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: 2026/7/1 / 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 →- 論文アニマトロニクス/顔機構設計ロボティクス
対話型アニマトロニクスロボットの顔機構の自動合成
2Dポートレートから3D顔を再構築し、衝突のない製造可能な内部機構を自動設計するアルゴリズムを提案。さらに、会話中の発話・傾聴行動を統合する双方向対話型顔運動合成フレームワークも開発した。
原題: Automated Synthesis of Facial Mechanisms for Conversational Animatronic Robots / Zongzheng Zhang, Zi Lin, Jiawen Yang 他
日本語で読む → - 論文世界モデル機械学習
時間中心化SIGRegによるマルチタスク世界モデル学習の改善:分析から手法へ
マルチタスク世界モデル学習で表現崩壊を防ぐSIGRegがタスク間の分離を圧縮する問題を発見し、潜在変数の周辺分布ではなく時間中心化残差に適用する手法を提案。LIBEROベンチマークで成功率を大幅に向上させた。
原題: Temporally Centered SIGReg Improves Multi-Task LeWorldModel Learning: From Analysis to Method / Chang Liu, Fei Suo, Yanzhou Jin 他
日本語で読む → - 論文マニピュレーションロボティクス
PhysV2A: 到達可能性ゲートと意味マスク制約によるビデオからロボット操作への実現可能性補完
ビデオ由来の物体動作をロボット実行可能な軌道に変換する枠組みを提案。把握可能性を軌道条件付きで扱い、階層的到達可能性選択と意味マスク制約による冗長性最適化で実ロボット操作の成功率を向上させた。
原題: PhysV2A: Reachability-Gated and Semantic-Mask-Constrained Feasibility Completion for Video-to-Robot Manipulation / Haohui Huang, Junda Duan, Tao Teng 他
日本語で読む → - 論文HRI/VRロボティクス
社会的認識を持つロボットナビゲーションにおけるマルチモーダルな人とロボットの相互作用研究のための仮想現実の検証
実世界とVR環境で人とロボットの相互作用を比較し、VRが社会的ナビゲーションの研究に有効であることを示した。
原題: Validating Virtual Reality for Studying Multimodal Human-Robot Interaction in Socially Aware Robot Navigation / Hariharan Arunachalam, Phani Teja Singamaneni, Rachid Alami
日本語で読む → - 論文知覚/シーングラフ画像認識
ジャストインタイムシーングラフ成長:長時間ロボティクスにおける知覚飽和への対抗
この論文は、ロボットの長時間タスク実行中に生じる知覚の飽和問題を解決するため、タスクに応じて必要な部分だけを動的に活性化する3Dシーングラフ構築手法JITOMAを提案している。
原題: Just-In-Time Scene Graph Growth: Combating Perceptual Saturation in Long-Horizon Robotics / Yue Chang, Rufeng Chen, Yifan Tian 他
日本語で読む → - 論文水中モニタリングcs.IR
局所マルチエージェントRAGによるエネルギー制約下の階層型水中モニタリング
超低消費電力のエッジセンシングと高性能な局所推論を組み合わせた水中モニタリングアーキテクチャを提案し、エネルギー制約下での継続的な海洋生物監視を実現する。
原題: Energy Constrained Hierarchical Underwater Monitoring via Local Multi-Agent RAG / Mohamed Amine Janati, Laurent Gautier, Stéphane Barbot
日本語で読む → - 論文ヒューマノイドデザインロボティクス
ヒューマノイドロボット設計における不気味の谷のベイズ的枠組み
ロボットの親和性を数理モデル化する階層ベイズ生成モデルを提案し、カテゴリ曖昧性や感覚間不一致が親和性低下を引き起こす仕組みをシミュレーションと人間実験で検証した。
原題: A Bayesian framework for the uncanny valley in humanoid robot design / Shimon Honda, Rin Shibano, Hideyoshi Yanagisawa
日本語で読む → - 論文ナビゲーションロボティクス
UniLM-Nav: ゼロショット・ラストマイルナビゲーションのための統合フレームワーク
