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 →- 論文触覚/ニューロモーフィックロボティクス
GelNeuro: センシングと計算を統合したニューロモーフィック触覚システムによるテクスチャ認識
GelSight Miniベースの光学触覚センサとニューロモーフィックSoCを直接接続し、スパイキングCNNでテクスチャを認識する統合システムを提案。物理チップ上で96.3%の精度を達成し、消費電力は従来比で3桁以上低い。
原題: GelNeuro: A Sensing-Computing Integrated Neuromorphic Tactile System for Texture Recognition / Luoyang Bian, Xinpan Meng, Zhenghua Ma 他
日本語で読む → - 論文SLAM/位置推定ロボティクス
Hilti-Trimble-Oxfordデータセット:フロアプラン事前情報を用いた360度視覚慣性SLAMと位置推定のベンチマーク
建設現場で収集した360度カメラとIMUによる視覚慣性データセットを提供し、SLAMとフロアプラン参照位置推定のベンチマークを評価した論文。
原題: Hilti-Trimble-Oxford Dataset: 360 Visual-Inertial Benchmark with Floor Plan Priors for SLAM and Localization / Samuele Centanni, Yuhao Zhang, Yifu Tao 他
日本語で読む → - 論文sim2realロボティクス
エージェント型Real2Sim:視覚言語エージェントによる物理ベースの世界モデリング
ロボットと物体の相互作用の実世界記録を、物理シミュレーション可能な双子モデルに自動変換するフレームワークを提案。視覚言語エージェントが幾何・物理パラメータ・軌道などを自律的に推定し、剛体操作から変形物体、人型動作までを統一的に扱う。
原題: Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents / Guanxiong Chen, Qianjun Xia, Jiawei Peng 他
日本語で読む → - 論文ナビゲーションロボティクス
屋外環境における幾何学的目標定位を備えたオフライン視覚言語ナビゲーション
本論文は、屋外環境での完全オンボード視覚言語ナビゲーションを実現するため、エッジ展開可能な小型言語モデルのベンチマークと、セマンティックと幾何学的情報を組み合わせた軽量な目標定位フレームワークを提案する。
原題: Offline Vision-Language Navigation with Geometric Goal Localization for Outdoor Environments / Ali Salmasi, Xianjia Yu, Tomi Westerlund
日本語で読む → - 論文HRI/VLMHCI
ソーシャルロボットから見た世界:視覚言語モデルによる人間とロボットの対話拡張
Pepperロボットに視覚言語モデルを統合し、対話に視覚情報を加えることで応答時間の増加を抑えつつ状況理解を向上させる実験を行った。
原題: The World According to a Social Robot -- Augmenting Human-Robot Dialogue With Vision Language Models / Thomas Sievers
日本語で読む → - 論文強化学習/制御ロボティクス
アクチュエータ動力学を考慮した物理認識型エンドツーエンド深層強化学習によるクアッドコプター制御
クアッドコプターの低レベル制御に、アクチュエータの遅れや空力モーメントを考慮した高忠実度シミュレータを用いたエンドツーエンド深層強化学習を適用し、DDPG、TD3、PPO、SACの性能を比較した。
原題: Physics-Aware End-to-End Deep Reinforcement Learning for Quadcopter Control with Actuator Dynamics / Ya-Chia Shen, Woei-Leong Chan
日本語で読む → - 論文医用画像処理画像認識
グローバルに見て、ローカルに精緻化する:ロバストなフリーハンド3次元超音波再構成のためのグローバル視覚ガイダンスとローカル超音波手がかり
フリーハンド3次元超音波再構成の精度を高めるため、外部カメラによる大域的な位置推定とBモード超音波画像による局所的な解剖学的動きの補正を組み合わせたフレームワークを提案した。
原題: Seeing Globally, Refining Locally: Global Visual Guidance and Local Ultrasound Cues for Robust Freehand 3-D Ultrasound Reconstruction / Yameng Zhang, Zhongyu Chen, Dianye Huang 他
日本語で読む → - 論文V2X/自動運転ロボティクス
計画に従う:エンドツーエンドV2X運転のための適応型マルチエージェント融合
