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: 2026/8/2 / 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 →- 論文金融リスク管理q-fin.MF
気候ダイナ・ディープヘッジングによるXVA:モデルベース強化学習、残差気候HVA、ヘッジ手段の発見
気候変動リスクの残差評価を、ペア環境での比較と最適化により計算し、モデルベース強化学習で非線形補正を学習する手法を提案。実データ較正の半合成実験で有効性を示した。
原題: Climate-Dyna Deep Hedging for XVAs: Model-Based Reinforcement Learning, Residual Climate HVA, and Hedge-Instrument Discovery / Xiaozhen Wang, Francois Buet-Golfouse
日本語で読む → - 論文エージェント安全性AI
FraudBench: 適応的詐欺に対するポリシー基盤型銀行エージェントのストレステスト
銀行の会話エージェントが、対話を通じて顧客情報や内部ポリシーにアクセスしながら、詐欺的な操作にどう対応するかを評価するための実行可能なベンチマークを提案した論文。
原題: FraudBench: Stress-Testing Policy-Grounded Banking Agents Against Adaptive Fraud / Dheeraj Mohandas Pai, Lu Xian
日本語で読む → - 論文レイアウト生成画像認識
SG-Layout: LLMを用いた構造化シーングラフ誘導レイアウト生成
自然言語から空間的に一貫したレイアウトを生成するため、シーングラフの構造知識をLLMに明示的に組み込むフレームワークSG-Layoutを提案した。
原題: SG-Layout: Structured Scene Graph-Guided Layout Generation with LLMs / Junsheng Wang, Chao Chen, Mengying Xie 他
日本語で読む → - 論文VLA/ロバスト性ロボティクス
VLAGuard: ワイヤレスセンサネットワークにおける視覚言語行動ロボットの物理的注意ハイジャック評価・緩和フレームワーク
VLAロボットの注意機構を妨害する物理的攻撃を評価し、注意保護ファインチューニングにより攻撃耐性を大幅に向上させるフレームワークを提案した。
原題: VLAGuard: A Framework for Evaluating and Mitigating Physical Attention Hijacking in Vision-Language-Action Robots within Wireless Sensor Networks / Dongfu Yin, Jinquan Zhang
日本語で読む → - 論文VLA画像認識
STAR-VLM: 自動車レーダー監視による動きと速度推定のための時空間接地視覚言語モデル
自動車レーダーのドップラー計測を教師信号として用い、視覚言語モデルの時空間推論とメートル単位の速度推定能力を向上させるフレームワークを提案した。
原題: STAR-VLM: Spatiotemporal Grounding Vision-Language Models for Motion and Velocity Estimation via Automotive Radar Supervision / Pou-Chun Kung, Aryaman Rao, Utkrisht Sahai 他
日本語で読む → - 論文フェデレーテッドラーニング/深度推定ロボティクス
FeDepth: ロボットの異種性を考慮した深度推定のためのフェデレーテッドラーニング
ロボットの異種環境下での深度推定において、クライアント間の連続的で曖昧なドメイン遷移を捉えるソフトクラスタリングを用いたフェデレーテッドラーニング手法を提案し、既存手法より堅牢性を向上させた。
原題: FeDepth: Federated Learning for Depth Estimation under Robot Heterogeneity / Ganghyeon Lee, Inha Lee, Junhee Lee 他
日本語で読む → - 論文最適化ソルバーcs.GT
MixedComplementarityProblems.jl: 混合相補性問題のための高速・バッチ処理対応・オープンソース内点法ソルバー
ロボティクスで頻出する混合相補性問題(MCP)を解く、Julia製のオープンソース内点法ソルバーを提案。PATHと同等の信頼性を持ちつつ、CPU/GPUでのバッチ並列処理と自動微分をサポートし、マルチエージェント軌道最適化でPATHより約100倍高速に解けることを示した。
原題: MixedComplementarityProblems.jl: A Fast, Batched, Open-Source Interior Point Solver for Mixed Complementarity Problems / David Fridovich-Keil
日本語で読む → - 論文意思決定/ベンチマーク画像認識
