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: 2026/8/12 / 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 → - 論文ビデオ理解/質問応答画像認識
R4DSG:長尺一人称ビデオにおけるオブジェクト中心の質問応答のための相対4Dシーングラフメモリ
長い一人称ビデオから、物体の移動や状態変化などの質問に答えるため、安定したアンカーと動的物体を分離し、アンカー相対の変化として物体状態を記憶する新しいメモリ表現を提案した。
原題: R4DSG: Relative 4D Scene Graph Memory for Object-Centric Question Answering in Long Egocentric Video / Ke Ma, Yamin Mao, Weiming Li 他
日本語で読む → - 論文ビデオ鑑識画像認識
VidForensics-M1: 検証可能な時間的接地を用いたメタ検出強化学習によるAI生成ビデオ鑑識
AI生成ビデオ検出のための新しいメタ検出強化学習フレームワークを提案し、時間的接地を証拠として利用することで、ラベル予測と証拠の統合を強化し、未見の生成モデルへの一般化を向上させた。
原題: VidForensics-M1: Meta-Detection Reinforcement Learning with Verifiable Temporal Grounding for AI-Generated Video Forensics / Bowei Liu, Zheng Lu, Yuhan Bian 他
日本語で読む → - 論文画像保護画像認識
NullEdit: VLM条件リダイレクトによるステルス画像保護
画像編集モデルによる不正な改変を防ぐため、VLMの表現をリダイレクトして編集を無効化しつつ、画像の自然さと同一性を保つ手法を提案した。
原題: NullEdit: Stealthy Image Protection via VLM Condition Redirection / Weiyao Huang, Liqin Wang, Ziqi Sheng 他
日本語で読む → - 論文変形物操作ロボティクス
変形物操作のためのTCAM:WBCD 2026トラック4におけるRMC2チャンピオンシステム
この論文は、Tシャツのピッキングから整列、平滑化までの変形物操作タスクを完全自律で行うシステムを、TCAMフレームワークを用いて構築した技術報告です。
原題: TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4 / Guangrui Shen, Zhili He, Shigang Wang 他
日本語で読む → - 論文無線センシング機械学習
データギャップを埋める:AI無線センシングの新パラダイムとしてのデジタルツイン
環境の3Dデジタルツインからレイトレーシングで合成チャネル応答を生成し、逐次ニューラルネットを訓練してデバイス不要の位置推定を実現する手法を提案。
原題: Bridging the Data Gap: Digital Twin as a New Paradigm for AI-based Radio Sensing / Éloi Sainte-Beuve, Guillaume Larue, Louis-Adrien Dufrène 他
日本語で読む → - 論文医用画像処理画像認識
ENCORE: 低線量CTノイズ除去のための効率的なノイズ文脈認識表現
CT画像のノイズ特性を考慮した新しいノイズ除去フレームワークを提案し、局所的なノイズパワーと相関を利用して畳み込み重みを適応的に変化させることで、画質と計算効率を向上させた。
原題: ENCORE: Efficient Noise Context-Aware Representation for Low-Dose CT Denoising / Minwoo Yu, N. Robert Bennett, Jongduk Baek 他
日本語で読む → - 論文エージェントAIAI
Combodied Agents:人間中心のエージェントAIの新パラダイム
デジタルエージェントと身体化エージェントの限界を超え、個人の状態変化をモデル化・予測・支援する人間中心のエージェントAIパラダイム「Combodied Agents」を提案する。
原題: ComBodied Agents: a New Paradigm of Human-Centric Agentic AI / Qianggang Ding, Xingyao Wang, Rui Feng 他
日本語で読む → - 論文3D再構成/ロボット知覚ロボティクス
SpotlessGS: 動的照明下でのロボット知覚のための再照明可能な3Dガウシアンスプラッティング
暗所でロボットの照明が不均一になる問題を解決するため、3Dガウシアンスプラッティングに照明パラメータの同時最適化、球面調和関数による低周波照明モデル、MLPベースのBRDFを導入し、再照明可能な3D再構成を実現した。
原題: SpotlessGS: Relightable 3D Gaussian Splatting under Dynamic Illumination for Robotic Perception / Liang Hong, Jiaxin Wei, Simon Schaefer 他
日本語で読む → - 論文インタラクション予測画像認識
HUI360: ロボットと人間のインタラクション予測のための360度自己中心視点データセットとベースライン
移動ロボットが収集した360度映像から、人間とロボットのインタラクションを予測するための大規模データセットHUI360を構築し、自動アノテーションパイプラインとベースラインモデルを提供した。
