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: 2026/8/17 / 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 →- 論文地理参照/ポーズグラフ最適化ロボティクス
マーカー制約付きポーズグラフ補正によるGNSS非依存環境でのクロスプラットフォーム地理参照
GNSSが使えない環境で、カモフラージュ対応のマーカーを視覚アンカーとして用い、LiDARオドメトリとRTAB-Mapの再構成を共通座標系に地理参照するフレームワークを提案。マーカー制約付きポーズグラフ最適化によりドリフトを大幅に低減した。
原題: Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments / Marco Giberna, Jose Luis Sanchez Lopez, Holger Voos
日本語で読む → - 論文顔認識/解釈可能性画像認識
SCOUT: 顔認識テンプレートのオープンボキャブラリ編集のための意味概念発見
顔認識テンプレート内の意味概念を直接発見・操作するフレームワークを提案し、自然言語記述から潜在特徴の意味仮説を生成して安定性を検証することで、編集可能な意味方向を獲得する。
原題: SCOUT: Semantic Concept Discovery for Open-Vocabulary Editing of face Recognition Templates / Leon Todorov, Peter Rot, Peter Peer 他
日本語で読む → - 論文模倣学習ロボティクス
SurgVIL: オープンソース手術動画による手術ロボット模倣学習の大規模化
手術ロボットの模倣学習において、実組織の動画データから弱い教師信号として運動学を推定し、ファントムデータと組み合わせて学習することで、実組織や分布外環境への汎化性能を向上させるフレームワークを提案した。
原題: SurgVIL: Scaling Surgical Robot Imitation Learning with Open-source Surgical Videos / Xinhao Chen, JuoTung Chen, Nigel Nelson 他
日本語で読む → - 論文HDRイメージング画像認識
深度ガイドによる多視点露出ブラケティングを用いたHDRロボットビジョン
極端な照明条件下での単一ショットHDR撮像を実現するため、多視点カメラに異なる露出を割り当て、深度情報で融合する手法DMEBを提案し、ロボット用の大規模HDRデータセットも構築した。
原題: Depth-guided Multi-view Exposure Bracketing for HDR Robot Vision / Jinnyeong Kim, Juhyung Choi, Woohyeok Kim 他
日本語で読む → - 論文マニピュレーションロボティクス
意味と密度を考慮したアクセシビリティ維持型マルチオブジェクト配置計画
家庭用ロボットが棚に複数の物体を順次配置する際、意味的な整理、空間の高密度利用、操作のしやすさを同時に考慮する計画手法SDPPを提案した。
原題: Semantic- and Density-Aware Planning for Accessibility-Preserving Multi-Object Placement / Benno Wingender, Nils Dengler, Nicolas Busch 他
日本語で読む → - 論文VLA/プランニングロボティクス
ニューロシンボリック具現化エージェント
視覚言語モデルとシンボリックプランニングを組み合わせ、家庭内の長期的タスクを実行可能な計画として生成するエージェントを提案。探索と制約付き計画により、実行可能性を保証しつつ高い成功率を達成。
原題: Neurosymbolic Embodied Agents / Mohammad Albinhassan, Yuming Feng, Alessandra Russo 他
日本語で読む → - 論文群制御ロボティクス
プランナー条件付き拡散による協調マルチエージェント探索
複数のプランナーのデモから学習し、プランナーIDを条件として与えることで多様な軌道を生成できる拡散ポリシーを提案。局所的な再ランキングでエージェント間の重複を減らし、協調探索を実現した。
原題: Planner-Conditioned Diffusion for Coordinated Multi-Agent Exploration / Marcus Yu Siong Teo, Jeric Lew, Tanishq Duhan 他
日本語で読む → - 論文世界モデル/3Dシーン理解画像認識
GaussianDWM++: 言語基盤の3Dガウス駆動世界モデルによる統一的なシーン理解・編集・マルチモーダル生成
3Dガウス表現に視覚言語特徴を蒸留し、シーン理解・言語推論・4D編集・マルチモーダル生成を単一フレームワークで統合した駆動世界モデルを提案した。
