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: 2026/6/15 / 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 →- 論文最適化ロボティクス
弾性ODYN:ロボティクスにおける実行不可能な制御と学習のための微分可能最適化
制約が矛盾する実行不可能な二次計画問題を、滑らかな弾性緩和を用いて解く微分可能なQPソルバーを提案し、制御や学習タスクでの安定性を向上させた。
原題: Elastic ODYN: Differentiable Optimization for Infeasible Control and Learning in Robotics / Aristotelis Papatheodorou, Jose Rojas, Ioannis Havoutis 他
日本語で読む → - 論文プランニングロボティクス
ロボットはいつ再計画すべきか?時間変動MDPにおける後悔に基づく更新スケジューリング
非定常環境で動作するロボットが、限られた計算予算の中でいつ再計画すべきかを、後悔(リグレット)理論に基づいて決定する手法を提案した論文。
原題: When Should a Robot Replan? Regret-Guided Update Scheduling in Time-Varying MDPs / Negin Musavi, Gokul Puthumanaillam, Ruben Hernandez 他
日本語で読む → - 論文教育AI自然言語
LectūraAgents: 適応型パーソナライズAI支援学習と身体化教育のためのマルチエージェントフレームワーク
教授エージェントが専門エージェントチームを率いて、学習者に合わせた講義内容を研究・計画・レビューし、身体動作を伴う教育を適応的に行うマルチエージェントフレームワークを提案した。
原題: LectūraAgents: A Multi-Agent Framework for Adaptive Personalized AI-Assisted Learning and Embodied Teaching / Jaward Sesay, Yue Yu, Siwei Dong 他
日本語で読む → - 論文操作ロボティクス
PATCH: アクションチャンク条件付き潜在パッチ革新監視によるロボット操作
ロボット操作中に予期しない局所的な環境変化を検出し、介入と復帰を行うための監視手法を提案。
原題: PATCH: Action-Chunk-Conditioned Latent Patch Innovation Monitoring for Robot Manipulation / Yanan Zhou, Ranpeng Qiu, Yincong Chen 他
日本語で読む → - 論文シミュレーション/強化学習画像認識
食品破壊シミュレーションにおける逆材料推定のための潜在空間強化学習
食品の破壊挙動から材料パラメータを推定する逆問題を、強化学習を用いて解く手法を提案。オレンジの皮むきを例に、目標条件付きポリシーが単一の順伝播で材料推定を行い、CMA-ESによる改良と組み合わせることで高精度な推定を実現した。
原題: Latent Space Reinforcement Learning for Inverse Material Estimation in Food Fracture Simulation / Adrian Ramlal, Yuhao Chen, John S. Zelek
日本語で読む → - 論文LLMセキュリティcs.CR
「プロ」LLMサブスクリプションは実は「無料」かもしれない:LLM推論サービスにおけるフィンガープリント偽装リスクの暴露
LLM APIの利用者が提供モデルの品質を検証するフィンガープリント手法が、悪意あるプロバイダによるモデル重みの操作で回避される「フィンガープリント偽装」という新たな脅威を提案・実証した論文。
原題: Your "Pro" LLM Subscription May Actually Be "Free": Exposing Fingerprint Spoofing Risks in LLM Inference Services / Jiahao Zhang, Xiuyu Li, Suhang Wang
日本語で読む → - 論文世界モデル/ビデオ生成画像認識
Qwen-RobotWorld 技術報告:言語条件付きビデオ生成による身体化世界モデルの統合
自然言語を統一アクションインターフェースとして用い、現在の観測から物理的に妥当な未来の視覚軌跡を予測する言語条件付きビデオ世界モデルを提案。ロボット操作、自動運転、屋内ナビゲーション、人間からロボットへの転移を統一的に扱い、データ生成・評価環境・計画信号の3つの応用を示す。
原題: Qwen-RobotWorld Technical Report: Unifying Embodied World Modeling through Language-Conditioned Video Generation / Jie Zhang, Xiaoyue Chen, Anzhe Chen 他
