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: 2026/8/21 / 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 →- 論文群制御ロボティクス
FF-MPCC: モデル予測輪郭制御による高速アジャイル編隊飛行
UAVの編隊飛行を高速かつアジャイルに行うため、MPCCフレームワークに編隊維持を統合した分散型手法を提案し、複雑な経路追従と動的編隊形状の変更を実現した。
原題: FF-MPCC: High-speed Agile Formation Flight with Model Predictive Contouring Control / Aditya Dandwate, Vit Kratky, Parakh M. Gupta 他
日本語で読む → - 論文VLA/操作AI
ForeTime-VLA: 世界行動モデルからの因果的未来トークン蒸留によるコンベアベルト操作
コンベア上の移動物体を操作するため、将来の接触イベントを予測するVLAポリシーを提案。凍結した世界行動モデルから未来情報を蒸留し、推論時のコストを抑えつつ把持成功率を大幅に向上させた。
原題: ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation / Siyuan Ma, Yutian Zhang, Boshi Zhang 他
日本語で読む → - 論文視触覚表現学習ロボティクス
VT-MUSE: 操作のためのマルチモーダル統合シーケンシャル視触覚表現学習
視覚と触覚の時系列情報を統合する表現学習フレームワークを提案し、シミュレーションと実世界で操作タスクの成功率を大幅に向上させた。
原題: VT-MUSE: Multimodal Unified Sequential Visuotactile Representation Learning for Manipulation / Congsheng Xu, Qiaochu Yang, Fangyuan Shi 他
日本語で読む → - 論文宇宙探査ロボティクス
宇宙ロボットによる地球外採掘:探査、サンプリング、抽出
宇宙資源の採掘を実現するためのロボット技術を包括的にレビューし、6段階のアーキテクチャを提案した論文。
原題: Mining beyond Earth with Space Robots: Exploration, Sampling, and Extraction / Dong Li, Dujun Nie, Xiaotong Zhang 他
日本語で読む → - 論文群制御ロボティクス
分布シフト下での不均一マルチロボットタスク割り当てのためのモデルベース強化学習
不均一なマルチロボットシステムにおけるタスク割り当てとスケジューリングを、予測を考慮した適応ロールアウトフレームワークで解決し、分布シフトに対する頑健性を向上させた。
原題: Model-Based Reinforcement Learning for Heterogeneous Multi-Robot Task Assignment Under Distribution Shifts / Daniel Garces, Sara Castro, Adrian Haimovich 他
日本語で読む → - 論文セキュリティ/触覚cs.CR
ゴーストタック:物理的接触なしに触覚センサーを操作する
電磁干渉を用いて触覚センサーの出力を遠隔から操作する攻撃手法を提案し、ロボットの触覚認識を欺くことを実証した。
原題: GhostTac: Manipulating Tactile Sensors without Physical Contact / Kun Wang, Xuancun Lu, Ruochen Zhou 他
日本語で読む → - 論文世界モデル機械学習
MDN-VJEPA:マルチモーダル確率的結合埋め込み世界モデル
未来の観測を再構成せず表現を予測するJEPAに混合密度ネットワークを組み込み、分岐する未来をガウス混合で確率的に表現する世界モデルを提案した。
原題: MDN-VJEPA: Multimodal Probabilistic Joint-Embedding World Models / Yongchao Huang
日本語で読む → - 論文動画偽造検出画像認識
ResNet-LSTM-CBAMとDCTハイブリッドネットワークによる空間・周波数領域の動画偽造検出システム
空間特徴抽出にResNet-LSTM-CBAM、周波数特徴抽出にDCTを組み合わせた動画偽造検出モデルを提案し、ベンチマークで高精度を達成した。