原題: HUI360: A 360° Egocentric Dataset and Baselines for Human-Robot Interaction Anticipation / Raphael Lorenzo-Louis, Fabio Amadio, Bertrand Luvison 他
日本語で読む → - 論文3Dシーン理解画像認識
CausalSplat: 3Dガウシアンスプラッティングにおける包括的階層的推論に向けて
3Dガウシアンスプラッティングを用いたシーン理解において、暗黙的な意図や常識推論を扱う新しいタスクを提案し、ベンチマークとフレームワークCausalSplatを構築した。
原題: CausalSplat: Towards Comprehensive Hierarchical Reasoning in 3D Gaussian Splatting / Jiayu Ding, Meilu Song, Yun Chen 他
日本語で読む → - 論文VLA画像認識
視覚言語モデルの空間推論のための多視点関係蒸留
視覚言語モデルの空間推論能力を向上させるため、幾何学的に基盤づけられた視覚モデルから、特徴量そのものではなく視点間のパッチ類似度を蒸留する手法を提案した。
原題: Multi-View Relational Distillation for Spatial Reasoning with Vision-Language Models / Kiet T. Nguyen, Hanbo Shim, Jinwoo Kim 他
日本語で読む → - 論文サイバーセキュリティcs.CR
電気自動車充電インフラにおけるサイバー攻撃検知のベンチマーク:正規ユーザー更新を考慮して
電気自動車の充電インフラにおけるサイバー攻撃検知を、正規のユーザー更新を考慮したベンチマークで評価し、新しいデュアルブランチモデルを提案した論文。
原題: Benchmarking Cyberattack Detection in Electric Vehicle Charging Infrastructure with Benign User Updates / Hannan Chen, Roshni Anna Jacob, Jie Zhang
日本語で読む → - 論文LLMエージェント機械学習
実行可能な幻覚検出:潜在的不確実性をエージェント的批判へ変換する
LLMエージェントがユーザー指示に反した幻覚的行動を取る問題に対し、凍結したベースモデルに並行して動作する軽量LoRAアダプタ「Latent Critic」を導入し、潜在空間の不確実性信号を増幅して局所的な自然言語フィードバックに変換することで、リアルタイムで検出・修正を可能にした。
原題: Actionable Hallucination Detection: Translating Latent Uncertainty into Agentic Critique / Sanidhya Vijayvargiya, Rahul Lokesh
日本語で読む → - 論文手術ロボット学習ロボティクス
外科用WAM:データ効率的な手術ロボット学習のためのワールド・アクションモデル
手術ロボットの操作学習において、動作ラベル付きデモデータが不足する問題に対し、動作ラベルなしの内視鏡ビデオで事前学習する統一生成モデルを提案し、閉ループ制御で成功率を向上させた。
原題: Surgical WAM: A World-Action Model for Data-Efficient Surgical Robot Learning / Wenrui Bao, Tianyun Jiang, Zhiben Chen 他
日本語で読む → - 論文顔ランドマーク検出画像認識
統一動的顔ランドマーク検出に向けて
顔ランドマーク検出において、異なるN点データセットを統一する新しい表現とクエリベースの手法を提案し、単一モデルで任意のランドマークを予測可能にした。
原題: Towards Unified Dynamic Face Landmark Detection / Sebastian Regalado, Varshanth R. Rao, Ruowei Jiang 他
日本語で読む → - 論文能動的知覚AI
身体化された曖昧性解消のための能動的知覚
ロボットが自然言語の指示で目標物体を特定する際、観察不足による曖昧性を能動的な視点変更で解消する枠組みを提案。視覚言語モデルを用いて観察継続・質問・選択を判断する。
原題: Active Perception for Embodied Disambiguation / Yiwei Liu, Luwei Yang
日本語で読む → - 論文バイオメトリクス画像認識
眼周辺領域のソフトバイオメトリクス:調査とマルチメディアフォレンジクスおよび偽情報検出への応用
眼周辺領域の画像から性別・年齢・民族などの属性を推定する技術を総覧し、監視映像や合成メディア検出などのフォレンジクス応用と課題を整理した論文。
原題: Periocular Soft Biometrics: A Survey and Applications to Multimedia Forensics and Disinformation Detection / Fernando Alonso-Fernandez, Kevin Hernandez-Diaz, Josef Bigun
日本語で読む → - 論文医療データ処理画像認識
グリッドはイベントを消し去ったのか?医療ワールドモデルパイプライン監査のためのEndoClock
医療データを固定レートのグリッドに同期する前処理が、タスクに必要な証拠を消し去る問題を指摘し、証拠がどこに残るかを分類する監査手法EndoClockを提案した。
原題: Did the Grid Erase the Event? EndoClock for Auditing Medical World-Model Pipelines / Yarin Udi, Tom Sharon-Shahak, Roee Masad 他
