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: 2026/8/13 / 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 →- 論文敵対的攻撃画像認識
UniTexture: 視覚言語行動モデルに対するクロスタスク普遍敵対的テクスチャ
単一のテクスチャ付き3Dオブジェクトを用いて、複数のタスクにわたってVLAモデルの行動予測を敵対的に逸脱させる普遍的な攻撃手法を提案した。
原題: UniTexture: Cross-Task Universal Adversarial Textures for Vision-Language-Action Models / Yukun Dai, Mingzhe Dai, Tianshi Wang 他
日本語で読む → - 論文連合学習/セキュリティ機械学習
垂直連合学習におけるバックドア脆弱性の理解:研究と実践のギャップ
垂直連合学習(VFL)におけるバックドア攻撃の脆弱性を実践的な観点から系統的に調査し、既存研究が非現実的な前提に依存していることを明らかにした。また、現実的な制約下での脅威モデルを再定義し、実用的なバックドアワークフローとベンチマークBVBenchを提案している。
原題: Understanding Backdoor Vulnerabilities in Vertical Federated Learning: The Gap Between Research and Practice / Ziqi Zhao, Jialin Lu, Junjie Shan 他
日本語で読む → - 論文LLM/レイアウト最適化AI
シミュレーション認識型インコンテキストポリシー改善によるLLM支援アナログレイアウト最適化
アナログICレイアウト生成のパラメータ調整を、LLMマルチエージェントがシミュレーション結果を観察しながら反復改善する手法を提案し、少数のシミュレーションで性能を向上させた。
原題: Simulation-Aware In-Context Policy Improvement for LLM-Aided Analog Layout Refinement / Bingyang Liu, Ziming Wei, Xiaohan Gao 他
日本語で読む → - 論文VLA画像認識
社会的音声・視覚質問応答における推論:現状はどこにあるのか?
社会的音声・視覚理解のためのMLLMの推論手法を検証し、既存ベンチマークのノイズを除去したIntentBench-Primeを公開。単純なVanilla SFTが高コストな推論手法と同等以上の性能を示すことを発見した。
原題: Reasoning for Social Audio-Visual Question Answering: Where Do We Stand? / Koen P. de Vries, Xavier Alameda-Pineda, Estefanía Talavera 他
日本語で読む → - 論文拡散モデル画像認識
意味的ステアリングによる制御可能な生成:マルチモーダル拡散トランスフォーマーにおけるチューニング不要の概念消去
マルチモーダル拡散トランスフォーマー(MM-DiT)の内部表現を操作し、学習なしで不要な概念を消去する手法を提案。中間ブロックのテキスト条件付き表現からステアリングベクトルを構築し、注入することで安全な生成を実現する。
原題: Semantic Steering for Controllable Generation: Tuning-Free Concept Erasure in Multimodal Diffusion Transformers / Qiao Li, Xiaomeng Fu, Yuanshu Zhao 他
日本語で読む → - 論文ワールドモデル機械学習
JEPAワールドモデルの診断:行動条件付き予測整合性に基づく評価
JEPAワールドモデルが視覚的摂動に対して頑健かどうかを、行動条件付き予測の整合性(ACPC)という指標で診断する手法を提案した。
原題: Diagnosing JEPA World Models with Action-Conditioned Predictive Consistency / Guo An, Zijing Wu, Honghua Dong 他
日本語で読む → - 論文能動学習/障害発見AI
ペアシステムを用いた障害発見のためのカバレッジ考慮型能動評価
限られたテスト予算で実世界の障害を効率的に発見するため、プロキシシステムの情報を活用しつつ、実システムの評価結果と組み合わせて障害が起きそうなシナリオを適応的に選択する手法を提案した。
原題: Coverage Aware Active Evaluation for Failure Discovery with Paired Systems / Anjali Parashar, Rachel Luo, Apoorva Sharma 他