マルチモーダルメモリ圧縮による長期的身体化意思決定
長期的な身体化意思決定のためのベンチマークDunphyBenchを提案し、VLMエージェントの性能が人間に及ばないこと、メモリ管理がボトルネックであることを示した。さらに、ユーザー嗜好に基づいて情報を圧縮するMeMentoを設計し、精度向上とメモリ削減を実現した。
原題: Long-Horizon Embodied Decision-Making via Multimodal Memory Compression / Bingxuan Li, Rui Yang, Cheng Qian 他
日本語で読む → - 論文マニピュレーションロボティクス
GraRe: 凍結された6-DoF把握検出器のための把握候補再ランキング
既存の6-DoF把握検出器の信頼度スコアは把握品質と一致しないことがあるため、検出器を変更せずに候補の順序を改善する再ランキング手法GraReを提案。候補属性、局所幾何、物体文脈をTransformerで融合し、把握品質を予測して最終順位を決定する。
原題: GraRe: Grasp Candidate Re-Ranking for Frozen 6-DoF Grasp Detectors / Jibao Yuan, Yuhui Zhao, Yinzhen Lv 他
日本語で読む → - 論文世界モデルAI
FactorJEPA:混雑した混沌とした南半球の都市世界におけるレイアウト・エージェント・相互作用チャネルへのモノリシックな未来の因子分解
南半球の混雑した都市環境(DENSEWORLD)向けに、世界モデルの予測をレイアウト・エンティティ・相互作用に分解するFactorJEPAを提案し、1000時間の大規模データセットで精度とロバスト性を向上させた。
原題: FactorJEPA: Factorizing Monolithic Futures into Layout-Agent-Interaction Channels for Crowded and Chaotic Global South Urban Worlds / Kapil Wanaskar, Gaytri Jena, Aman Chadha 他
日本語で読む → - 論文データセット画像認識
InteracVid: ライブチャット動画から構築した実インタラクティブ音声視覚応答データセット
ライブ配信動画から、外部刺激に対する実際のインタラクティブな音声・視覚応答を抽出した大規模データセットを構築し、マルチモーダルAIの応答生成性能を向上させた。
原題: InteracVid: Building a Real Interactive Audio-Visual Response Dataset from Live-Chat Videos / Chi Zhang, Haoyang Shi, Yueyi Liu 他
日本語で読む → - 論文手術ビデオ解析画像認識
拡張KAFR:手術ビデオの効率的解析のための運動適応パラダイム
手術ビデオ解析の計算負荷を減らすため、ツールの動きに基づいて重要なフレームだけを選ぶKAFR法を腹腔鏡手術に拡張し、わずか0.58%のフレームで高い精度を達成した。
原題: Extended KAFR: A kinematic-adaptive paradigm for the efficient analysis of surgical video / Huu Phong Nguyen, Shekhar Madhav Khairnar, Ganesh Sankaranarayanan
日本語で読む → - 論文評価指標AI
スコアリングルール!テキスト評価指標の統計的・戦略的整合性
参照ベースのテキスト評価指標について、人間の評価との統計的相関と、戦略的な操作への耐性という2つの整合性を提案し、相互情報量に基づく統一的な設計枠組みを導入して、既存指標の特性を分析した。
原題: Scoring Rules! Statistical and Strategic Alignment for Text Evaluation Metrics / Shengwei Xu, Yuxuan Lu, Yifan Wu 他
日本語で読む → - 論文ビデオ生成画像認識
MiniWorld: ビデオワールドモデルのスクラッチ学習を民主化する
ビデオワールドモデルをスクラッチから効率的に学習するための軽量で再現可能なフレームワークMiniWorldを提案した。
原題: MiniWorld: Democratizing the Training of Video World Models from Scratch / Yian Zhao, Ruochong Zheng, Hongcan Guo 他
日本語で読む → - 論文3Dシーン編集画像認識
GaussianSelector: グラフ最適化による3Dガウススプラッティングでの軽量な人間誘導オブジェクト選択
スパースな視点とスパースなユーザースクラブルから、トレーニング不要で3Dオブジェクトを選択するフレームワークを提案。ガウスプリミティブをスーパーポイントに粗視化し、グラフカットで選択を最適化する。
原題: GaussianSelector: Lightweight Human-Guided Object Selection in 3D Gaussian Splatting with Graph Optimization / Baihan Yang, Tiexin Li, Yuheng Liu 他