V2X環境での自動運転において、計画タスクを直接最適化するエンドツーエンドの協調運転システムを提案。時空間特徴の圧縮と適応的融合により、閉ループ評価で既存手法を上回る性能を達成した。
原題: Defer to Plan: Adaptive Multi-Agent Fusion for End-to-End V2X Driving / Nuoran Li, Zhang Zhang, Yueran Zhao 他
日本語で読む → - 論文UAVナビゲーションロボティクス
距離から軌道へ:UAVのためのリアルタイム符号付き距離関数マッピングと距離加速型モーションプランニング
本論文は、点群からオンラインでSDFを再構成するニューラルネットワークORENと、距離情報を利用して衝突チェックを削減する探索ベースのプランナーBubble*を統合し、クアッドローターのリアルタイムナビゲーションを実現した。
原題: From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs / Jason Stanley, Zhirui Dai, Qihao Qian 他
日本語で読む → - 論文自動運転/自己対戦学習画像認識
Pictura: 運転のためのスケールでの視点ビュー自己対戦
GPU加速シミュレータPicturaを導入し、各エージェントの視点画像を用いた自己対戦学習で運転ポリシーを訓練。特権的な観測を使わずに、大規模な画像ベースの自己対戦学習を実現した。
原題: Pictura: Perspective-View Self-Play at Scale for Driving / Yuan Yin, Elias Ramzi, Marc Lafon 他
日本語で読む → - 論文動作生成cs.GR
ARDY: ハイブリッド表現を用いた対話型人体動作生成のための自己回帰拡散モデル
リアルタイムでテキストや運動学的制約に従う高品質な3D人体動作を生成する、ストリーミング生成フレームワークARDYを提案した。
原題: ARDY: Autoregressive Diffusion with Hybrid Representation for Interactive Human Motion Generation / Kaifeng Zhao, Mathis Petrovich, Haotian Zhang 他
日本語で読む → - 論文タスク計画ロボティクス
基礎モデルと反復再計画を用いた小売店舗における移動操作のタスク計画
LLMとVLMを用いて小売店舗の補充作業を計画し、フィードバックによる反復再計画で誤りを修正するシステムを提案。シミュレーションで検証した。
原題: Task Planning for Mobile Manipulation in Retail Stores using Foundation Models with Iterative Re-planning / Vismay Vakharia, Sanjana Garai, Rolif Lima 他
日本語で読む → - 論文HRIロボティクス
技術的指標からユーザー知覚へ:物体検出と把持のためのマルチモーダル人機相互作用システムのユーザー研究
物体検出と把持を行うマルチモーダルHRIシステムの改良版が、ユーザー知覚に有意な差をもたらすかを24人の被験者実験で検証した。改良版は70.83%の参加者に好まれ、知覚速度・信頼性・能力・流暢さの評価が有意に向上した。
原題: From Technical Metrics to User Perception: A User Study of a Multimodal Human-Robot Interaction System for Object Detection and Grasping / Jian Song, Tian Zi, Shen Guanting
日本語で読む → - 論文UAV航法ロボティクス
非凸エアコリドーにおけるUAV航法のためのモデル予測プランナー
非凸な都市エアコリドー内でのUAV航法のための、混合整数追跡モデル予測制御に基づく運動計画フレームワークを提案。最短経路ベースのオフセットコストを組み込み、局所最小値問題を緩和しつつ、動的に有効でコリドー制約を満たす軌道を生成する。
原題: Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors / Henrique Silva, Marcelo A. Santos, Guilherme V. Raffo
日本語で読む → - 論文医療ロボティクスロボティクス
分離型手順実行による自律血管内介入のエキスパート戦略学習
血管内介入の自律化に向け、高次戦略決定と低次手順実行を分離した強化学習フレームワークを提案し、シミュレーションと実機で高い成功率と効率性を実証した。
原題: Learning Expert Strategy for Autonomous Robotic Endovascular Intervention via Decoupled Procedural Execution / Yanxi Chen, Tianliang Yao, Shaolong Tang 他
日本語で読む → - 論文プライバシー保護画像認識
顔を交換し特徴を守る:ITSにおける歩行者プライバシーのための二目的パイプライン
