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: 2026/6/1 / 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 →- 論文シミュレーションロボティクス
JoyAI-Sim: 具現化データピラミッドのためのシミュレーション対応相互変換ツールチェーン
実ロボットのデータ収集と評価の限界を補うため、シミュレーションを介してロボットと人間のデータを相互変換するツールチェーンを提案し、評価とデータ生成のスケーラビリティを向上させる。
原題: JoyAI-Sim: A Simulation-Enabled Interconversion Toolchain for the Embodied Data Pyramid / Peidong Liu, Yongce Liu, Songyan Guo 他
日本語で読む → - 論文VLAロボティクス
潜在誘導フローマッチングによる視覚言語行動ポリシーの改善
視覚言語行動ポリシーに、成功可能性の軌跡を学習する自己誘導型フローマッチングを導入し、外部批評家なしで最良の行動選択を可能にする手法を提案した。
原題: Potential-Guided Flow Matching for Vision-Language-Action Policy Improvement / Yunpeng Mei, Jiakai He, Hongjie Cao 他
日本語で読む → - 論文自動運転ロボティクス
マルチモーダル不確実性下での優先順位付きSTL仕様による自動運転
自動運転車の軌道計画において、安全性や交通規則などの複数の要件を優先順位に基づいて扱い、周囲の不確実性を考慮したフレームワークを提案した。MPPI制御を用いてシミュレーションで有効性を示した。
原題: Autonomous Driving with Priority-Ordered STL Specifications Under Multimodal Uncertainty / Taha Bouzid, Shuhao Qi, Mircea Lazar 他
日本語で読む → - 論文模倣学習ロボティクス
WARP-RM: ワープ拡張相対進行報酬モデルによるデータキュレーション
成功デモから時間ワープ拡張を用いて自己教師ありでフレームごとの相対進行報酬を学習し、模倣学習のデータ品質を向上させる手法を提案。
原題: WARP-RM: A Warp-Augmented Relative Progress Reward Model for Data Curation / Justin Yu, Andrew Goldberg, Kavish Kondap 他
日本語で読む → - 論文マニピュレーションロボティクス
オブジェクト中心の世界モデルと拡散ポリシーの統合:多段階ロボットタスクのための階層的フレームワーク
多段階のロボット操作タスクを解決するため、高レベル世界モデルで実行時に実現可能なサブゴールを計画し、低レベル拡散ポリシーで実行する階層的フレームワークWorldDPを提案した。
原題: Unifying Object-Centric World Models and Diffusion Policy: A Hierarchical Framework for Multi-Stage Robotic Tasks / Raktim Gautam Goswami, Prashanth Krishnamurthy, Yann LeCun 他
日本語で読む → - 論文VLAロボティクス
密な身体化チェーン・オブ・ソート監視による視覚言語行動モデルの訓練
ロボット間の転移を改善するため、視覚言語モデルに密な身体化チェーン・オブ・ソート(ECoT)監視を導入し、推論時にはECoT生成をスキップできるデュアルストリームアーキテクチャのVLAモデルZR-0を提案した。
原題: Training Vision-Language-Action Models with Dense Embodied Chain-of-Thought Supervision / Haoyang Li, Guanlin Li, Youhe Feng 他
日本語で読む → - 論文視点制御画像認識
どこを見るべきか:基礎モデルは能動的探索を通じて目標視点に到達できるか?
