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: 2026/8/6 / 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3Dシーン生成/強化学習AI
iARCS: 反復エージェント強化学習による制御可能な3Dシーン生成
事前学習済みの3Dシーン生成器を自然言語のタスク要件に適応させる反復エージェント強化学習フレームワークを提案。物理的妥当性とレイアウト品質を向上させつつ、タスク固有の制約(歩行可能性、到達可能性、クリアランス)を満たすシーンを生成する。
原題: iARCS: Iterative Agentic RL for Controllable 3D Scene Generation / Saugat Adhikari, Ashok Prasad Neupane, Pramish Paudel 他
日本語で読む → - 論文侵入検知cs.CR
自動車CANネットワークにおける教師なし侵入検知のための行動残差化
CANバスの各IDごとに正常な挙動からの残差を特徴量として抽出し、教師なし検知器の性能を向上させる手法を提案した。
原題: Behavioral Residualization for Unsupervised Intrusion Detection in Automotive CAN Networks / Chandan Hegde, Mukundh R Reddy
日本語で読む → - 論文医用画像解析eess.IV
網膜画像のアルゴリズム統計解析
OCT網膜画像の構造差を正規化圧縮距離(NCD)と異方性フィルタで定量化し、医師の視野測定値と照合して予測誤差約0.5dBを達成。非計量な深層学習より高精度で、緑内障進行の可視化にも応用した。
原題: Algorithmic statistics of retinal images / Loan Huynh, Ronald Zambrano, Layton Aho 他
日本語で読む → - 論文単一細胞解析機械学習
コホートハイジャック:コンパニオン細胞除去に対する単一細胞アノテーションの堅牢性
単一細胞アノテーションの精緻化が、対象細胞を変えずに周辺細胞の除去によって操作可能かどうかを検証し、攻撃手法とその影響を評価した。
原題: CohortHijack: Robustness of Single Cell Annotation to Companion Cell Removal / Arash Vashagh, Yasmin Vashagh
日本語で読む → - 論文物理シミュレーション/変形物体再構成画像認識
BendTwin: 曲げを考慮した微分可能なばね-質量モデルによるロバストな密から疎への物理再構成
ビデオ観測から変形物体の物理的特性を再構成するため、曲げ剛性と減衰を導入した微分可能なばね-質量モデルを提案し、従来の軸方向ばねのみの手法より安定した再構成と将来予測を実現した。
原題: BendTwin: Robust Dense-to-Sparse Physical Reconstruction with Bending-Aware Differentiable Spring-Mass Models / Yixiong Jing, Qi Wang, Lin Chen 他
日本語で読む → - 論文エージェント自然言語
SkillZip: 契約保存型グラフ圧縮によるスケーラブルなエージェントスキルライブラリ
大規模言語モデルエージェントのスキルライブラリを、実行可能なまま圧縮するフレームワークSkillZipを提案。セクションレベルのグラフを契約を保って圧縮し、推論時に展開することで、圧縮率と依存関係の保持を両立する。
原題: SkillZip: Contract-Preserving Graph Compression for Scalable Agent Skill Libraries / Xingyu Tan, Xiaoyang Wang, Qing Liu 他
日本語で読む → - 論文世界モデル画像認識
LAWM-3D: 人間のビデオから3D認識潜在アクションを学習し、汎用ロボット世界モデルを実現
人間のビデオから自己教師ありで3D認識可能な潜在アクションを学習し、ロボットの世界モデルを構築する手法を提案。マルチビュー入力の課題を解決するため、幾何学的整合性とRGB-D再構成を導入。
原題: LAWM-3D: Learning 3D-Aware Latent Actions from Human Videos for Generalizable Robot World Models / Jiarui Yang, Jiale Zhange, Jiawei Li 他
日本語で読む → - 論文音声映像生成画像認識
Vorch-Omni: 視覚と聴覚のマルチタスク統合オーケストレーション
音声と映像の生成・編集・参照合成を単一モデルで統一的に扱うマルチタスクフレームワークを提案し、条件付けマスクとタスク識別子により多様な入出力構成を柔軟に処理する。
原題: Vorch-Omni: Multi-Task Orchestration of Sight and Sound / Vorch Team, Xiaoyu Chen, Yang Ding 他
日本語で読む → - 論文協調学習/公平性/セキュリティcs.CR
Fairis: 公平性を考慮したアグリゲーションによる公平性ポイズニング攻撃への影響封じ込め
協調機械学習において、悪意あるクライアントによる公平性ポイズニング攻撃を防ぐため、各クライアントの更新に公平性スコアに基づく重み付けを行うサーバー側の再重み付け手法Fairisを提案し、理論的保証と実験評価を行った。
原題: Fairis: Fairness-Aware Aggregation with Provable Influence Containment against Fairness Poisoning Attacks in Collaborative Machine Learning / Devharsh Trivedi, Nesrine Kaaniche, Nikos Triandopoulos 他
日本語で読む → - 論文VQA/空間認識画像認識
GST-Bench: ビデオからVLMsはグローバルな空間認識を獲得できるか?