日本語で読む → - 論文IoT/センサ制御
GreenBox: リアルタイム通知SMSを備えた自動交通事故検知システムのプロトタイピング
Arduino UnoとGSMモジュールを用いて、衝突・横転・浸水を検知し、事故時にSMSで通知するIoTベースの交通事故検知システムのプロトタイプを開発した。
原題: GreenBox: Prototyping of an Automatic Road Accident Detection System with Real-Time Notification SMS / Júlio Rocha, Salviano Soares, António Valente 他
日本語で読む → - 論文時系列予測機械学習
Phys-JEPA: 物理情報を組み込んだ潜在世界モデルによる多変量時系列予測
物理法則を潜在状態に直接組み込んだ予測アーキテクチャを提案し、気候・交通・電力データで予測精度を向上させた。
原題: Phys-JEPA: Physics-Informed Latent World Models for Multivariate Time-Series Forecasting / Weizhi Nie, Weichao Liu, Honglin Guo 他
日本語で読む → - 論文視覚エンコーダ/事前学習/模倣学習ロボティクス
視覚運動制御のための対比的行動-画像事前学習
大規模な人間の第一人称ビデオから手のキーポイントを行動の代理として抽出し、対比学習でロボットの視覚エンコーダを事前学習する手法を提案。実機の器用操作タスクで既存手法を30%以上上回る性能を達成した。
原題: Contrastive Action-Image Pre-training for Visuomotor Control / Yuvan Sharma, Dantong Niu, Anirudh Pai 他
日本語で読む → - 論文セグメンテーション画像認識
ActiveSAM: 画像条件付きクラス刈り込みによる高速かつ高精度なオープンボキャブラリセグメンテーション
SAM 3をベースに、画像ごとにアクティブなクラスのみを推定してフル解像度でデコードする訓練不要の推論フレームワークを提案し、精度を保ちつつ最大5.5倍高速化した。
原題: ActiveSAM: Image-Conditional Class Pruning for Fast and Accurate Open-Vocabulary Segmentation / Tran Dinh Tien, Zhiqiang Shen
日本語で読む → - 論文身体化推論/VLMAI
RoboPIN: ピン留めチェーン・オブ・ソートによる接地された身体化推論
身体化推論の各ステップを視覚的証拠に固定する「ピン留めチェーン・オブ・ソート」を提案し、エンティティ追跡の一貫性を保つデータセットとモデルを構築した。
原題: RoboPIN: Grounded Embodied Reasoning via Pinned Chain-of-Thought / Yaoting Huang, Yifu Yuan, Linqi Han 他
日本語で読む → - 論文ハンドキャプチャ画像認識
VEPHand: 視点効率的なフォトメトリック手のパフォーマンスキャプチャの大規模化
約20視点の効率的なマルチビューシステムで、マスク不要のニューラル手法と物理に基づく登録フレームワークを用いて、高忠実度の動的手形状と外観をキャプチャするパイプラインを提案した。
原題: VEPHand: View-Efficient Photometric Hand Performance Capture at Scale / Zhengyang Shen, Kai-Hung Chang, Erroll Wood 他
日本語で読む → - 論文自動運転画像認識
Metis: 自動運転と都市ナビゲーションのための汎用かつ効率的なワールドアクションモデル
ビデオ生成と行動予測を分離したエンドツーエンドのワールドアクションモデルを提案し、推論時のビデオ生成を省略することで効率化しつつ、汎用性と性能を向上させた。
原題: Metis: A Generalizable and Efficient World-Action Model for Autonomous Driving and Urban Navigation / Jingyu Li, Zhe Liu, Dongnan Hu 他
日本語で読む → - 論文継続学習/操作ロボティクス
再利用可能なスキルによる新タスク学習:身体化継続学習のためのスキル構成エキスパート
ロボットが継続的に新しい操作タスクを学びつつ、過去の行動を保持するためのフレームワークSCEを提案。デモを再利用可能なスキルに分解し、スキル構成と遷移を専門化したエキスパートで新タスクを学習する。
