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VLA/MoE/ルーティングロボティクス
運動学で経路を決め、観察で行動する:MoE拡張VLAにおける運動学教師付きエキスパートルーティング
MoEを備えたVLAモデルで、行動軌跡の運動学的クラスタリングに基づく教師信号でルーターを訓練し、推論時は観察のみでエキスパートを選択する手法KinRTを提案。DIYロボットプラットフォームを自作し、既存手法より20%以上高い性能を示した。
原題: Route by Kinematics, Act by Observation: Kinematics-Supervised Expert Routing in MoE-Augmented VLA / Tianhang Yang, Yanze Zheng, Junjie Wang 他
日本語で読む → - 論文運動計画ロボティクス
運動計画のための関数空間拡散
軌道を連続関数として扱い、関数空間で拡散を行うことで、解像度に依存しない運動計画を実現する手法を提案した。
原題: Function-Space Diffusion for Motion Planning / Zinuo Chang, Yipu Chen, Byoungwoo Park 他
日本語で読む → - 論文VLA/ロボット操作ロボティクス
AC-VLA: 構成学習によるロバストな分布外行動実行
VLAモデルの分布外汎化を改善するため、LLMによるタスク分解と非対称マスキングを組み合わせた構成学習フレームワークAC-VLAを提案した。
原題: AC-VLA: Robust Out-of-Distribution Action Execution via Compositional Learning / Xiaojiang Peng, Kai Peng, Jie Lu 他
日本語で読む → - 論文マニピュレーションロボティクス
産業用巧緻操作ベンチマーク:産業用巧緻マニピュレーションのためのハードウェア・ソフトウェアベンチマークプラットフォーム
産業用の巧緻操作タスク(ケーブル配線やコネクタ挿入など)を模したベンチマーク基板と、模倣学習フレームワークを提案し、マルチモーダル拡散ポリシーが高い成功率を達成することを示した論文。
原題: Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation / Honglu He, Jacob Laufer, Zhiwu Zheng 他
日本語で読む → - 論文ナビゲーションロボティクス
言語からナビゲーション目標へ:RGB-D知覚を用いた移動ロボットの意味的ナビゲーションのための視覚言語アプローチ
自然言語の指示を解釈し、RGB-Dデータで対象物の位置を推定してナビゲーション目標を生成し、移動ロボットを目的地まで自律走行させるフレームワークを提案した。ROS 2ベースで、シミュレーションと実機で評価した。
原題: From Language to Navigation Goals: A Vision-Language Approach for Semantic Navigation of Mobile Robots Using RGB-D Perception / Jose Martínez-Fajardo, Pablo Pueyo, Fernando Caballero 他
日本語で読む → - 論文セキュリティ/VLAロボティクス
!Imperio, smolVLA:オープンソースロボティクスにおけるデータポイズニングの影響
オープンソースのロボット学習モデル(smolVLA)が、わずかな毒データを混入されるだけで、特定のトリガーワードでロボットを完全に停止させるバックドアを埋め込めることを実証した論文。
原題: !Imperio, smolVLA: The Implications of Data Poisoning on Open Source Robotics / Stefan Bühler, Mark Schutera
日本語で読む → - 論文マニピュレーションロボティクス
先見的残差強化学習による視覚言語行動モデルを用いた長期的ロボット操作
凍結したVLAベースポリシー上で残差RLを行う際、各サブタスクの成功報酬に将来の成功確率を掛け合わせることで、サブタスク間の受け渡し品質を最適化し、長期的なタスク成功率を向上させる手法を提案した。
原題: Foresight Residual RL for Long-Horizon Robot Manipulation with Vision-Language-Action Models / Yuhan Liu, Xinyu Zhang, Litao Liu 他
日本語で読む → - 論文マルチエージェント強化学習機械学習
マルチエージェントデモから暗黙の因果世界モデルを学習する
