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: 2025/9/1 / 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 →- 論文強化学習/模倣学習/衛星計画AI
地球観測衛星の科学成果を高める学習ベースの計画手法
地球観測衛星の動的ターゲティングにおいて、強化学習と模倣学習を用いて観測地点の系列を計画し、既存のヒューリスティック手法より優れた性能を達成した。
原題: Learning-Based Planning for Improving Science Return of Earth Observation Satellites / Abigail Breitfeld, Alberto Candela, Juan Delfa 他
日本語で読む → - 論文モデルベース強化学習ロボティクス
事前学習済み視覚表現はモデルベース強化学習において重要な汎化をもたらす
モデルベース強化学習における視覚ドメインシフト下での汎化性能を調査し、事前学習済み視覚モデル(特に部分微調整)がスクラッチ学習より優れることを示した。
原題: Pre-trained Visual Representations Generalize Where it Matters in Model-Based Reinforcement Learning / Scott Jones, Liyou Zhou, Sebastian W. Pattinson
日本語で読む → - 論文強化学習機械学習
安全とリソース制約下でのマルチタイムスケール介入の学習
持続的効果を持つ介入と即時介入を統合的に扱う強化学習手法MINTを提案し、介入のタイミング・モード・強度をリソース制約下で最適化する。
原題: Learning Multi-Timescale Interventions under Safety and Resource Constraints / David Mguni, Wanrong Yang, Jing Dong 他
日本語で読む → - 論文安全強化学習ロボティクス
セマンティックダイナミクスモデルを用いた安全強化学習によるUAVの視覚駆動型河川追従
UAVが視覚情報のみで河川を追従するため、非マルコフ的報酬と安全制約に対応した新しい安全強化学習手法を提案し、シミュレーションで有効性を示した。
原題: Vision-driven River Following of UAV via Safe Reinforcement Learning using Semantic Dynamics Model / Zihan Wang, Nina Mahmoudian
日本語で読む → - 論文自動運転/End-to-End強化学習AI
ME³-BEV: Mamba強化深層強化学習によるBEV知覚を用いたEnd-to-End自動運転
BEV知覚とMamba時系列モデリングを組み合わせた特徴抽出ネットワークを強化学習に統合し、CARLAで衝突率や軌道精度を改善した自動運転フレームワークを提案。
原題: ME$^3$-BEV: Mamba-Enhanced Deep Reinforcement Learning for End-to-End Autonomous Driving with BEV-Perception / Siyi Lu, Run Liu, Dongsheng Yang 他
日本語で読む → - 論文自動運転/オフライン強化学習機械学習
模倣から最適化へ:自動運転のためのオフライン学習の比較研究
自動運転のためのオフライン学習手法を比較し、模倣学習(BC)よりもオフライン強化学習(CQL)が長期的な運転ポリシーにおいて大幅に堅牢であることを示した研究。
原題: From Imitation to Optimization: A Comparative Study of Offline Learning for Autonomous Driving / Antonio Guillen-Perez
日本語で読む → - 論文強化学習ロボティクス
GenFlowRL: 生成的オブジェクト中心フローによる視覚強化学習の報酬形成
多様なロボットデータから学習した生成的オブジェクト中心フローを用いて報酬を形成し、視覚強化学習で汎化性の高い操作方策を獲得する手法を提案。
原題: GenFlowRL: Shaping Rewards with Generative Object-Centric Flow in Visual Reinforcement Learning / Kelin Yu, Sheng Zhang, Harshit Soora 他
日本語で読む → - 論文軌道計画/強化学習ロボティクス
TLEベースのA2Cエージェントによる地上観測カバレッジのための軌道計画
TLEを用いた軌道シミュレーション環境でA2C強化学習により衛星の軌道5要素を調整し、指定した地上領域を効率的にカバーする軌道計画手法を提案した。
原題: TLE-Based A2C Agent for Terrestrial Coverage Orbital Path Planning / Anantha Narayanan, Battu Bhanu Teja, Pruthwik Mishra
日本語で読む → - 論文安全強化学習機械学習
都市運転における希少リスク制御のための倫理考慮型安全強化学習
衝突確率と危害の重大さを組み合わせた倫理的リスクコストで安全強化学習エージェントを訓練し、希少な高リスク事象から効率的に学ぶ優先経験再生と階層的制御で、歩行者や自転車などの弱い道路利用者を守る運転を実現した。
原題: Ethics-Aware Safe Reinforcement Learning for Rare-Event Risk Control in Interactive Urban Driving / Dianzhao Li, Ostap Okhrin
日本語で読む → - 論文強化学習/軌道計画ロボティクス
MoRe-ERL: エピソード強化学習による動作残差学習
事前計画された参照軌道を、エピソード強化学習と残差学習を組み合わせて安全で効率的なタスク固有の軌道に改良するフレームワークを提案し、シミュレーションから実機への転移性能も検証した。
原題: MoRe-ERL: Learning Motion Residuals using Episodic Reinforcement Learning / Xi Huang, Hongyi Zhou, Ge Li 他
