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: 2026/2/27 / 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 →- 論文強化学習機械学習
PPOのためのActor-Critic事前学習
強化学習PPOにおいて、Actorを模倣学習で、Criticを事前学習済み方策のロールアウトから得たリターンで初期化する手法を提案し、15のロボット操作・歩行タスクでサンプル効率を大幅に改善した。
原題: Actor-Critic Pretraining for Proximal Policy Optimization / Andreas Kernbach, Amr Elsheikh, Nicolas Grupp 他
日本語で読む → - 論文選好ベース強化学習機械学習
OPRIDE: データセット内探索によるオフライン選好ベース強化学習
オフライン選好ベース強化学習において、クエリ効率を高めるための探索戦略と割引スケジューリングを組み合わせた手法を提案し、少ないクエリで高性能を達成した。
原題: OPRIDE: Offline Preference-based Reinforcement Learning via In-Dataset Exploration / Yiqin Yang, Hao Hu, Yihuan Mao 他
日本語で読む → - 論文モデルベース強化学習機械学習
WIMLE: 不確実性を考慮した世界モデルによるサンプル効率の高い連続制御
IMLEを用いてマルチモーダルな世界モデルを学習し、予測不確実性で重み付けすることで、連続制御タスクのサンプル効率と性能を向上させたモデルベース強化学習手法。
原題: WIMLE: Uncertainty-Aware World Models with IMLE for Sample-Efficient Continuous Control / Mehran Aghabozorgi, Alireza Moazeni, Yanshu Zhang 他
日本語で読む → - 論文マルチエージェント強化学習機械学習
共同状態行動埋め込みを用いたマルチエージェントモデルベース強化学習
部分観測環境で多数のエージェントを協調させるため、世界モデルと想像ロールアウトに共同状態行動埋め込み(SALE)を統合したモデルベースMARLフレームワークを提案し、StarCraft IIやMulti-Agent MuJoCoなどで性能向上を示した。
原題: Multi-Agent Model-Based Reinforcement Learning with Joint State-Action Learned Embeddings / Zhizun Wang, David Meger
日本語で読む → - 論文強化学習機械学習
潜在ダイナミクスによるモデルフリーの効率性とモデルベース表現の統合
モデルフリーの効率性とモデルベースの表現力を統合した強化学習アルゴリズムULDを提案し、多様な環境で高性能かつ少ないパラメータで動作することを示した。
原題: Unifying Model-Free Efficiency and Model-Based Representations via Latent Dynamics / Jashaswimalya Acharjee, Balaraman Ravindran
日本語で読む → - 論文モデルベース強化学習機械学習
楽観的ワールドモデル:モデルベース深層強化学習における効率的探索
モデル学習に楽観的なダイナミクス損失を組み込み、報酬の高い遷移を優先する探索手法を提案。DreamerV3やSTORMに適用し、サンプル効率と累積報酬を改善。
原題: Optimistic World Models: Efficient Exploration in Model-Based Deep Reinforcement Learning / Akshay Mete, Shahid Aamir Sheikh, Tzu-Hsiang Lin 他
日本語で読む → - 論文エージェント強化学習AI
エージェント世界モデル:エージェント強化学習のための無限合成環境
LLMエージェントの強化学習用に、コード駆動でデータベースに裏打ちされた1000の合成環境を自動生成するパイプラインを提案し、ベンチマーク外への汎化性能を実証した。
原題: Agent World Model: Infinity Synthetic Environments for Agentic Reinforcement Learning / Zhaoyang Wang, Canwen Xu, Boyi Liu 他
日本語で読む → - 論文制約付き強化学習機械学習
制約付き強化学習のための確率的決定ホライズン
制約違反がホライズンを短縮する確率的決定ホライズン(SDH)を提案し、制約付きRLのオフポリシーかつ正則化アルゴリズムを開発した。
原題: Stochastic Decision Horizons for Constrained Reinforcement Learning / Nikola Milosevic, Leonard Franz, Daniel Haeufle 他
日本語で読む → - 論文モデルベース強化学習機械学習
再パラメータ化フローポリシー最適化
