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: 2026/6/27 / 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 →- 論文ワールドモデル機械学習
ワールドモデルにおける予測の経路空間定式化:単一の行動から予測・計画・不可逆性へ
AIワールドモデルの予測を、将来の軌跡上の確率測度として定式化し、予測・計画・不確実性を単一の作用汎関数の操作として統一的に扱う。学習された注意の非対称性がデータの不可逆性と関連し、不可逆性が予測の計算資源となることを示した。
原題: A Path-Space Formulation of Prediction in World Models: From a Single Action to Prediction, Planning, and Irreversibility / Gunn Kim
日本語で読む → - 論文世界モデル/表現学習機械学習
世界モデルのためのテキスト信念状態:厳密な媒介下での識別可能な表現学習
LLMベースの世界モデルで、履歴バイパスによる表現の未識別性問題を解決するため、テキスト潜在状態と木構造強化学習法fGRPOを導入し、厳密な媒介を強制して表現品質とロールアウト性能を大幅に向上させた。
原題: Textual Belief States for World Models: Identifiable Representation Learning Under Strict Mediation / Xiang Gao, Kaiwen Dong, Yuguang Yao 他
日本語で読む → - 論文身体化AI/規範遵守AI
NormAct: 暗黙の社会規範への能動的遵守における身体化エージェントのベンチマーク
身体化エージェントが明示されていない社会的規範を能動的に守るかを評価するベンチマークNormActを提案し、MLLMプランナーが目標達成はできても規範遵守は不十分であることを示した。
原題: NormAct: Benchmarking Embodied Agents' Proactive Compliance with Unspoken Social Norms / Shiyun Zhao, Xinwei Song, Tianyu Guo 他
日本語で読む → - 論文LLMエージェントAI
ARdena: シナリオ駆動によるリアルタイムLLMエージェントの制御
LLMエージェントの動作を、モデル変更なしにシナリオ定義のプロンプトでリアルタイム制御するフレームワークを提案し、実装と評価を行った。
原題: ARdena: Scenario-driven control of real-time LLM agents / Luka Borozan, Domagoj Matijević
日本語で読む → - 論文ベンチマーク/空間知能/マルチモーダル画像認識
AirGroundBench: 異種マルチビュー身体化コラボレーションにおけるマルチモーダル大規模モデルの空間知能の評価
UAVとUGVの協調におけるマルチビュー空間知能を評価するベンチマークを構築し、13のMLLMの性能を分析した。
原題: AirGroundBench: Probing Spatial Intelligence in Multimodal Large Models under Heterogeneous Multi-View Embodied Collaboration / Haotian Li, Yida Wang, Leyuan Wang 他
日本語で読む → - 論文身体的安全性機械学習
自己進化型ジャストインタイムメモリによる能動的身体的安全性の実現
視覚言語モデル搭載エージェントが家庭内タスク中に動的危険を能動的に緩和できるよう、リスク追跡・予測・緩和スキルを自己進化させるメモリフレームワークを提案した。
原題: Self-Evolving Just-In-Time Memory for Proactive Embodied Safety / Bingrui Sima, Lizhong Wang, Xiaoya Lu 他
日本語で読む → - 論文3D再構築画像認識
ReScene: マルチビューキャプチャからの構造化屋内シーン再構築
マルチビュー画像から物理的に整合性のある構造化3Dシーンを再構築するフレームワークを提案し、幾何・画質・知覚品質で最先端を達成した。
原題: ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures / Haoran Xu, Lechao Zhang, Daoguo Dong 他
日本語で読む → - 論文世界モデル自然言語
トークンから状態へ:LLMを世界モデルの特殊ケースとして捉え、その先の連続的な道筋を探る
