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: 2026/11/3 / 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 →- 論文モデルルーティング画像認識
あらゆるタスクを振り分ける汎用AIのためのモデル・ポリシールーティング研究
言語・画像・動画・音声・コーディング・ロボット操作など25ベンチマークの大規模データで、タスクごとに最適なモデルやポリシーを動的に選ぶルーティングの理論と性能・コストの関係を分析した研究。
原題: Route Anything: A Study of Model and Policy Routing for General-Purpose AI Systems / Pengfei Zhou, Yixing Ma, Hexin Wang 他
日本語で読む → - 論文バックドア攻撃画像認識
シーングラフ生成におけるバックドア攻撃:グローバル文脈経路の役割の解明
シーングラフ生成モデルに対するバックドア攻撃を初めて体系的に研究し、グローバル文脈経路が攻撃の主要な媒介となっていることを明らかにした。
原題: Understanding Backdoor Attacks in Scene Graph Generation via Global Context Pathway / Xiaoguang Chang, Tuo Chen, Chengze Jiang 他
日本語で読む → - 論文データ生成ロボティクス
LLMエージェントによる低コスト遠隔操作代替のロボットデータ生成
コーディングエージェントがキャリブレーション1回からシミュレーションでタスクを再構築し、映像モデルで実写風データを生成、実機ポリシー学習を可能にする手法。
原題: PyRUA-DataFarm: LLM Agent as a Cost-Efficient Teleoperator for Real-Ready Robot Data / Kewei Zhang, Juncheng Ma, Guodong Lv 他
日本語で読む → - 論文BCI/デコーディング機械学習
精度を超えて:潜在意図下での情報理論的解码器評価
脳からロボットへの制御をPOMDPとして定式化し、最悪ペアのChernoff情報が計画の後悔の境界を決めることを示すとともに、混同行列から後悔を予測する閉形式指標を提案した。
原題: Beyond Accuracy: Information-Theoretic Decoder Evaluation Under Latent Intent / Tasha Kim, Benjamin Ballyk, Anson Lei 他
日本語で読む → - 論文VLA画像認識
サイクル整合性で行動と映像を結びつけるCycle WAM
行動と映像の双方向変換にサイクル再構成損失を導入し、事前学習済み映像モデルの知識を活かして順・逆ダイナミクスを統合的に学習する手法を提案した論文。
原題: Cycle WAM: Coupling Action and Video through Cycle Consistency / Qinglin Yang, Jiepeng Wang, Yuxing Huang 他
日本語で読む → - 論文VLAAI
人間のデモをロボットVLAポリシーへ橋渡しする共同学習フレームワーク
人間とロボットの非ペアデモから、表現と行動空間の両面で身体性ギャップを橋渡しし、事前学習済みVLAポリシーを適応させるH2RBを提案した。実世界タスクで物体・スキル転移性能を大幅に向上させた。
原題: Human-to-Robot Transfer via Bridging Representation and Action Space in VLAs / Junhyeong Park, Wook Jung, Taeyoung Kim 他
日本語で読む → - 論文ナビゲーションロボティクス
WayTrace: 地図から言語、軌跡へとつなぐ階層型都市ナビゲーション
Web地図の経路案内を言語モデルで解釈し、画像上に軌跡を描いてロボットを誘導する階層型システム。GNSSノイズに強く、実都市で1.37kmの走行を達成。
原題: WayTrace: A Map-to-Language-to-Trace Hierarchy for Embodied Urban Navigation / Manthan Patel, Jonas Frey, Pascal Roth 他
日本語で読む → - 論文リターゲティングロボティクス
接触を伴う物理ベース動作リターゲティングのための勾配誘導サンプリング
微分可能シミュレータ不要で、サンプリング探索と勾配誘導の精緻化を組み合わせ、接触ダイナミクス下で人間の動作をロボット制御に再現する手法GRASPを提案。巧みな手やヒューマノイドで高精度なリターゲティングを実現した。