オフラインデモから因果構造を事前定義せずに環境ダイナミクスを復元する暗黙的因果世界モデルを提案し、協調タスクで解釈可能な因果表現を実証した。
原題: Learning Implicit Causal World Models from Multi-Agent Demonstrations / Jasorsi Ghosh
日本語で読む → - 論文安全性評価ロボティクス
SafeRelBench: VLM駆動身体化エージェントのプロセス安全性を評価する空間関係認識ベンチマーク
VLM駆動の身体化エージェントの安全性を、物体の空間関係(支持・包含・近接)に着目して評価するベンチマークを提案し、タスク成功とプロセス安全性の乖離を明らかにした。
原題: SafeRelBench: A Spatial-Relation-Aware Benchmark for Process-Level Safety in VLM-Driven Embodied Agents / Huaigang Yang, Ya Li, Min Ren 他
日本語で読む → - 論文VLAロボティクス
汎用ロボット制御のためのネイティブなビデオ・アクション事前学習
ロボット制御に特化したビデオ・アクション基盤モデルLingBot-VA 2.0を提案。意味的視覚・行動トークナイザ、因果事前学習、スパースMoE、非同期推論により、複雑な操作タスクでの数ショット汎化を実現した。
原題: Native Video-Action Pretraining for Generalizable Robot Control / Qihang Zhang, Lin Li, Luyao Zhang 他
日本語で読む → - 論文逆強化学習機械学習
一般化と誘導:少数ショット逆強化学習のための報酬分解
少数の目標タスクデモと関連タスクのデモを用いて、新しいタスクの報酬を学習する逆強化学習手法を提案。報酬を一般化可能な判別器と近接関数に分解し、探索時の誘導を実現する。
原題: Generalize and Guide: Decomposing Rewards for Few-Shot Inverse Reinforcement Learning / Ziyi Liu, Grace Zhang
日本語で読む → - 論文マニピュレーションロボティクス
ConceptTree: ロボット操作のブラックボックス意思決定に意味的透明性をもたらす
ロボット操作の高レベルスキル選択を、人間が解釈可能な概念に基づく決定木で表現し、透明性と介入可能性を実現するフレームワークを提案した。実世界の複雑な長期的タスクで既存手法より優れた性能を示し、個々の概念の修正による細かい介入も可能にした。
原題: ConceptTree: Bringing Semantic Transparency to Black-Box Decision Making for Robotic Manipulation / Yongyan Wen, Feifan Liu, Jinyi Chen 他
日本語で読む → - 論文協調運転制御
インテグリティ・ゲート型エコCACC:信号交差点における協調運転のための認識論的許容性
協調運転システムがセンサ異常や認識の不整合で誤動作しないよう、内部モデルと外部センシングの整合性を監視し、信頼度に応じてエコ運転と安全優先のフォールバックを切り替える枠組みを提案した。
原題: Integrity-Gated Eco-CACC: Epistemic Admissibility for Cooperative Driving at Signalized Intersections / Lyes Saad Saoud, Moussa Ayyash
日本語で読む → - 論文VLAロボティクス
パッチポリシー:高密度視覚表現による効率的な身体制御
Vision Transformerの事前学習済みパッチ特徴を直接利用する軽量なロボットポリシーを提案し、グローバル表現や大規模VLAを凌ぐ性能を達成した。
原題: Patch Policy: Efficient Embodied Control via Dense Visual Representations / Gaoyue Zhou, Zichen Jeff Cui, Ada Langford 他
日本語で読む → - 論文サイバーフィジカルシステム/セキュリティcs.CR
カメレオン:MLサロゲートによるメモリ破壊攻撃からのサイバーフィジカルシステムの回復
メモリ破壊攻撃を受けたCPSを、機械学習ベースのサロゲートでコンパートメントを置き換えることで、システムを停止させずに回復させるフレームワークを提案した。
原題: Chameleon: Recovering Cyber-Physical Systems from Memory Corruption Attacks via ML Surrogates / Mohsen Salehi, Karthik Pattabiraman
日本語で読む → - 論文画像分類画像認識
