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: 2026/8/16 / 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 →- 論文器用操作/事前学習ロボティクス
シミュレーションでの視覚的器用さの事前学習
VRヘッドセットを使い、人間がシミュレーション内で物体を操作して収集したデータで、多指ロボットハンドの操作ポリシーを事前学習する手法を提案。実機での微調整により、ゼロから学習するよりも高い性能を達成した。
原題: Pre-training Visual Dexterity in Simulation / Sarthak Kamat, Adam Rashid, Satvik Sharma 他
日本語で読む → - 論文マニピュレーションロボティクス
ロボ・ドーパミン2.0:ロボット操作のための履歴条件付き・OOD認識プロセス報酬モデリング
VLAモデルのロボット操作における報酬設計を改善するため、履歴とOOD(分布外)を考慮したプロセス報酬モデルを提案し、ペアワイズ予測インターフェースとSigned-Hopカリキュラムで学習精度を向上させた。
原題: Robo-Dopamine 2.0: History-Conditioned and OOD-Aware Process Reward Modeling for Robotic Manipulation / Yijie Xu, Haopeng Jin, Run 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
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 → - 論文ビデオ理解画像認識
CrossView: 視覚言語モデルはカメラをまたいで推論できるか?
複数カメラ映像の質問応答ベンチマークCrossViewを新たに導入し、既存の視覚言語モデルが複数視点の統合推論に苦戦することを示した。
原題: CrossView: Can Vision-Language Models Reason Across Cameras? / Sahil Shah, S P Sharan, Harsh Goel 他
日本語で読む → - 論文VLA/推論最適化ロボティクス
投機的推論と検証による効率的なVLA推論のためのアルゴリズム・アーキテクチャ協調設計
ロボット環境の能動/非能動状態に応じて投機的予測と選択的検証を切り替えることで、VLAモデルの推論効率と行動長を改善する協調設計フレームワークを提案した。
原題: Algorithm-Architecture Co-Design for Efficient VLA Inference via Speculative Inference and Verification / Chunyu Qi, Zhuoran Song, Jian Weng 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 → - 論文外観検査画像認識
衣料生産のためのAI外観検査
縫製ラインの品質管理を自動化するため、CNNを用いたAI外観検査システムを開発・検証した。黒色生地で学習し、異なる色の生地で性能を評価した。
原題: AI Visual Inspection for Garment Production / Ray Wai Man Kong, Ding Ning, Theodore Ho Tin Kong
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 → - 論文活動認識機械学習
TransfHAR: オンデマンド活動認識のための自己教師あり手首表現学習
手首のIMUデータを用いた自己教師あり事前学習により、未学習の細かい活動を少数のデモから認識できるフレームワークを提案し、実時間スマートウォッチアプリとして実装・評価した。
原題: TransfHAR: Self-Supervised Wrist Representations for On-Demand Activity Recognition / Aidan Bradshaw, Riku Arakawa, Xin Liu 他
日本語で読む → - 論文強化学習ロボティクス
時間論理に基づく普遍的なタスク表現による強化学習
LTL式からタスクの意味を抽出する新しい表現アーキテクチャを提案し、任意の強化学習アルゴリズムに統合可能な普遍的なタスク表現フレームワークLOTUSを導入した。双模倣距離による理論的保証で、学習効率と汎化性能を大幅に向上させる。
原題: Temporal Logic Guided Universal Task Representations for Reinforcement Learning / Hao Zhang, Zhangli Zhou, Zhen Kan
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 → - 論文群制御cs.MA
WONDER: マルチエージェントUAVカバレッジ最適化のための無線ワールドモデルに基づく交渉フレームワーク
