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: 2026/6/10 / 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 →- 論文システム機械学習
M*: マルチモーダルモデルのためのモジュール式で拡張可能なサービスシステム
複合AIモデルを効率的にサービスするための普遍的なシステムM*を提案し、データフローグラフ表現とウォークグラフ抽象化により、多様なモデル構成を柔軟に扱い、既存システムより低遅延・高スループットを達成した。
原題: M*: A Modular, Extensible, Serving System for Multimodal Models / Atindra Jha, Naomi Sagan, Keisuke Kamahori 他
日本語で読む → - 論文位置推定画像認識
SG2Loc: 3Dシーングラフを用いた逐次視覚位置推定
3Dシーングラフを環境表現に用いた軽量な逐次視覚位置推定手法を提案。パーティクルフィルタとセマンティック特徴マッチングにより、大規模な画像データベースや点群を必要とせずに位置推定を実現する。
原題: SG2Loc: Sequential Visual Localization on 3D Scene Graphs / Nicole Damblon, Olga Vysotska, Federico Tombari 他
日本語で読む → - 論文触覚/VLA/sim2realロボティクス
TacCoRL: シミュレーションによる触覚フィードバックのVLAへの統合
視覚と言語と行動の事前知識を持つVLAモデルに触覚フィードバックを注入し、シミュレーションと実機の共学習と強化学習で接触を要するタスクの成功率を向上させるフレームワークを提案した。
原題: TacCoRL: Integrating Tactile Feedback into VLA via Simulation / Siyu Ma, Yuqi Liang, Chang Yu 他
日本語で読む → - 論文ベンチマーク構築ロボティクス
具現化ベンチマーク構築の知的自動化:パイプライン、身体性、シミュレータ、そして動向
具現化知能のベンチマーク構築を5段階のパイプラインとして整理し、各段階での手動から自動化・基盤モデル支援・エージェント型クローズドループへの移行を分析したサーベイ論文。自動化はコスト削減ではなく、検証や監査などへのコストシフトをもたらすと結論づけている。
原題: Intelligent Automation for Embodied Benchmark Construction: Pipelines, Embodiments, Simulators, and Trends / Jinshan Lai, Jianwei Hu, Baoyang Jiang 他
日本語で読む → - 論文知識表現/オントロジーロボティクス
意味抽出:LLMガイドによるURDFからのロボットオントロジー自動構築
URDFファイルからロボットの意味的抽象化を自動生成するパイプラインを提案。LLMを用いて既存オントロジーの概念に基づき意味関係を推論し、多数決と検証で信頼性を高める。
原題: Extracting Semantics: LLM-Guided Automatic Population of Robot Ontology from URDF / Bastien Dussard, Guillaume Sarthou
日本語で読む → - 論文生理計測画像認識
照明変化に頑健なロボット用カメラ心拍計測
ロボット搭載カメラでの心拍計測を照明変化に頑健にするため、空間時間トランスフォーマーと照明オーグメンテーションを組み合わせた新しい推定手法を提案した。
原題: Illumination-Robust Camera-Based Heart-Rate Estimation for Physiological Sensing in Robots / Zhi Wei Xu, Torbjörn E. M. Nordling
日本語で読む → - 論文模倣学習ロボティクス
アンビエント拡散ポリシー:ロボティクスにおける準最適データからの模倣学習