モバイルマニピュレーションにおけるラストマイルナビゲーションを、視点選択・アフォーダンス接地・ベースポーズ推論に分解し、共有のMLLMで解決する統合フレームワークを提案。OVMMベンチマークでSOTAを達成。
原題: UniLM-Nav: A Unified Framework for Zero-Shot Last-Mile Navigation / Zhuofan Zhang, Tianxu Wang, Guoxi Zhang 他
日本語で読む → - 論文経路計画ロボティクス
物理的に実現可能なワールドモデルにおける経路計画
ロボットが事前に再構築した3Dシーンに物理シミュレーションを組み合わせ、将来の地形変化を考慮した経路計画を評価するシステムを提案した。
原題: Path Planning in Physically Viable World Models / Su Ann Low, Cheng-Hsi Hsiao, Xingjian Li 他
日本語で読む → - 論文共有自律/操作ロボティクス
知覚から支援へ:ロボット操作のためのオープン語彙共有自律
RGB-Dカメラと視覚言語モデルを用いて、オペレータの意図をテキストで指定し、共有自律で把持を支援するフレームワークを提案。
原題: From Perception to Assistance: Open-Vocabulary Shared Autonomy for Robotic Manipulation / Murilo Vinicius da Silva, Ricardo V. Godoy, Juliano Negri 他
日本語で読む → - 論文移動操作画像認識
探索・対話・展開可能:オープンワールド移動操作のための視覚駆動型具現化エージェント
実世界展開可能な移動操作エージェントのためのフレームワークREALを提案し、シミュレーションと実機のギャップを埋める環境とベンチマークを構築、物理ロボットで高い成功率を達成した。
原題: Exploratory, Communicative, and Deployable: Vision-Driven Embodied Agents for Open-World Mobile Manipulation / Boyu Mi, Mengchen Ma, Yifei Yao 他
日本語で読む → - 論文VLA/操作ロボティクス
VistaVLA: 幾何・意味認識型3Dガウス基底VLAによるロボット操作
3Dガウスプリミティブを用いて幾何と意味を統合した3D認知表現を構築し、VLAポリシー学習のためのコンパクトな文脈トークンとして接地する新しい2段階フレームワークを提案。
原題: VistaVLA: Geometry- and Semantic-Aware 3D Gaussian-Grounded VLA for Robotic Manipulation / Mohan Liu, Zhihao Gu, Xuanyu Chen 他
日本語で読む → - 論文視覚位置認識ロボティクス
軌道アンカー最適化による過信熱画像視覚位置認識:ゼロリークOOD監査と誘拐ロボット復旧
熱画像ベースの視覚位置認識における過信的な誤マッチング問題に対し、軌道アンカー最適化(TAO)を提案し、並列仮説をバッチSE(2)プロクラステス整列に圧縮してリアルタイム性を保ちつつ、OODや未マップ環境での誤ループ候補を効率的にフィルタリングする。
原題: Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery / Zhiyuan Lu, Kanji Tanaka
日本語で読む → - 論文衝突回避ロボティクス
高速衝突回避のためのタスク空間後退ホライゾン制御
短い接触整合ロールアウトを用いて終端運動学参照を生成し、滑らかな最小加速度遷移の最初の入力のみを計算することで、動的障害物に対する高速衝突回避を実現する制御手法を提案した。
原題: A Task-Space Receding Horizon Controller for Fast Collision Avoidance / Mattia Penzotti, Marco Controzzi
日本語で読む → - 論文視覚位置推定画像認識
高精度ストリートレベル画像を活用した視覚位置推定の精度ポテンシャル
高精度な地理参照を持つストリート画像を用いた視覚位置推定パイプラインを提案し、サブセンチメートルの真値を持つ大規模データセットを構築して精度を評価した。
原題: Accuracy potential of visual localization exploiting high-end street-level imagery / Jonas Meyer, Stephan Nebiker, Pascal Theiler 他
日本語で読む → - 論文協調認識/V2X/シミュレーションロボティクス
協調認識を検証するための展開型ハイブリッド車両インザループプラットフォーム
実車両とCARLAデジタルツインをV2Xで接続し、協調認識モジュールの性能を実証するハイブリッド車両インザループプラットフォームを構築・評価した。