自動運転車向けデータセットで歩行者のプライバシーを保護するため、顔交換を行いながら識別に必要な顔属性を維持する5段階パイプラインを提案し、RoopとGhost-v2の顔交換モデルを比較評価した。
原題: Swapping Faces, Saving Features: A Dual-Purpose Pipeline for Pedestrian Privacy in ITS / Roba H. Farouk, Catherine M. Elias
日本語で読む → - 論文安全テスト/因果推論ロボティクス
介入因果回路によるロボット動作の安全テストと障害回復
ロボットの動作計画がテストで拒否された際に、因果診断を用いて失敗原因のパラメータを特定し、修正値を提案する閉ループフレームワークを提案。確率木と因果回路を組み合わせ、追加学習なしで効率的に修正を行い、実験で失敗試行を最大37%削減した。
原題: Interventional Causal Circuits for Safe Robot Action Testing and Failure Recovery / Naren Vasantakumaar, Tom Schierenbeck, Michael Beetz
日本語で読む → - 論文触覚/操作ロボティクス
TacWAM: 力学を考慮した触覚予測を備えたアンカー誘導型ワールドアクションモデル
接触を伴う操作タスクにおいて、視覚だけでなく触覚の未来予測を活用し、力や変形などの物理情報を捉えつつ、アクション生成に特権的な手がかりとして使わないようにする新しいワールドアクションモデルを提案した。
原題: TacWAM: Anchor-Guided World Action Model with Mechanics-Aware Tactile Prediction / Lei Jin, Yiding Ma, Xin Zhang 他
日本語で読む → - 論文自動運転データセットロボティクス
A2RL Vmax: 長距離・高速知覚と複数車両インタラクションのためのA2RL自動運転レースデータセット
2024年のアブダビ自動運転レースリーグで収集された、高速自動運転と複数車両の相互作用に特化した大規模なLiDAR・RADARデータセットを紹介する論文。
原題: A2RL V\textsubscript{max}: The A2RL autonomous racing dataset for long-range, high-speed perception and multi-vehicle interaction / Marvin Klemp, Dominic Ebner, Cornelius Schröder 他
日本語で読む → - 論文ナビゲーションロボティクス
具現化エージェントが制御を握る:視覚言語ナビゲーションにおける最小インターフェースのゼロショットエージェントが産業規模ポリシーに匹敵
汎用エージェントが単眼RGBカメラと離散行動のみでゼロショットナビゲーションを実行し、訓練済みポリシーなしで高い成功率を達成できることを示した。
原題: Embodied Agents Take Control: Minimal-Interface Zero-Shot Agents Rival Industrial-Scale Policies in Vision-and-Language Navigation / Jian Zhou, Xunyi Zhao, Gengze Zhou 他
日本語で読む → - 論文自動運転ロボティクス
CLEAR: エンドツーエンド自動運転のための大規模クローズドループ強化学習
エンドツーエンド自動運転のためのVLAモデルを、模倣学習ではなく強化学習でクローズドループ訓練するシステムCLEARを提案。事前学習済みVLAのウェイポイント事前分布に残差ポリシーを学習し、シミュレータと学習器を分離したパイプラインで並列環境を増やし、性能を向上させた。
原題: CLEAR: Closed-Loop Reinforcement Learning at Scale for End-to-End Autonomous Driving / Yunxiao Shi, Hong Cai, Mohammad Ghavamzadeh 他
日本語で読む → - 論文マニピュレーションロボティクス
暗黙の力覚を超えて:アクション・チャンキング・トランスフォーマーにおける明示的な力トルクプロキシの評価
本論文は、ACT(Action Chunking with Transformers)がリーダー・フォロワーテレオペレーションの追従誤差から暗黙に力情報を得ていることを示し、その信号を除去した場合の性能低下と、モーター電流や関節トルクを追加することで力覚を回復できることを実機タスクで検証した。
原題: Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers / King Hang Wong, Lingqiao Liu, Feras Dayoub
日本語で読む → - 論文操作学習ロボティクス
推論効率の高いワールドアクションモデルのための4次元幾何学事前知識の学習