原題: GRASP: Gradient-Guided Sampling for Contact-Rich Physics-Based Motion Retargeting / Yang Liu, Tong Wang, Yiming Bao 他
日本語で読む → - 論文マルチモーダル自己教師あり学習画像認識
DenseTwins:マルチモーダル自己教師あり学習のための密なモダリティ分離
密な特徴空間を共有成分とモダリティ固有成分に明示的に分離し、冗長性削減とクロスモーダル対応を組み合わせてマルチモーダル自己教師あり学習を行うフレームワークを提案した。
原題: DenseTwins: Dense Modality Decoupling for Multimodal Self-Supervision / Carlo Sgaravatti, Daniele Kopyshevskiy, Davide Secco 他
日本語で読む → - 論文3D点群認識画像認識
低密度3D点群のための分類ネットワーク
低密度の3D点群でも高精度に分類できるLD-PointNet++を提案し、密度変化に対する既存手法の性能低下を初めて体系的に評価した。
原題: Low-Density 3D Point Cloud Classification / Ahmed Baha Ben Jmaa, Faten Chaieb
日本語で読む → - 論文ヒューマノイド/移動操作ロボティクス
力で操るヒューマノイドの移動操作フレームワークCtrl-F
接触部位に加える3次元力を指令として与え、参照動作の追従と物体への力の印加を両立させる階層型の動作・力制御フレームワークを提案し、20kgの箱の押し・蹴り・持ち上げを実機で実現した。
原題: Ctrl-F: Force as an Interface for Humanoid Loco-Manipulation / Mengjie Zhao, Yuxin Chen, Yiyang Shao 他
日本語で読む → - 論文模倣学習ロボティクス
動画デモから潜在行動をエンドツーエンドで学習する手法ELA
動画デモから潜在行動表現を政策学習と行動デコードのために同時最適化し、少量の行動ラベル付きデータでロボット操作を学習するフレームワークを提案した。
原題: ELA: End-to-End Latent Action Policy Learning from Video Demonstrations / Cheng-Chun Hsu, Peter Stone
日本語で読む → - 論文移動操作ロボティクス
物体認識型モーションプライアを基盤とする階層型ヒューマノイド移動操作
操作対象をシーンに含めてモーションキャプチャ参照で低レベル制御器を学習し、その上に高レベル方策を重ねてヒューマノイドの移動操作を実現した研究。
原題: HLO-AMP: Hierarchical Loco-Manipulation from Object-Aware Motion Priors / Jean-Pierre Sleiman, Bilal Hammoud, He Li 他
日本語で読む → - 論文マニピュレーションロボティクス
スペクトルルーティング拡散ポリシーによるマルチタスクロボットマニピュレーション
凍結VGGTエンコーダで識別性の高い視覚条件を作り、SVD分解とスペクトルルーティングでタスク間の干渉を抑える拡散ポリシーを提案し、マルチタスク操作の成功率を向上させた。
原題: Spectrally Routed Diffusion Policy for Multi-Task Robotic Manipulation / Mingcong Li, Yihan Zhou, Jiayu Qu 他
日本語で読む → - 論文3Dガウシアンマッピング画像認識
SettleSplat: 視野内のシーン変化に対応する単眼ガウシアンマッピング
カメラ前で物体が動かされる「視野内変化」に対し、不確実性を用いて一時的な動体を除去しつつ恒久的な変化を反映した3Dガウシアンマップを維持する単眼オンラインマッピング手法を提案。
原題: SettleSplat: Monocular Gaussian Mapping under In-View Scene Changes / Anh Thuan Tran, Xiyun Song, Yubin Zhou 他
日本語で読む → - 論文手術3D知覚画像認識
iMED: ロボット支援手術向けマルチ内視鏡3D知覚データセット
2台の独立したステレオ内視鏡で同時収録した初の同期マルチ内視鏡手術データセットを構築し、片方で学習してもう片方で評価する新ベンチマークで23手法を比較した。