原題: A Deployed Hybrid Vehicle-in-the-Loop Platform for Validating Cooperative Perception / Anastasia Bolovinou, Giorgos Hadjipavlis, Markos Antonopoulos 他
日本語で読む → - 論文AUV/画像伝送cs.IR
低帯域通信リンクにおけるAUV収集海底画像の遠隔認識
AUVが収集した海底画像を低帯域通信で効率的に伝送するため、AIで代表画像や類似画像を選び圧縮して送る手法を提案し、実海域試験でデータ量を大幅削減できることを示した。
原題: Remote Awareness of Seafloor Images Collected by AUVs over Low-Bandwidth Communication Links / Adrian Bodenmann, Cailei Liang, Miquel Massot-Campos 他
日本語で読む → - 論文群制御ロボティクス
一時的協調知覚のための視覚基盤モデルを用いた通信効率的な相対姿勢推定
ロボット間の短時間の遭遇時に、限られた通信帯域と視野重複の欠如に対応するため、視覚基盤モデルを活用して自己運動とロボット間の相対姿勢を効率的に推定するフレームワークを提案した。
原題: Communication-Efficient Relative Pose Estimation with Vision Foundation Models for Ephemeral Collaborative Perception / Qihang Li, Jo-Hao Huang, Jiewen Liu 他
日本語で読む → - 論文位置推定/センサ融合ロボティクス
NGPS: GPS非依存の航空機地理的位置推定と2.5D再構成 - 深層衛星画像マッチングとマルチレートセンサ融合による実現
GPSが使えない環境で、UAVの下方カメラ画像と衛星画像を深層特徴でマッチングし、絶対位置を推定するシステムを提案。VIOやIMUと融合し、リアルタイムで2.5Dオルソモザイク再構成も行う。
原題: NGPS: GPS-Denied Aerial Geo-Localization and 2.5D Reconstruction via Deep Satellite Image Matching and Multi-Rate Sensor Fusion / Sanket Sharma
日本語で読む → - 論文デモ収集/巧緻操作ロボティクス
DexDirect: 直接運動感覚アームガイダンスによる効率的な巧緻操作デモ収集
重力補償されたロボットアームを直接操作し、ウェブカメラで手の動きをロボットハンドにリターゲットすることで、低コストかつ高効率に巧緻操作のデモを収集する手法を提案。
原題: DexDirect: Direct Kinesthetic Arm Guidance for Efficient Dexterous Demonstration Collection / Beom Jun Kim, Shiu-Jen Wang, Jonathan Liu 他
日本語で読む → - 論文マニピュレーションロボティクス
戦略的スケールアップ:バイアス認識評価とデータ収集によるロボット操作の構成的汎化学習
事前学習済みポリシーが指示の一部の要素(色など)に過剰に依存する「指示因子バイアス」を定量化する診断フレームワークを提案し、その結果に基づいてデータ収集を再配分することで、少ないデモ数で汎化性能を向上させる手法を示した。
原題: Scale Up Strategically: Learning Compositional Generalization via Bias-Aware Evaluation and Data Collection for Robotic Manipulation / Yu Qi, Zhang Ye, Xinyi Xu 他
日本語で読む → - 論文ワールドモデルロボティクス
ロボット描画によるロボット因子化ワールドモデル
ロボットの動作をワールドモデルから分離し、ロボットの軌道をURDFで描画して視覚入力に組み込むことで、物体の応答予測に特化した新しいワールドモデルを提案した。
原題: Robot-Factored World Models via Robot Rendering / Byungjun Kim, Taeksoo Kim, Hyunsoo Cha 他
日本語で読む → - 論文タスク計画ロボティクス
礼儀正しい先読み:持続的共有環境における長期タスク計画の改善
共有環境でロボットが順次タスクを与えられる際、将来のタスクや他ロボットへの影響を考慮して計画を立てる手法を提案し、長期的なコストを削減した。
原題: Courteous Anticipation: Improving Long-Lived Task Planning in Persistent Shared Environments / Md Ridwan Hossain Talukder, Roshan Dhakal, Elizabeth Phillips 他
