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: 2026/6/8 / 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 →- 論文器用操作/模倣学習ロボティクス
DexPIE: 実世界経験からの安定した器用なポリシー改善
実世界展開で収集した経験を用いて、器用な操作ポリシーを事後訓練で改善するフレームワークを提案。介入システムとDAgger風データ収集、相対行動空間での非同期推論、連続最適性指標による条件付けで、デモデータのみのポリシーより成功率を37%向上させた。
原題: DexPIE: Stable Dexterous Policy Improvement from Real-World Experience / Ruizhe Liao, Wenrui Chen, Liangji Zeng 他
日本語で読む → - 論文イベントカメラ/姿勢推定画像認識
イベントカメラによる絶対姿勢と速度推定のための幾何学的フレームワーク
イベントカメラのストリームから3Dラインとイベント平面の幾何学的制約を用いて、絶対姿勢と速度を同時に推定する新しい幾何学的フレームワークを提案した。
原題: A Geometric Framework for Absolute Pose and Velocity Estimation with Event Cameras / Zibin Liu, Shunkun Liang, Banglei Guan 他
日本語で読む → - 論文触覚ロボティクス
イベントベース光触覚センサによる高密度力推定
イベントベースの光触覚センサを用いて、3次元の高密度力場を再構成する初のフレームワークを提案。イベントデータから表面変位を推定し、逆有限要素法で力に変換する。
原題: Dense Force Estimation with an Event-based Optical Tactile Sensor / Agis Politis, René Zurbrügg, Valentina Cavinato
日本語で読む → - 論文マニピュレーションロボティクス
GHOST: ロボット操作の汎化を実現する階層的サブゴールポリシー
多視点RGB-D観測から3Dエンドエフェクタのポーズを予測する高レベルポリシーと、その目標を達成する低レベルコントローラを組み合わせた階層的枠組みを提案し、操作タスクの汎化性能を向上させた。
原題: GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation / Sriram Krishna, Ben Eisner, Haotian Zhan 他
日本語で読む → - 論文医療AI/マルチモーダル画像認識
XMedFusion: 自律医療システムのための知識誘導型マルチモーダル知覚・推論フレームワーク
放射線科レポート生成を強化するため、視覚エージェントと知識グラフ構築、検索支援ドラフト、合成エージェントを組み合わせたモジュール型AIフレームワークを提案し、胸部X線データセットで既存モデルより高い性能を示した。
原題: XMedFusion: A Knowledge-Guided Multimodal Perception and Reasoning Framework for Autonomous Medical Systems / Hamza Riaz, Arham Haroon, Maha Baig 他
日本語で読む → - 論文ケアロボティクスロボティクス
基盤モデルを用いたロボットの患者・高齢者ケアへの応用の探求
この論文は、基盤モデルを搭載したケアロボットの設計、ユーザー体験、ケア成果のエビデンスをレビューし、現状の限界と将来の研究方向性を提案している。
原題: Exploration of Foundation Model-Based Robots in Patient and Elderly Care / Zhiwen Qiu, Wei Liu, Yuexing Hao
日本語で読む → - 論文VLA/障害回復ロボティクス
ReCoVLA: VLMガイドによる報酬生成で視覚言語行動ポリシーの障害回復を実現
事前学習済みのVLAポリシーを凍結し、外部VLMで障害モードと回復段階を推定して報酬を構成することで、シミュレーションでの残差ポリシー訓練と実機へのゼロショット転送を行う障害回復フレームワークを提案した。
原題: ReCoVLA: VLM-Guided Reward Compilation for Failure Recovery in Vision-Language-Action Policies / Haodi Hu, Chung-Ta Huang, Jing Liu 他
日本語で読む → - 論文VLA画像認識