連続的な長期間ビデオからグローバルな空間認識を評価する新しいベンチマークGST-Benchを提案し、22の最先端VLMを評価した結果、人間との大きなギャップを明らかにした。
原題: GST-Bench: Can VLMs Develop Global Spatial Awareness from Video? / Qifeng Zhang, Kaixiang Huang, Heng Dong 他
日本語で読む → - 論文群制御cs.NI
受動的な鏡から能動的なエージェントへ:ネットワーク上の物理AIのためのホロニックデジタルツイン
無線ネットワーク上で物理AIをリアルタイムに協調させるため、ホロニックデジタルツインのネットワーク(HDT-Nets)を提案し、能動推論と因果マルコフブランケットを用いて環境を能動的に推論する。
原題: From Passive Mirrors to Active Agents: Holonic Digital Twins for Physical AI over Networks / Christo Kurisummoottil Thomas, Omar Hashash, Walid Saad
日本語で読む → - 論文ニューラルレンダリング画像認識
浮遊放射輝度ネットワーク
明示的なレイトレーシング可能なジオメトリと連続的なニューラル放射輝度関数を組み合わせた新しいニューラルシーン表現を提案し、インタラクティブなレンダリングや変形、編集を可能にした。
原題: Floating Radiance Networks / Krzysztof Byrski, Rafał Tobiasz, Grzegorz Wilczyński 他
日本語で読む → - 論文ワールドモデルAI
TaskSense: ワールドモデルにおいて重要なものに焦点を当てる
視覚制御のためのワールドモデルにおいて、タスクに関連する領域のみに注意を向ける確率的空間アテンション機構を導入し、逆動力学の補助損失で訓練することで、タスク無関係な背景の影響を抑えつつ、制御性能を向上させるフレームワークを提案した。
原題: TaskSense: Focusing on What Matters in World Models / SM Mazharul Islam, Manfred Huber
日本語で読む → - 論文経済シミュレーションAI
経済エージェントからエージェント経済へ:経済世界モデルのためのシステム設計図
経済世界モデル(EWM)を構築するための実装ロードマップを提案し、エージェントの行動と市場・制度の相互作用から経済動学を生成するシステムを6段階の能力ラダーで整理した。既存研究のサーベイとリソース公開も行う。
原題: From Economic Agents to Agentic Economies: A Systems Blueprint for Economic World Models / Jiale Han, Xiang Li, Jing Qian 他
日本語で読む → - 論文3Dシーン理解画像認識
SmartMage: 3Dシーン理解のための動的モダリティ編成
3Dシーン理解において、クエリに応じて必要なモダリティを動的に選択するMLLMを提案し、固定のモダリティ組み合わせによるノイズや計算浪費を改善した。
原題: SmartMage: Dynamic Modality Orchestration for 3D Scene Understanding / Yue Zhang, Yingzhao Jian, Yunqiu Xu 他
日本語で読む → - 論文認知モデル機械学習
自閉症における同一性への固執のエントロピー的説明
情報理論に基づく枠組みを用いて、自閉症における同一性への固執を、驚きと不確実性を減らそうとする一般的な行動パターンの一例として説明する。
原題: An entropic explanation of insistence on sameness in autism / Przemysław Śliwiński
日本語で読む → - 論文音楽生成cs.SD
音楽共創エージェントに「聴く力」を:階層的自己教師あり世界モデルによる理解と生成
記号音楽のための階層的自己教師あり世界モデルを提案し、ラベルなしで楽曲の構造や和声を学習し、条件付きフローマッチングで生成も可能にした。
原題: Helping Music Co-Creation Agents 'Listen' Well: Hierarchical Self-Supervised World Models for Understanding and Generation / Scott H. Hawley
