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: 2026/7/2 / 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 →- 論文拡散モデル/手と物体のインタラクション画像認識
JointHOI: 接触マップの同時生成による手と物体のインタラクション生成の強化
テキストから手と物体のインタラクションを生成する際、接触マップを同時生成する単一ステージの拡散モデルを提案し、物理的整合性を向上させた。
原題: JointHOI: Jointly Generating Contact Maps Enhances Hand Object Interaction Generation / Mingyeong Song, Jungbin Cho, Jisoo Kim 他
日本語で読む → - 論文コード生成/強化学習機械学習
DecompRL: モジュール型コード生成の学習による難問解決
LLMが解けない問題を、問題を小さなモジュールに分解して再結合することで解く強化学習アルゴリズムDecompRLを提案。GPUコストを約50倍削減し、標準的な生成では解けない問題を解決する。
原題: DecompRL: Solving Harder Problems by Learning Modular Code Generation / Juliette Decugis, Fabian Gloeckle, Francis Bach 他
日本語で読む → - 論文3Dシーン生成AI
SimWorlds: 動的3Dシーン生成のためのマルチエージェントシステム
テキストから動的で編集可能な4Dシーンを生成するマルチエージェントフレームワークを提案し、物理整合性を検証するベンチマークも導入した。
原題: SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation / Chunjiang Liu, Xiaoyuan Wang, Haoyu Chen 他
日本語で読む → - 論文シーングラフ/活動理解画像認識
シーンを進化させる学習:シーングラフによる人間活動の推論
一人称視点動画から、人間と環境の相互作用を時空間シーングラフとして表現し、その時間的進化をモデル化するグラフベースモデルGLENを提案。活動に基づくグラフ編集予測という新タスクも導入し、複数のベンチマークで優れた性能を示した。
原題: Learning to Evolve Scenes: Reasoning about Human Activities with Scene Graphs / Francesca Pistilli, Simone Alberto Peirone, Giuseppe Averta
日本語で読む → - 論文神経画像処理画像認識
CLABTOOLKIT: 神経画像データの日常的な処理・操作・可視化のためのオープンソースツールキット
神経画像研究で必要な多様なデータ構造(ボリューム、表面、トラクトグラムなど)を統一的に扱うPythonパッケージを開発し、標準フォーマット間の相互変換や処理を簡便にした。
原題: CLABTOOLKIT: An Open-Source Toolkit for Routine Processing, Manipulation, and Visualization of Neuroimaging Data / Yasser Alemán-Gómez, Nino Hervé, Patric Hagmann
日本語で読む → - 論文ベンチマーク画像認識
K9-Bench:犬中心の動画におけるマルチモーダルLLMの評価
犬の行動理解に特化したベンチマークK9-Benchを構築し、907本の動画と約5000のQAペアを用いて、最先端のマルチモーダルLLMのゼロショット性能を評価した。
原題: K9-Bench: Evaluating Multimodal LLMs on Canine-Centric Videos / Khush Attarde, Yusuf Ali, Megha Thukral 他
日本語で読む → - 論文連合学習機械学習
QFedAgent: 量子強化型パーソナライズ連合学習によるマルチエージェント行動認識
量子回路を用いた融合モジュールを組み込んだハイブリッド量子古典連合学習フレームワークを提案し、マルチエージェントの行動認識タスクでパラメータ数を大幅削減しつつ高精度を達成した。
原題: QFedAgent: Quantum-Enhanced Personalized Federated Learning for Multi-Agent Activity Recognition / Quoc Bao Phan, Tuy Tan Nguyen
日本語で読む → - 論文群制御機械学習
ゲーミングコンセンサス:クラウドソース型ファクトチェックにおける協調操作
クラウドソース型ファクトチェックのマトリックス分解アルゴリズムが、少数の協調的なユーザーによる戦略的投票で操作され得ることを理論的・実証的に示し、実際のデータで最大10.7%の低品質ノートが操作可能であることを明らかにした。