多様な経験によるスケーリング:視覚言語行動モデルのための手法
視覚言語行動モデルの実世界展開における課題を解決するため、意図分離アルゴリズムと類似サンプル誘導型強化学習を導入し、ロボットタスクとマルチモーダルベンチマークで優れた性能を達成した。
原題: Scaling by Diversified Experience for Vision-Language-Action Models / Leiyu Wang, Zhaofengnian Wang, Xueqi Li 他
日本語で読む → - 論文運動推定画像認識
非同期微分SfMによる全自由度運動推定のための最小解法
イベントカメラの非同期データから、角速度と線速度を同時に推定する全自由度の自己運動推定フレームワークを提案し、5点を用いた最小解法を初めて導出した。
原題: Minimal Solvers for Full-DoF Motion Estimation from Asynchronous Differential SfM / Shuo Pan, Banglei Guan, Bin Li 他
日本語で読む → - 論文VLAロボティクス
iMaC: 動作と接触画像への変換による具現化ワールドモデル
ロボット操作のための新しい制御パラダイムを提案し、画像をアクション表現として用いることで、従来のベクトルベースのアクションよりも表現力と汎化性を向上させる。
原題: iMaC: Translating Actions into Motion and Contact Images for Embodied World Models / Zhenyu Wu, Xiuwei Xu, Yukun Zhou 他
日本語で読む → - 論文模倣学習ロボティクス
模倣学習のための差分認識検索ポリシー
模倣学習の汎化性能を向上させるため、推論時に訓練データを再利用する半パラメトリックな検索ベース手法DARPを提案。局所近傍構造に基づいて行動を予測し、連続制御やロボット操作で標準的な行動クローニングより15-46%性能が向上した。
原題: Difference-Aware Retrieval Policies for Imitation Learning / Quinn Pfeifer, Ethan Pronovost, Paarth Shah 他
日本語で読む → - 論文世界モデル画像認識
エコー・メモリ:行動世界モデルにおける記憶の制御研究
行動条件付き世界モデルにおける記憶機構を制御された条件下で比較し、記憶の容量・圧縮・読み出し・再帰の各軸が性能に与える影響を明らかにした研究。
原題: Echo-Memory: A Controlled Study of Memory in Action World Models / Wayne King, Zeyue Xue, Yuxuan Bian 他
日本語で読む → - 論文位置姿勢推定画像認識
仮想点に基づく一般化絶対位置姿勢問題の解法
複数の投影中心を持つカメラシステムの位置姿勢推定を、仮想点を用いて標準PnP問題に変換し、既存のPnPソルバーを一般化姿勢ソルバーとして利用できるようにする手法を提案した。
原題: Virtual-point-based Solutions to Handle Generalized Absolute Pose Problem / Bin Li, Banglei Guan, Shunkun Liang 他
日本語で読む → - 論文VLAロボティクス
MemoryVLA++:視覚言語行動モデルにおける記憶と想像による時間的モデリング
ロボット操作のためのVLAモデルに、作業記憶・エピソード記憶・未来想像の仕組みを組み込み、長期的な時間依存タスクを可能にするフレームワークを提案した。
原題: MemoryVLA++: Temporal Modeling via Memory and Imagination in Vision-Language-Action Models / Hao Shi, Weiye Li, Bin Xie 他
日本語で読む → - 論文世界モデル解釈機械学習
一つのレンズ、多様な世界:世界モデルの解釈可能性のための能力型インターフェース
異なるアーキテクチャの世界モデルを統一的に解釈するための、能力型アダプタを備えたオープンソース基盤WorldModelLensを提案する論文。
原題: One Lens, Many Worlds : A Capability-Typed Interface for World-Model Interpretability / Bhavith Chandra Challagundla, Sanskar Pandey, Param Thakkar 他
日本語で読む → - 論文強化学習機械学習
密度輸送によるフローマッチングポリシーの強化学習