日本語で読む → - 論文3D視覚グラウンディング/自動運転/マルチセンサ画像認識
Talk2Sensors: センサ適応型物理的手がかりマッチングによる自動運転の3D視覚グラウンディング
カメラ・LiDAR・4Dレーダーのマルチセンサデータを用いた自動運転向け3D視覚グラウンディングのデータセットと、言語クエリに応じてセンサ情報を動的に統合するTransformerベースのフレームワークを提案した。
原題: Talk2Sensors: 3D Visual Grounding in Autonomous Driving via Sensor-Adaptive Physical Cue Matching / Runwei Guan, Di Tian, Ningwei Ouyang 他
日本語で読む → - 論文形式仕様変換AI
SCP-NL2TL: 自然言語から時相論理仕様への選択的適合予測と意味検証
自然言語の指示を形式仕様に変換する際、信頼できない翻訳を拒否する選択的翻訳フレームワークを提案。逆翻訳の忠実度と翻訳の分散を組み合わせたスコアで信頼性を評価し、適合予測で誤受理率を制御する。
原題: SCP-NL2TL: Selective Conformal Prediction with Semantic Verification for Natural Language to Temporal Logic Specifications / Yixuan Wang, Licheng Luo, Yu Fu 他
日本語で読む → - 論文エージェント型制御/調理ロボット画像認識
大規模言語モデルをフロー制御に組み込む:適応的で信頼できる自動調理のためのエージェント型フレームワーク
調理ロボットのためのエージェント型フレームワークを提案し、ユーザーの個別化された調理要求を構造化された制御プログラムに分解して実行する。複数のAIエージェントが協調してレシピ生成、ワークフロー制御、実行コード生成を行い、実環境での信頼性と適応性を実証した。
原題: Embedding Large Language Models into Flow Controls: An Agentic Framework for Adaptive and Trustworthy Automated Cooking / Zihan Song, Hongwei Huang, Yueshuo Sun 他
日本語で読む → - 論文深度推定画像認識
スパース直接ToFセンサからの高密度メトリック深度補完
直接ToFセンサのスパースでノイズの多い深度測定から、RGB画像を活用して高密度で正確なメトリック深度を推定するフレームワークを提案。多様なセンサタイプやスパース度に対応し、シミュレーションパイプラインで訓練データ不足を解決。
原題: Dense Metric Depth Completion from Sparse Direct Time-of-Flight Sensors / Hakyeong Kim, Ruicheng Wang, Chengtang Yao 他
日本語で読む → - 論文データセット画像認識
衛星画像の改ざんとディープフェイク位置特定のためのベンチマークデータセット構築に向けて
衛星画像の改ざん検出と位置特定のための、高品質なデータセットが不足している問題に対処するため、コピーペーストや拡散モデルによるインペインティングを含む改ざん画像と本物画像からなるプロトタイプデータセットを構築した。
原題: Towards a satellite image manipulation and deepfake localization benchmark dataset / Jacob Arndt, Debvrat Varshney, Philipe Dias 他
日本語で読む → - 論文移動操作画像認識
MobileWAM: 世界行動モデルをチェーン・オブ・フォーサイトで移動操作に橋渡しする
移動操作のための世界行動モデルを提案し、事前学習済みのビデオ拡散トランスフォーマーと軽量な行動エキスパートを融合させ、移動と操作の異種ダイナミクスを扱う。また、中間表現が未来の潜在チャンクを逐次予測するCoFを導入し、実機でも高い性能を示した。
原題: MobileWAM: Bridging World Action Models to Mobile Manipulation with Chain-of-Foresight / Zehua Fan, Junjie He, Wenxuan Song 他