準最適なロボットデータから有益な特徴のみを抽出するため、ノイズ依存のデータ使用法を導入した拡散ポリシー手法を提案し、複数タスクで有効性を実証した。
原題: Ambient Diffusion Policy: Imitation Learning from Suboptimal Data in Robotics / Adam Wei, Nicholas Pfaff, Thomas Cohn 他
日本語で読む → - 論文器用な把持生成ロボティクス
EquiDexFlow: 接触に基づくSE(3)等変な器用な把持生成フロー
物体点群から手首姿勢、関節角、指先接触、法線、接触力を同時に予測するSE(3)等変フローマッチングモデルを提案し、摩擦円錐内の力と物体表面の接触を構造的に保証して物理的に安定な把持を生成する。
原題: EquiDexFlow: Contact-Grounded SE(3)-Equivariant Dexterous Grasp Generative Flows / Clinton Enwerem, John S. Baras, Calin Belta
日本語で読む → - 論文柔軟構造の動力学制御
回転ハブ上のポストバックリング超柔軟倒立振子の動力学と状態依存多重平衡
超柔軟な倒立振子のポストバックリング動力学を解析し、ハブ角度に応じて平衡点が変化する現象を数理モデルと実験で示した論文。
原題: On the Dynamics and State Dependent Multiple Equilibria of a Post-Buckled Ultra-Flexible Inverted Pendulum on a Rotating Hub / Prasanna S Gandhi, Dhruvi Joshi, Vivek Natarajan 他
日本語で読む → - 論文ベンチマーク/知覚画像認識
自然環境におけるロボット知覚のためのクロスモーダルベンチマーク
自然環境でのロボット知覚の限界を明らかにするため、大規模な自然環境での場所認識とメートル深度推定のための新しいクロスモーダルベンチマークWildCrossを紹介し、その結果を分析した。
原題: Cross-Modal Benchmarking for Robotic Perception in Natural Environments / David Hall, Joshua Knights, Mark Cox 他
日本語で読む → - 論文音楽生成cs.SD
PianoKontext: 無表情なコンテキストからの表現豊かな演奏レンダリング
クラシックピアノの楽譜から表現豊かな演奏音声を生成するフローマッチングモデルを提案し、潜在空間でのDTWにより可変長の演奏を生成する。
原題: PianoKontext: Expressive Performance Rendering from Deadpan Context / Dmitrii Gavrilev
日本語で読む → - 論文強化学習ロボティクス
対比的相互作用による物体操作のゼロからの学習
強化学習における対比学習が操作タスクで苦戦する原因を分析し、相互作用を考慮したリサンプリング手法(IWR)を提案して、シミュレーションと実機のエアホッケーで性能を向上させた。
原題: Learning Object Manipulation from Scratch via Contrastive Interaction / Tongle Shen, Caleb Chuck, Fan Feng 他
日本語で読む → - 論文VLA/言語指示最適化ロボティクス
VLAに何を言うべきかを学ぶ:ほぼ無害なビジョン言語行動モデルの操縦
VLAモデルへの言語指示を自動で探索・改善し、性能向上を予測するヘッドを学習して、有害な介入を防ぎつつタスク成功率を高めるフレームワークを提案した。
原題: Learning What to Say to Your VLA: Mostly Harmless Vision Language Action Model Steering / Hyun Joe Jeong, Gokul Swamy, Andrea Bajcsy
日本語で読む → - 論文VLA/プランニングロボティクス
DIRECT: 身体化プランナーにおけるテスト時計算の割り当てはいつ、どこで行うべきか?