フローマッチングポリシーを強化学習で微調整する新しいアルゴリズムRLDTを提案。最大エントロピーRL目的とSVGDを用いて輸送場を構築し、期待ターゲット推定で安定学習を実現。
原題: Reinforcement Learning for Flow-Matching Policies with Density Transport / Boshu Lei, Kostas Daniilidis, Antonio Loquercio
日本語で読む → - 論文強化学習/空中マニピュレーション機械学習
文脈的対比メタ強化学習による自律空中マニピュレーション
クワッドローターが多様なペイロードを自律的に把持・輸送・配送するための、文脈エンコーダと対比学習を組み合わせたメタ強化学習手法を提案。シミュレーションのみで訓練し、実機へ直接展開可能。
原題: Autonomous Aerial Manipulation via Contextual Contrastive Meta Reinforcement Learning / Lixuan Jin, Bingxuan Lan, Xinyi Bao 他
日本語で読む → - 論文ヒューマノイド制御ロボティクス
EgoPriMo: 対話型ヒューマノイド制御のための自己中心視点動作生成
自己中心視点の人間デモから全身動作の事前分布を学習し、テキスト指示に基づいて動作の再構築・生成・予測を行う統一フレームワークを提案した。
原題: EgoPriMo: Egocentric Motion Generation for Interactive Humanoid Control / Haoyang Ge, Peng Ren, Yukun Shi 他
日本語で読む → - 論文触覚/操作ロボティクス
RGB-S: 画像整合型触覚サリエンシによる堅牢な器用操作
視覚が遮蔽された状況でも、触覚センサ位置を画像平面に投影し、力変調ガウス分布で空間的不確実性をモデル化して視覚特徴に統合することで、器用操作の成功率を大幅に向上させる手法を提案した。
原題: RGB-S: Image-Aligned Tactile Saliency for Robust Dexterous Manipulation / Shengcheng Luo, Kefei Wu, Xiaoying Zhou 他
日本語で読む → - 論文マニピュレーションロボティクス
GraspFoM: 3D基盤モデルを用いた再構成駆動型ロボット把持
3D基盤モデル(SAM3D)を活用し、物体の再構成と把持姿勢予測を共有の3D潜在表現で統合するフレームワークを提案。再構成による幾何情報と把持学習の相互作用で、部分観測下でも高精度な把持と高忠実度な3D再構成を実現した。
原題: GraspFoM: Towards Reconstruction-Driven Robotic Grasping with 3D Foundation Priors / Dongli Wu, Xiaobao Wei, Hao Wang 他
日本語で読む → - 論文VLA/ベンチマークロボティクス
SO-101における視覚言語行動モデルのベンチマーク:失敗と回復の分析
低コストロボットSO-101上でVLAモデルと模倣学習を標準化ベンチマークで評価し、失敗分類と回復能力を分析した論文。
原題: Benchmarking Vision-Language-Action Models on SO-101: Failure and Recovery Analysis / Yi Yu, Xinchuan Qiu
日本語で読む → - 論文水中ロボット/強化学習ロボティクス
強化学習を用いた自律型水中ロボットのエンドツーエンドの動作計画と実行に向けて
本論文は、生のセンサーデータからスラスター指令へのエンドツーエンドの深層強化学習アプローチを提案し、高レベル方策と低レベル方策を階層的に組み合わせて水中ロボットの障害物回避と目標到達を実現する。
原題: Towards End to End Motion Planning and Execution for Autonomous Underwater Vehicles Using Reinforcement Learning / Elisei Shafer, Oren Gal
日本語で読む → - 論文VLA画像認識
実世界のストリーミング動画の活用
オフライン動画理解に優れる既存のVLMを、ストリーミング動画の対話・理解に適応させるためのデータセット、訓練手法、デプロイシステム、評価ベンチマークを提案した論文。
原題: Harnessing Streaming Video in the Wild / Dingyu Yao, Shuhuan Gu, Qingyi Si 他
日本語で読む → - 論文遠隔操作ロボティクス
微分可能な制約ベース軌道計画によるリアルタイムで正確な衝突回避遠隔操作