日本語で読む → - 論文強化学習/時相論理AI
信号時相論理のための報酬機械
信号時相論理(STL)仕様を強化学習で満たすための、オートマトンに基づく効率的な記憶機構とマルコフ報酬を導入し、既存のロバスト性報酬より高い満足率とロバスト性を達成した。
原題: Reward Machines for Signal Temporal Logic / Alper Kamil Bozkurt, Shangtong Zhang, Yuichi Motai
日本語で読む → - 論文医療画像診断画像認識
アルツハイマー病の特異的識別に向けた転移学習の出現:将来を見据えたアプローチ
アルツハイマー病の診断における転移学習の応用をレビューし、限られたデータでも診断精度を向上させる可能性と、説明可能なAIの統合について評価した論文。
原題: Emergence of Transfer Learning towards Specific Identification of Alzheimer's Disease A Prospective Approach / Soumik Podder, Chandramouli Haldar
日本語で読む → - 論文医療AI機械学習
介入を考慮した臨床世界モデルによる心臓術後転帰予測
術後の不規則な経過を考慮し、患者の潜在状態を時間経過とともに更新する臨床世界モデルを提案。心房細動アブレーション後の再発予測で高い精度を達成した。
原題: Intervention-Aware Clinical World Model for Post-Op Outcome Forecasting in Cardiology / Yunsung Chung, Yingshuo Liu, Abboud F. Hassan 他
日本語で読む → - 論文ブロックチェーン解析cs.CR
解釈可能なブロックチェーン・フォレンジックのための持続的行動パターン発見
大規模なブロックチェーン活動から、アプリケーションに依存しない持続的な行動パターンを発見するフレームワークを提案。イーサリアムの3000万件以上の取引で評価し、日常的および悪意のあるパターンを解釈可能な形で特定する。
原題: Discovering Persistent Behavioural Patterns for Interpretable Blockchain Forensics / Dorottya Zelenyanszki, Zhe Hou, Kamanashis Biswas 他
日本語で読む → - 論文ナビゲーションロボティクス
Graph-MambaNav: 物体関係知識を活用した空間時間グラフMambaによる物体目標ナビゲーション
物体目標ナビゲーションにおいて、物体間の関係性と目標関連性に基づくノード優先順位付けを導入した空間時間グラフエンコーディングフレームワークを提案し、AI2-THORとRoboTHORで性能向上を実証した。
原題: Graph-MambaNav: Spatial-Temporal Graph Mamba Leveraging Object-Relation Knowledge for Object-Goal Navigation / Leyuan Sun, Genxin Chen, Linwei Ye 他
日本語で読む → - 論文プログラム生成/シミュレーションAI
モデルコンテキストプロトコルによる検索基盤ロボットプログラム生成とシミュレーションに基づく修正
自然言語のタスク記述からABB RAPIDロボットプログラムを生成し、検索拡張生成とRobotStudioシミュレーションを組み合わせて自動修正するワークフローを提案した論文。
原題: Retrieval-grounded robot program generation and simulation-based correction via Model Context Protocol / Zhichao Zhou, Siyuan Chen, Omkar Salunkhe 他
日本語で読む → - 論文顔偽造検出画像認識
ビデオと画像の統一表現学習によるビデオ顔偽造検出
ビデオ内の一部フレームのみが改ざんされた部分偽造を検出するため、追加の注釈付き画像を活用して細かい監視を行う統一エンコーダとマルチタスク学習を備えたフレームワークUVIFを提案した。
原題: Learning Unified Video and Image Representation for Video Face Forgery Detection / Haotian Liu, Yang Liu, Guoying Zhao 他
日本語で読む → - 論文手姿勢推定画像認識
手の可視性検出器:手の各キーポイントの可視性推定
手の各関節の可視性を推定するモデルを提案し、可視性を重み付けした三角測量により3D手姿勢アノテーションの精度を向上させた。
