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: 2026/6/3 / 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機械学習
Flash-WAM: モダリティ認識蒸留によるワールドアクションモデルの高速化
ビデオとロボット動作を同時生成するワールドアクションモデルを、モダリティごとに適切な蒸留手法を適用して単一ステップ推論に圧縮し、リアルタイム制御を可能にした。
原題: Flash-WAM: Modality-Aware Distillation for World Action Models / Arman Akbari, Ci Zhang, Arash Akbari 他
日本語で読む → - 論文マニピュレーションロボティクス
四元数関節を用いた新型ケーブル駆動冗長マニピュレータ構成とFABRIKおよび残差強化学習による制御
四元数関節を持つ4セグメント8関節のケーブル駆動冗長マニピュレータを提案し、FABRIKアルゴリズムと残差強化学習を用いて制御する手法を示した。提案構成は従来より広い作業空間を低コストで実現し、残差強化学習が位置・姿勢精度でFABRIKを3桁上回ることを実証した。
原題: A New Quaternion-Joint Cable-Driven Redundant Manipulator Configuration and its Control Through FABRIK and Residual Reinforcement Learning / Tanapath Pornthisan, Thanapat Kemthong, Thanyapisit Kangsathien 他
日本語で読む → - 論文操作画像認識
Dream.exe: ビデオ生成モデルは実行可能なロボット操作を夢見ることができるか?
ビデオ生成モデルが生成した操作映像を物理シミュレータで実行可能なロボット軌道に変換し、実行成功率で物理世界の理解度を評価するフレームワークDream.exeを提案した。
原題: Dream.exe: Can Video Generation Models Dream Executable Robot Manipulation? / Rui Zhao, Kaiming Yang, Jifeng Zhu 他
日本語で読む → - 論文スキル学習ロボティクス
VASO: 物理AIエージェントのための形式的検証可能な自己進化スキル
LLMが生成したロボットスキル契約を、モデル検査による形式的検証と反例に基づくテキスト勾配で自己進化させるフレームワークVASOを提案。未テスト条件下でも時間的安全性を満たすスキルを少数サンプルで獲得できる。
原題: VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents / Yunhao Yang, Neel P. Bhatt, Kevin Wang 他
日本語で読む → - 論文自律科学/プロトコルAI
LAP: 自律科学のためのエージェント-機器間プロトコル
自律科学実験において、AIエージェントと物理機器を接続する標準プロトコル「Lab Agent Protocol (LAP)」を提案し、機器カード、予約、安全フェンス、測定結果スキーマの4つの物理世界プリミティブを導入した。
原題: LAP: An Agent-to-Instrument Protocol for Autonomous Science / Linwu Zhu, Liqiang Gao, Yan Chen 他
日本語で読む → - 論文フェイクニュース検出機械学習
KITE: テキスト・画像・知識グラフを統合する三モーダルトランスフォーマーによるフェイクニュース検出
テキスト、画像、外部知識(Wikidata)を同時に統合する三モーダルフレームワークKITEを提案し、クロスモーダル注意機構で各モダリティの関連性を捉えてフェイクニュースを高精度に検出する。
原題: KITE: A Tri-Modal Transformer Integrating Text, Images, and Knowledge Graphs for Fake News Detection / Kevin Patel, Shashi Bhushan Jha
日本語で読む → - 論文データセットAI
DeepSpeak-Agenticデータセット:人間と具現化AIエージェントの対話記録
人間と具現化AIエージェントの半構造化対話を37時間以上収録したビデオデータセットを構築し、AIエージェントの自動フォレンジック識別や人間とエージェントの相互作用の分析に活用する。
原題: The DeepSpeak-Agentic Dataset / Sarah Barrington, Maty Bohacek, Hany Farid
日本語で読む → - 論文最適化機械学習
