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: 2026/9/18 / 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VLAロボティクス
少ないステップでより良い行動:VLAポリシーのフローマッチング推論の再考
フローマッチングベースのVLAポリシーにおいて、積分ステップ数を増やす代わりに、軽量なTransformerで終点補正を行うことで、推論コストを削減しつつ成功率を向上させる手法を提案。
原題: Fewer Steps, Better Actions: Rethinking Flow-Matching Inference for VLA Policies / Zhipeng Tang, Xinda Chen, Weining Rao 他
日本語で読む → - 論文VLAロボティクス
SynthDemo-RL:LLM誘導合成デモでVLA適応のゼロ報酬障壁を突破
LLM教師が合成デモを生成し、VLA学生をSFTで蒸留後PPOで微調整することで、人間のデモなしにスパース報酬タスクの成功率を大幅に改善する手法を提案。
原題: SynthDemo-RL: Breaking the Zero-Reward Barrier in VLA Adaptation with LLM-Guided Synthetic Demonstrations / Hiroaki Kingetsu, Hiroaki Kurihara, Kaoru Yokoo 他
日本語で読む → - 論文VLA/安全制御ロボティクス
VLPSA: 学習済みポリシーの全身安全を実現する視覚言語ポアソン安全行動
VLAポリシーのための安全フィルタリング手法VLPSAを提案し、認識データからポアソン安全関数をオンライン合成してCBF-QPで全身と把持物体の衝突回避を実現、再学習なしで安全性を大幅に向上させた。
原題: VLPSA: Vision-Language-Poisson-Safe Actions for Full-Body Safety of Learned Policies / Meg Wilkinson, Emily Fourney, Joel W. Burdick 他
日本語で読む → - 論文VLAロボティクス
必要なときに反応せよ:VLAポリシーのためのイベント駆動型非同期推論
VLAモデルの推論間隔をシーンの変化に応じて動的に調整するイベント駆動型非同期推論を提案し、動作の一貫性と即応性を両立させて実世界タスクで高い成功率を達成した。
原題: React When You Need To: Event-Triggered Asynchronous Inference for VLA Policies / Yansong Wu, Huaqing Li, Tianding Hou 他
日本語で読む → - 論文VLAロボティクス
VLA-Scope: 視覚言語行動モデルのためのシフト対応失敗予測
VLAモデルの分布シフト下での実行失敗を、入力シフトの検出と実行履歴を組み合わせて予測する2段階フレームワークを提案。
原題: VLA-Scope: Shift-Aware Failure Prediction for Vision-Language-Action Models / Kaiwen Zhu, Dongfang Liu, Liangkai Liu
日本語で読む → - 論文VLAロボティクス
ノイズ空間軌道最適化によるワンステップ生成ポリシーの安全なリアルタイム誘導
ワンステップ生成ポリシーの入力ノイズ空間で軌道最適化を行い、衝突回避などの制約を満たしつつリアルタイムにポリシーを誘導する手法INSPOを提案。
原題: Safe Real-Time Policy Steering via Noise-Space Trajectory Optimization for One-Step Generative Policies / Qingyi Chen, Joseph Ruan, Zachary Kingston
日本語で読む → - 論文VLAロボティクス
DPed-VLN:動的歩行者環境における社会的規範に沿った視覚言語ナビゲーションのベンチマーク
歩行者が動く環境での視覚言語ナビゲーションを評価するHabitat 3.0ベンチマークを構築し、歩行者を考慮した強化学習・模倣学習ポリシーDPetを提案した。
原題: DPed-VLN: A Benchmark for Socially Compliant Vision-and-Language Navigation in Dynamic Pedestrian Environments / Haojie Dai, Xiangyi Wang, Liuyi Wang 他
日本語で読む → - 論文VLAロボティクス
GALA: 幾何情報を考慮した潜在行動モデリングによるマルチ身体VLA事前学習
エンドエフェクタの3D幾何運動を統合した潜在行動表現を提案し、多様な身体のデータから細粒度の動作を捉えるVLAモデル事前学習を実現した。
原題: GALA: Geometry-Aware Latent Action Modeling for Vision-Language-Action Model Pretraining across Embodiments / Yichen Liu, Puzhen Yuan, Xiang Zhu 他
日本語で読む → - 論文VLAロボティクス
GeoAAC: VLAポリシーのノイズ除去軌道の幾何に基づく適応的アクションチャンキング
フローベースVLAポリシーにおいて、ノイズ除去軌道の幾何情報から予測信頼性を推定し、追加学習なしでアクションホライズンを適応的に決定する手法を提案。シミュレーションと実機で成功率を改善。
原題: GeoAAC: Geometry-Based Adaptive Action Chunking from Denoising Trajectories in VLA Policies / Xin Chen, Sen Chen, Yujuan Ding 他
日本語で読む → - 論文VLAロボティクス
行動類似性監督による潜在行動モデルの異機体間転移の改善
潜在行動モデルにおいて、真の行動を予測する代わりに行動間の類似性を監督信号として用いることで、異なるロボット間での知識転移性能を向上させる手法を提案した。