原題: Gaming Consensus: Coordinated Manipulation in Crowdsourced Fact-Checking / Nikil Roashan Selvam, Jay Baxter, Sophie Hilgard 他
日本語で読む → - 論文LLM評価stat.ML
LLMペルソナの二面性:集約傾向とフレーム依存の幾何構造
LLMのペルソナ評価で、従来の集約スコアに加え、質問順序などのフレームに依存する幾何構造が存在することを示し、その二面性を明らかにした論文。
原題: The Dual Nature of LLM Persona: Aggregated Tendencies and Frame-Dependent Geometry / Yuan Yuan
日本語で読む → - 論文探索画像認識
EAGLE-360: 360度環境における身体化された能動的全域から局所への探索
360度パノラマ環境での能動的視覚探索を改善するため、グローバルな事前情報を活用して探索空間を段階的に絞り込むフレームワークを提案し、大規模データセットと位置エンコーディングの改良により性能を向上させた。
原題: EAGLE-360: Embodied Active Global-to-Local Exploration in 360$^\circ$ / Jingtao Xu, Zizhuo Lin, Jianwen Sun 他
日本語で読む → - 論文能動的知覚画像認識
探索してセグメント化:パノラマ参照セグメンテーションのための能動的知覚
エージェントが360度環境を能動的に探索し、ユーザーの指示に従って対象物体をセグメンテーションする新しいタスク「能動的パノラマ参照セグメンテーション」を提案し、空間記憶を持つVLMベースのエージェントPanoSeekerを開発した。
原題: Seek to Segment: Active Perception for Panoramic Referring Segmentation / Song Tang, Shuming Hu, Xincheng Shuai 他
日本語で読む → - 論文予知保全機械学習
ターボファン劣化モデリングのための解釈可能な液体潜在状態ダイナミクス
液体ニューラルネットワークを用いて、航空機エンジンの健全性監視データから劣化過程を解釈可能な潜在状態としてモデル化し、予測精度と状態の解釈性を向上させた。
原題: Liquid Latent State Dynamics for Interpretable Turbofan Degradation Modeling / Weizhi Nie, Weijie Wang, Yuting Su
日本語で読む → - 論文モーションキャプチャ画像認識
生体力学的知識を活用した多視点マーカーレス手の動きのモーションキャプチャ
手の複雑な動きを追跡するために、生体力学モデルを組み込んだ勾配ベース最適化手法を用いたマーカーレスモーションキャプチャを提案し、従来の2段階手法と比較して、より生体力学的に妥当で、オクルージョンに頑健な結果を得た。
原題: Biomechanics-aware Multi-view Markerless Motion Capture of Dexterous Hand Movements / Pouyan Firouzabadi, J. D. Peiffer, Kunal Shah 他
日本語で読む → - 論文3Dセグメンテーション画像認識
仮想ドローンを飛ばして3Dガウシアンをオンラインでセグメンテーション
3Dガウシアン表現のシーンを、事前設定なしで1秒以内にインタラクティブにセグメンテーションする新しいフレームワークSAGOを提案。仮想ドローンによる次視点計画として問題を定式化し、従来比50倍以上の高速化を実現。
原題: Online Segment 3D Gaussians via Launching Virtual Drones / Liwei Liao, Rongjie Wang, Ronggang Wang
日本語で読む → - 論文分散学習/プライバシー保護機械学習
プライバシー保護と検証可能な近似分散符号化計算
本論文は、連合学習と分散学習の両方でプライバシー保護と悪意行動への耐性を統合するモデル非依存のフレームワークを提案し、符号化計算技術と攻撃駆動の評価で有効性を示した。
原題: Privacy-Preserving and Verifiable Approximate Distributed Coded Computing / Xavier Martínez-Luaña, Alba Gude-Santos, Manuel Fernández-Veiga 他
日本語で読む → - 論文空間推論画像認識
SpaceEra++: ビデオにおける3次元空間推論のための統合フレームワーク
本論文は、ビデオから3次元空間推論を行うための統合フレームワークSpaceEra++を提案する。フレーム選択戦略と空間整合手法を導入し、空間理解の精度を向上させた。