日本語で読む → - 論文世界モデルロボティクス
Worldscape-MoE: スケーラブルな異種行動制御のための統一Mixture-of-Experts世界モデル
異なる行動モダリティ(カメラ軌道、ロボット動作、手の関節信号など)を統一的に扱える拡張可能な世界モデルを提案し、MoEアーキテクチャにより異種の行動制御を共有の世界ダイナミクスに統合する。
原題: Worldscape-MoE: A Unified Mixture-of-Experts World Model for Scalable Heterogeneous Action Control / Jianjie Fang, Yongyan Xu, Ziyou Wang 他
日本語で読む → - 論文VLA画像認識
VLAFlow: 共学習と未来潜在整合による視覚-言語-行動モデルの統合学習フレームワーク
ロボット操作のための視覚-言語-行動モデル(VLA)の学習手法を統一フレームワークで比較し、言語教師あり学習と未来潜在整合を組み合わせることで、異種データに対する転移性能が最も安定することを示した論文。
原題: VLAFlow: A Unified Training Framework for Vision-Language-Action Models via Co-training and Future Latent Alignment / Guoyang Xia, Fengfa Li, Hongjin Ji 他
日本語で読む → - 論文動作計画ロボティクス
連続時間ガウス信念木による動作計画
連続時間の確率システムと不確実性を考慮し、信念伝播と安全検証を統合したサンプリングベースの動作計画手法を提案。
原題: Continuous-Time Gaussian Belief Trees for Motion Planning / Rayan Mazouz, Qi Heng Ho, Zachary N. Sunberg 他
日本語で読む → - 論文視覚復旧ロボティクス
カメラのみの視覚オドメトリを用いた自律地上車両の自己回復型視覚復旧
ライン追従ロボットがラインを見失った際に、その場での旋回と視覚オドメトリによるバックトラックで復旧する軽量な2段階回復手法を提案し、シミュレーションで86.6%の成功率を達成した。
原題: Self-Healing Visual Recovery for Autonomous Ground Vehicles Using Camera-Only Visual Odometry / Jakob Solberg Berntzen, Safia Fatima, Leon Moonen
日本語で読む → - 論文VLA評価画像認識
HumanCLAW: 視覚言語モデルは身体を通して行動できるか?
視覚言語モデル(VLM)の身体を使った行動能力を評価するフレームワークを提案し、41の屋内シーンで1,218エピソードのベンチマークを構築。最先端のVLMでも成功率は最大16.8%にとどまり、物体認識ではなく身体の自己認識が欠如していることが課題と判明。
原題: HumanCLAW: Can Vision-Language Models Act Through a Body? / Li Siyao, Jiawei Gu, Shuai Liu 他
日本語で読む → - 論文人型ロボット適応ロボティクス
CLIFT: 非侵襲的な閉ループ反復ファインチューニングによるGemini Roboticsオンデバイスの人型ロボット専門家化
クローズドウェイトのロボット基盤モデルを管理API経由で適応させる際、純粋な模倣学習に限定される問題を解決するため、非侵襲的な閉ループ反復ファインチューニング手法を提案し、実人型ロボットでの有効性を実証した。
原題: CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning / Yuxin Chen, Hari Srikanth, Nathan Jew 他
日本語で読む → - 論文農業ロボティクス/画像変換/ナビゲーションロボティクス
24時間農業ロボティクスの実現:夜間視覚ナビゲーションのための教師なし昼夜クロスモーダル画像変換
昼間の植物列RGB画像を夜間の近赤外(NIR)画像に教師なしで変換し、昼間のセマンティックラベルを夜間の認識モデル訓練に再利用可能にする手法を提案。CLIPモデルと可視性マスクを導入し、夜間ナビゲーションのセマンティックセグメンテーション性能を向上させた。
原題: Enabling 24-hour Agricultural Robotics: Unsupervised Day-to-Night Cross-Modal Image Translation for Nighttime Visual Navigation / Robel Mamo, Rajitha de Silva, Grzegorz Cielniak 他
日本語で読む →
PR・アフィリエイト広告