原題: GaussianDWM++: Language-Grounded 3D Gaussian Driving World Model for Unified Scene Understanding, Editing, and Multi-Modal Generation / Tianchen Deng, Xuefeng Chen, Shuang Wu 他
日本語で読む → - 論文群制御制御
センシング範囲制約下での剛性を考慮したフォーメーション追従:単一の制御バリア関数制約による実現
非線形ダイナミクスを持つ異種マルチロボットシステムにおいて、センシング範囲制約下でフォーメーション追従と剛性維持を単一のCBF制約で統合する分散制御フレームワークを提案した。
原題: Rigidity-Aware Formation Tracking under Sensing Range Constraints via Single Control Barrier Function Constraint / S. Saharsh, Pushpak Jagtap
日本語で読む → - 論文ナビゲーション/計画ロボティクス
車輪脚ロボットの複雑地形におけるロボット身体認識トラバーサルリスクグラフ計画
車輪脚ロボットの複雑地形ナビゲーションのため、ロボットの向きと車体形状を考慮したリスクグラフ計画手法を提案し、シミュレーションと実機で成功率を向上させた。
原題: Robot-Body-Aware Traversal Risk Graph Planning for Wheeled-Legged Robots in Complex Terrain / Zhiqiao Guo, Bichi Zhang, Sören Schwertfeger
日本語で読む → - 論文VLAAI
HaReCAP: 習慣的行動に基づく再帰的大規模言語モデルエージェントの接地
長期的な身体性タスクにおいて、LLMエージェントの葉ノードでの行動接地の冗長性を減らすため、成功軌跡から頻出の葉決定を抽出してオフラインでルール化し、実行時に安全な場合のみLLM呼び出しをスキップするHaReCAPを提案した。
原題: HaReCAP: Habitual-action Grounding for Recursive Large Language Model Agents / Shen Liu, Zhenguo Xu, Shaopu Wang 他
日本語で読む → - 論文介入学習/強化学習ロボティクス
GAINS: 強化学習における不整合な人間介入信号の活用
人間の介入信号の遅延や不整合性を扱うため、分布強化学習と悲観的探索を用いた介入ベースのロボット操作学習フレームワークを提案し、シミュレーションと実機で高い成功率を達成した。
原題: GAINS: Leveraging Inconsistent Human Intervention Signals in Reinforcement Learning / Xinyi Zhang, Yinuo Zhao, Pei Ren 他
日本語で読む → - 論文VLA/エッジ推論/エネルギー効率AI
EcoVLA: リアルタイム制約下での視覚言語行動モデルのためのエネルギー効率的なデバイス・エッジ協調推論
VLAモデルの推論コストを削減するため、デバイスとエッジサーバー間で協調推論を行い、リアルタイム制約を満たしつつシステム全体のエネルギー効率を最大化する適応型フレームワークEcoVLAを提案した。
原題: EcoVLA: Energy-Efficient Device-Edge Co-Inference for Vision-Language-Action Models under Real-Time Constraints / Ao Zhou, Bo Dai, Le Yu 他
日本語で読む → - 論文操作プランニングロボティクス
データ合成と統合プランニングによるマニュアル基盤の家電操作のスケーリング
家電のマニュアルから部品接地・長期プランニング・閉ループ回復データを自動生成するパイプラインMAGEと、それを用いた大規模データセットUseAppliance、およびエンドツーエンドモデルAppliancePlanを提案し、実ロボットで有効性を実証した。
原題: Scaling Manual-Grounded Appliance Manipulation with Data Synthesis and Unified Planning / Yuxing Long, Lei Kang, Ziyan Yu 他
日本語で読む → - 論文再構成可能ロボットロボティクス
着脱式ワイヤ駆動:アクチュエータ共有による再構成可能ロボットアーキテクチャ
重く高価なアクチュエータを共通ベースに集約し、ワイヤ経路を物理的に切断・再接続できる「ワイヤ着脱ユニット」により、複数の形態(剛体アーム、連続体アーム、グリッパ)を単一のアクチュエータセットで駆動する再構成可能ロボットシステムを提案・実証した。
原題: Detachable Wire Drive : Reconfigurable Robot Architecture with Shared Actuators / Takahiro Hattori, Kento Kawaharazuka, Kei Okada