原題: Learning New Tasks via Reusable Skills: Skill-Compositional Experts for Embodied Continual Learning / Shuaike Zhang, Shaokun Wang, Haoyu Tang 他
日本語で読む → - 論文4D再構成画像認識
高忠実度4D手と物体のキャプチャ:多視点時空間トラッキングと物理認識ガウシアンによる実現
テンプレートやマーカーを使わずに、多視点ビデオから手と物体の相互作用を高精度に4D再構成する新しいシステムを提案した。
原題: High-Fidelity 4D Hand-Object Capture via Multi-View Spatiotemporal Tracking and Physics-Aware Gaussians / Bo Peng, Xu Chen, Yi Gu 他
日本語で読む → - 論文VLA/検索拡張ロボティクス
再学習せずに検索せよ:テスト時に視覚言語行動モデルを新タスクへ拡張する手法
新しいタスクへの適応を、モデルの再学習ではなく、デモンストレーションの検索で置き換える手法を提案。凍結したポリシーが検索した軌跡を条件付けに使い、タスク追加をパラメータ更新なしで実現する。
原題: Retrieve, Don't Retrain: Extending Vision Language Action Models to New Tasks at Test Time / Jeongeun Park, Juhan Park, Taekyung Kim 他
日本語で読む → - 論文歩行ロボティクス
LoComposition: 歩容事前知識なしの地形適応型・高エネルギー効率四足歩行
報酬設計をタスク・制約・エネルギー最小化・地形適応に分離し、歩容の事前知識なしで効率的な四足歩行を実現。実機Go2でゼロショット転送に成功し、コスト・オブ・トランスポートを56%削減した。
原題: LoComposition: Terrain-Adaptive Energy-Efficient Quadruped Locomotion without Gait Priors / Loukas Kordos, Leonard T. Franz, Simon Rappenecker 他
日本語で読む → - 論文深度推定画像認識
自己教師あり単眼ビデオ深度推定のための3D一貫性最適化
ビデオフレームを独立に扱う従来法の問題を解決するため、深度推定を多視点3D再構成問題として捉え、3D一貫性最適化フレームワークを導入した。画像レベルのフォトメトリックレンダリング、ワールド座標の幾何学的整合、多スケール時間勾配一貫性の3つの制約でフレームを統一的に最適化し、自己教師あり学習とゼロショット臨床環境で最先端の精度を達成した。
原題: 3D Consistency Optimization for Self-Supervised Monocular Video Depth Estimation / Yuanye Liu, Ke Zhang, Junzhe Jiang 他
日本語で読む → - 論文医療ロボティクス/VQA画像認識
物体トークンによるロボット手術におけるセグメンテーションと視覚質問応答の橋渡し
ロボット手術の視覚質問応答(VQA)において、ピクセル単位のセグメンテーションとVQAを統合するフレームワークを提案し、物体トークンを用いて空間的接地表現を学習することで、精度を向上させた。
原題: Object Tokens as a Bridge Between Segmentation and Visual Question Answering in Robotic Surgery / Yiping Li, Ronald de Jong, Romy van Jaarsveld 他
日本語で読む → - 論文デモンストレーション学習機械学習
位相限定キュレーションは役に立たない:デモンストレーション選別における位相別メトリクス選択の否定的結果
操作デモの位相構造に着目し、各位相で最適なメトリクスを選んでキュレーションする手法を提案・検証したが、3つのタスクで常に最良でなく、むしろ悪化する場合があることを示した。
原題: Phase-Localized Curation Does Not Help: A Negative Result on Per-Phase Metric Selection for Demonstration Filtering / Aarav Bedi
日本語で読む → - 論文位置認識画像認識
G2IA: 幾何ガイド付きインスタンス認識検索と洗練によるクロスモーダル位置認識
カメラ画像とLiDAR地図間の位置認識を、幾何情報とインスタンス特徴を統合した記述子で検索し、局所形状と空間配置の整合性を検証して再ランキングする手法を提案した。
原題: G2IA: Geometry-Guided Instance-Aware Retrieval and Refinement for Cross-Modal Place Recognition / Xianyun Jiao, Jingyi Xu, Zhongmiao Yan 他