日本語で読む → - 論文群制御ロボティクス
音響駆動ミリメートル螺旋ロボット:閉鎖流体環境における超音波協調操作
音響放射力と音響流の相乗効果を利用し、ミリメートルサイズの螺旋ロボットを制御・推進する手法を提案・実証した。
原題: Acoustic-driven millimetric helical robot: ultrasonic synergistic manipulation in confined fluidic environment / Hanlin Wang, Xin Wang, Xinwei Wei 他
日本語で読む → - 論文エッジコンピューティング/セマンティック通信cs.NI
5G対応エッジSLAMにおけるフィデューシャルマーカー処理のためのセマンティック通信アプローチ
ロボットとエッジサーバ間でCNNを分割し、中間特徴をセマンティック情報として5Gで伝送するフィデューシャルマーカー処理フレームワークを提案。実5Gテストベッドで通信・計算トレードオフを評価した。
原題: A Semantic Communication Approach to Fiducial Marker Processing in 5G-Enabled Edge SLAM / Boris Radovanovic, Vukan Ninkovic, Katarina Vidojevic 他
日本語で読む → - 論文遠隔操作ロボティクス
OAA:人間-ドローン遠隔操作における音声ガイダンスの3つのフェーズ
人間の音声ガイダンスがタスク進行に伴い、オリエンテーション、アプローチ、調整の3つの明確なフェーズに構造化されることを、モーションキャプチャと音声データから実証した論文。
原題: OAA: Three Phases of Vocal Guidance in Human-Drone Teleoperation / Allan Henry, Christian Graff, Solange Rossato 他
日本語で読む → - 論文空中マニピュレーション/制御ロボティクス
接触検査のための劣駆動空中マニピュレータのロバスト滑りモード・アドミッタンス制御
劣駆動ヘキサロータに1自由度マニピュレータを搭載し、接触検査時の力制御と軌道追従を両立するロバスト制御フレームワークを提案。滑りモード制御とアドミッタンス制御を統合し、シミュレーションでPIDより優れた性能と最大20Nの安定した力発揮を確認した。
原題: Robust Sliding Mode and Admittance Control of Underactuated Aerial Manipulators for Contact-Based Inspection / Tareq Aziz Alqutami, Yvan Petillot, Matthew W. Dunnigan 他
日本語で読む → - 論文強化学習/VLAロボティクス
時間的GRPO:視覚言語行動強化学習における軌跡レベルの信用割当を超えて
軌跡全体に同じ報酬を割り当てる従来のGRPOの問題を解決するため、タスクを段階に分割し、同じ段階に到達した軌跡同士を比較して段階ごとの利点を計算する新しい手法を提案した。
原題: Temporal GRPO: Beyond Trajectory-Level Credit in Vision-Language-Action Reinforcement Learning / Yao Zhou, Hang Gao, Fengge Wu 他
日本語で読む → - 論文支援技術/ヒューマンインターフェースHCI
bFaaaP: 頭部角度でペダル操作を実現する包括的ピアノ演奏支援 -- 足を使わずにアコースティック/電子ピアノで奏者の意図を定量的に再現
足が使えない演奏者向けに、頭部の角度でサステインペダルを操作できる装置を開発。スマートフォンのAR顔追跡とBLE通信でペダルを制御し、定量的な制御則により自然な表現を実現した。
原題: bFaaaP: An Inclusive, Head-Angle Piano-Pedal Interaction that Quantitatively Reproduces a Pianist's Intended Pedalling -- Foot-Free, for Acoustic and Electronic Pianos / Tomoyuki Shishido, Masahiro Ootaki, Hiroyuki Narusawa
日本語で読む → - 論文水中ロボット/姿勢推定ロボティクス
AMR-Pose: 協調AUVのための能動LEDマーカーと確率的切替PnPに基づく相対姿勢推定フレームワーク
水中環境での光学的劣化に頑健な、能動LEDマーカーと確率的切替PnPを用いたAUV間の相対姿勢推定手法を提案し、水槽実験で有効性を検証した。
原題: AMR-Pose: An Active LED Marker-Based Relative Pose Estimation Framework With Probabilistic Switching PnP for Cooperative AUVs / Zeyu Sha, Xiaorui Wang, Mingyang Yang 他