原題: Hand Visibility Detector: Per-Keypoint Visibility Estimation for Hands / Ryosei Hara, Masashi Hatano, Rintaro Yanagi 他
日本語で読む → - 論文世界モデル/計画AI
ARC-Bench:凍結JEPA世界モデルにおける閉ループ再計画が破綻した行動ランキングを隠蔽する
凍結したJEPA潜在空間での距離に基づく行動選択が実際のコスト順序と一致するという仮定を監査し、公式チェックポイントで深刻なランキング逆転が生じることを示した。さらに、頻繁な再計画がこの欠陥を隠していることを明らかにした。
原題: ARC-Bench: Closed-Loop Replanning Masks Broken Action Ranking in Frozen JEPA World Models / Zhengshu Zhang, Zhiyuan Li
日本語で読む → - 論文具現化AI評価ロボティクス
運用型デジタルツインクリニックによる具現化AIのタスクベース評価
日常の診療画像をシミュレータ対応のデジタルツインに変換し、具現化AIのタスク評価を可能にする手法を提案。眼科クリニックの39シーンで再構成品質やロボット動作の実現性を検証した。
原題: Operational digital twin clinics enable task-based evaluation of embodied AI / Xinyuan Wu, Jingrao Zhang, Mengdi Xu 他
日本語で読む → - 論文強化学習機械学習
世界モデルによる自動研究エージェントのスケーリング
自動研究エージェントの強化学習において、環境実行がボトルネックになる問題を解決するため、世界モデルで環境を置き換えるWMRLを提案し、バイアス補正とノイズ抑制で性能を向上させた。
原題: Scaling Automatic Research Agents via World Models / Xiyuan Yang, Sheikh Sarwar, Jingru Cheng 他
日本語で読む → - 論文ナビゲーション画像認識
DreamFly: 空中視覚言語ナビゲーションのための因果メモリと後退地平線拡散プランニング
空中VLNタスクにおいて、過去の観測のみを用いた因果メモリと、Kステップの行動計画を生成し最初の行動だけを実行する後退地平線拡散プランニングを導入し、停止判定を分離することでナビゲーション性能を向上させた。
原題: DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation / Yan Deng, Fei Xu
日本語で読む → - 論文マルチタスク学習/最適化機械学習
MOON: マルチタスク学習のための多目的正規直交更新
マルチタスク学習における勾配操作を、行列構造を考慮したスペクトル・核ノルム幾何で行う新しい最適化手法を提案し、理論的収束保証と実験的改善を示した。
原題: MOON: Multi-Objective OrthoNormalized Updates for Multitask Learning / Shiji Zhou, Kunlin Lyu, Lei Zhang 他
日本語で読む → - 論文世界モデル画像認識
より良いスロットはより良い世界を生む:オブジェクト中心世界モデルにおける表現品質とロバスト性
オフライン軌跡から学習する世界モデルにおいて、オブジェクト中心表現の品質が計画性能や分布シフトへのロバスト性に与える影響を、シーン中心モデルとの比較で体系的に分析した論文。
原題: Better Slots, Better Worlds: Representation Quality & Robustness in Object-Centric World Models / Shukrullo Nazirjonov, Sai Prasanna, Anna Manasyan 他
日本語で読む → - 論文映像表現学習画像認識
AVA-Encoder: エージェントネイティブな映像表現学習に向けて
映像生成エージェントが映画品質の映像を学習できるように、映像をフィルム知識グラフに変換して再構成する自己進化型オートエンコーダを提案し、エージェントが扱いやすい映像表現を獲得する。
原題: AVA-Encoder: Towards Agent-Native Video Representation Learning / Chuyue Li, Jinpeng Yu, Haozhe Wang 他
日本語で読む → - 論文リハビリテーション画像認識
骨格動作予測と関節別評価による自律型遠隔リハビリテーション
RGBビデオから骨格動作を認識し、運動品質評価と短期的な動作予測を組み合わせた遠隔リハビリテーションシステムを提案。各関節の位置誤差を可視化し、セラピストなしでの自律的なフィードバックを可能にする。