エージェントが3D環境内で能動的に視点を調整し、目標画像と一致する観測を得る「目標視点再現」タスクを導入し、ベンチマークTVRBenchを構築。既存モデルの成功率は低く、訓練フレームワークで改善を試みた。
原題: Where to Look: Can Foundation Models Reach a Target Viewpoint Through Active Exploration? / Liyang Li, Muzhi Zhu, Zhiyue Zhao 他
日本語で読む → - 論文世界モデル機械学習
BRo-JEPA: 潜在空間におけるモジュラー変換の学習
視覚入力から代数規則を学習できるかという問いに対し、算術演算を潜在空間での回転として表現する世界モデルBRo-JEPAを提案し、未学習の演算へのゼロショット汎化を達成した。
原題: BRo-JEPA: Learning Modular Transformations in Latent Space / Divyansh Jha, Yuanfang Xie, Brennen Yu 他
日本語で読む → - 論文強化学習/生成的ポリシー機械学習
ラグランジアン摂動拡散ステアリング:生成的ポリシーのための潜在強化学習
凍結した生成的ポリシーに対し、ノイズ空間の小さな摂動を学習して性能を改善する軽量適応手法LP-DSを提案。ロボット操作や移動、器用操作のベンチマークで成功率と報酬を向上させた。
原題: Lagrangian Perturbation Diffusion Steering: Latent Reinforcement Learning for Generative Policies / Hikmet Simsir, Ozgur S. Oguz
日本語で読む → - 論文世界モデリング画像認識
対話型ビデオ世界モデリングに向けて:フロンティア、課題、ベンチマーク、将来動向
本論文は、ユーザーのアクションを条件としたビデオや3D生成による対話型世界モデリングの研究動向、技術的課題、評価ベンチマークを体系的にレビューし、将来の研究方向を提案する。
原題: Towards Interactive Video World Modeling: Frontiers, Challenges, Benchmarks, and Future Trends / Jiuming Liu, Chaojun Ni, Mengmeng Liu 他
日本語で読む → - 論文モデルベース強化学習機械学習
すべてのモデルは誤り、どこが誤りかを知ることが有用:強化学習におけるモデル不確実性について
モデルベース強化学習におけるモデルの不正確さを扱う枠組みを提案し、不確実性を適切に扱うことでモデルの悪用を防ぎ、ハードウェア上での直接学習や安全な探索の成功を示した。
原題: All Models are Wrong, Knowing Where is Useful: On Model Uncertainty in Reinforcement Learning / Bernd Frauenknecht, Devdutt Subhasish, Artur Eisele 他
日本語で読む → - 論文科学発見AIAI
科学のための自己改訂発見システム:エージェント型人工知能の圏論的枠組み
科学における発見を、証拠や操作の型を変える「表現体制の改訂」として捉え、圏論を用いて定式化した。材料科学のエージェント型発見システムを構築し、タンパク質力学モデルの改訂例で実証した。
原題: Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence / Fiona Y. Wang, Markus J. Buehler
日本語で読む → - 論文心的状態推論AI
MindClaw: 精密介入のための閉ループ具現化心的状態推論
ロボットが他者の心的状態をリアルタイムに推論し、必要な時だけ介入する閉ループフレームワークMindClawを提案した。
原題: MindClaw: Closed-Loop Embodied Mental-State Reasoning for Precision Intervention / Ruoxuan Zhang, Qiaoqiao Wan, Zhengguang Wang 他
日本語で読む → - 論文戦略的機械学習機械学習
部分的な公平性認識:戦略的エージェントのための信念誘導型戦略メカニズム
戦略的機械学習における公平性制約の公開と隠蔽のジレンマを緩和するため、公平性制約の候補集合を公開し基底制約を隠す部分的な公平性認識問題を提案し、エージェントが信念を更新しながら適応するメカニズムを導入した。
原題: Partial Fairness Awareness: Belief-Guided Strategic Mechanism for Strategic Agents / Xinpeng Lv, Chunyuan Zheng, Yunxin Mao 他
日本語で読む → - 論文アライメント機械学習
大規模言語モデルは集約された人間の好みではなく、個別化された好みを学習すべきである