災害後の無線カバレッジ復旧のため、UAV群の協調動作を最適化するフレームワークを提案。局所観測と群全体のカバレッジのギャップを、JEPAベースの無線ワールドモデルと多ラウンド交渉で埋める。
原題: WONDER: A Radio World Model-based Negotiation Framework for Multi-Agent UAV Coverage Optimization / Jiahao Huang, Rongpeng Li, Zhifeng Zhao 他
日本語で読む → - 論文ポリシー学習ロボティクス
二つのアクションヘッドを一致させる:フローマッチングポリシーのための協調メカニズムと実行時崩壊証明
フローマッチングポリシーにおいて、関節空間とエンドエフェクタ空間の二つのデコード結果の残差を実行時信号として用いる際、マルチモーダルタスクでの誤警報を避けるための協調メカニズムを研究し、理論的な証明と実験的評価を行った。
原題: Making two action heads agree: coordination mechanisms and a runtime collapse certificate for flow-matching policies / Jinhui Sun, Wei Zhou, Bowen Yang 他
日本語で読む → - 論文VLA画像認識
GLaQ: 視覚的証拠への潜在クエリ接地によるマルチモーダル推論
マルチモーダル大規模言語モデルの推論において、連続的な潜在状態の代わりに、元の視覚トークンに接地された固定数のクエリを用いることで、細かい視覚情報を効果的に保持・再利用する手法を提案した。
原題: GLaQ: Grounding Latent Queries in Visual Evidence for Multimodal Reasoning / Zesheng Yang, Lingling Zhang, Xinyu Zhang 他
日本語で読む → - 論文ROS 2 / 通信cs.NI
Adaptive Bridge: ROS 2におけるDDSバックプレッシャーを緩和するプロキシベースの分離層
ROS 2のDDSで、遅い購読者が原因で発生するバックプレッシャーが他の購読者に悪影響を与える問題を解決するため、プロキシを介して重要購読者と非重要購読者を分離し、適応的なレート制御を行う手法を提案した。
原題: Adaptive Bridge: A Proxy-Based Decoupling Layer for Mitigating DDS Backpressure in ROS 2 / Kaushalraj Puwar
日本語で読む → - 論文ビデオデブラリング画像認識
動き認識拡散モデルによるUAVビデオのデブラリング:堅牢なターゲット検出への道
UAV映像の動きぼけを除去するための効率的なビデオデブラリング手法を提案し、ターゲット検出精度を向上させる。
原題: UAV Video Deblurring via Motion-Aware Diffusion: A Path to Robust Target Detection / Zhiqiang Hu, Shouren Huang, Masatoshi Ishikawa
日本語で読む → - 論文VLA/強化学習ロボティクス
StructRL: フローベースVLAのための構造化アクション空間探索
フローベースの視覚言語行動モデル(VLA)のオンライン強化学習において、ノイズをアクション空間に直接注入する構造化探索手法StructRLを提案し、シミュレーションと実世界タスクで性能を向上させた。
原題: StructRL: Structured Action-Space Exploration for Flow-Based VLAs / Jiarui Yang, Bin Zhu, Jingjing Chen 他
日本語で読む → - 論文ワールドモデルロボティクス
学習済みワールドモデルにおける反実仮想ロールアウトのための低ランク動的実効潜在キャリア
学習済みワールドモデルの隠れ状態に小さな低ランク修正を加えることで、将来の観測や教師なしで反実仮想の未来を自律的に生成できることを示した論文。
原題: Low-Rank Dynamics-Effective Latent Carriers for Counterfactual Rollout in Learned World Models / Yang Liu, Yuming Chen
日本語で読む → - 論文リスク知覚ロボティクス
不在の証拠:視覚が失われたときの世界モデル維持のためのクロスモーダル仮説的リスク知覚
視覚が遮られた際に、音響情報の欠如を手がかりに隠れた原因を推論し、リスク警告を発する手法を提案した。実際の隠れた接近場面で、視線が届く前に平均1.7秒の警告を実現した。
原題: Evidence of Absence: Cross-Modal Abductive Risk Perception to Sustain World Models When Vision Fails / Cong Xu, Ravi Sankar
日本語で読む → - 論文VLA/パラメータ効率的ファインチューニングロボティクス
PhaseLoRA: 制御フェーズ条件付き低ランク適応による連続動作VLAポリシー