VLMを高レベルプランナーとして使う際、テスト時計算を増やすと性能が上がるが、コストも増える。シーン文脈に基づいて計算をルーティングするDIRECTを提案し、成功率とコストのトレードオフを改善した。
原題: DIRECT: When and Where Should You Allocate Test-Time Compute in Embodied Planners? / Jadelynn Dao, Milan Ganai, Yasmina Abukhadra 他
日本語で読む → - 論文VLA画像認識
ワールドモデルの自己蒸留:汎用タスク解決のためのワールドモデル学習
事前学習済みビデオ生成モデルを、自己蒸留と強化学習を組み合わせて、タスク実行能力を持つワールドモデルへと変換する手法を提案。
原題: World Model Self-Distillation: Training World Models to Solve General Tasks / Sebastian Stapf, Pablo Acuaviva Huertos, Aram Davtyan 他
日本語で読む → - 論文強化学習機械学習
PAWS: アドバンテージ重み付きセグメントを用いた選好学習
人間の軌道比較から報酬を学習する選好ベース強化学習において、訓練と推論の不一致による分布シフトを分析し、セグメントレベルのアドバンテージ関数を直接用いた政策更新手法PAWSを提案した。ロボット操作・移動タスクで既存手法を上回る性能を示した。
原題: PAWS: Preference Learning with Advantage-Weighted Segments / Aleksandar Taranovic, Onur Celik, Niklas Freymuth 他
日本語で読む → - 論文VLAロボティクス
DAM-VLA: 非同期マルチモーダル視覚言語行動モデル
各モダリティをセンサー固有のレートで処理する非同期VLAモデルを提案し、接触の多い実世界操作タスクで成功率を大幅に向上させた。
原題: DAM-VLA: Decoupled Asynchronous Multimodal Vision Language Action model / Pankhuri Vanjani, Zhuoyue Li, Jakub Suliga 他
日本語で読む → - 論文ベンチマーク構築AI
Embodied-BenchClaw:身体化空間知能ベンチマーク構築のための自律型マルチエージェントシステム
ユーザーの評価意図から自動でベンチマークを生成・更新する自律エージェントシステムを提案し、屋内・屋外の空間推論やロボット操作など多様なベンチマークを構築して有効性を検証した。
原題: Embodied-BenchClaw: An Autonomous Multi-Agent System for Embodied Spatial Intelligence Benchmark Construction / Baoyang Jiang, Fengchun Zhang, Leyuan Wang 他
日本語で読む → - 論文顔認識攻撃画像認識
Adv-TGD: 顔認識なりすまし攻撃のための敵対的テキスト誘導拡散モデル
顔認識システムを欺くために、テキストプロンプトで条件付けした拡散モデルを用いて、ターゲットの人物に似せた自然な顔画像を生成する敵対的攻撃フレームワークを提案した。
原題: Adv-TGD: Adversarial Text-Guided Diffusion for Face Recognition Impersonation Attacks / Omid Ahmadieh, Nima Karimian
日本語で読む → - 論文セキュリティ/敵対的攻撃cs.CR
機械学習ベースのネットワーク侵入検知システムにおけるカテゴリ別ロバスト性評価
ネットワーク侵入検知システムに使われるMLモデル(CNN、LSTM、ランダムフォレスト)を敵対的攻撃(FGSM、PGD)で評価し、ランダムフォレストが攻撃に脆弱である一方、CNNが比較的頑健であることを示した。
原題: Categorical Robustness Assessment for Machine Learning based Network Intrusion Detection Systems / Mayank Raj, Nathaniel D. Bastian, Lance Fiondella 他
日本語で読む → - 論文HCI/UXリサーチHCI
AI支援フォーカスグループの設計:役割×モダリティのプレイブック
フォーカスグループにおける生成AIの活用方法を、AIの役割(ツール、共同司会、司会)とモダリティ(テキスト、音声、身体性)のマトリクスで整理したプレイブックを提案する論文。
原題: Designing AI-Supported Focus Groups: A Role x Modality Playbook / Zhiqing Wang, Steven Dow
日本語で読む → - 論文世界モデル評価画像認識
WorldOlympiad:あなたの世界モデルはトライアスロンを生き残れるか?