WMLLM: 予測してから行動する世界モデルによる自己進化型最適化エージェント
大規模言語モデルを用いて、ブラックボックス最適化の探索効率を高める自己進化型エージェントフレームワークを提案した。候補生成前に有望な方向を予測する世界モデルを組み込み、分子最適化などで高い性能を示した。
原題: WMLLM: Self-Evolving Optimization Agents via Predict-Then-Act World Modeling / Zhongzheng Li, Qingsong Ran, Shikun Feng 他
日本語で読む → - 論文変形物操作/模倣学習ロボティクス
Instant-Fold: 変形物操作のための文脈内模倣学習
単一の人間デモから変形物の多様な操作モードを推論・実行する文脈内模倣学習フレームワークを提案し、シミュレーションのみで訓練し実世界へゼロショット転移する。
原題: Instant-Fold: In-Context Imitation Learning for Deformable Object Manipulation / Yilong Wang, Cheng Qian, Edward Johns
日本語で読む → - 論文ニューラルレンダリング画像認識
MLPスプラッティング:オブジェクト中心のニューラルフィールド
少数の表現力豊かな光場プリミティブを用いてシーンを分解し、フォトリアリスティックな新規視点合成を実現する手法を提案。各プリミティブは局所的なMLPで表現され、RGBのみの教師信号で学習され、オブジェクト単位の編集が可能。
原題: MLP Splatting: Object-Centric Neural Fields / Shinjeong Kim, Yuzhou Cheng, Xin Kong 他
日本語で読む → - 論文ナビゲーション画像認識
EvoMemNav: ゼロショット具現化ナビゲーションのための自己進化型高精細メモリ
観測を細粒度で保持する視覚意味メモリグラフを構築し、予算制約付き粗密探索とサブタスク後のリフレクションによるメモリ更新で、ゼロショットの具現化ナビゲーション性能を向上させた。
原題: EvoMemNav: Efficient Self-Evolving Fine-Grained Memory for Zero-Shot Embodied Navigation / Zuhao Ge, Xiaosong Jia, Chao Wu 他
日本語で読む → - 論文強化学習機械学習
双対優位フィールド:オフライン目標条件付き強化学習のための方策抽出法
双対線形価値モデルから局所的な優位信号を抽出する方策抽出法を提案し、オフライン目標条件付き強化学習の性能を向上させた。
原題: Dual Advantage Fields / Alexey Zemtsov, Maxim Bobrin, Alexander Nikulin 他
日本語で読む → - 論文ナビゲーション画像認識
報酬が見合うときだけ質問する:コストを考慮したオープンエンド対話によるインスタンス目標ナビゲーション
インスタンス目標ナビゲーションにおいて、曖昧な指示を解決するためのオラクルへの質問コストを考慮し、情報利得に基づいて質問タイプと重みを学習し、効率的な対話ナビゲーションを実現する手法を提案した論文。
原題: Ask When It Pays: Cost-Aware Open-Ended Interaction for Instance Goal Navigation / Xunyi Zhao, Sihao Lin, Gengze Zhou 他
日本語で読む → - 論文群制御ロボティクス
角度剛性に基づくマルチロボットの方位のみを用いた姿勢推定
本論文は、時間変動するマルチロボットシステムにおいて、各ロボットの姿勢(向き)を知らなくても、ボディフレーム内の方位から計算した角度を用いて位置を推定し、その後、姿勢を復元する分散型推定器を提案している。
原題: Multi-Robot Bearing-only Pose Estimation via Angle Rigidity / J. Francisco Presenza, Leonardo J. Colombo, Ignacio Mas 他
日本語で読む → - 論文操作学習ロボティクス
静かな操作失敗はどの程度見えるか?シミュレーションロボットエピソードにおける偽成功検出の観測可能性研究
模倣学習のロボット操作において、成功と誤判定されたエピソード(偽成功)が、関節データのみでどれだけ検出可能か、視覚情報がどの程度必要かをシミュレーションで調査した。
原題: How Visible Are Silent Manipulation Failures? An Observability Study of False-Success Detection in Simulated Robot Episodes / Aarav Bedi