日本語で読む → - 論文VLAロボティクス
ARGUS: 大規模3Dビジョンモデルによる視点変化下でのロボットシーン幾何学の位置合わせ
視点に依存しない観測前処理パイプラインARGUSを提案し、任意のカメラ視点からの画像を大規模3Dビジョンモデルで正準視点に変換することで、視点多様なデータセットからの学習効率と汎化性能を向上させた。
原題: ARGUS: Aligning Robot Scene Geometry Under Shifting Views with Large 3D Vision Models / Rishik Sathua, Haonan Chen, Katherine Driggs-Campbell
日本語で読む → - 論文ナビゲーションロボティクス
CoCoNav: 群衆中の安全なロボットナビゲーションのためのコンフォーマル制御
群衆中のロボットナビゲーションにおいて、予測誤差の不確実性をオンラインで調整しつつ、実行前に軌道を検証することで安全と効率を両立するフレームワークを提案した。
原題: CoCoNav: Conformal Control for Safe Robot Navigation in Crowds / Cheng Guo, Mingzhe Ni, Zheng Liang 他
日本語で読む → - 論文ダイナミクス学習ロボティクス
リー群上の確率的物理情報ニューラルネットワークによる水中車両ダイナミクス学習
水中車両の運動を、リー群の幾何学的制約を尊重する確率的物理情報ニューラルネットワークで学習する新しいデータ駆動フレームワークを提案した。
原題: Stochastic Physics-Informed Neural Networks on Lie Groups for Learning Underwater Vehicle Dynamics / Evan F. Palmer, Ross L. Hatton, Geoffrey A. Hollinger
日本語で読む → - 論文ロボットポリシー改善ロボティクス
ループに留まる必要はない:ロボットポリシー改善のためのエージェント型ロボティクスループ
LLMコントローラが耐久性のあるトレーニング・評価・改善トランザクションを通じて使い捨てワーカーを駆動する、ロボットポリシー改善のための制御プレーンを提案。ツールの品質を測定・記録し、アーティファクト変更時に失効させることで、人間の介入なしに堅牢な改善を実現する。
原題: You Don't Need To Stay in The Loop: An Agentic Robotics Loop for Robot-Policy Improvement / Hang Yu
日本語で読む → - 論文ナビゲーションロボティクス
SpikingNav: スパイキングニューラルポリシーによる頑健な身体化ナビゲーション
スパイキングニューラルネットワークを用いた屋内ナビゲーション手法を提案し、視覚的劣化に対する頑健性を向上させた。
原題: SpikingNav: Robust Embodied Navigation with Spiking Neural Policies / Jiahong Zhang, Sijun Shen, Dehua Wu 他
日本語で読む → - 論文遠隔操作ロボティクス
遠隔操作車両のためのニューラルネットワークベースのテレオペレーション
通信遅延や未モデル化外乱に対処するため、波動変数法と適応RBFネットワークを組み合わせた片方向テレオペレーション方式を提案し、シミュレーションと実機検証で有効性を示した。
原題: A Neural Network Based Teleoperation for Remote Controlled Vehicles / Ning Ding, Azim Eskandarian
日本語で読む → - 論文複素解析math.CV
Berkson-Porta表現による正確な収縮率:鋭い閾値とそのHerglotz核障害
単位円板上の正則自己写像の半群が、内部固定点での線形化に基づく最良の収縮率を達成する条件を、Berkson-Porta表現を用いて正確に特徴づけ、自然なパラメータ族に対して鋭い閾値を導出した。また、閾値が成り立たない例を示し、その原因をHerglotz表現の測度の集中に帰着させた。
原題: Exact Contraction Rates via the Berkson--Porta Representation: A Sharp Threshold and Its Herglotz-Kernel Obstruction / Soumic Sarkar
日本語で読む → - 論文歩行ロボティクス
初の実装可能な動的CoM:ヒューマノイド片足バランスのための統一ポリシーと手法非依存ベンチマーク
ヒューマノイドが片足で静止バランスを保つための、動的CoM観測を初めてハードウェアに実装可能にし、統一ポリシーとベンチマークを提案した論文。
原題: First Deployable Dynamic-CoM: A Unified Policy and Method-Agnostic Benchmark for Humanoid Single-Leg Balance / Yikai Zhou, Xingyun Wang, Jieming Cui 他
日本語で読む →
PR・アフィリエイト広告