原題: iMED: A Multi-Endoscope Dataset for Surgical 3D Perception / Sierra Bonilla, Fengyi Jiang, Chinedu Nwoye 他
日本語で読む → - 論文3D再構成画像認識
Mamba3R: 固定容量の選択的状態メモリによる長系列3D再構成
再帰型3D再構成モデルのバックボーンを凍結したまま、固定容量の補助メモリと選択的状態空間ミキサを組み合わせた軽量アダプタ(128万パラメータ)を学習し、長系列での軌道・表面・深度精度を向上させた。
原題: Mamba3R: Fixed-Capacity Selective State Memory for Long-Sequence 3D Reconstruction / Zhenxiang Xiong, Tianchen Deng, Nailin Wang 他
日本語で読む → - 論文蒸留/マニピュレーションロボティクス
All-For-One:視覚基盤モデルを高速・省メモリな視覚運動ポリシーへ蒸留
複数の視覚基盤モデルを訓練時のみの特権情報として使い、意味表現を軽量なRGBのみの学生ポリシーに蒸留することで、高速かつ省メモリなロボットマニピュレーションを実現した。
原題: All-For-One: Distilling Visual Foundation Models to a Fast, Memory-Efficient Visuomotor Policy / Byungkun Lee, Minho Park, Hojoon Lee 他
日本語で読む → - 論文模倣学習ロボティクス
GUILD: 模倣学習のための誘導型反復データ収集
視覚言語モデルの意味的知識と予測的データ帰属を組み合わせ、方策性能を最大化するデータを反復的に選んで収集する枠組みを提案し、実機・シミュレーションで有効性を示した。
原題: GUILD: Guided Iterative Data Collection for Imitation Learning / Shivin Dass, Kevin Nguyen, Rohan Yelandur 他
日本語で読む → - 論文マルチエージェントAI
スペクトル固定で長期マルチエージェントAIのドリフトを解消
タスク・役割・状態の隠れ状態が共通の方向からずれることがドリフトの原因だと示し、生成前に隠れ状態を固有方向へ誘導する学習不要の手法ATLASを提案した。
原題: Drift No More: Spectral Locking for Long-Horizon Open-Weight Multi-Agent AI / Vishal Pramanik, Maisha Maliha, Susmit Jha 他
日本語で読む → - 論文VLAロボティクス
想像された未来を信頼する:VLA事後学習のための想像報酬監査
映像世界モデルが予測する報酬の過大評価を実行フィードバックで監査し、VLA事後学習のオフライン監督選択を改善する手法TIFを提案。
原題: Trusting Imagined Futures: Auditing Imagined Rewards for VLA Post-Training / Zicheng Kong, Zhenbo Xu, Haoyan Zhang 他
日本語で読む → - 論文VLAロボティクス
環境AIによる手術室ヒューマノイド自律のためのエージェント型オーケストレーション
壁面カメラとロボット頭部カメラを統合したデジタルツイン上でLLMエージェントが計画し、ヒューマノイドの手術室内自律作業を実現するActORを提案・評価した。
原題: ActOR: Ambient AI-Based Agentic Orchestration for Humanoid Autonomy in Operating Rooms / Han Zhang, Sicheng Lu, Aleks Santari 他
日本語で読む → - 論文エージェントセキュリティcs.CR
自発的隷従:AIエージェントを制御するための安全警告メカニズムの悪用
エージェントの危険回避機能を逆手に取り、偽の危険情報を含むレビューで正当な選択肢を排除させ攻撃者の標的に誘導する手法を提案し、既存の検出器を回避しつつ約60%の成功率で誘導できることを示した。
原題: Voluntary Servitude: Weaponized Safety Warning Mechanisms for Controlling AI Agents / Ilan Zendel, Matan Levy, Stav Cohen 他
日本語で読む → - 論文安全強化学習ロボティクス
制御バリア関数でマルチエージェント強化学習を安全に:コネクテッド自動運転車のための再帰的実行可能な安全フィルタ