フローポリシーをモデルベース強化学習に組み込み、生成過程とダイナミクスをまとめて誤差逆伝播することで、高いサンプル効率と安定性を実現した手法を提案。
原題: Reparameterization Flow Policy Optimization / Hai Zhong, Zhuoran Li, Xun Wang 他
日本語で読む → - 論文ゼロショット強化学習機械学習
ゼロショットオフポリシー学習
後継測度と定常密度比の理論的関連を利用し、報酬なしデータで訓練したエージェントがテスト時に追加学習なしで新タスクに適応できるゼロショット強化学習手法を提案。
原題: Zero-Shot Off-Policy Learning / Arip Asadulaev, Maksim Bobrin, Salem Lahlou 他
日本語で読む → - 論文強化学習機械学習
選択モデル支援Q学習による遅延フィードバック収益管理
遅延フィードバックのある収益管理において、較正済み離散選択モデルを部分的世界モデルとして用いて学習目標の遅延成分を補完するQ学習を提案し、理論的収束保証とホテル予約データに基づく実験で有効性と限界を示した。
原題: Choice-Model-Assisted Q-learning for Delayed-Feedback Revenue Management / Owen Shen, Patrick Jaillet
日本語で読む → - 論文強化学習機械学習
階層的ニューラルオプションと抽象世界モデルの同時学習
抽象世界モデルと階層的ニューラルオプションを同時に学習するAgentOWLを提案し、少ないデータでより多くのスキルを獲得できることを示した。
原題: Joint Learning of Hierarchical Neural Options and Abstract World Model / Wasu Top Piriyakulkij, Wolfgang Lehrach, Kevin Ellis 他
日本語で読む → - 論文組立/強化学習ロボティクス
設計図なしで安定構造物を自律組立するロボットの学習
強化学習により、事前設計図に頼らず目標と障害物だけから安定したブロック構造物を組み立てる自律ロボット組立フレームワークを提案し、実機実験で有効性を示した。
原題: Learning to Build: Autonomous Robotic Assembly of Stable Structures Without Predefined Plans / Jingwen Wang, Johannes Kirschner, Paul Rolland 他
日本語で読む → - 論文マルチエージェント強化学習/自動運転ロボティクス
TSC: 相互作用運転のためのトポロジー条件付きシュタッケルベルク型マルチエージェント強化学習
軌跡の編み込み関係から動的な優先度グラフを抽出し、局所的なリーダー・フォロワー関係に基づくシュタッケルベルク型協調方策をCTDEで学習する、通信不要の分散型自動運転フレームワークを提案。
原題: TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving / Xiaotong Zhang, Gang Xiong, Yuanjing Wang 他
日本語で読む → - 論文医療ロボティクス/強化学習ロボティクス
階層型モジュラー・マルチエージェント強化学習による機械的血栓回収術のAI自律ナビゲーション
大腿動脈から内頸動脈までのカテーテルとガイドワイヤの二デバイス操作を、階層型モジュラー・マルチエージェント強化学習で自律化し、in silicoおよびin vitroで有効性を実証した研究。
原題: Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL) / Harry Robertshaw, Nikola Fischer, Lennart Karstensen 他
日本語で読む → - 論文強化学習機械学習
制約付きグループ相対方策最適化
GRPOをラグランジュ緩和で拡張し、制約違反率を直接最適化する制約付き方策学習手法を提案。アドバンテージのスカラー化で安定した制約制御を実現し、ロボティクスタスクでの成功率向上も示した。
原題: Constrained Group Relative Policy Optimization / Roger Girgis, Rodrigue de Schaetzen, Luke Rowe 他
日本語で読む → - 論文強化学習×軌道最適化ロボティクス
CACTO-BIC: バイアス付きサンプリングとGPU加速軌道最適化によるスケーラブルなアクター・クリティック学習
軌道最適化と強化学習を組み合わせたCACTOを改良し、価値関数に基づく初期状態サンプリングのバイアスとGPU加速により、サンプル効率と計算速度を向上させた。四足ロボットAlienGOでリアルタイム応用可能なスケーラビリティを示した。
原題: CACTO-BIC: Scalable Actor-Critic Learning via Biased Sampling and GPU-Accelerated Trajectory Optimization / Elisa Alboni, Pietro Noah Crestaz, Elias Fontanari 他
日本語で読む → - 論文強化学習機械学習
単一表現で全ての報酬を最適化することは本当に可能か?