ロボット操作のためのワールドアクションモデルに、動作に関連する4次元幾何学情報を注入し、推論コストを増やさずに操作性能を向上させる手法を提案した。
原題: Learning 4D Geometric Priors for Inference-Efficient World Action Models / Jianjun Zhang, Jian Zhu, Taiyi Su 他
日本語で読む → - 論文自動実験/自己運転ラボAI
検証ボトルネックの圧縮:科学的発見のためのエージェント型セルフドライビングラボ
実験検証のボトルネックを減らすため、事前知識を活用した実験計画と、低コスト測定から高コスト測定を予測するサロゲートモデルを組み合わせたエージェントを提案し、生物学と材料科学でのループ数とコスト削減を目指す。
原題: Compressing the Validation Bottleneck: An Agentic Self-Driving Lab for Scientific Discovery / Kyunghoon Hur, Chihun Lee
日本語で読む → - 論文エージェントアーキテクチャAI
同一性のドリフトを伴わないエピソード記憶から意味記憶への統合
長期稼働するエージェントの記憶統合を、認証済みの同一性を変えずに実行する方法を提案し、エピソード記憶から意味記憶への決定論的変換関数を導入した。実験では、統合後も同一性が保たれ、プランナーの無駄な試行が平均79.82%削減された。
原題: Episodic-to-Semantic Consolidation Without Identity Drift / Xue Qin, Simin Luan, Cong Yang 他
日本語で読む → - 論文対話システムロボティクス
ソーシャルロボットのターンテイキングのためのマルチモーダル音声活動予測:音声活動関連事前学習エンコーダを用いたアプローチ
音声のみのVAPを拡張し、音声と映像の同期入力を用いてソーシャルロボットのターンテイキング予測を行うフレームワークを提案。事前学習済みの音声視覚バックボーンを低ランク適応で調整し、話者間注意機構と意味的一貫性損失を導入して性能を向上させた。
原題: Multimodal Voice Activity Projection for Turn-Taking in Social Robots with Voice-Activity-Related Pretrained Encoders / Antonio Cano, Guillermo Pérez, Luis Merino 他
日本語で読む → - 論文位置推定ロボティクス
私はどこにいる? 視覚言語モデルによる意味地図を用いたマルチモーダル位置推定
GPSの使えない屋内環境でのロボット位置推定を、幾何学的推定ではなく意味的推論として捉え、カメラ画像・LiDAR・意味地図から視覚言語モデルでロボットの姿勢を直接予測する手法を提案した。
原題: Where Am I? Semantic Map Grounding via Vision-Language Models for Multi-Modal Localization / Suraj Borate, Aarav Shah, Madhu Vadali
日本語で読む → - 論文自動運転ロボティクス
隠れたものこそ重要:視覚言語モデルを用いた計画に重要な遮蔽エージェントの特定
自動運転車の計画に影響を与える隠れたエージェントを、視覚言語モデルと計画KLダイバージェンスを用いて特定・ランク付けするフレームワークを提案し、データ選択戦略により性能を大幅に向上させた。
原題: What's Hidden Matters: Identifying Planning-Critical Occluded Agents using Vision-Language Models / Amirhosein Chahe, Tyler Naes, Jovin D'sa 他
日本語で読む → - 論文VLAロボティクス
Xiaomi-Robotics-U0: 世界基盤モデルによる統合的身体性合成
ロボットの身体性を考慮した画像・動画生成を統合する380億パラメータのマルチモーダル自己回帰モデルを提案し、マルチビュー一貫性やロボットの身体制約を保ちながら、シーン生成や転移、動画生成を高品質で実現した。
原題: Xiaomi-Robotics-U0: Unified Embodied Synthesis with World Foundation Model / Xinghang Li, Jun Guo, Qiwei Li 他
日本語で読む → - 論文制御ロボティクス
Neural-ESO: 証明可能なロバスト学習ベース制御のための二経路アーキテクチャ
ニューラルネットワークによる予測経路と従来の拡張状態オブザーバによる補正経路を組み合わせた外乱抑制フレームワークを提案し、リプシッツ制約により閉ループ誤差の一様有界性を保証。クアッドローター着陸タスクで有効性を検証した。
原題: Neural-ESO: A Dual-Pathway Architecture for Provably Robust Learning-Based Control / Fan Zhang, Richie Suganda, Jinfeng Chen 他
日本語で読む →
PR・アフィリエイト広告