連続動作の操作タスクにおいて、制御フェーズ(接近、接触、把持など)に応じて適応を変化させる軽量なLoRAパラメータ化を提案し、LIBEROベンチマークで成功率を大幅に向上させた。
原題: PhaseLoRA: Control-Regime-Conditioned Low-Rank Adaptation for Continuous-Action Vision-Language-Action Policies / Yufei Guo, Yinan Wu, Haoran Duan 他
日本語で読む → - 論文VLA/記憶ロボティクス
賢く記憶する:ロボット記憶のための視覚履歴圧縮と双曲経験空間
長期的なロボットポリシーのために、視覚履歴を圧縮し、経験を双曲空間で階層的に保存・活用するプラグインモジュールを提案。pi0に適用し、LIBERO-Plusで成功率を向上させた。
原題: Remember Smarter: Visual History Compressor and Hyperbolic Experience Space for Robotic Memory / Dai Zhou, Jiexi Yan, Tong Li 他
日本語で読む → - 論文VLA画像認識
AWM-VLA: 効率的で説明可能な視覚-言語-行動ポリシーのための整合された世界モデリング
拡散トランスフォーマーポリシー内に未来の視覚-言語埋め込みと整合する未来トークンを組み込み、物体中心の予測も加えることで、長期的な結果を先読みしつつ説明可能なロボット操作を実現した。
原題: AWM-VLA: AlignedWorld Modeling for Efficient and Explainable Vision-Language-Action Policies / An Lanji, Dawei Liu, Jin Li 他
日本語で読む → - 論文ナビゲーションロボティクス
LAPF: UAVScenesデータセットを用いたLLMエージェントベースの経路探索
UAVの自律ナビゲーションのため、LLMエージェントに知覚・記憶・計画・行動を統合した閉ループ認知アーキテクチャを提案し、市街地規模の環境で経路長を短縮することを実証した。
原題: LAPF: LLM-Agent-Based Path Finder Using the UAVScenes Dataset / Yousef Emami, Mohammadhossein Homaei, Hao Zhou 他
日本語で読む → - 論文動作計画ロボティクス
凸集合グラフのニューラル予測による混合離散連続動作計画の高速化
動作計画を凸集合グラフ(GCS)で定式化し、高コストな凸緩和をグラフ注意ネットワークによる候補経路予測と軽量ランキングで置き換え、早期探索終了で高速化する手法を提案。3Dクアッドロータや7自由度マニピュレータ、平面押し操作で最大2桁の高速化を達成。
原題: Accelerating Mixed Discrete-Continuous Motion Planning via Neural Graphs of Convex Sets / Ananya Trivedi, Sarvesh Prajapati, Mohamed Khalid M Jaffar 他
日本語で読む → - 論文長期操作/空間記憶ロボティクス
GaussMemory: タスク駆動型3Dガウスシーン記憶による長期ロボット操作
ロボットの空間記憶を受動的な記録からタスク駆動の能動的記憶へと転換し、3Dガウススプラッティングを基盤に記憶の更新と読み出しを統合したGaussMemoryを提案。LIBEROやVLABenchで既存手法を上回る性能を示した。
原題: GaussMemory: Task-Driven 3D Gaussian Scene Memory for Long-Horizon Robotic Manipulation / Zhiqiang Hu, Shouren Huang, Masatoshi Ishikawa
日本語で読む → - 論文遠隔操作/意図推論ロボティクス
GUIDER: 実ロボットデータを用いた遠隔操作における目標非依存の人間意図推論の評価
本論文は、ロボットアームの遠隔操作中に人間の意図を確率的に推論するフレームワークGUIDERを実データで評価し、全シナリオで正しい把持候補を推定できたことを示した。
原題: GUIDER: Evaluating Goal-Free Human Intent Inference for Teleoperated Manipulation on Real-Robot Data / Nicholas Kenny, Cesar Alan Contreras, Basile Ouedraogo 他
日本語で読む → - 論文VLAロボティクス
ForceU-VLA: 力覚を考慮した身体化超音波スキャンのための視覚・言語・行動モデル
超音波スキャン中に力信号と超音波画像を融合し、スキャン段階に応じて適応的に特徴を調整する新しいVLAモデルを提案し、実世界の力覚対応データセットも構築した。
原題: ForceU-VLA: A Force-Aware Vision-Language-Action Model for Embodied Ultrasound Scanning / Xingzheng Wu, Cheng Zhang, Guihao Yan 他
日本語で読む →
PR・アフィリエイト広告