日本語で読む → - 論文LLM推論自然言語
検証器なしテスト時スケーリングのためのコンシリエンス
既存の信頼度ベースの検証器なしテスト時スケーリング手法が複雑なタスクで破綻することを示し、初期の低信頼度から最終的な高信頼度への遷移パターンを評価する新しい選択フレームワーク「コンシリエンス」を提案した。
原題: Consilience for Verifier-Free Test-Time Scaling / Lecheng Kong, Like Hui, Haitao Mao 他
日本語で読む → - 論文世界モデル機械学習
ツイン・ロールアウト:対話型ビデオ世界モデルにおけるノイズ結合型反事実分岐
この論文は、ビデオ世界モデルが生成した軌道に対して、行動を変えた場合の反事実的な生成を研究し、ノイズ結合による正確な反事実生成と検証可能な評価指標を提案している。
原題: Twin Rollouts: Noise-Coupled Counterfactual Branching in Interactive Video World Models / Yu Ma, Hongli Shi, Xinran Xu
日本語で読む → - 論文VLAロボティクス
Mambaベースの選択的状態空間モデリングがSmolVLA視覚言語行動エキスパートの精度-計算量トレードオフを改善
VLAモデルの精度と計算量のトレードオフを改善するため、SmolVLAの行動エキスパートにMambaの選択的状態空間モデリングを適用し、LIBEROベンチマークで長い実行ホライズンでの成功率向上を実証した。
原題: Mamba-based Selective State Space Modeling Improves the Accuracy-Complexity Tradeoff of SmolVLA Vision-Language-Action Experts / Farida Mohsen, Thowayba Elkaffash, Mohammad Reza Chalak Qazani 他
日本語で読む → - 論文エージェントアーキテクチャAI
CEAA: インタラクティブコンピューティングシステムのための認知的身体化エージェントアーキテクチャ
本論文は、Sense-Think-ActパラダイムとBelief-Desire-Intentionモデルを基盤とした、モジュール式の認知アーキテクチャを提案し、インタラクティブな3D仮想環境で動作する身体化された知的仮想エージェントの実装を容易にすることを目指している。
原題: CEAA: A Cognitive Embodied Agents Architecture for Interactive Computing Systems / Aimilios Hadjiliasi, Louis Nisiotis
日本語で読む → - 論文人間-シーンインタラクション画像認識
人間とシーンのインタラクションのための効率的な接触表現
人間と環境の接触情報をスパースなマスクで表現し、計算を高速化しつつ精度も向上させる手法を提案した論文。
原題: Efficient Human-Contact Representation for Human-Scene Interaction / Nghia Vu, Tuong Do, Binh X. Nguyen 他
日本語で読む → - 論文SLAM画像認識
大規模シーン再構成のためのローカルからグローバルへのループクロージャを備えたマルチサブマップ暗黙的ニューラルSLAM
NeRFベースのSLAMを大規模環境に拡張するため、マルチサブマップ構造と二段階のループクロージャ機構を導入し、記憶爆発を防ぎつつ高精度な再構成とロバストな位置推定を実現した。
原題: Multi-Submap Implicit Neural SLAM with Local-to-Global Loop Closure for Large-Scale Scene Reconstruction / Tianchen Deng, Chongdi Wang, Nailin Wang 他
日本語で読む → - 論文連合学習/攻撃機械学習
連合条件付きGANに対するラベル反転とオーバーサンプリング攻撃
連合学習環境のGANに対するラベル反転攻撃とその変種を理論・実験で分析し、攻撃の効果と検出困難性を明らかにした。
原題: Targeted Label-Flipping and Oversampling Attacks on Federated Conditional GANs / Panav Shah, Avishek Ghosh
日本語で読む → - 論文世界モデル最適化AI
VERDI: 継続的な世界モデル最適化における検索は転移ではない
事前学習済み世界モデルをユーザー指定の目的に最適化する際、過去の成功戦略をそのまま再利用するのではなく、対象モデルでの実験検証を経て初めて転移可能な知識とする継続的フレームワークVERDIを提案。最適化指紋と検証機構により探索コストと負の転移を大幅に削減した。
原題: verdi: retrieval is not transfer for continual world model optimization / Junyu Wu, Shiqin Nie, Youyi Kou 他
日本語で読む → - 論文世界モデル機械学習
評価プロトコルが結果を決める:LeWorldModelのTwoRoomにおける独立再現
LeWorldModelのTwoRoom環境での結果を独立に再現し、評価プロトコルの違いが結果を大きく左右することを示した。
原題: The Evaluation Protocol Determines the Result: An Independent Reproduction of LeWorldModel on TwoRoom / Joyjeet Singh
日本語で読む →
PR・アフィリエイト広告