日本語で読む → - 論文オフライン強化学習ロボティクス
ロングテールを掘り起こす:自動運転のオフライン強化学習におけるデータ中心の重要度指標の比較研究
自動運転のオフライン強化学習において、データの重要度に基づく6種類のサンプリング手法を比較し、モデル不確実性を用いた手法が衝突率を16%から5.5%へと大幅に改善することを示した。
原題: Mining the Long Tail: A Comparative Study of Data-Centric Criticality Metrics for Robust Offline Reinforcement Learning in Autonomous Motion Planning / Antonio Guillen-Perez
日本語で読む → - 論文強化学習機械学習
固定形態を超えて:可変行動空間における信頼領域補償付きグラフ方策の学習
信頼領域法(TRPO/PPO)が行動空間の次元変化にどう影響されるかを理論解析し、形態が異なるロボットに適応するグラフ方策の課題をSwimmer環境で検証した研究。
原題: Beyond Fixed Morphologies: Learning Graph Policies with Trust Region Compensation in Variable Action Spaces / Thomas Gallien
日本語で読む → - 論文組立/強化学習ロボティクス
不確実な嵌合タイプと嵌合量を伴うバッチ精密組立タスクのためのロバストでコンプライアントなロボット組立制御戦略
嵌合タイプや嵌合量が不確実なバッチ精密組立において、力・視覚融合制御とマルチタスク強化学習、マルチティーチャー方策蒸留を組み合わせ、ロバストなコンプライアンス制御戦略を構築した研究。
原題: A robust and compliant robotic assembly control strategy for batch precision assembly task with uncertain fit types and fit amounts / Bin Wang, Jiwen Zhang, Song Wang 他
日本語で読む → - 論文強化学習AI
強化学習に推論に基づく道徳的意思決定を統合する
強化学習エージェントに事例ベースのフィードバックから理由理論を学習させ、規範的な推論に基づく道徳的意思決定を行わせる枠組みを提案した研究。
原題: Integrating Reason-Based Moral Decision-Making in the Reinforcement Learning Architecture / Lisa Dargasz
日本語で読む → - 論文オフライン強化学習AI
Decision Transformerはオフライン強化学習で本当に好ましいのか?
ロボット操作と歩行のベンチマークで、低性能軌道を除去して模倣学習するFBCがDecision Transformerと同等以上の性能を達成し、DTの優位性に疑問を投げかけた。
原題: Should We Ever Prefer Decision Transformer for Offline Reinforcement Learning? / Yumi Omori, Zixuan Dong, Keith Ross
日本語で読む → - 論文マルチタスク強化学習機械学習
クロスタスク方策ガイダンスによる効率的なマルチタスク強化学習
タスク間の類似性を活かし、習得済みタスクの方策が未習得タスクを明示的にガイドする枠組みを提案し、操作・歩行ベンチマークで性能を向上させた。
原題: Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance / Jinmin He, Kai Li, Yifan Zang 他
日本語で読む → - 論文空中ロボット/強化学習ロボティクス
実演からの学習による空中ロボットの俊敏なテンション止まり
テザー式テンション止まり機構を持つ空中ロボットが、実演を用いた強化学習(SACfD)により、特定のテザー部位を狙って巻き付け・固定する軌道を生成する手法を提案し、シミュレーションと実機で有効性を示した。
原題: Learning Agile Tensile Perching for Aerial Robots from Demonstrations / Kangle Yuan, Atar Babgei, Luca Romanello 他
日本語で読む → - 論文制御/強化学習ロボティクス
深層強化学習による宇宙機リアクションホイール姿勢制御の知的制御
TD3にHindsight Experience ReplayとDimension Wise Clippingを組み合わせたTD3-HDを提案し、リアクションホイール故障時でも衛星姿勢制御の耐故障性と適応性を向上させる。
原題: Intelligent Control of Spacecraft Reaction Wheel Attitude Using Deep Reinforcement Learning / Ghaith El-Dalahmeh, Mohammad Reza Jabbarpour, Bao Quoc Vo 他
日本語で読む → - 論文強化学習機械学習
フローマッチング方策勾配
フローマッチングを方策勾配法に統合したFPOを提案し、拡散スタイルの方策を連続制御タスクで学習できることを示した。
原題: Flow Matching Policy Gradients / David McAllister, Songwei Ge, Brent Yi 他
日本語で読む → - 論文強化学習/SNNAI
スパイキングニューラルネットワークとメトロポリス・ヘイスティングスサンプリングによる動的エージェントの制御学習
勾配法を使わずメトロポリス・ヘイスティングスサンプリングでスパイキングニューラルネットワークを強化学習により訓練し、動的エージェント制御を実現するフレームワークを提案した。
原題: Learning to Control Dynamical Agents via Spiking Neural Networks and Metropolis-Hastings Sampling / Ali Safa, Farida Mohsen, Ali Al-Zawqari