ビデオベースの世界モデルを物理的忠実性、幾何学的整合性、相互作用の忠実性の3つの観点から評価するベンチマークWorldOlympiadを提案する。
原題: WorldOlympiad: Can Your World Model Survive a Triathlon? / Yuke Zhao, Wangbo Zhao, Weijie Wang 他
日本語で読む → - 論文VLA/操作画像認識
LIBERO-Occ: 視点想像によるシーン起因の遮蔽下での視覚言語行動モデルの評価と改善
遮蔽がある操作環境でVLAモデルの性能が低下する問題を調べ、遮蔽評価ベンチマークLIBERO-Occを導入し、補完視点を想像して行動予測に活用する手法VIMを提案した。
原題: LIBERO-Occ: Evaluating and Improving Vision-Language-Action Models under Scene-Induced Occlusion via Viewpoint Imagination / Taishan Li, Jiwen Zhang, Siyuan Wang 他
日本語で読む → - 論文ニューラルレンダリング画像認識
TRON: 3Dガウス再構成のためのニューラルレンダラをオーケストレーションする光線追跡
3Dガウス表現に光線追跡とニューラルレンダリングを組み合わせ、実シーンの再照明や動的物体操作、マテリアル編集を可能にするレンダリングフレームワークを提案。
原題: TRON: Tracing Rays to Orchestrate a Neural Renderer for 3D Gaussian Reconstructions / Or Perel, Hassan Abu Alhaija, Zian Wang 他
日本語で読む → - 論文ナビゲーションロボティクス
IMUのみの外乱除去とジャーク拡張モデルを活用した自律型農業ロボットの頑健なナビゲーション
GNSSやLiDARなどのセンサが途切れる環境でも、ジャーク拡張EKFと適応型ノイズ調整によりロバストな自己位置推定を実現する農業ロボット向けナビゲーション手法を提案した。
原題: Resilient Navigation for Autonomous Farm Robots by Leveraging Jerk-Augmented Models with IMU-Only Disturbance Rejection / Batu Candan, Mohammed Atallah, Simone Servadio 他
日本語で読む → - 論文軌道最適化ロボティクス
LieIPM: 剛体の直接軌道最適化のためのリー群内点法
剛体の軌道最適化をリー群上で直接行う構造を考慮したフレームワークを提案し、特異点を回避しつつ高速に収束する内点法を開発した。
原題: LieIPM: Lie Group Interior Point Method for Direct Trajectory Optimization of Rigid Bodies / Sangli Teng, Ruiqi Zhang, Tzu-Yuan Lin 他
日本語で読む → - 論文マニピュレーションロボティクス
IMPACT: 力強いロボット操作のための内部モデル予測制御の学習
力強い操作タスクをタスク計画と内部モデル予測制御に分離するフレームワークを提案し、シミュレーションと実世界で成功率と汎化性を向上させた。
原題: IMPACT: Learning Internal-Model Predictive Control for Forceful Robotic Manipulation / Jiawei Gao, Chaoqi Liu, Peilin Wu 他
日本語で読む → - 論文VLA画像認識
ScoutVLA:オープンワールド具現化質問応答のためのデュアルエキスパートVLAモデルによるUAV中心の能動知覚
UAVが環境を能動的に知覚して質問に答える空中具現化質問応答(EQA)において、証拠探索に必要な微細な視点調整を可能にするベンチマークFG-EQAと、ミツバチのダンスに着想を得たデュアルエキスパート型VLAモデルScoutVLAを提案した。
原題: ScoutVLA: UAV-Centric Active Perception via a Dual-Expert VLA Model for Open-World Embodied Question Answering / Wenhao Lu, Zhengqiu Zhu, Xiaofeng Wang 他
日本語で読む → - 論文VLAロボティクス
視覚-行動ロボットデータの再ラベリングによるタスク堅牢性向上
大規模視覚言語モデルを用いて既存のロボットデータセットを拡張し、追加データ収集なしで指示追従性能と汎化性を向上させるフレームワークTREADを提案した。
原題: Task Robustness via Re-Labelling Vision-Action Robot Data / Artur Kuramshin, Özgür Aslan, Cyrus Neary 他
日本語で読む → - 論文3D再構成/操作軌道合成画像認識
ManiSplat: 単眼ビデオからの操作軌道合成 - 分離型3Dガウシアンスプラッティングによるアプローチ
ロボットの単眼ビデオから、ロボット・物体・背景を分離した3Dガウシアン表現を構築し、操作タスクの軌道を合成するフレームワークを提案した。
原題: ManiSplat: Manipulation Trajectory Synthesis from Monocular Video via Decoupled 3D Gaussian Splatting / Wenhao Hu, Haonan Zhou, Liu Liu 他
日本語で読む →
PR・アフィリエイト広告