LLMは世界モデルの退化した特殊ケースであり、トークン予測からJEPAへ至る連続スペクトラムが存在することを論じ、その中間段階と課題を考察した理論論文。
原題: From Tokens to States: LLMs as a Special Case of World Models and the Continuous Path Beyond / Paul Dubois
日本語で読む → - 論文モーションキャプチャ画像認識
IMU-HOI: 接触を考慮した慣性融合による人間と物体の相互作用とモーションキャプチャの共生フレームワーク
身体と物体に装着したスパースIMUから、人間の全身姿勢と物体の6自由度軌跡を同時推定するフレームワークを提案。IMUデータから手と物体の接触を確率的に推定し、それを手がかりに人間と物体の動きを統合的に復元する。
原題: IMU-HOI: A Symbiotic Framework for Coherent Human-Object Interaction and Motion Capture via Contact-Conscious Inertial Fusion / Lizhou Lin, Songpengcheng Xia, Zengyuan Lai 他
日本語で読む → - 論文動作評価画像認識
伝統中国医学リハビリテーション訓練のためのクロスビュー・マルチモーダル視覚評価フレームワーク
伝統中国医学のリハビリ訓練における動作品質評価を、単一視点の骨格データに頼らず、一人称・三人称の映像と視覚・ポーズ融合を統合したクロスビュー・マルチモーダルフレームワークCME-AQAを提案し、鍼灸と推拿のデータセットで評価精度を向上させた。
原題: Cross-view Multimodal Vision-Based Assessment Framework for Traditional Chinese Medicine Rehabilitation Training / Francis Xiatian Zhang, Hao Yao, Shengxuan Chen 他
日本語で読む → - 論文バーチャル試着画像認識
ModaFlow: モダリティ認識フローマッチングによる高忠実度バーチャル試着
テキストと画像のモダリティを区別してガイドするフローマッチング手法を提案し、バーチャル試着の品質を大幅に向上させた。
原題: ModaFlow: Modality-Aware Flow Matching for High-Fidelity Virtual Try-On / Xiangyu Sai, Meysam Madadi, Sergio Escalera 他
日本語で読む → - 論文認知モデルq-bio.NC
身体化された能動視覚における視空間複雑性の人間工学的認知モデル
視覚・聴覚・空間刺激を含むマルチモーダルデータの複雑性を、身体化認知と能動視覚の理論に基づいて分析する枠組みを提案し、運転などの日常環境での応用を示した論文。
原題: A Human-Factors Guided Cognitive Model of Visuospatial Complexity in Embodied Active Vision / Vasiliki Kondyli, Jakob Suchan, Mehul Bhatt
日本語で読む → - 論文4D再構成画像認識
HAT-4D: 人間とエージェントの協調による単眼ビデオからの4D複数物体インタラクション復元
単眼ビデオから複数物体の3D形状・時間変化・物理的相互作用を復元するエージェントフレームワークを提案し、人間のフィードバックを統合して深度曖昧性や遮蔽問題を解決する。
原題: HAT-4D: Lifting Monocular Video for 4D Multi-Object Interactions via Human-Agent Collaboration / Jiaxin Li, Yuxiang Wu, Zhenkai Zhang 他
日本語で読む → - 論文動作予測画像認識
遮蔽回復を伴う局所・全体人体動作の長期予測
非自己回帰型トランスフォーマーを用いて、局所的なポーズ予測と空間内の全体動作予測を同時に行い、遮蔽による欠損関節の回復も可能にする人体動作予測手法を提案した。
原題: Long-Term Prediction of Local and Global Human Motion with Occlusion Recovery / Qiaoyue Yang, Sven Heutger, Christopher Niemann 他
日本語で読む → - 論文物体認識画像認識
未知の物体を識別する:ロボット物体操作のためのプロンプト不要なオープンボキャブラリ異常認識
ロボットが未知の物体を認識できるように、異常検出用MAEとプロンプト不要のオープンボキャブラリ分類器NOVICを組み合わせた二段階フレームワークAnomNOVICを提案し、テーブルトップ環境で高い精度を達成した。