日本語で読む → - 論文マニピュレーションロボティクス
ReForce: 力覚を考慮した器用な操作のためのリターゲティング学習
人間のデモからロボットの操作へ変換する際、運動学的なリターゲティングに加えて力の情報を考慮し、接触を再現する手法を提案。シミュレーションと実機で力追従誤差を低減し、多指接触を強化した。
原題: ReForce: Learning Force-aware Retargeting for Dexterous Manipulation / Yuhang Wu, Lingqi Zeng, Changwei Jing 他
日本語で読む → - 論文歩行ロボティクス
Tac4Loco: ヒューマノイド歩行のための時空間足底圧表現の学習
ヒューマノイドロボットの歩行制御において、足底圧力の空間的トポロジーを保持した表現を学習し、シミュレーションと実機のセンサ信号を共通の観測空間にマッピングすることで、不整地での適応的な歩行を実現するフレームワークを提案した。
原題: Tac4Loco: Learning Spatiotemporal Plantar Pressure Representations for Humanoid Locomotion / Ziyun Liu, Sikai Guo, Zheng Li 他
日本語で読む → - 論文LiDARレジストレーションロボティクス
誰のフレームで縮退するのか?LiDARレジストレーションにおける縮退検出の等変性条件
LiDARレジストレーションの縮退検出ラベルが座標系に依存することを示し、フレーム不変な一般化固有値基準を提案した論文。
原題: Degenerate in Whose Frame? An Equivariance Condition for Degeneracy Detection in LiDAR Registration / Yujie Zhang, Chunlei Zhao, Yuzong Lin 他
日本語で読む → - 論文模倣学習/遅延補償ロボティクス
RAPAC-DP: 遅延実行下での拡散ポリシーに対する応答整合型保留アクション補償
クラウド推論の遅延による制御性能低下を補うため、実行予定のアクション列を条件入力として活用する補償機構を拡散・フローベースのポリシーに組み込んだ。遅延が無視できる場合は元のポリシーと完全に一致し、遅延デモなしで訓練可能。
原題: RAPAC-DP: Response-Aligned Pending-Action Compensation for Diffusion Policies under Delayed Execution / Tao Wang, Wei Wang, Jianhui Wang 他
日本語で読む → - 論文マニピュレーションロボティクス
視覚誘導による4自由度アームでの机上ペン操作
低コストの4自由度アームで、固定カメラとYOLOによる物体検出・姿勢推定を用いて、手首回転なしにペンの色分け整列を実現した論文。
原題: Tabletop Pen Manipulation With a Vision-Guided 4-DoF Arm / Anirudh Rangarajan, Bibit Bianchini
日本語で読む → - 論文マニピュレーションロボティクス
ディスクを回転させてより遠くへ:新しい再構成可能な腱駆動マニピュレータの設計とモデリング
腱駆動連続体マニピュレータの中間スペーサディスクを独立に回転させて腱経路を局所的に変更し、複雑な変形を実現する再構成可能な設計を提案し、静的モデルを構築して実験で検証した。
原題: Rotate Disks to Reach Farther: Design and Modeling of a Novel Reconfigurable Tendon Driven Manipulator / Sabyasachi Dash, Yangkun Liu, Will Hunter 他
日本語で読む → - 論文sim2realロボティクス
触覚シミュレーションを使わない触覚Sim2Real:ボトルネック潜在再構成による実現
触覚センサのシミュレーションを避け、シミュレータ内のオラクルセンサ(点群と指先力)で学習したポリシーを、実センサの潜在表現をオラクルに合わせることで実機に転移するフレームワークを提案。挿入や歯車噛み合わせで高成功率を達成。
原題: Tactile Sim2Real without Tactile Simulation via Bottlenecked Latent Reconstruction / Fan Yang, Youngsun Wi, Jinhao Yu 他
日本語で読む → - 論文VLA/触覚/操作ロボティクス
ViTaR: 基盤VLA操作のための視触覚残差適応
接触を伴う操作タスクで、凍結したVLAモデルに触覚情報に基づく小さな残差補正を加える手法を提案し、既存の触覚ベースラインを上回る成功率を達成した。
原題: ViTaR: Visuo-Tactile Residual Adaptation for Foundation VLA Manipulation / Yi Wang, Renjun Wu, Jinyan Liu 他