原題: Improving Cross-embodiment Transfer in Latent Action Models with Action-Similarity Supervision / Maxime Alvarez, Renzo Caballero, Tatsuya Matsushima 他
日本語で読む → - 論文VLAロボティクス
ただでコンプライアンスを:双方向テレオペレーションによる識別可能なインピーダンスの学習
双方向テレオペレーションで操作者の意図する平衡点と剛性を分離し、追加アノテーションなしで方向依存のコンプライアンスラベルを生成、VLAに姿勢と共に剛性を出力させる手法を提案。
原題: Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation / Harsha Guda, Adrià Colomé, Carme Torras
日本語で読む → - 論文VLAロボティクス
CoRef-GS: マルチエージェント協調型参照3Dガウシアンスプラッティング
複数ロボットが各自構築した3Dガウシアンマップを統合し、言語クエリで対象物を特定する協調型シーン理解フレームワークを提案。
原題: CoRef-GS: Cooperative Referring Gaussian Splatting for Multi-Agent Scene Understanding / Zhikun Zhou, Kunyu Peng, Runyi Yang 他
日本語で読む → - 論文VLAロボティクス
ForeTac-VLA: 接触の多いロボットマニピュレーションのための触覚予測に基づく視覚-言語-行動モデル
未来の触覚状態を予測して行動生成を導く触覚・視覚・言語融合モデルを提案し、接触の多い実世界タスクで高い成功率を達成した。
原題: ForeTac-VLA: A Forecasting-Based Tactile-Vision-Language-Action Model for Contact-Rich Robotic Manipulation / Zhengyu Tao, Xin Li, Xin Wang
日本語で読む → - 論文VLAロボティクス
Co-VLA: 視覚言語行動モデルのためのコンセンサスベース連合学習
ロボットデータを分散したまま、ADMMによるコンセンサス最適化で視覚言語行動モデル(VLA)を連合学習し、集中学習と同等の性能を達成した。
原題: Co-VLA: Consensus-based Federated Training for Vision-Language-Action Models / Haolong Li, Guner Dilsad Er, Michael Muehlebach 他
日本語で読む → - 論文VLAロボティクス
明示的な軌道なしで先読みを学習する3D拡散ポリシー
短い観察履歴から相互作用の進展を潜在表現で先読みし、拡散ポリシーの行動生成を導く手法を提案。パラメータを3.52%増やすだけで複数ベンチマークで性能を大幅改善。
原題: Learning Foresight without Explicit Trajectories for 3D Diffusion Policies / Zhongbo Zhang, Zaibin Zhang, Yifan Wang 他
日本語で読む → - 論文VLAロボティクス
閉ループロボットソフトウェアの学習と転移
コーディングエージェントが生成・最適化した閉ループ制御実装をソフトウェアアーカイブとして再利用し、新規タスクのポリシー獲得に役立つかを検証した。
原題: Learning and Transferring Closed-Loop Robot Software / So Kuroki, Yujin Tang
日本語で読む → - 論文VLAロボティクス
サンプリングベースMPCによる視覚ポリシー学習の加速
サンプリングベースのモデル予測制御と一次勾配ポリシー最適化を組み合わせ、深度画像から歩行・操作ポリシーを効率的に学習し、実機ロボットへゼロショット転移する手法を提案。
原題: Accelerating Visual Policy Learning with Sampling-Based Model Predictive Control / Yilang Liu, Haoxiang You, Qian Wang 他
日本語で読む → - 論文VLAロボティクス
HIL-UMI: ユニバーサルマニピュレーションインターフェースへのVLAモデルのヒューマン・イン・ザ・ループ事後学習の導入
ロボットを使わずにハンドヘルドUMIデモ中に方策を照会し、Energy Scoreで分布外状態を検出してデータ収集を促し、アドバンテージ推定器を更新してVLAモデルを事後学習する枠組みを提案。
原題: HIL-UMI: Bringing Human-in-the-Loop Post-Training of Vision-Language-Action Models to Universal Manipulation Interface / Zimu Han, Yiming Zeng, Jiyao Zhang 他
日本語で読む → - 論文VLAロボティクス
TraceFlow: 成功・失敗トレースで凍結フローマッチング方策を導く
ロボットの成功・失敗ロールアウトの行動密度を進捗整合ガイダンス場に変換し、重みを更新せずに凍結フローマッチングVLA方策の行動生成を補正する手法。実機梱包タスクで成功率が21/50から39/50に向上。
原題: TraceFlow: Guiding Frozen Flow-Matching Robot Policies with Success and Failure Traces / Jiaxuan Zhang, Ruizhe Liu, Yu Zhang 他
日本語で読む → - 論文VLAロボティクス
VLMベースの目標探索における空間・意味的不確かさ:探索と識別のバランス
VLMを用いた目標探索で、位置の空間的不確かさと目標同一性の意味的不確かさを分離して扱い、情報利得に基づく計画で探索と識別のトレードオフを最適化する手法を提案した。
原題: Spatial-Semantic Uncertainty in VLM-Based Target Search: Balancing Exploration and Identification / Alkesh K. Srivastava, Jonathan Diller, Vijay Kumar 他