原題: SpaceEra++: A Unified Framework Towards 3D Spatial Reasoning in Video / Weili Guan, Haoyu Zhang, Meng Liu 他
日本語で読む → - 論文セキュリティcs.CR
クラウドエッジ推論における大規模視覚言語モデルへの視覚トークン操作攻撃
エッジとクラウド間で送信される視覚トークンを攻撃者が改ざんし、モデルの精度を大幅に低下させる攻撃手法を提案・評価した論文。
原題: Vision Token Manipulation Attacks on Cloud-Edge Inference of Large Vision-Language Models / Zikai Zhang, Rui Hu, Olivera Kotevska 他
日本語で読む → - 論文VLAAI
経路レベルの後知恵指示による視覚言語ナビゲーションの意味的探索
視覚言語ナビゲーションエージェントの訓練において、探索軌道と指示の意味的ミスマッチを解決するため、後知恵推論を用いて指示を実際の探索経路に合わせるPhi-Navを提案した。
原題: Path-level Hindsight Instructions for Semantic Exploration in Vision-Language Navigation / Sung June Kim, Sangpil Kim, Honglak Lee
日本語で読む → - 論文ベンチマーク自然言語
EduArt: 大規模言語モデルにおける美術史知識を評価する教育レベルのベンチマーク
イタリアの高校と米国のAP美術史試験から収集した871問の人間作成問題を用いて、マルチモーダルLLMの美術史知識と視覚推論を評価するベンチマークを提案。形式や言語、画像の有無が性能に与える影響を分析した。
原題: EduArt: An educational-level benchmark for evaluating art history knowledge in large language models / Gianmarco Spinaci, Lukas Klic, Giovanni Colavizza
日本語で読む → - 論文地形識別ロボティクス
地形識別のためのマルチスペクトル画像の差分解析
照明変化や材料の曖昧さに頑健な軽量マルチスペクトル地形識別フレームワークDRIFTを提案し、UAV搭載カメラで取得した油汚染土壌データセット等で評価した。
原題: Differential Analysis of Multispectral Images for Terrain Identification / Omar Kashmar, Hemendra Arya, Fulvio Mastrogiovanni
日本語で読む → - 論文水中ロボット/予測モデルロボティクス
AquaJEPA: 水中ロボットのダイナミクスのための行動条件付きマルチモーダルJEPAファミリー
水中ロボットのための行動条件付き予測モデル群を提案し、カメラやソナーなどのセンサ構成に応じてロバストな制御を実現した。
原題: AquaJEPA: An Action-Conditioned Multimodal JEPA Family for Underwater Robot Dynamics / Alan-Barsag Gazzaev, Alexey Gavrilov, Sergey Muravyov
日本語で読む → - 論文ロボット超音波/ワールドモデル/プローブ誘導ロボティクス
ロボット超音波における目標平面プローブ誘導のための行動条件付きワールドモデル
ロボット超音波検査のプローブ誘導を、行動条件付き拡散ワールドモデルと目標条件付きトランスフォーマーを用いた2段階学習で実現した。実機実験で頸動脈70%、甲状腺65%の成功率を達成した。
原題: Action-Conditioned World Model for Goal Plane Probe Guidance in Robotic Ultrasound / Siqi Fan, Mingcong Chen, Ran Liu 他
日本語で読む → - 論文3D再構成cs.GR
StructureGS: 関節物体再構成のための構造認識ガウシアンスプラッティング
関節物体の再構成において、部品の幾何学・外観・運動パラメータの絡み合いを解消するため、部品の有向境界ボックスを用いた構造認識ガイダンスを3Dガウシアンスプラッティングに統合し、空間的一貫性と構造的接続性を強制する損失を導入した。
原題: StructureGS: Structure-aware Gaussian Splatting for Articulated Object Reconstruction / Gahye Lee, Gyoonseo Kim, Wonjong Jang 他
日本語で読む → - 論文データセット設計画像認識
インパクトのある自動運転データセットの作り方:研究ギャップからベンチマークまでの戦略的ガイド
