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: 2026/8/23 / 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 →- 論文変形物体追跡ロボティクス
MotionDLO: イベントカメラとフレームカメラを併用した変形線状物体の追跡
イベントカメラの高時間分解能とフレームカメラの空間精度を組み合わせ、変形する線状物体(ケーブルなど)をリアルタイムで追跡するハイブリッド手法を提案した。
原題: MotionDLO: Hybrid Event- and Frame-Based Tracking of Deformable Linear Objects / Annalena Hartmann, Priyamvada Ajithkumar, Patrick Bründl 他
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 → - 論文分散学習cs.DC
モデル整合性を保証するビザンチン耐性を持つ分散型フェデレーテッドラーニング
分散型フェデレーテッドラーニングにおいて、全ノードが同じモデル更新を集約する非同期コンセンサスプロトコルと二重領域の信頼スコアリングを導入し、ビザンチン攻撃下でもグローバルなモデル整合性を維持する手法を提案した。
原題: Model-Consistent Byzantine-Resilient Decentralized Federated Learning for Collaborative Missions / Yue Li, Sudip Bhujel, Cameron Lira 他
日本語で読む → - 論文分子基盤モデル機械学習
Mol-JEPA: 分子のためのマルチモーダル統合予測アーキテクチャ
分子構造や細胞表現型など複数のデータモダリティを潜在空間で予測することで、化学的に無効な拡張やモダリティ崩壊などの問題を解決する分子基盤モデルを提案した。
原題: Mol-JEPA: A multimodal Joint Embedding Predictive Architecture for Molecules / Florian Rottach, Sebastian Schieferdecker, William Rudman 他
日本語で読む → - 論文水中ロボット/センサ融合ロボティクス
AUVのためのニューラル支援による統合アライメント・キャリブレーション手法
AUVの慣性航法とDVLの融合に必要な初期化処理を、2つのニューラルネットワーク(ResAlignNetとDCNet)で置き換え、単一のほぼ等速度軌道と25秒のデータだけで従来法より速度誤差を平均68.7%削減する手法を提案した。
原題: A Unified Neural-Aided Alignment and Calibration Method for AUVs / Guy Damari, Zeev Yampolsky, Itzik Klein
日本語で読む → - 論文自動運転/シミュレーションロボティクス
BehaviorWorldGen: 行動モデルとワールドシミュレータのループを閉じる、制御可能な行動認識型構造化ワールド生成
運転行動モデルの自己改善ループにおいて、周辺エージェントの行動的に妥当な応答を生成できるシミュレータの欠如がボトルネックであることを指摘し、解釈可能な行動制御を注入してマルチエージェントの軌跡を生成するBehaviorFlowを中核とするフレームワークを提案した。
原題: BehaviorWorldGen: Closing the Loop between Action Models and World Simulators via Controllable Behavior-Aware Structured World Generation / Jiaqi Wang, Zhuo Zhang, Haining Guan 他
日本語で読む → - 論文移動操作ロボティクス
TONAV: 関節物体の四足移動操作のためのタスク指向ナビゲーションと動作速度チャンク学習
四足ロボットによる関節物体の移動操作を統合するフレームワークを提案。タスク指向ナビゲーションと動作速度チャンク学習を組み合わせ、ナビゲーションと操作のギャップを解消し、安定した連続接触操作を実現した。
原題: TONAV: Task-Oriented Navigation and Action-Velocity Chunk Learning for Articulated Object Quadrupedal Mobile Manipulation / Haoran Lin, Mingyu Yang, Pengfei Qi 他
日本語で読む → - 論文世界モデル/計画ロボティクス
インスタンススロットを超えて:物理的相互作用計画のための意味的に豊かな世界モデル