深層学習によるマルチラベル画像分類の再考:分類体系、課題、展望
深層学習を用いたマルチラベル画像分類(MLIC)の包括的なサーベイ論文であり、手法を6つのグループに分類し、課題と将来の研究方向をまとめている。
原題: Rethinking Multi-Label Image Classification With Deep Learning: Taxonomy, Challenge, and Outlook / Xuelin Zhu, Xiu-Shen Wei, Jiawei Ge 他
日本語で読む → - 論文ビデオワールドモデル画像認識
小売業における外在視点と内在視点の基盤ビデオワールドモデル適応の比較
小売店舗の同期した外在視点・内在視点ビデオを用いて、事前学習済みビデオ拡散モデルを小売シーンに適応させる際、どの視点のデータが最も効果的かを検証した。外在視点のみの適応が、組み合わせ適応と同等以上の性能を示した。
原題: RetailSMV: Exocentric vs. Egocentric Adaptation of Foundation Video World Models in Retail / Amirreza Rouhi, Rajat Aggarwal, Parikshit Sakurikar 他
日本語で読む → - 論文把持計画ロボティクス
V2F: 視覚情報に基づくデーツ果実の損傷を考慮した把持力予測
デーツ果実の安全な把持力を、視覚情報と物理モデルを組み合わせたニューラルネットワークで予測する手法を提案。実験で損傷なく安定した操作を実現した。
原題: V2F: Vision-Informed Grasp Force Prediction for Damage-Aware Robotic Handling of Date Fruits / Shahd Shami, Obadah Wali, Eric Feron 他
日本語で読む → - 論文VLA/ロバスト性ロボティクス
両刃の剣としての推論:視覚-言語-行動モデルにおけるアーキテクチャと段階横断的ロバスト性
推論ステップを追加するとVLAモデルのロバスト性が向上するかを、3つのモデル(推論なし、テキストCoT、潜在反復ループ)で比較し、潜在反復モデルが最も脆弱であることを示した。また、推論出力を安全信号として利用する防御手法の限界も明らかにした。
原題: Reasoning as a Double-Edged Sword: Architecture and Cross-Stage Robustness in Vision-Language-Action Models / Tuan Duong Trinh, Naveed Akhtar, Basim Azam
日本語で読む → - 論文視覚場所認識cs.NE
離散STDP学習を用いたレート符号化スパイキングニューラルネットワークによる視覚場所認識
スパイキングニューラルネットワークとSTDP学習を用いた視覚ループ閉鎖問題に対し、閉形式の決定論的テンソルパイプラインによるニューロン割り当てや状態リセット、速度補償スライディングウィンドウ集約などの推論段階の設計が再現率に与える影響を調査し、高精度を達成した。
原題: Visual Place Recognition Using Rate-Encoded Spiking Neural Networks with Discrete STDP Learning / Altzi Tsanko, Oikonomou Katerina Maria, Antonios Gasteratos
日本語で読む → - 論文群制御ロボティクス
複雑環境におけるマルチUAV協調航法:系統的マルチエージェント深層強化学習によるアプローチ
複雑環境での複数UAVの協調航法における局所最適、疎な報酬、学習不均衡、汎化不足を解決するマルチエージェント深層強化学習フレームワークを提案した。
原題: Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning / Yu Su, Nabil Aouf
日本語で読む → - 論文運動計画ロボティクス
BridgeFlow: フローマッチングによる高速かつロバストなSE(2)等変運動計画
剛体変換に対して厳密に等変な生成型運動計画フレームワークを提案。軽量な正準化モジュールで等変性を実現し、ブラウン橋事前分布とミニバッチ最適輸送で推論を高速化した。
原題: BridgeFlow: Fast and Robust SE(2)-Equivariant Motion Planning with Flow Matching / Xinzhe Zhou, Xuyang Wang, Xiaoming Duan 他
日本語で読む → - 論文動作キャプチャ画像認識
EgoExoMoCap: 分散型エゴ・エクソ人間動作キャプチャ
