Experts Solution / Yiyi Zhang, Yuchen Yuan, Ying Zheng 他
日本語で読む → - 論文RL/遅延対応ロボティクス
待ち時間に学習する:推論遅延下での汎用ロボットポリシーのRLファインチューニング
推論遅延がRLのマルコフ性を壊す問題に対し、非同期推論と状態拡張で遅延を隠蔽しつつRL改善を可能にするフレームワークARLIを提案。シミュレーションと実機で有効性を実証した。
原題: Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency / Brian Zhu, Momen Khalil, E Harrison 他
日本語で読む → - 論文自動運転画像認識
MomADv2: エンドツーエンド自動運転のための信頼性の高い時間的記憶
運転コマンドの変化に応じて履歴情報を選択的に活用し、コマンドと矛盾する記憶を抑制する信頼性の高い状態空間記憶フレームワークを提案。長期的な計画の一貫性を向上させ、衝突率を低減した。
原題: MomADv2: Reliable Temporal Memory for End-to-End Autonomous Driving / Ziying Song, Shengkai Zhang, Lin Liu 他
日本語で読む → - 論文模倣学習ロボティクス
WorldToken: ロボット模倣学習のための時間優先シーケンスモデリング
ロボットポリシーにおいて、各タイムステップの多視点画像やプロプリオセプションなどの観測を1つのワールドトークンに融合し、時間方向にTransformerでモデル化する新しい手法を提案。RoboCasaタスクで高い成功率を達成し、データ量やモデルサイズの影響を分析した。
原題: WorldToken: Time-First Sequence Modeling for Robotic Imitation Learning / Chunkai Yang, Andong Yang, Chao Gao
日本語で読む → - 論文TAMPロボティクス
TAMPオペレータ学習のためのマクロオペレータ生成と述語選択
タスク・動作計画(TAMP)のシンボリックオペレータをデモデータから学習する際、繰り返し現れる複数ステップの構造を捉えるマクロオペレータを自動生成し、不要な述語を刈り込むことで、長いシーケンシャルタスクの計画を高速化する手法を提案した。
原題: Macro-Operator Generation and Predicate Selection for TAMP Operator Learning / Can Emir Bora, Emre Ugur
日本語で読む →
PR・アフィリエイト広告