日本語で読む → - 論文安全性/行動予測画像認識
VLESA: 人間活動監視のための視覚言語身体化安全エージェント
一人称視点映像から人間の活動を監視し、危険な行動を予測してリアルタイムに安全介入を行うフレームワークを提案。意図に応じて安全性が変わる行動を扱うため、目標条件付き安全Qフィルタを導入した。
原題: VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring / Hanjiang Hu, Yiyuan Pan, Jiaxing Li 他
日本語で読む → - 論文3D生成cs.GR
SymTRELLIS: 対称性を強制するボクセル潜在表現による3D生成
3D生成モデルに任意の点群対称性(回転・鏡映・多面体)を、再学習なしで強制する手法を提案。潜在空間での変換を線形演算子で近似し、ODEステップで速度を対称化する。
原題: SymTRELLIS: Symmetry-Enforced Voxel Latents for 3D Generation / Guangda Ji, Qimin Chen, Qinchan Li 他
日本語で読む → - 論文VLAロボティクス
PointAction: 3D点群をロボット制御の普遍的な行動表現として用いる
ビデオ生成モデルを基盤に、将来のRGBフレームと動的3D点群を同時予測し、その点群の動きを行動デコーダでロボットの実行可能な行動に変換するフレームワークを提案。RGBのみの行動基盤の曖昧さを低減し、限られた行動教師データで異なるタスクやロボットへの転移を実現。
原題: PointAction: 3D Points as Universal Action Representations for Robot Control / Mutian Tong, Han Jiang, Qiao Feng 他
日本語で読む → - 論文LLM計画機械学習
教師あり微調整されたLLMプランナーにおける世界モデル回復の詳細な考察
教師あり微調整がLLMの計画能力を向上させる一方で、モデルが計画問題の世界モデルを内部表現として獲得しているかを解釈可能性実験で検証した論文。
原題: A Close Look At World Model Recovery In Supervised Fine-Tuned LLM Planners / Patrick Emami, Nan Qiang, Peter Graf
日本語で読む → - 論文VLA画像認識
シーンへのダイブ:焦点プラン生成による視覚言語意思決定における知覚ボトルネックの打破
ロボット操作やナビゲーションなどの視覚言語意思決定タスクにおいて、VLMとVLAの知覚ボトルネック(視覚的幻覚)を軽減するため、粗から精への焦点プラン生成法SceneDiverを提案した。
原題: Dive into the Scene: Breaking the Perceptual Bottleneck in Vision-Language Decision Making via Focus Plan Generation / Boyuan Xiao, Bohong Chen, Yumeng Li 他
日本語で読む → - 論文3D再構築画像認識
SimuScene: 単一画像からのシミュレーション対応の構成的3Dシーン再構築
単一画像から物理シミュレーションで安定した3Dシーンを再構築する手法を提案。物理エンジンを生成過程に組み込み、貫通や浮遊などの不安定性を修正信号として利用する。
原題: SimuScene: Simulation-Ready Compositional 3D Scene Reconstruction from a Single Image / Inhee Lee, Sangwon Baik, Sungjoo Kim 他
日本語で読む → - 論文誤情報検出画像認識
見ることが信じることではない ― 検索基盤型動画誤情報検出のベンチマーク
動画の誤情報を検出するため、ウェブ検索で関連動画を探し比較するベンチマークEVID-Benchを構築し、最先端モデルの性能が低いことを示した。
原題: When Seeing Is Not Believing -- A Benchmark for Search-Grounded Video Misinformation Detection / Tao Yu, Yujia Yang, Shenghua Chai 他
日本語で読む → - 論文継続学習/VLAロボティクス
PHASER: 位相認識と意味的経験再生による視覚言語行動モデルの継続学習
視覚言語行動モデルの継続学習における破滅的忘却を防ぐため、操作軌道の位相(サブスキル)に注目した経験再生手法PHASERを提案。位相ごとのメモリ割り当てと忘却リスクに基づく動的優先付けで、LIBEROベンチマークで最大31%の成功率向上を達成した。