原題: Autonomous Telerehabilitation via Skeletal Motion Prediction and Joint-Level Performance Assessment / Lara Pereira, João Ruivo Paulo, Pedro Santos 他
日本語で読む → - 論文自動運転/セキュリティ機械学習
高次液体証拠符号化による自動運転向け段階的GNSSスプーフィング検出
GNSSスプーフィング攻撃を検出するため、物理に基づく残差とその高次変動を液体エンコーダで処理する因果的枠組みを提案した。実データで高いF1スコアを達成した。
原題: High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving / Muhammad Ayub Sabir, Junbiao Pang, Fatima Ashraf
日本語で読む → - 論文VLAAI
見ずして先を見通す:ワールドアクションモデルのための潜在的未来
未来のビデオを生成せずに、潜在的な未来の状態をアクション生成に活用する新しいワールドアクションモデル「ForeWAM」を提案し、LIBEROベンチマークで高い成功率を達成した。
原題: Foresight Without Seeing: Latent Futures for World Action Models / Jiakai Huang, Zhongbo Wu, Zheng Zhang 他
日本語で読む → - 論文群制御ロボティクス
隣接行列に基づくスペクトル代理制御による移動通信エージェント
移動するタスクエージェント群に対して、通信エージェントをリアルタイムに再配置する制御手法を提案。フィードラー・ベクトルの代わりに隣接行列の主固有ベクトルを用いることで、分散推定の収束が速く、通信制約下でのロバスト性が向上することを示した。
原題: Adjacency-Based Spectral Proxy Control of Mobile Communication Agents / Mariana del Castillo, Federico Larroca
日本語で読む → - 論文ビデオ推論画像認識
動きをプロンプトとして:動き誘導型クロスフレーム視覚プロンプティングによるマルチモーダル大規模言語モデルの動き推論の強化
動き中心のビデオ推論を強化するため、軌跡を視覚入力に直接マークするフレームワークを提案し、既存のMLLMの性能を向上させた。
原題: Motion-as-Prompt: Enhancing Motion Reasoning in Multimodal Large Language Models via Motion-Guided Cross-Frame Visual Prompting / Xikai Sun, Kebin Liu, Haotian Wang 他
日本語で読む → - 論文安全オフラインRL機械学習
再分配に基づくコスト推定によるスパース安全オフライン強化学習の改善
軌道レベルの停止フィードバックのみから密なステップごとのコストを推定し、制約付きオフライン強化学習を改善するフレームワークを提案した。
原題: Redistribution-based Cost Inference Improves Sparse Safe Offline RL / Ebenezer Gelo, Geraud Nangue Tasse, Steven James 他
日本語で読む → - 論文VLA/プランニングAI
HUGIN: 自律物流仕分けのための視覚言語プランニングの強化
自律物流仕分けシステムにおける複数カメラ視点を統合した計画問題を新たに定義し、視覚言語モデルの性能を高める訓練フレームワークHUGINを提案。データ拡張と文脈ランキングにより精度を大幅に向上させた。
原題: HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting / Xikai Sun, Cangtian Zhou, Kebin Liu 他
日本語で読む → - 論文3D物体検出画像認識
Map-Det3D: ストリーミング入力からの多視点3D物体検出のためのメトリックフィードフォワード3D再構築事前知識
単眼ビデオから直接メトリック3D空間で物体検出を行うため、RGBから3D再構築するフィードフォワードモデルを幾何学的バックボーンとして利用し、2Dから3Dへのリフティングを回避する新しいオンライン多視点3D物体検出モデルを提案した。
原題: Map-Det3D: Metric Feed-Forward 3D Reconstruction Prior for Multi-view 3D Object Detection from Streaming Inputs / Yung-Hsu Yang, Luigi Piccinelli, Samuel Rota Bulò 他
日本語で読む →
PR・アフィリエイト広告