原題: Identifying the Unknown: Prompt-Free Open Vocabulary Anomaly Recognition for Robot-Object Interaction / Philipp Allgeuer, Jan-Gerrit Habekost, Stefan Wermter
日本語で読む → - 論文世界モデル機械学習
JEPAベース世界モデルの一般化理論
JEPA事前学習を条件付きスペクトルグラフ学習として定式化し、計画誤差との関連から有限サンプル一般化境界を導出した理論論文。
原題: A Generalization Theory for JEPA-Based World Models / Jingyi Cui, Qi Zhang, Hongwei Wen 他
日本語で読む → - 論文画像編集画像認識
RoPEMover: 位置埋め込みによる深度認識オブジェクト移動
拡散トランスフォーマーの回転位置埋め込みを深度対応に拡張し、単一画像内のオブジェクトを幾何学的に一貫した移動を実現する手法を提案した。
原題: RoPEMover: Depth-Aware Object Relocation via Positional Embeddings / Ipek Oztas, Duygu Ceylan, Aybars Bugra Aksoy 他
日本語で読む → - 論文データセット/広告検出機械学習
BetXplain: ソーシャルメディア上の操作的な賭博広告を検出するための説明付きデータセット
InstagramとRedditから収集した賭博関連広告を、操作・欺瞞的な広告手法のラベルと人間による説明付きで注釈したデータセットを構築し、その分析と検出フレームワークを提案した。
原題: BetXplain: An Explanation-Annotated Dataset for Detecting Manipulative Betting Advertisements on Social Media / MSVPJ Sathvik, Parmitha Vangapandu, Nishit Rane 他
日本語で読む → - 論文映像理解画像認識
信頼度を考慮したツール連携による堅牢な映像理解
映像推論モデルが入力フレームの劣化(ぼけや遮蔽など)を盲信する問題を指摘し、フレームごとの信頼度を推論に組み込むエージェント型フレームワークRobust-TOを提案した。
原題: Confidence-Aware Tool Orchestration for Robust Video Understanding / Yangfan He, Yujin Choi, Jaehong Yoon
日本語で読む → - 論文3Dシミュレーション画像認識
物理世界モデリングによる知覚的3Dシミュレーション
部分的な観測と不完全な3D変換信号から将来のシーン状態を予測する物理世界モデリングシステムP3Simを提案した。
原題: Perceptual 3D Simulation With Physical World Modeling / Wanhee Lee, Klemen Kotar, Rahul Mysore Venkatesh 他
日本語で読む → - 論文データセット画像認識
PhysEditWorld: 物理編集可能なワールドモデル向け大規模データセット
ゲームワールドモデルの物理ダイナミクスを制御可能にするため、重力パラメータを明示的に付与した大規模マルチモーダルデータセットを構築した。
原題: PhysEditWorld: A Large-Scale Dataset Toward Physics-Editable World Models / Bin Hu, Yanwen Ma, Jiehui Huang 他
日本語で読む → - 論文安全性/モデレーションAI
安全ガードレールは推論を必要とするか?LeanGuard:堅牢なモデレーションのための高速で軽量なアプローチ
安全ガードレールの推論チェーンが精度向上に寄与しないことを示し、推論を省いた軽量なエンコーダのみのガードレールLeanGuardを提案。同等精度で約100倍の推論計算削減を実現した。
原題: Do Safety Guardrails Need to Reason? LeanGuard: A Fast and Light Approach for Robust Moderation / Dongbin Na
日本語で読む → - 論文セキュリティcs.CR
DroidBreaker: 機械学習ベースのAndroidマルウェア検出器に対する実用的かつ機能的な問題空間攻撃
既存の問題空間攻撃の非実用性を指摘し、ビルド安全性と意味保存性を備えた新しい攻撃フレームワークDroidBreakerを提案した。