日本語で読む → - 論文VLAロボティクス
捕まえられるものなら捕まえてみろ:応答性の高いVLAのためのリアルタイムフィードバックデノイジング
拡散型VLAの最終デノイジング段を軽量なフィードバック界面として残し、最新の観測で各行動を実行直前に補正する二時間スケール構成を提案し、動的環境での成功率を大幅に改善した。
原題: Catch Me If You Can: Real-Time Feedback Denoising for Responsive VLAs / Yiheng Ji, Xingru Zhou, Luis Sentis 他
日本語で読む → - 論文VLAロボティクス
EmbodiedMind: 効率的な身体性知能のための適応的データキュレーションとプレフィックス木強化学習
身体性基盤モデルの学習において、低情報サンプルの除去、タスク間のバランス調整、長期的計画におけるクレジット割り当て問題を解決するため、RSFT、IR-GRPO、Trie-GRPOを組み合わせた効率的な訓練パラダイムを提案。
原題: EmbodiedMind: Adaptive Data Curation and Prefix-Tree Reinforcement Learning for Efficient Embodied Intelligence / Feifan Wang, Zongbing Zhang, Yu Zhang 他
日本語で読む → - 論文VLA画像認識
産業用物体検出における人間可読なXAIのための視覚言語モデル適応
産業製造ラインの物体検出において、非専門家向けに直感的な説明を生成する視覚言語モデルを微調整し、XAIインターフェースを構築した。
原題: Adapting Vision-Language Models for Human-Readable XAI in Industrial Object Detection / Sarvenaz Sardari, Freddy Fernandes, Samarth Yelvande 他
日本語で読む → - 論文VLAロボティクス
VA-Bench:視覚実演・能動的知覚・メートル制御による身体性空間知能の評価
RGB実演から手順を学び、カメラ視点を能動的に選び、メートル単位の動作指令を出してフィードバックで修正する「観察-推論-行動-修正」ループを評価するベンチマークVA-Benchを提案。最良モデルでもタスク成功率は約54%にとどまることを示した。
原題: VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control / Zhongbo Zhang, Jiayi Jin, Yifan Wang 他
日本語で読む → - 論文VLA画像認識
パッチ除去後も持続する視覚言語行動ポリシーへの敵対的影響
VLAポリシーへの敵対的パッチが除去後も持続する状態効果を引き起こすことを示し、状態復元プロトコルで即時影響と持続影響を分離して評価した。
原題: Beyond Patch Removal: Persistent Adversarial Effects in Vision-Language-Action Policies / Enhao Wu, Fusen Guo, Yuxin Cao 他
日本語で読む → - 論文VLAロボティクス
MoWAM: 効率的なワールドアクションモデルのための明示的な将来運動予測
将来の動画生成をロボット運動の予測に置き換えることで、推論時の計算コストを抑えつつ分布シフトへの頑健性を高めたワールドアクションモデルを提案。
原題: MoWAM: Explicit Future Motion Prediction for Efficient World Action Models / Jiayu Wang, Bin Zhu, Yue Yu 他
日本語で読む → - 論文VLAロボティクス
オフライン隠れ状態蒸留による強剪定VLAモデルの復元
幅方向の構造的剪定で縮小したVLAモデルを、教師モデルの隠れ状態をオフラインで蒸留することで、オンライン強化学習なしに性能を大幅に回復させる手法を提案。
原題: Recovering Aggressively Pruned Vision-Language-Action Models with Offline Hidden-State Distillation / Chiyoung Kim, Sanghyuk Roy Choi, Minhyeok Lee
日本語で読む → - 論文VLAロボティクス
StageGuard: エージェント蒸留による長期的ロボットタスクの段階遷移学習
大規模VLMの推論を蒸留した軽量モデルで、長期ロボットタスクにおけるサブタスク完了判定とスキル切替を高精度かつ低遅延で行うフレームワークを提案。
原題: StageGuard: Learning Stage Transitions for Long-Horizon Robot Tasks via Agentic Distillation / Jinbang Huang, Yuanzhao Hu, Zhiyuan Li 他
日本語で読む → - 論文VLAロボティクス
Navi-Agent: 位置推定不要の単眼ナビゲーションエージェント
座標や幾何学的な自己位置推定を使わず、視覚観測と移動履歴からナビゲーション用トポロジーを構築し、ゼロショットで長期的な視覚言語ナビゲーションを実現するエージェントを提案した。
原題: Navi-Agent: Unlocalized Monocular Navigation Agent / Wenyuan Xie, Mengyang Hong, Yongzhong Wang 他
日本語で読む → - 論文VLAロボティクス
V2-STRep: 生成動画から再利用可能なロボットスキルを獲得するVLM基盤の構造化タスク表現
生成動画から得た運動をVLMで構造化し、点・軸・平面・6D姿勢などの幾何情報として表現することで、シーンを跨いで再利用可能なロボットスキルをゼロショットで獲得するフレームワークを提案。
原題: V2-STRep: VLM-Grounded Structured Task Representations for Reusable Robot Skills Acquired from Generated Videos / Yexin Hu, Dongheui Lee
日本語で読む →
PR・アフィリエイト広告