日本語で読む → - 論文ディープフェイク検出cs.MM
音声・映像ディープフェイク検出のための教師-学生構造によるドメイン適応アンサンブルモデル
音声と映像の両方を扱うディープフェイク検出モデルを、教師-学生フレームワークでドメイン適応させ、未知のデータセットでの性能を向上させる手法を提案した。
原題: Teacher-Student Structure for Domain Adaptation in Ensemble Audio-Visual Video Deepfake Detection / Elham Abolhasani, Maryam Ramezani, Hamid R. Rabiee
日本語で読む → - 論文世界モデル評価機械学習
身体化された意思決定のための世界モデルはどう評価されるべきか:意思決定中心の立場
世界モデルの評価方法が多様化し、主張と評価の不一致が問題となっている。本論文は、身体化された意思決定に使う世界モデルは、視覚的なリアリティよりも介入推論や計画・政策最適化の有用性で評価すべきだと論じ、L0-L7の階層的評価枠組みを提案する。
原題: How Should World Models Be Evaluated for Embodied Decision-Making? A Decision-Making-Centric Position / Yang Yu, Shiyuan Zhang, Yifei Sheng 他
日本語で読む → - 論文遠隔操作ロボティクス
巧みな操作のための双方向遠隔操作フレームワーク
この論文は、器用な遠隔操作のためのモジュール式双方向遠隔操作フレームワークを提案し、実世界のタスクでその有効性を検証しています。
原題: A Bilateral Teleoperation Framework for Dexterous Manipulation / Stefano Dalla Gasperina, Dong Ho Kang, Haiyun Zhang 他
日本語で読む → - 論文VLA画像認識
考えるより先に動け:視覚言語行動モデルにおける強化学習を用いた潜在推論と早期終了戦略
視覚言語行動モデルにおいて、明示的なテキスト推論を避け、潜在変数による推論を強化学習で最適化し、信頼度に応じて推論を早期終了することで、高速かつ高精度な行動決定を実現した。
原題: Think Less, Act Early: Reinforced Latent Reasoning with Early Exit in Vision-Language-Action Models / Dianqiao Lei, Lianlei Shan
日本語で読む → - 論文VLA画像認識
多様な潜在世界モデルによる効率的なマルチモーダル推論
視覚入力の複数の解釈を潜在空間で並列に推論し、強化学習で計算資源を適応配分するマルチモーダル推論フレームワークDLWMを提案した。
原題: DLWM: Diverse Latent World Models for Efficient Multimodal Reasoning / David Huang, Lianlei Shan
日本語で読む → - 論文強化学習機械学習
大規模並列オン方策強化学習のための信頼領域拡散ポリシー
大規模並列シミュレーションを用いたオン方策強化学習で拡散ポリシーを安定して訓練する手法TruDiを提案し、多様なベンチマークで性能を実証した。
原題: Trust-Region Diffusion Policies for Massively Parallel On-Policy RL / Huy Le, Onur Celik, Denis Blessing 他
日本語で読む → - 論文マニピュレーションロボティクス
DragMesh-2: 関節物体との物理的に妥当な器用な手と物体のインタラクション
関節物体を器用な手で操作するための接触駆動フレームワークを提案し、物理信号を注入する学習機構により接触負荷の変化に対するロバスト性を向上させた。
原題: DragMesh-2: Physically Plausible Dexterous Hand-Object Interaction with Articulated Objects / Tianshan Zhang, Yijia Duan, Yanjun Li 他
日本語で読む → - 論文自動運転/VLA画像認識
RT-VLA: 知識蒸留によるリアルタイム視覚言語行動モデル
大規模なVLAモデルの推論遅延を解決するため、教師モデルSimLingoから知識蒸留で軽量な学生モデルRT-VLAを構築し、推論時間を大幅に削減しつつ運転性能と言語推論を維持する手法を提案した。
原題: RT-VLA: Real-Time Vision-Language-Action Models via Knowledge Distillation / Xiangyu Huang, Zhenlin Hua, Han Zhou 他
日本語で読む →
PR・アフィリエイト広告