原題: Spatiality-Frequency Domain Video Forgery Detection System Based on ResNet-LSTM-CBAM and DCT Hybrid Network / Zihao Liao, Sheng Hong, Yu Chen
日本語で読む → - 論文模倣学習ロボティクス
模倣学習におけるデモンストレーション忘却の再考:ロボット工学の視点から
ロボットの模倣学習において、ユーザーが削除を要求したデモンストレーションの影響を評価する新しい監査手法を提案。行動と証拠の2軸で再学習との整合性を検証する。
原題: Rethinking Demonstration Unlearning in Imitation Learning for Robotics / Jiazhuo Li, Yu Zhang, Yiming Fei 他
日本語で読む → - 論文VLA画像認識
視覚-言語-行動モデルにおけるトークン圧縮のための最小知覚差モデリング
本論文は、視覚-言語-行動(VLA)モデルのトークン圧縮において、下流の行動応答に基づく最小知覚差(JND)を導入し、許容範囲内の行動変化を保証する軽量なJND推定器を提案する。
原題: Just Noticeable Difference Modeling for Token Compression in Vision-Language-Action Models / Zhuoyuan Li, Rui Zhao, Jin Wang 他
日本語で読む → - 論文歩行ロボティクス
模擬変形地表面上での人間型ロボットの立ち上がり動作のデモンストレーション誘導
硬い地面で記録した人間のデモンストレーションを参照として、変形する柔らかい地面での29自由度ヒューマノイドの立ち上がり動作を強化学習で生成する手法を提案した。
原題: Demonstration-Guided Humanoid Stand-Up on an Emulated Deformable Surface / Aniruddh Kushwah, Vyankatesh Ashtekar, Ashish Dutta
日本語で読む → - 論文VLA/社会的知能AI
信念なき行動:視覚言語モデルにおける心の理論の協調的社会行動への変換の測定
心の理論の推論と社会的行動のギャップを測るベンチマークMOSAICを導入し、VLMがToM制約下で一貫した行動を生成できないことを示した。
原題: Belief Without Behavior: Measuring the Translation of Theory of Mind into Coordinated Social Action in Vision-Language Models / Tonglin Yan, Gregoire Sergeant-Perthuis, David Rudrauf
日本語で読む → - 論文タスク計画ロボティクス
TaPeR: 少数のデモンストレーションからの疎なタスク先行関係グラフの確率的復元
人間のデモンストレーションから、タスクの部分的な順序関係(先行関係)を確率的に推定し、ロボットが柔軟にサブタスクを並べ替えられるようにする手法を提案した論文。
原題: TaPeR: Probabilistic Recovery of Sparse Task Precedence Graphs from a Handful of Demonstrations / Adrian Röfer, Karla Stepanova, Abhinav Valada
日本語で読む → - 論文歩行ロボティクス
ガイド付き支援カリキュラムと段階的報酬によるヒューマノイドの自然な立ち上がり動作合成
強化学習を用いて、デモや参照軌道なしにヒューマノイドの自然な立ち上がり動作をゼロから合成する手法を提案。支援力と椅子の高さのカリキュラム、多様な初期姿勢、生体力学的報酬により、8段階の椅子の高さで97%以上の成功率を達成。
原題: Natural Sit-to-Stand Motion Synthesis For Humanoids via Guided Assistance Curricula and Staged Rewards / Meet Pal Singh, Vyankatesh Ashtekar, Ashish Dutta
日本語で読む → - 論文3Dシーン理解画像認識
Stream3Dv2: 幾何学的・意味的融合によるストリーミングゼロショット3Dシーン理解の強化
本論文は、ストリーミングRGB-D入力とノイズのある2Dセグメンテーションマスクを扱うためのトレーニング不要の3Dシーン理解フレームワークを提案し、幾何学的・意味的融合と多様体距離に基づく点群精緻化により性能を向上させる。
原題: Stream3Dv2: Geometric-Semantic Fusion Enhanced Streaming Zero-Shot 3D Scene Understanding / Jie Xu, Na Zhao