日本語で読む → - 論文LLMエージェント自然言語
State2State: 環境から導出された中間学習によるLLMエージェントの訓練
外部タスク指定なしに環境との相互作用のみでエージェントを訓練する手法を提案。探索した環境状態を目標状態に変換し、ルールベースの状態一致で検証することで、スケーラブルで検証可能な訓練目標を提供する。
原題: State2State: Environment-Derived Mid-Training for LLM Agents / Xuanyu Lei, Yiqi Zhu, Chenliang Li 他
日本語で読む → - 論文BMI/神経デコーディング機械学習
NeuroPB: 事前学習された行動表現による神経デコーディングのスケーリング
大規模な行動データから事前学習した運動エンコーダを神経活動に転移させ、限られたペアデータで神経信号から連続運動を高精度に再構成するフレームワークを提案。ロボット軌道での事前学習がマカク軌道と同等の性能を示し、データ規模拡大で性能が向上することを実証。
原題: NeuroPB: Scaling Neural Decoding with Pretrained Behavioral Representations / Luyao Jin, Yonghao Song, Huan Zhao 他
日本語で読む → - 論文市場操作検出q-fin.TR
速度とレジームを考慮した日中オプション市場操作の検出と説明可能な帰属
市場操作の動的シグネチャ(ポンプ・アンド・クラッシュパターン)を状態速度で捉え、SHAPによる説明可能な検出パイプラインを構築した。インドのBANKNIFTYオプションで10/10の操作日を検出し、米国株への転移でもAUC 0.91を達成した。
原題: Velocity- and Regime-Aware Detection of Intraday Options Market Manipulation, with Explainable Attribution / Alex Chen, Maria Hybinette
日本語で読む → - 論文ワールドモデル/強化学習AI
WorldCycle: 長期的ビデオワールドモデルのための自己検証型強化学習
可逆なアクションサイクルを用いて、長期的な正確性を検証する自己教師あり強化学習フレームワークを提案し、ワールドモデルのドリフトを大幅に低減した。
原題: WorldCycle: Self-Verifiable Reinforcement Learning for Long-Horizon Video World Models / Bohai Gu, Yueyang Yuan, Taiyi Wu 他
日本語で読む → - 論文量子機械学習画像認識
相関特徴を最適化したCNN-QNNハイブリッドモデルによる画像分類
CNN特徴の相関を量子ニューラルネットワーク(QNN)に適した中間値に調整することで、画像分類精度を向上させるハイブリッドモデルを提案した。
原題: Image Classification Using CNN-QNN Hybrid Model with Optimized Correlated Features / Minseo Seong, Youngwook Kim
日本語で読む → - 論文ロボット操作画像認識
Faster-WAM: ロバストな世界行動モデルのための効率的な推論時未来条件付け
世界行動モデル(WAM)の推論時における未来条件付けの重要性を示し、計算コストを抑えつつ未来表現を活用する効率的なフレームワークFaster-WAMを提案した。
原題: Faster-WAM: Efficient Inference-Time Future Conditioning for Robust World Action Models / Weiheng Zhao, Haoyi Jiang, Xin Shi 他
日本語で読む → - 論文エージェントシステム自然言語
EASy: 効率的なLLMベースのエージェントシステムを目指して
LLMベースのエージェントシステムの実行効率を向上させるため、強化学習を用いてタスク性能と計算コストを同時に最適化するフレームワークEASyを提案した。
原題: EASy: Towards Efficient LLM-Based Agentic System / Junnan Liu, Linhao Luo, Thuy-Trang Vu 他
日本語で読む →
PR・アフィリエイト広告