本論文は、大規模言語モデルのアライメントにおいて、多様な人間の好みを単一の報酬信号に集約するのではなく、個人ごとの好みを学習すべきだと主張するポジションペーパーである。
原題: Large Language Models Should Learn Personalized Rather Than Aggregated Human Preferences / Cristina Garbacea
日本語で読む → - 論文世界モデル画像認識
物理的に制御可能な世界モデルによる物理的物体理解
部分観測から物体の物理的構造や相互作用の法則を学習する確率的ワールドモデルを提案し、物体の抽出や3D操作、物理関係の計算を実現した。
原題: Physical Object Understanding with a Physically Controllable World Model / Rahul Venkatesh, Klemen Kotar, Lilian Naing Chen 他
日本語で読む → - 論文公正性/分類機械学習
独立操作を超えて:ピア模倣を考慮した個人公正性重視の戦略的分類
エージェントが特徴を操作して有利な判定を得る戦略的分類において、個人公正性を考慮し、周囲の承認されたピアを模倣する操作をモデル化する新しい枠組みを提案した。
原題: Beyond Independent Manipulation: Individual Fairness-aware Strategic Classification with Peer Imitation / Xinpeng Lv, Chunyuan Zheng, Yunxin Mao 他
日本語で読む → - 論文ビデオ理解画像認識
ビデオ複雑度の属性ベース尺度
ビデオと質問のペアに対するビデオLLMの失敗確率として複雑度を定義し、参照データセットと属性語彙を用いて非パラメトリックに推定する新しい尺度VideoABCを提案した。
原題: An Attribute-Based Measure of Video Complexity / Aditya Sarkar, Yi Li, Zihao Wang 他
日本語で読む → - 論文共創AIAI
相互作用中心の知能:人間とAIの共創に関する相互作用ベースの理論に向けて
従来のAI研究が個体の計算に焦点を当ててきたのに対し、この論文は知能が相互作用から生まれると主張し、人間とAIの共創を分析する枠組み「相互作用中心の知能」を提案する。
原題: Interaction-Centered Intelligence: Toward an Interaction-Based Theory of Human-AI Co-Creation / Nicholas Davis
日本語で読む → - 論文VLA画像認識
DeepLatent: 並列潜在視覚推論による画像思考
視覚言語モデルにおいて、画像を中間推論ステップに埋め込む「画像で考える」パラダイムを強化するため、並列に潜在視覚状態を生成するフレームワークDeepLatentを提案した。
原題: DeepLatent: Think with Images via Parallel Latent Visual Reasoning / Dongchen Lu, Zhimo Li, Mao Shu 他
日本語で読む → - 論文オフライン強化学習機械学習
行動不変なタスク表現学習とTransformer基盤の世界モデルによるオフラインメタ強化学習
オフラインメタ強化学習におけるコンテキストとポリシーの分布シフト問題を解決するため、情報理論に基づくタスク表現学習とTransformer型確率的世界モデルを統合したフレームワークを提案した。
原題: Behavior-Invariant Task Representation Learning with Transformer-based World Models for Offline Meta-Reinforcement Learning / Fuyuan Qian, Menglong Zhang, Song Wang 他
日本語で読む → - 論文VLM/ベンチマーク画像認識
RoboStressBench: 身体化シーンにおける物理的視覚ストレスに対するVLMロバスト性のベンチマーク
視覚言語モデル(VLM)の実環境でのロバスト性を評価するため、物理的レンダリング方程式に基づき、視覚ストレスを材料・視点・照明・幾何の4次元に分解したベンチマークRoboStressBenchを提案した。
原題: RoboStressBench: Benchmarking VLM Robustness to Physical Visual Stress in Embodied Scenes / Leyi Wu, Yifan Zhao, Jinjie Zhang 他
日本語で読む → - 論文マルチモーダルエージェント画像認識
マルチモーダルエージェントのためのタスク焦点型記憶
マルチモーダルエージェントが環境から得る膨大な情報の中から、将来のタスクに有用な記憶を選択的に保持するための強化学習ベースのフレームワークTaskMemを提案する。