原題: DroidBreaker: Practical and Functional Problem-Space Attacks on Machine-Learning Android Malware Detectors / Christian Scano, Diego Soi, Angelo Sotgiu 他
日本語で読む → - 論文カメラプランニングAI
動く前に見る:動的3Dストーリーワールドにおける物語に基づく視覚的注意
動的3D環境でのカメラプランニングにおいて、観察すべき視覚情報を能動的に決定するフレームワークを提案し、物語意図と物理的制約を満たす視点選択と軌道生成を行う。
原題: Look-Before-Move: Narrative-Grounded World Visual Attention in Dynamic 3D Story Worlds / Jiaming Bian, Bingliang Li, Yuehao Wu 他
日本語で読む → - 論文敵対的検出画像認識
AEGIS:ビジョンセンサにおける堅牢な敵対的検出のための意味的GANと証拠学習フレームワーク
敵対的攻撃に脆弱な視覚センサのDNNを守るため、意味的整合性を検査するGANと、不確実性を考慮した証拠深層学習を組み合わせた敵対的入力検出フレームワークAEGISを提案した。
原題: AEGIS: A Semantic GAN and Evidential Learning Frameworkfor Robust Adversarial Detection in Vision Sensors / Maher Boughdiri, Mounira Msahli, Albert Bifet
日本語で読む → - 論文物理シミュレーション画像認識
PhysiFormer: ワールド空間での力学シミュレーション学習
3Dメッシュをワールド座標で表現し、拡散モデルを用いて物体の将来の頂点軌跡を予測する物理シミュレーション手法を提案。剛体・弾性体の力学を学習し、混合材料や未知形状にも汎化する。
原題: PhysiFormer: Learning to Simulate Mechanics in World Space / Yiming Chen, Yushi Lan, Andrea Vedaldi
日本語で読む → - 論文セキュリティ/RAGcs.CR
MIRROR: 新規性制約付きメモリ誘導MCTSによるエージェント型RAGのレッドチーミング
マルチモーダルなエージェント型RAGシステムに対する攻撃を、新規性制約とメモリ誘導MCTSを用いて統一的に探索するレッドチーミングフレームワークMIRRORを提案し、複数の攻撃面で高い成功率を達成した。
原題: MIRROR: Novelty-Constrained Memory-Guided MCTS Red-Teaming for Agentic RAG / Inderjeet Singh, Andrés Murillo, Motoyoshi Sekiya 他
日本語で読む → - 論文画像検出画像認識
TruEye: 画像中のAI生成人物の高精度検出
AI生成画像の人物とシーンを5つの合成カテゴリに分類し、位置特定も行う新しい検出モデルを提案。LLMを使わずに高速で解釈可能な予測を実現。
原題: TruEye: Fine-Grained Detection of AI-Generated Human Subjects in Images / Jay Barot, Dan Lin
日本語で読む → - 論文強化学習機械学習
万能解を超えて:オフライン事前知識を用いた診断駆動型オンライン強化学習
オフライン事前知識の活用が強化学習に不可欠となる一方、その有効性は環境や学習過程で変化するため、単一の管理手法は最適でないと主張し、展開固有の証拠に基づく診断駆動型の緊張管理への転換を提案する論文。
原題: Beyond One-Size-Fits-All: Diagnosis-Driven Online Reinforcement Learning with Offline Priors / Guozheng Ma, Lu Li, Zilin Wang 他
日本語で読む → - 論文AI安全性AI
解雇不能なセーフティカーネル:AIエージェントと他の脱出可能なAIシステムのための実行時AIアライメント
AIエージェントの制御をエージェント自身のランタイム内に置くのではなく、プロセス分離や事前強制などの特性を満たす外部の認可層(セーフティカーネル)を提案し、Rustで実装して形式的検証を行った。
原題: The Unfireable Safety Kernel: Execution-Time AI Alignment for AI Agents and Other Escapable AI Systems / Seth Dobrin, Łukasz Chmiel
日本語で読む →
PR・アフィリエイト広告