日本語で読む → - 論文経路計画/強化学習ロボティクス
都市航空モビリティのためのリアルタイム通信考慮型ライドシェア経路計画:マルチソースハイブリッド注意強化学習アプローチ
都市航空モビリティにおいて、通信品質を考慮しつつリアルタイムなライドシェア要求に応える経路計画を、マルチソースハイブリッド注意強化学習で実現する手法を提案した。
原題: Real-Time Communication-Aware Ride-Sharing Route Planning for Urban Air Mobility: A Multi-Source Hybrid Attention Reinforcement Learning Approach / Yuejiao Xie, Maonan Wang, Di Zhou 他
日本語で読む → - 論文マルチエージェント強化学習AI
Assistax: 支援ロボティクス向けマルチエージェント・ハードウェア加速強化学習ベンチマーク
JAXとMuJoCo-MJX上でGPU加速された支援ロボティクスタスク群を提供し、人間役のヒューマノイドエージェントとロボットをマルチエージェント強化学習で共訓練できるベンチマークを構築した。
原題: Assistax: A Multi-Agent Hardware-Accelerated Reinforcement Learning Benchmark for Assistive Robotics / Leonard Hinckeldey, Elliot Fosong, Rimvydas Rubavicius 他
日本語で読む → - 論文強化学習ロボティクス
同変目標条件付きコントラスティブ強化学習
目標条件付き操作タスクの回転対称性を活用し、同変制約を導入したコントラスティブ強化学習を提案。サンプル効率と空間汎化を改善し、オフライン設定にも拡張。
原題: Equivariant Goal Conditioned Contrastive Reinforcement Learning / Arsh Tangri, Nichols Crawford Taylor, Haojie Huang 他
日本語で読む → - 論文強化学習機械学習
不確実性を考慮した報酬設計プロセス
大規模言語モデルと不確実性推定を組み合わせ、強化学習の報酬関数設計を効率化するフレームワークURDPを提案。
原題: Uncertainty-aware Reward Design Process / Yang Yang, Xiaolu Zhou, Bosong Ding 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
制御バリア関数を用いた階層型マルチエージェント強化学習による安全クリティカル自律システム
制御バリア関数に基づく階層型マルチエージェント強化学習を提案し、多数のエージェントが衝突を避けつつ協調してタスクを達成する安全な方策を学習する。
原題: Hierarchical Multi-Agent Reinforcement Learning with Control Barrier Functions for Safety-Critical Autonomous Systems / H. M. Sabbir Ahmad, Ehsan Sabouni, Alexander Wasilkoff 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
自動運転の強化学習における行動空間削減戦略
自動運転の強化学習で、動的マスキングと相対的行動空間削減という2つの行動空間変更戦略を提案し、学習効率と性能を改善することを示した。
原題: Action Space Reduction Strategies for Reinforcement Learning in Autonomous Driving / Elahe Delavari, Feeza Khan Khanzada, Jaerock Kwon
日本語で読む → - 論文強化学習機械学習
アクションチャンキングを用いた強化学習
将来の行動列をまとめて予測するアクションチャンキングをTDベースの強化学習に導入し、長期的で報酬が疎なタスクにおける探索とサンプル効率を改善するQ-chunkingを提案した。
原題: Reinforcement Learning with Action Chunking / Qiyang Li, Zhiyuan Zhou, Sergey Levine
日本語で読む → - 論文強化学習/水中ロボティクスロボティクス
Ocean Diviner: 拡散モデル強化強化学習によるAUVの堅牢な水中制御フレームワーク
拡散モデルで実現可能な行動を生成し強化学習と組み合わせることで、動的で不確実な水中環境におけるAUVの制御を高精度かつ堅牢にする手法を提案した。
原題: Ocean Diviner: A Diffusion-Augmented Reinforcement Learning Framework for AUV Robust Control in Underwater Tasks / Jingzehua Xu, Guanwen Xie, Weiyi Liu 他
日本語で読む → - 論文強化学習機械学習
補助開始状態分布を用いたオンライン強化学習の加速
少数の専門家デモと任意の状態にリセット可能なシミュレータを活用し、安全概念に基づく補助開始状態分布でオンライン強化学習のサンプル効率を大幅に改善した。
原題: Accelerated Online Reinforcement Learning using Auxiliary Start State Distributions / Aman Mehra, Alexandre Capone, Jeff Schneider
日本語で読む → - 論文強化学習ロボティクス
CueLearner: 相対フィードバックによるブートストラップと局所的な方策適応
「もっと左に」のような相対的な人間フィードバックをオフポリシー強化学習と組み合わせ、スパース報酬タスクの探索効率向上や環境・選好変化への適応を実現する手法を提案。
原題: CueLearner: Bootstrapping and local policy adaptation from relative feedback / Giulio Schiavi, Andrei Cramariuc, Lionel Ott 他
日本語で読む →
PR・アフィリエイト広告