原題: PHASER: Phase-Aware and Semantic Experience Replay for Vision-Language-Action Models / Ziyang Chen, Shaoguang Wang, Weiyu Guo 他
日本語で読む → - 論文ナビゲーションロボティクス
3Dアイソビスト世界モデル:都市の見えない幾何学とその創発的な都市横断シグネチャを明らかにする
都市を移動するエージェントのために、建物の見た目ではなく移動可能な空間(ネガティブスペース)を3Dアイソビストとして予測する世界モデルを提案した。マンハッタンとパリで訓練した単一モデルが、都市横断的な空間特徴を創発的に獲得することを発見した。
原題: A 3D Isovist World Model -- Revealing a City's Unseen Geometry and Its Emergent Cross-City Signature / Xuhui Lin, Stephen Law, Nanjiang Chen 他
日本語で読む → - 論文推論システムcs.NE
スパイク言語モデルのためのスパース対応C++ INT8推論:汎用CPU上での実装と評価
スパイク言語モデルの活性化スパース性を活用するC++ CPU推論ランタイムを実装し、INT8量子化とAVX2カーネルにより、汎用CPU上で既存の量子化モデルより高速なデコードを達成した。
原題: Spike-Aware C++ INT8 Inference for Sparse Spiking Language Models on Commodity CPUs / Ting Liu
日本語で読む → - 論文AI安全cs.CY
エージェントの安全性は行動特性ではなく認識論的特性である
AIシステムの安全性は現在の行動だけでなく、学習・適応・自己改善を通じて将来も修正可能性を保てるかという認識論的特性として捉えるべきだと論じ、その概念として「教示可能性」を導入する。
原題: Agentic Safety is an Epistemic Property, Not a Behavioral One / Charles L. Wang, Keir Dorchen, Peter Jin
日本語で読む → - 論文VLA/シミュレーション/人型ロボットロボティクス
LEGS: 具現化ガウススプラッティング世界における遠隔操作不要のVLA微調整による人型ロコ操作
人型ロボットの移動操作タスク向けに、遠隔操作デモなしで合成データを生成し、VLAポリシーを微調整するハイブリッドシミュレータLEGSを提案。3DGS背景とメッシュ前景を組み合わせ、実機で遠隔操作デモと同等以上の性能を達成した。
原題: LEGS: Fine-Tuning Teleop-Free VLAs for Humanoid Loco-manipulation in an Embodied Gaussian Splatting World / Hojune Kim, Timothy Chen, Jiankai Sun 他
日本語で読む → - 論文オドメトリロボティクス
ISOPoT: 点追跡によるイメージングソナーオドメトリ
水中環境でのナビゲーションのために、前方視ソナー画像の点追跡を用いたオドメトリ手法を提案し、実データで従来法を上回る性能を示した。
原題: ISOPoT: Imaging Sonar Odometry by Point Tracking / Jaša Samec, Vid Rijavec, Marko Peljhan 他
日本語で読む → - 論文物体再配置ロボティクス
不確実性ガイドによるLLM支援を活用した棄権対応の個人化物体再配置
家庭環境での物体再配置において、置くべき場所の予測だけでなく、置くべきでない場合の判断も重要です。本研究では、軽量な個人化埋め込みモデルと選択的な大規模言語モデル支援を組み合わせたハイブリッドフレームワークAPOLLOを提案し、不確実性推定に基づいて曖昧な決定のみLLMを呼び出すことで、効率性・プライバシー・推論能力のバランスを実現しました。
原題: Abstention-Aware Personalized Object Rearrangement via Uncertainty-Guided LLM Assistance / Sam Collin, Ali Ayub
日本語で読む → - 論文データ拡張ロボティクス
Pose6DAug: 物理的に妥当な多視点物体交換によるロボットデータ拡張
ロボットの失敗事例に対して、成功エピソードの物体だけを3Dで交換してデータ拡張する手法を提案し、新規物体での成功率を向上させた。
原題: Pose6DAug: Physically Plausible Multi-view Object Swapping for Robot Data Augmentation / Jonghoon Lee, Seong Hyeon Park, Byungwoo Jeon 他
日本語で読む →
PR・アフィリエイト広告