物理的相互作用の計画に適した、タスクの役割(グリッパー、ターゲット、ゴール、関係、フェーズ)を明示的に扱う世界モデルSR-WMを提案し、行動生成や再ランキングに活用する。
原題: Beyond Instance Slots: Semantically Rich World Models for Physical Interaction Planning / Juntao Cheng, Jingkai Wang, Yijun Shen 他
日本語で読む → - 論文運動計画ロボティクス
GCS-Bridging: 凸集合の非連結性を回復するグラフ・オブ・凸集合運動計画
凸集合のグラフ(GCS)に基づく運動計画で、開始・目標領域が異なる連結成分にある場合に、衝突回避経路と凸領域の膨張で連結性を回復する手法を提案。シミュレーションで99.8%の成功率、実機でも有効性を確認。
原題: GCS-Bridging: Restoring Connectivity of Disconnected Convex Sets for Graph-of-Convex-Sets Motion Planning / Xiaokai Zhou, Baoshi Cao, Yang Liu 他
日本語で読む → - 論文sim2realロボティクス
実2シミュレーション動力学推定と強化学習によるトルク制御ロボットのSim2Real転送の強化
トルク制御ロボットアームのシミュレーションから実機へのポリシー転送を改善するため、実機の軌跡データから動力学パラメータを同定し、遺伝的アルゴリズムとドメインランダム化を組み合わせたReal2Sim2Realパイプラインを提案した。7自由度のFranka Emika Pandaロボットで検証し、追従精度とロバスト性が向上した。
原題: Enhancing Sim2Real Transfer for Torque-Controlled Robots through Real2Sim Dynamics Estimation and Reinforcement Learning / Davide Bargellini, Alex Pasquali, Andrea Govoni 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VLA/両腕操作ロボティクス
驚くほど単純なモダリティマスキングによる堅牢な両腕視覚言語行動モデル
両腕ロボット操作のための視覚言語行動モデルの堅牢性を、トレーニング中にモダリティチャネルをランダムにマスクするだけのシンプルな手法で向上させた。
原題: Robust Bimanual Vision-Language-Action Models via Embarrassingly Simple Modality Masking / Dongzhou Cheng, Ziang Li, Yixiao Zhou 他
日本語で読む → - 論文ナビゲーションAI
潜在世界モデルによる結果予測とナビゲーションポリシーの強化
ロボットナビゲーションのための潜在世界モデルを提案し、観測の再構成ではなく潜在特徴の適合性を予測することで、未ラベルのビデオからポリシー学習を可能にし、世界モデル内での強化学習により実世界性能を向上させた。
原題: Predicting Consequences and Reinforcing Navigation Policies with Latent World Models / Zengmao Wang, Wei Gao, Shuhan Shen
日本語で読む → - 論文群制御AI
AUDITA: 自律マルチエージェントシステムにおける有害事象の認証付き監査と因果帰属
複数のAIエージェントが協調して動くシステムで事故が起きた際、責任の所在を公平に判定する監査手法を提案。改ざん防止の記録と段階的な因果帰属エンジンを組み合わせ、単一の犯人を特定する従来手法より正確に責任を割り当てる。
原題: AUDITA: certified auditing and causal attribution of adverse outcomes in autonomous multi-agent systems / Zhixu Du, Yiran Chen
日本語で読む → - 論文VLA/蒸留AI
WAM-OPD: ワールドアクションモデルのためのオンポリシー蒸留
ビデオ生成とロボット動作生成を統合したワールドアクションモデル(WAM)の蒸留後性能低下を、オンポリシー蒸留で修復する手法を提案。学生モデルが環境で行動し、教師モデルがその履歴に基づいてビデオと動作のターゲットを提供することで、タスク成功率が大幅に向上した。
原題: WAM-OPD: On-Policy Distillation for World Action Models / Liuhaichen Yang, Zhuang Jiang, Chenchao Sheng 他
日本語で読む → - 論文VLAロボティクス