日本語で読む → - 論文センサ/信頼性ロボティクス
物理的限界と不確実性モニタリングによる信頼性の高いピエゾ抵抗ひずみセンシング
ソフトなピエゾ抵抗ひずみセンサの信頼性を高めるため、物理情報を組み込んだ確率的逆モデルと、不確実性とひずみ・ひずみ速度の限界を融合したリスク指標を用いた3状態モニタを提案した。実験では高い適合度と異常検出率を達成した。
原題: Reliable Piezoresistive Strain Sensing Through Physical Limits and Uncertainty Monitoring / Carmen Ballester, Víctor Muñoz, Dorin Copaci 他
日本語で読む → - 論文VLA画像認識
AlloEgo-VLM: 視覚言語モデルにおける全中心・自己中心参照枠の曖昧性解消
視覚言語モデルが空間関係を記述する際に参照枠(全中心的・自己中心的)の曖昧さを解消するためのデータセットとフレームワークを構築し、ロボットの物体探索タスクでの実用性を検証した。
原題: AlloEgo-VLM: Disambiguating Allocentric and Egocentric Reference Frames in Vision-Language Models / Kuan-Lin Chen, Tzu-Ti Wei, Chao-Chi Liao 他
日本語で読む → - 論文VLA/セキュリティcs.CR
ビットフリップ攻撃による視覚言語行動モデルの脆弱性:行動デコードアーキテクチャが攻撃耐性を左右する
量子化された視覚言語行動(VLA)モデルに対する初のビットフリップ攻撃を提案し、少数のフリップで閉ループ成功率を0%にできることを示した。攻撃に必要なフリップ数は行動ヘッドの種類に依存し、直接回帰やトークンポリシーでは1〜5回、フローマッチングでは100〜300回必要である。
原題: Bit-Flip Attacks on Vision-Language-Action Models: Action-Decoding Architecture Shapes the Vulnerability / Yudong Gao, Linghan Chen, Wenhan Wu 他
日本語で読む → - 論文自動運転ロボティクス
すべての履歴が役立つわけではない:長期的なエンドツーエンド自動運転のための速度認識型選択的メモリ
自動運転の長期計画において、過去の自己予測状態が古くなったり現在の運動段階と矛盾したりする問題を解決するため、選択的メモリと運動段階学習を導入したStableDriveを提案し、衝突率やL2誤差を大幅に改善した。
原題: Not All History Helps: Velocity-Aware Selective Memory for Long-Horizon End-to-End Autonomous Driving / Yuchen Liu, Ziying Song, Shengkai Zhang 他
日本語で読む → - 論文ビデオ生成/編集画像認識
EditStream: 対話型ビデオ生成と編集のための統一オートリグレッシブフレームワーク
ビデオ生成と編集を単一のDiTベースモデルで統合し、高速な数ステップのオートリグレッシブモデルに変換するフレームワークを提案。テキストからビデオ、画像からビデオ、編集伝播など多様なタスクをサポートし、対話的なクリエイティブワークフローを実現する。
原題: EditStream: A Unified Autoregressive Framework for Interactive Video Generation and Editing / Yuqian Zhou, Zhenghong Zhou, Zongze Wu 他
日本語で読む → - 論文ビデオ推論画像認識
視覚的思考の内面化:能動的なビデオ推論のための内部化視覚思考
ビデオ推論において、推論時に中間画像を生成するVisual CoTの代わりに、訓練時に未来フレームの潜在表現を予測するInternalized Visual Thinkingを提案し、推論時のオーバーヘッドを削減しつつ性能を維持・向上させた。
原題: Beyond Visual CoT: Internalized Visual Thinking for Proactive Video Reasoning / Xiaoyu Zhu, Xinke Deng, Suresh Taddewadikar 他
日本語で読む → - 論文触覚ロボティクス
ロボットのための視覚ベース触覚知能:センシング、学習、身体化された操作
視覚ベース触覚センサ(VBTS)のハードウェア、学習手法、シミュレーション、データセットを統合したレビュー論文。接触による変形を画像化するVBTSのパイプライン全体を俯瞰し、今後の課題と方向性を示す。
原題: Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation / Peng Zhou, Jun Hu, Sihan Chen 他
日本語で読む →
PR・アフィリエイト広告