原題: Task-Focused Memorization for Multimodal Agents / Tao Zou, Yichen He, Tian Qiu 他
日本語で読む → - 論文マルチエージェント強化学習cs.MA
他者の夢を見る:マルチエージェント強化学習における世界モデル内の潜在チームメイトモデリング
協調型マルチエージェント強化学習において、チームメイトの内部方策や意図を世界モデル内で潜在変数としてモデル化し、心の理論ヘッドで推論することで、多様な協調相手への適応を可能にするアーキテクチャを提案した。
原題: Dreaming Of Others: Latent Teammate Modeling In World Models For Multi-Agent Reinforcement Learning / Tomas Leroy-Stone
日本語で読む → - 論文VLAAI
視覚言語行動モデルにおける閉ループ神経活性制御
視覚言語行動モデルのテスト時介入を固定係数から適応的な閉ループ制御に変え、タスク成功率と概念制御の安定性を向上させる手法を提案した。
原題: Closed-Loop Neural Activation Control in Vision-Language-Action Models / Abhijith Babu, Ramneet Kaur, Nathaniel D. Bastian 他
日本語で読む → - 論文制御理論制御
期待値最大化としての一般化モデル予測経路積分制御
MPPI制御を確率的最適制御の推論問題に対するEMアルゴリズムの特殊ケースとして解釈し、ガウス分布以外にも拡張した一般化フレームワークを提案し、収束性を解析した。
原題: Generalized Model Predictive Path Integral Control as Expectation--Maximization / Jiarui Wang, Sina Sharifi, Mahyar Fazlyab
日本語で読む → - 論文ベンチマーク/地理的位置特定画像認識
ERGeoBench:マルチモーダル大規模言語モデルにおける身体化推論と地理的位置特定のための包括的ベンチマーク
身体化された地理的位置特定能力を評価する新しいベンチマークERGeoBenchを提案し、現在のMLLMが高レベルの地理的意味は推論できるが、細かい知覚や空間的一貫性に課題があることを示した。
原題: ERGeoBench:A Comprehensive Benchmark for Embodied Reasoning and Geo-localization in Multimodal Large Language Models / Kaiwen Xue, Tao Wei, Guoxin Zhang 他
日本語で読む → - 論文行動認識画像認識
Ego-METAS: 自己中心視点のオンライン・マルチモーダル・省エネルギー時系列行動分割ベンチマーク
身体化エージェントのための、エネルギー予算を考慮したオンライン時系列行動分割の初のベンチマークを提案し、複数モダリティの動的センサ選択の重要性を示した。
原題: Ego-METAS: Egocentric online Multimodal Energy-efficient Temporal Action Segmentation benchmark / Maria Santos-Villafranca, Jesus Bermudez-cameo, Alejandro Perez-Yus 他
日本語で読む → - 論文材料識別cs.ET
GaMi: 幾何学に依存しない材料識別のためのクロスモーダル減算的切り離し
ミリ波と音響センサを統合し、幾何学的変動の影響を除去して材料を識別するシステムを提案。クロスモーダルな減算的切り離しと対照学習により、未知の幾何条件でも高精度を実現。
原題: GaMi: Geometry-Agnostic Material Identification via Cross-Modal Subtractive Disentanglement / Zhiwei Chen, Yijie Li, Yimo Zhang 他
日本語で読む → - 論文Transformer解釈性機械学習
位置型注意ヘッドと記号型注意ヘッド:学習ダイナミクス、RoPE幾何、長さ一般化
Transformerの注意ヘッドが位置推論と記号推論でどのように役割分担するかを、制御されたタスクで学習ダイナミクスを解析し、RoPEに基づく理論的構成と長さ一般化の差異を明らかにした論文。
原題: Positional versus Symbolic Attention Heads: Learning Dynamics, RoPE Geometry, and Length Generalization / Felipe Urrutia, Juan José Alegría, Cinthia Sanchez Macias 他
日本語で読む →
PR・アフィリエイト広告