LD4WAM: 人間のビデオから潜在ダイナミクスを学習するワールドアクションモデル
人間のビデオからロボットの行動に直接使える潜在ダイナミクスを学習し、将来のビデオ生成と行動条件付けを組み合わせたワールドアクションモデルを提案。5,000時間以上のデータで事前学習し、シミュレーションと実機で高い性能を達成。
原題: LD4WAM: Learning Latent Dynamics from Human Videos for World Action Models / Zhenhao Shen, Jiaqi Liang, Jasper Lu 他
日本語で読む → - 論文ハンドモーション予測ロボティクス
EMPIRE: 明示的操作計画を学習可能な中間表現として用いた自己中心視ハンドモーション予測
自己中心視の映像から将来の両手の動きを予測する際に、操作計画を中間表現として明示的に学習する2段階フレームワークを提案し、大規模データセットを構築してSOTA精度を達成した。
原題: EMPIRE: Explicit Manipulation Planning as a Learnable Intermediate Representation for Egocentric Hand-Motion Forecasting / Wen Wang, Ruibing Hou, Hong Chang 他
日本語で読む → - 論文群制御ロボティクス
物理エージェンティックAI:LLMによるロボットクルー編成のためのアーキテクチャ
ロボット群をLLMで編成する際、計画と実行の間に検証層を設け、各動作をスキル・状態・制約に照らして確認するフレームワークを提案し、ドローンとUGVの探索・配送任務などで実証した。
原題: Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs / Xinyuan Liu, Eren Sadikoglu, Riana Chatterjee 他
日本語で読む → - 論文空間推論/ベンチマーク画像認識
OmniCAD: ロボット組立における3D空間推論のための大規模ベンチマーク
産業用機械組立品の3D空間推論を評価する大規模ベンチマークを構築し、現在の視覚言語モデルが複雑な組立推論に苦戦することを示した。
原題: OmniCAD: A Large-Scale Benchmark for 3D Spatial Reasoning in Robotics Assemblies / Mingjia Wang, Taiting Lu, Ziwei Dong 他
日本語で読む → - 論文気象予測機械学習
ラグランジュ大気JEPAフレームワークにおけるクロス変数転移:ラベルなし嵐の追跡
南アジアのモンスーン降水予測において、降水データを使わずに連続的な大気プロキシ(OLRなど)で事前学習した表現を転移し、降水予測精度を向上させる手法を提案した。
原題: Tracing the Unlabeled Storm: Cross-Variable Transfer in a Lagrangian Atmospheric JEPA Framework / K M Anirudh, S Sandeep, Hariprasad Kodamana
日本語で読む → - 論文安全制御制御
非ホロノミック移動ロボットのためのスケーリングに基づく相互制御障壁関数
非ホロノミック移動ロボットの位置レベルの障害物回避における相対次数2の安全制約に対して、運動依存のスケーリング因子を導入した相互障壁関数の構築法を提案し、安全集合の内部不変性を保証する。
原題: Scaling-Based Reciprocal Control Barrier Functions for Nonholonomic Mobile Robots / Tianyu Han, Bo Wang
日本語で読む → - 論文模倣学習機械学習
ワールドモデルポリシー学習と模倣ワールドアクションモデルの能力分離について
観察デモから学習する際、将来予測を介したワールドアクションモデルと直接行動クローニングの制御能力を理論的に比較し、両者が同じ外部ポリシークラスと理想的な模倣目標を持つことを示した。
原題: On the Capability Separation Between World-Model Policy Learning and Imitated World-Action Models / Yang Yu
日本語で読む → - 論文触覚ロボティクス
触覚基盤モデルの可能性
言語や視覚の基盤モデルの成功を踏まえ、触覚分野でも汎用的な基盤モデル(HFM)の構築を提案し、その課題と展望を論じた論文。
原題: The Potential of Haptic Foundation Models / Jianquan Wang, Haiwei Dong, Abdulmotaleb El Saddik
日本語で読む → - 論文農業ロボティクス/物体検出画像認識