遠隔操作において、ロボットと環境をカプセルと多面体で近似し、微分可能な衝突回避制約を用いた軌道計画を提案。シミュレーションと実機で計算時間の短縮と正確な障害物モデリングを実証した。
原題: Real-Time and Accurate Collision-Free Teleoperation via Differentiable Constraint-Based Trajectory Planning / Max Grobbel, Tristan Schneider, Daniel Flögel 他
日本語で読む → - 論文操作/ロボット学習ロボティクス
ビデオが誤読するとき:探索的操作トレースQAのための読み取りヒューリスティックの閉ループ蒸留
探索的操作の失敗トレースから最小成功アクション連鎖を予測するEMT-QAタスクを提案し、トレースから読み取りヒューリスティックを蒸留してVLMの精度を大幅に向上させる手法を導入した。
原題: When Video Misreads: Closed-Loop Distillation of Reading Heuristics for Exploratory Manipulation Trace QA / Haizhou Ge, Yufei Jia, Yue Li 他
日本語で読む → - 論文VLA画像認識
FiberTune: 視覚言語行動モデルの微調整における行動ファイバー視覚残差の保持
VLAポリシーの行動教師あり微調整で生じる視覚表現の崩壊を防ぐため、行動予測方向を除いた視覚残差を教師モデルに整合させる訓練手法FiberTuneを提案し、シミュレーションと実機で性能向上を確認した。
原題: FiberTune: Preserving Action-Fiber Visual Residuals in Vision-Language-Action Fine-Tuning / Haihao Lin, Xiangsheng Huang, Xiao Yang 他
日本語で読む → - 論文VLA/操作ロボティクス
GEAR-VLA: 汎用ロボット操作のための幾何認識行動表現の学習
VLAモデルの実世界での汎化を改善するため、幾何認識型の行動表現を学習するGEAR-VLAを提案。粗密行動学習、3D特徴の整合、エンボディメント正準化により、未見物体や異なるロボットへの汎化を実現した。
原題: GEAR-VLA: Learning Geometry-Aware Action Representations for Generalizable Robotic Manipulation / Yuan Zhang, Shiqi Zhang, Yedong Shen 他
日本語で読む → - 論文シーングラフ/物理推論ロボティクス
PhysGraph: 物理を考慮した3Dシーングラフによる知覚と推論
RGB-D観測から物体の3D形状と物理特性(質量・関節構造など)を推定し、物理的に一貫したシーングラフを構築するフレームワークを提案。下流タスクとしてアフォーダンス予測や実-to-シミュレーション転送を実証した。
原題: PhysGraph: A Physics-aware 3D Scene Graph for Perception and Reasoning / Haoyu Li, Aaron Thomas, Shuyan Zhou 他
日本語で読む → - 論文マニピュレーションロボティクス
PACT: 拡散ポリシーの身体的操作における自己進化型物理安全性アライメント
事前学習済みの拡散ポリシーを、デモデータや報酬なしで制約適合領域に投影する自己進化型の後処理フレームワークを提案し、安全性違反を平均31.0%削減しつつタスク成功率を30.7%向上させた。
原題: PACT: Self-Evolving Physical Safety Alignment for Diffusion Policies in Embodied Manipulation / Lingxuan Wu, Zijian Zhu, Lizhong Wang 他
日本語で読む → - 論文音声セキュリティcs.SD
勾配反転と変分情報ボトルネックによる話者不変のなりすまし検出の表現学習
話者バイアスによる汎化性能低下を解決するため、話者ラベルなしで話者不変ななりすまし検出を行う教師-学生フレームワークを提案した。
原題: Speaker-Invariant Representation Learning for Spoofing Detection via Gradient Reversal and A Variational Information Bottleneck / Anh-Tuan Dao, Driss Matrouf, Mickael Rouvier 他
日本語で読む →
PR・アフィリエイト広告