ヘッドマウントデバイスを装着した複数人が、自身と他者の動作を同時に推定する分散型フレームワークを提案。頭部・手首のトラッキングと画像特徴を組み合わせ、ノイズや遮蔽に頑健な動作再構築を実現した。
原題: EgoExoMoCap: Distributed Ego-Exo Human Motion Capture / Jiaxi Jiang, Bharat Lal Bhatnagar, Nan Yang 他
日本語で読む → - 論文モデル検証/ペトリネット制御
制約駆動によるハイパーペトリネットの合成
ロボットシステムの動作を論理制約に従ってモデル化するため、観測可能な状態と実行可能な遷移を区別するハイパーペトリネット合成手法を提案した。
原題: Constraint-Driven Synthesis of Hyper Petri Nets / Maksym Figat, Alessandro Pinto
日本語で読む → - 論文VLAロボティクス
DiMaS: 分布マッチングによる視覚言語行動モデルの制御
フローマッチング型の視覚言語行動モデル(VLA)に対して、内部表現の分布を移動させることで行動を細かく制御する手法DiMaSを提案した。従来の線形ステアリングがVLAでは効果が薄いことを示し、分布マッチングが有効であることを実証した。
原題: DiMaS: Distribution Matching for Steering Vision-Language-Action Models / Pegah Khayatan, Sara Meziane, Jayneel Parekh 他
日本語で読む → - 論文強化学習ロボティクス
fNIRS誘導強化学習によるロボット行動のオフライン学習手法
脳血流信号(fNIRS)を用いてロボットの強化学習を調整する手法を提案し、オフラインデータでも学習が可能であることを示した。
原題: An offline approach to fNIRS-guided reinforcement learning for robot behavior / Julia Santaniello, Madelaine Brower, Benson Jiang 他
日本語で読む → - 論文3D再構成画像認識
G²SR: 高速かつメモリ効率的なガウスベース表面再構成のための幾何学的手法
少数視点のRGB画像から表面を再構成する際、2Dガウススプラットの対応関係を軽量ニューラルネットで検出・追跡し、多視点幾何で解析的に3Dスプラットへ変換する手法を提案。従来のエンドツーエンド法より高速でメモリ効率が良く、幾何精度も同等以上。
原題: G$^2$SR: Geometric Methods for Fast and Memory-Efficient Gaussian-based Surface Reconstruction / Dasong Gao, Vivienne Sze, Sertac Karaman
日本語で読む → - 論文ポーズ推定画像認識
SUFLECA: CADと画像の位置合わせのための特徴学習の大規模化
CADモデルと単一RGB画像の9Dポーズ(回転・並進・異方性スケール)を推定するゼロショット手法を提案。大規模なNOC教師付き学習で幾何学的特徴を獲得し、幾何学的整合性のあるマッチングで高精度な位置合わせを実現した。
原題: SUFLECA: Scaling Up Feature Learning for CAD-to-image Alignment / Saad Ejaz, Miguel Fernandez-Cortizas, Javier Civera 他
日本語で読む → - 論文物理的HRI/計画ロボティクス
キャッチ、スロー、リピート:人間とロボットのパートナージャグリングのための計画
人間とロボットが協力してボールを投げ合うジャグリングを実現するための、リアルタイムの計画・制御アーキテクチャを提案した。予測トラッキングと軌道最適化を統合し、初心者から熟練者までの被験者で3ボールカスケードを達成した。
原題: Catch, Throw, Repeat: Planning for Human-Robot Partner Juggling / Jonathan Rainer Lippert, Kai Ploeger, Abir Chowdhury 他
日本語で読む → - 論文群制御cs.MA
軌道上点検のためのマルチエージェント報酬関数のシミュレーションによる検証
軌道上の物体を点検する複数の宇宙機を強化学習で制御する際の報酬関数を、3D再構成の分析に基づいて一般化し、任意の位置・タイミングで画像を取得できるようにした。
原題: Simulation Based Reward Function Validation for Multi-Agent On Orbit Inspection / Patrick Quinn, Bala Prenith Reddy Gopu, George M. Nehma 他
日本語で読む →
PR・アフィリエイト広告