自動運転データセットの設計戦略を、データ問題か評価問題かの診断から始め、最小限のデータ操作でギャップを埋める枠組みとして提案し、KITScenesデータセットを事例に解説した論文。
原題: Creating Impactful Autonomous Driving Datasets: A Strategic Guide from Research Gap to Benchmark / Richard Schwarzkopf, Jonas Merkert, Frank Bieder 他
日本語で読む → - 論文空中マニピュレーションロボティクス
UジョイントCAAMS:空中マニピュレーション用ユニバーサルジョイント連続体マニピュレータの実験的評価
マルチローターUAVに搭載する連続体マニピュレータの面外変形耐性を向上させるため、ユニバーサルジョイントとバネ補強を組み合わせた新しい設計を提案し、プロペラ後流下での精度改善を実験で実証した。
原題: U-Joint CAAMS: Experimental Evaluation of a Universal-Joint Continuum Manipulator for Aerial Manipulation / Anuraj Uthayasooriyan, Musab Alibrahim, Krishna Manaswi Digumarti 他
日本語で読む → - 論文VLA/触覚/操作ロボティクス
τ: 未来の視覚的監督から学習する触覚拡張型視覚言語行動モデル
接触を伴う操作タスク向けに、将来の視覚情報を教師信号として触覚表現を学習し、事前学習済みVLAモデルに統合するフレームワークを提案。専用データセットTacAuraも導入し、未見物体やシーンへの汎化性能を向上させた。
原題: {\tau}: Learning Touch-Augmented Vision-Language-Action Models from Future Visual Supervision / Ning Cheng, Jinan Xu, Wanlin Li 他
日本語で読む → - 論文手術ロボット追跡ロボティクス
手術ロボットのマーカーレスリアルタイム追跡のためのステレオ微分可能レンダリングの効率化
ステレオ微分可能レンダリングを拡張し、手術ロボットのマーカーレスでリアルタイムな姿勢追跡を実現した。フレーム間の姿勢伝播とCUDA並列化により、30fpsの高速処理と高精度を達成している。
原題: Streamlining stereo differentiable rendering for marker-free real-time tracking of surgical robots / Yanghe Hao, Martin Huber, Christos Bergeles 他
日本語で読む → - 論文マニピュレーションロボティクス
SkillPlug: 教師なしスキル抽出によるロボット操作の少数ショット適応
既存の視覚運動模倣ポリシーにスキル条件付けモジュールを追加し、マルチタスクのデモから共有可能なスキルライブラリを自己教師ありで抽出することで、新しいタスクへの少数ショット適応を効率化するフレームワークを提案した。
原題: SkillPlug: Unsupervised Skill Mining for Few-Shot Adaptation in Robotic Manipulation / Zi-han Ding, Ziwei Wang
日本語で読む → - 論文探索アルゴリズムロボティクス
極座標に基づく差分進化法を用いたUAV搭載ビジョンセンサによる移動目標探索
UAVによる移動目標探索のための新しいアルゴリズムを提案し、検出確率と実行時間の改善を実証した。
原題: Polar Coordinate-based Differential Evolution for Moving Target Search Using Vision Sensor on Unmanned Aerial Vehicles / Thu Hang Khuat, Duy-Nam Bui, Thuy Ngan Duong 他
日本語で読む → - 論文手術ロボティクスロボティクス
SurgAM: ロボット自律性のための多モーダル特徴融合による手術アフォーダンスマップ予測
手術映像から吸引・クリッピング・牽引などの基本動作に適した領域を予測するアフォーダンスマップ手法を提案し、自己教師ありビジョントランスフォーマーと生成モデルの特徴を適応的に融合、階層的プロンプト学習とシーン誘導デコーダで精度を向上させた。公開データセットから新規データセットを構築し、ファントム実験で実用性も検証した。
原題: SurgAM: Surgical Affordance Map Prediction with Multimodal Feature Fusion for Robot Autonomy / Lei Song, Yonghao Long, Mengya Xu 他
日本語で読む →
PR・アフィリエイト広告