車両が停止するまでのホライズンで安全性を評価するBackup-Horizon CBFを提案し、制御制約下でも再帰的に実行可能で正確な車両・道路形状を考慮した分散型安全フィルタでMARLポリシーを学習から実運用まで一貫して安全化した。
原題: Safeguarding Multi-Agent Reinforcement Learning for Connected and Automated Vehicles with Recursively Feasible Control Barrier Functions / Jianye Xu, Yousef Sayed, Bassam Alrifaee
日本語で読む → - 論文VLAcs.LO
Aero-VPA:エッジハードウェア上の俊敏な飛行のための非再構成型JEPA潜在表現に対する少数ステップフローマッチング制御
RGB-D Vision Transformerとアンサンブル予測器で次潜在状態を予測し、条件付きフローマッチングで2ステップの速度・ヨーレート生成を行う軽量VLAを提案。PX4シミュレーションでDAggerとランタイムシールドを組み合わせ、成功率を21.1%から52.2%に改善した。
原題: Aero-VPA: Few-Step Flow-Matching Control over Non-Reconstructive JEPA Latents for Agile Flight on Edge Hardware / Yeonseok Lee
日本語で読む → - 論文マニピュレーションロボティクス
MPMガイド付き3Dガウシアンシミュレーションによる物理拡散ポリシー
3Dガウシアンスプラッティングと微分可能なMPMシミュレーションを組み合わせて物体の材料特性を推定し、それを材料認識型MoE拡散ポリシーに統合することで、多様な物体への適応的なマニピュレーションを実現した研究。
原題: Physical Diffusion Policy via MPM-Guided 3D Gaussian Simulation / Can Wang, Qiyuan Qiao, Lei Liu 他
日本語で読む → - 論文群制御ロボティクス
遠隔操作マルチロボット中継チェーンにおける入れ子型視野バリア
通信不可環境での遠隔操作のため、視野ベースの制御バリア関数を用いた入れ子型の硬軟視野制約により、接続性を保証しつつ中継ロボット群が追従者の停滞を防ぐ分散制御フレームワークを提案した。
原題: Nested Field-of-View Barriers for Teleoperated Multi-Robot Relay Chains / Arthur Vangasse, Theo Cruz, Thales Soares 他
日本語で読む → - 論文安全性解析/GPU計算ロボティクス
ロボット制御ループ上で動くリアルタイムGPU版Hamilton-Jacobi安全性解析ソルバ
WENO5+TVD-RK3+Lax-FriedrichsのHJ-Isaacsレベルセット解法をCUDAで実装し、2〜4次元の安全到達管(BRT)を制御ループ内でリアルタイム計算できるようにした。
原題: Online Hamilton-Jacobi Reachability Onboard the Robot Control Loop: A Real-Time GPU Solver for Safety-Critical Autonomy / Kevin Weekly, Alexandre M. Bayen
日本語で読む → - 論文VLA量子化ロボティクス
LoopQ: 量子化VLAモデルの公平な閉ループ評価
複数のポストトレーニング量子化手法を同一条件で比較する閉ループベンチマークを提案し、VLA特化手法が単純な汎用手法に劣ることを示した。
原題: LoopQ: Fair, Closed-Loop Evaluation of Quantized Vision-Language-Action Models / Syed Umer Bukhari, Magnus Almgren, Ahmed Ali-Eldin
日本語で読む → - 論文ワールドモデルロボティクス
PrimeSim: 大規模クロスエンボディメント実演から構築する汎用ワールドモデルシミュレータ
22種類のロボット実演3万時間超で学習し、行動追従・多視点一貫性・長期的整合性を備えた行動条件付きワールドモデルシミュレータを構築した論文。
原題: PrimeSim: A Generalist World Model Simulator from Large-Scale Cross-Embodiment Demonstrations / Travis Davies, Wentao Ma, Lihao Guo 他
日本語で読む →
PR・アフィリエイト広告