日本語で読む → - 論文軌道計画ロボティクス
OpenSCvx: オープンソースのモジュール式で拡張可能な非線形軌道計画パッケージ
軌道最適化問題をシンボリックに記述し、自動的に数値最適化問題を構築・解決するオープンソースのPythonフレームワークを紹介する論文。
原題: OpenSCvx: An Open-Source Modular and Extensible Nonlinear Trajectory Planning Package / Christopher R. Hayner, Griffin J. Norris, Fabio Spada 他
日本語で読む → - 論文ヒューマノイド/模倣学習/sim2realロボティクス
適応的動作計画と追従による人型ロボットのプロテニススタイル実現
放送映像からプロのテニス動作を学習し、適応機構でシミュレーションと実機のギャップを埋めることで、人型ロボットにプロ級のサーブとラリーを実現するフレームワークを提案した。
原題: Towards Professional Tennis Styles for Humanoid Robots with Adaptive Motion Planning and Tracking / Tao Huang, Ruofei Liu, Xuchen Tang 他
日本語で読む → - 論文VLA/強化学習AI
EXIMO: VLMによるVLAポリシー探索のガイド
VLAポリシーの効率的なファインチューニング手法EXIMOを提案。VLMをプランナーとして使い、長期的なタスクを分解してデータ収集し、模倣学習とオフポリシーRLで最適化する。
原題: EXIMO: VLM Guided Exploration of VLA Policies / Bhavya Sukhija, Oliver Groth, Mohit Shridhar 他
日本語で読む → - 論文階層型強化学習/四足歩行ロボティクス
狭い空間を跳び越える四足ロボットの高ダイナミックスキル遷移学習
四足ロボットが狭いゲートを動的に通過するための階層型強化学習パイプラインを提案。低レベル方策は模倣学習で動物の多様なスキルを獲得し、高レベル制御が視覚情報とスキル能力を考慮して衝突回避軌道を選択する。
原題: Learning Highly Dynamic Skills Transition for Quadruped Jumping Through Constrained Space / Zeren Luo, Jiahui Zhang, Yimin Han 他
日本語で読む → - 論文オフライン強化学習画像認識
RoMAN-Flow: ロボット操作におけるオフライン強化学習のための自己回帰正規化フローの制御
自己回帰正規化フローを用いたオフライン強化学習フレームワークを提案し、サンプリング不要の尤度目的と一段階蒸留により推論遅延を削減しつつ、ロボット操作の性能を維持する。
原題: RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation / Shaoxuan Wang, Guangting Zheng, Rui Huang 他
日本語で読む → - 論文触覚/操作ロボティクス
HiTac-WAM: 接触を伴うロボット操作のための階層的触覚ワールドアクションモデル
触覚状態を接触状態、3D変形場、滑りリスクの階層として予測するワールドアクションモデルを提案し、予測と実測のずれに基づく再計画で操作性能を向上させた。
原題: HiTac-WAM: A Hierarchical Tactile World Action Model for Contact-Rich Robot Manipulation / Chao Xue, Chaofan Zhang, Wenxuan Ma 他
日本語で読む → - 論文水中ロボット/マルチモーダル融合画像認識
劣化した視覚条件下での水中ロボットのためのロバストなクロスモーダル基盤モデル認識
濁りや減衰などで劣化した水中画像に対し、ソナー情報を適応的に融合する手法を提案。視覚エンコーダは凍結したDINOv2を用い、劣化度に応じてソナーの寄与を自動調整し、極端な劣化下で精度を33.5%向上させた。
原題: Robust Cross-Modal Foundation Model Perception for Underwater Robots under Degraded Visual Conditions / Mohammad Arif Ul Alam
日本語で読む → - 論文VLAロボティクス
Logic-VLA: 時間論理条件付き視覚言語行動モデル
自然言語指示に加えて、推論時に与えられる信号時相論理(STL)仕様を満たすように行動を調整するVLAモデルを提案。STLエンコーダと2段階のポリシー適応により、形式要件の充足率を大幅に向上させつつ、通常のタスク成功率をほぼ維持する。