複雑な果樹園における微細小物体検出とインスタンス分割のためのYOLOv26、YOLOv11、YOLOv8の世代間最適化
果樹園環境での小物体検出とセグメンテーションの課題に対し、YOLOv8、YOLOv11、YOLOv26を比較し、小物体向けトレーニング設定が精度と効率のバランスに優れることを示した。
原題: Cross-Generation Optimization of YOLOv26, YOLOv11, and YOLOv8 for Fine-Grained Small-Object Detection and Instance Segmentation in Complex Orchards / Ranjan Sapkota, Manoj Karkee
日本語で読む → - 論文模倣学習ロボティクス
模倣者ゲーム:行動予測を超えたロボットの模倣能力のベンチマーク
人間のデモンストレーションから意図を推論して実行するロボットの能力を評価するため、4段階のベンチマーク「The Imitator Game」と大規模データセット「IG-10K」を構築し、既存モデルが意図レベルの模倣で失敗することを示した。
原題: The Imitator Game: Benchmarking Robot Imitative Ability Beyond Action Prediction / Xunzhe Zhou, Yiyang Cai, Fengyi Wang 他
日本語で読む → - 論文生体力学/最適制御ロボティクス
ランニング用義足が走り幅跳びに与える影響は?生体力学的モデルを用いた最適化予測と分析
下腿切断者がランニング用義足で走り幅跳びを行う際の動作を、筋骨格モデルと最適制御問題を用いて再現・比較し、義足のバネ特性が跳躍距離に与える影響を分析した。
原題: What is the effect of running-specific prostheses on long jumps? Optimization-based prediction and analysis using biomechanical models / Anna Lena Emonds, Johannes Funken, Wolfgang Potthast 他
日本語で読む → - 論文BMI/脳波-筋電図デコーディング制御
ST-Topo GAN:手首運動の複雑さに対応した脳波-筋電図デコーディングモデル
脳波から筋電図への連続デコーディングにおいて、手首運動の複雑な神経筋活動に対応するため、時空間トポロジーを考慮したGANモデルを提案し、従来手法を上回る精度を達成した。
原題: ST-Topo GAN: A Motor EEG-to-EMG Decoding Model Matched to Wrist Movement Complexity / Ye Sun, Mingxuan Qu, Jing Wang 他
日本語で読む → - 論文プランニングロボティクス
Meta-Ctrl: 構文制約と意味制約の分離による保証付きプラン生成
LLMが生成するロボットのプランが構文・意味制約を必ず満たすようにする制約付きデコーディング手法を提案。メタトークン導入でメモリ消費を大幅削減し、小型モデルでもGPT-4を超える性能を実現。
原題: Meta-Ctrl: Guaranteed Plan Generation by Decoupling Syntactic and Semantic Constraints / Gwen Yidou-Weng, Edward Sun, Tianyi Ma 他
日本語で読む → - 論文UAV認識画像認識
メトリック3DフュージョンによるオープンボキャブラリUAV認識の時間的意味安定性の理解
UAVのオープンボキャブラリセグメンテーションの時間的不安定性を、3Dフュージョンで関連付けたボクセル評価フレームワークを用いて分析し、観測の持続性が意味的一貫性評価に重要であることを示した。
原題: Understanding Temporal Semantic Stability in Open-Vocabulary UAV Perception through Metric 3D Fusion / Saurbh Singh Jamwal
日本語で読む → - 論文ロコマニピュレーションロボティクス
DreamMimic: ワールドモデルによる視覚運動全身ロコマニピュレーションの学習
ヒューマノイドロボットの視覚ベース全身ロコマニピュレーションを、ワールドモデル支援蒸留により学習するフレームワークを提案。特権教師ポリシーを視覚ベースの学生ポリシーに蒸留し、予測潜在ダイナミクスと補助予測ヘッド、適応蒸留スケジュールを導入して性能を向上させた。
原題: DreamMimic: Learning Visuomotor Whole-Body Loco-Manipulation via World Model / Jie Yin, Xingyu Lai
日本語で読む →
PR・アフィリエイト広告