強化学習における教師なし事前学習の理論的理解を深め、後退・前進表現学習の新しい変種を提案し、ゼロショット性能を大幅に改善した。
原題: Can We Really Learn One Representation to Optimize All Rewards? / Chongyi Zheng, Royina Karegoudra Jayanth, Benjamin Eysenbach
日本語で読む → - 論文強化学習機械学習
未知の実行可能性を持つパラメータロバスト回避問題を強化学習で解く
強化学習を用いて、安全な方策が存在する初期条件の部分集合を特定しながら、その集合上で到達可能性問題を解く手法FGEを提案した。
原題: Solving Parameter-Robust Avoid Problems with Unknown Feasibility using Reinforcement Learning / Oswin So, Eric Yang Yu, Songyuan Zhang 他
日本語で読む → - 論文強化学習/故障復旧機械学習
小脳に着想を得た残差制御による故障復旧:推論時適応から構造的定着まで
凍結した強化学習方策に小脳模倣のオンライン残差補正を加え、再学習なしで故障復旧を実現する枠組みを提案し、MuJoCoで最大66%の性能改善を示した。
原題: Cerebellar-Inspired Residual Control for Fault Recovery: From Inference-Time Adaptation to Structural Consolidation / Nethmi Jayasinghe, Diana Gontero, Spencer T. Brown 他
日本語で読む → - 論文強化学習機械学習
因果的報酬整形による交絡に頑健な連続制御
オフラインデータから因果的ベルマン方程式を用いて報酬整形関数を自動学習し、未観測の交絡因子があっても連続制御タスクで安定した性能を実現する手法を提案。
原題: Confounding Robust Continuous Control via Automatic Reward Shaping / Mateo Juliani, Mingxuan Li, Elias Bareinboim
日本語で読む → - 論文逆強化学習ロボティクス
オンライン世界モデリングによる観察からの実世界逆強化学習
オンライン世界モデルを用いて、実世界のロボットが観察(動画)のみから視覚的マニピュレーションを逆強化学習で学習する手法を提案し、ピックアンドプレースを40分未満で82%の成功率まで達成した。
原題: Online World Modeling Enables Real-World Inverse Reinforcement Learning from Observation / Tyler Han, Bat Nemekhbold, Siyang Shen 他
日本語で読む → - 論文マルチエージェント強化学習ロボティクス
Co-jump: 四足歩行ロボットのマルチエージェント強化学習による協調ジャンプ
2台の四足歩行ロボットが通信なしに同期して、単体では不可能な高さのジャンプを実現する協調制御を、マルチエージェント強化学習とカリキュラム学習で獲得した。
原題: Co-jump: Cooperative Jumping with Quadrupedal Robots via Multi-Agent Reinforcement Learning / Shihao Dong, Yeke Chen, Zeren Luo 他
日本語で読む → - 論文強化学習ロボティクス
戦術的リソース制御と後続機動生成のための時間的行動表現学習
リソース使用と機動の因果関係を対比学習で捉え、離散コードブックで政策を条件付けるTARTを提案。迷路ナビと空戦シミュレータで有効性を示す。
原題: Temporal Action Representation Learning for Tactical Resource Control and Subsequent Maneuver Generation / Hoseong Jung, Sungil Son, Daesol Cho 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
ベクトル意味表現と記号推論による人間中心の自動緊急ブレーキのための強化学習強化
自動運転の緊急ブレーキにおいて、意味・空間・形状情報を統合したニューロシンボリック特徴表現と、ソフト一階論理による報酬関数を提案し、安全性と政策の堅牢性を向上させた。
原題: Reinforcement Learning Enhancement Using Vector Semantic Representation and Symbolic Reasoning for Human-Centered Autonomous Emergency Braking / Vinal Asodia, Iman Sharifi, Saber Fallah
日本語で読む → - 論文強化学習/ドローン制御ロボティクス
幾何学的対称性を活用したドローンのアクロバット飛行のマルチタスク強化学習
ドローンのアクロバット飛行をマルチタスクで学習するため、機体の回転対称性をポリシーネットワークに組み込んだ強化学習フレームワークGEARを提案し、高い成功率と実機での複雑な機動を実現した。
原題: Multi-Task Reinforcement Learning of Drone Aerobatics by Exploiting Geometric Symmetries / Zhanyu Guo, Zikang Yin, Guobin Zhu 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
実時間リカレント強化学習による自動運転の適応制御
メモリ効率の良いRTRRLで事前学習済み運転ポリシーをオンライン微調整し、LrcSSMと組み合わせてシミュレーションと実機イベントカメラで適応制御を実証した。
原題: Adaptive Control in Autonomous Driving via Real-Time Recurrent RL / Julian Lemmel, Felix Resch, Mónika Farsang 他
日本語で読む → - 論文強化学習ロボティクス
実機ロボットのオンライン強化学習で重要な設計選択とは何か
3種類のロボットで100回の実機学習を行い、アルゴリズムやシステム、実験設計の各選択を系統的に検証し、安定した学習を実現する設計指針を明らかにした。
原題: What Matters for Simulation to Online Reinforcement Learning on Real Robots / Yarden As, Dhruva Tirumala, René Zurbrügg 他
日本語で読む → - 論文強化学習機械学習
PolicyFlow: 連続正規化フローを用いた強化学習のための方策最適化
PPOに連続正規化フロー(CNF)方策を組み込み、全軌道の尤度評価を避けて速度場の変化で重要度比を近似する新手法を提案し、多様な環境で有効性を示した。
原題: PolicyFlow: Policy Optimization with Continuous Normalizing Flow in Reinforcement Learning / Shunpeng Yang, Ben Liu, Hua Chen
日本語で読む → - 論文強化学習/移動ロボティクス
位相認識型方策学習による四足ロボットのスケートボード乗り
スケートボードの位相に応じて特徴変調層を切り替える強化学習で、四足ロボットがスケートボードを安定して操る方策を学習した。
原題: Phase-Aware Policy Learning for Skateboard Riding of Quadruped Robots via Feature-wise Linear Modulation / Minsung Yoon, Jeil Jeong, Sung-Eui Yoon
日本語で読む →
PR・アフィリエイト広告