原題: Logic-VLA: A Temporal Logic Conditioned Vision-Language-Action Model / Celina Shiyu Wang, Yiqi Zhao, Junjie Ye 他
日本語で読む → - 論文医療ロボティクスロボティクス
EndoLIFT: 言語で曖昧性を解消する潜在条件付き整流フローによる双方向内視鏡制御
内視鏡検査の双方向制御において、同じ視覚情報でも逆の動作が必要となる「意図の曖昧性」を解決するため、言語指示と軌跡潜在変数を組み合わせた視覚言語行動ポリシーを提案した。
原題: EndoLIFT: Language-Disambiguated Latent-Conditioned Rectified Flow for Bidirectional Endoscopic Control / Chi Kit Ng, Yidong Zhang, Lui Siu Hing 他
日本語で読む → - 論文VLA/継続学習ロボティクス
OrthoSkillVLA: 勾配情報に基づくスキル部分空間適応による継続的スキル学習
事前学習済みのVLAモデルを複数のスキルに順次適応させる際に生じる破滅的忘却を防ぐため、VLMとActionHeadに別々の部分空間制約を課し、出力層には軽量なMoEデコーダを導入するパラメータ効率的な継続学習フレームワークを提案した。
原題: OrthoSkillVLA: Continual Skill Learning via Gradient-Informed Skill Subspace Adaptation / Jiaqi Wang, Zhou Fang, Qiongfeng Shi 他
日本語で読む → - 論文移動マニピュレーションAI
DECOWAM: 脚式移動マニピュレーションのための分離型全身世界行動モデル
移動マニピュレーションのための世界行動モデルを提案し、カメラの自己運動とベース・アーム動作を分離して予測する。実ロボットデータセットを用いて、将来の映像と行動の予測精度を向上させた。
原題: DECOWAM: Decoupled Whole-Body World-Action Model for Legged Mobile Manipulation / Siyuan Ma, Boshi Zhang, Yutian Zhang 他
日本語で読む → - 論文HRIロボティクス
深層強化学習による人間伴走ロボットの適応的インタラクション戦略
深層強化学習とMPPI・CBF制御を組み合わせ、環境や状況に応じて人間に対する追従位置を動的に調整する伴走ロボットを実現した研究。
原題: Towards Adaptive Interaction Strategies for Human Companion Robot via Deep Reinforcement Learning / Cong-Thanh Vu, Yen-Chen Liu
日本語で読む → - 論文画像フォレンジック画像認識
ノイズ残差アーティファクトパターン解析によるゼロショットカラー画像改ざん位置特定
単一の画像から参照アーティファクトパターンを推定し、ブロック相関とGMMスコアリングで画素レベルの改ざん確率マップを生成する、学習不要のゼロショット改ざん位置特定手法を提案した。
原題: Zero-Shot Color Image Manipulation Localization via Noise Residual Artifact Pattern Analysis / Edgar Gonzalez-Fernandez
日本語で読む → - 論文ロボット学習ロボティクス
ロボット学習における潜在アクションの重要要素
ロボット操作のための潜在アクションモデル(LAM)の設計選択を体系的に比較し、41の設計選択肢を3次元で評価。VLMバックボーンの微調整が下流のポリシー学習に有効であることを示した。
原題: What Matters for Latent Actions in Robot Learning / Xizhou Bu, Qingda Hu, Lei Zhou 他
日本語で読む → - 論文マニピュレーションロボティクス
PVRA: ロボット組立のための点単位キーポイント投票フレームワーク
RGB-D入力から組立シーンの3Dキーポイントを学習し、組立依存関係を推定してロボットの組立操作に必要なアクション出力を予測するフレームワークを提案した。
原題: PVRA: A Pointwise Key-point Voting Framework for Robotic Assembly / Kulunu Samarawickrama, Roel Pieters
日本語で読む →
PR・アフィリエイト広告
