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: 2026/5/29 / 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 → - 論文画像生成画像認識
UniVerse: セグメンテーション不要で多概念を分離可能な統一変調フレームワーク
複数物体を含む画像から、セグメンテーションマスクなしで特定の概念を正確に抽出・操作できる拡散トランスフォーマー向けの統一フレームワークを提案した。
原題: UniVerse: A Unified Modulation Framework for Segmentation-Free,Disentangled Multi-Concept Personalization / Quynh Phung, Sandesh Ghimire, Minsi Hu 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 → - 論文強化学習機械学習
マックスミン基準を用いた制約付き多目的強化学習
複数の目的を公平に扱うマックスミン基準と明示的な制約充足を統合した多目的強化学習フレームワークを提案し、理論的基盤と収束解析、さらに建物熱制御や移動制御、交通管理などのシミュレーションで有効性を示した。
原題: Constrained Multi-Objective Reinforcement Learning with Max-Min Criterion / Giseung Park, Hyunyoung Nam, Woohyeon Byeon 他
日本語で読む → - 論文強化学習機械学習
生存強化学習:スケーラブルな自己教師ありRLに向けて
自己教師ありの対比強化学習の限界を克服するため、目標状態での滞在時間を最大化する分類ベースの生存価値学習フレームワークを提案し、長期的な移動タスクで既存手法を2〜8倍上回る性能を達成した。
原題: Survival Reinforcement Learning: Toward Scalable Self-Supervised RL / Franki Nguimatsia-Tiofack, Fabian Schramm, Théotime Le Hellard 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3D再構成画像認識
基礎特徴量の幾何誘導モデリングによる一般化可能な物体形状変形学習
単眼画像から3D物体形状を復元するため、カテゴリレベルのテンプレートを変形させる枠組みを提案し、基礎特徴量にテンプレートのトポロジーを組み込む幾何誘導機構と視点適応型特徴集約により、未知カテゴリや多視点への頑健な一般化を実現した。
原題: Geometry-Guided Modeling of Foundation Features Enables Generalizable Object Shape Deformation Learning / Yiyao Ma, Kai Chen, Zhongxiang Zhou 他
日本語で読む → - 論文制御理論math.DS
微分平坦システムのα安定性と車両ダイナミクスへのニュートン・ラフソン追従制御の応用
微分平坦な非線形システムのα安定性を解析し、ニュートン・ラフソン追従制御器の適用条件を示した。キネマティック・ユニサイクルとダイナミック・バイシクルモデルで有効性を実証した。
原題: $α$-stability of Differentially Flat Systems with Application to Newton-Raphson Tracking Control for Vehicle Dynamics / Aadila Ali Sabry, Gennaro Notomista
日本語で読む → - 論文深層学習/正則化機械学習
隠れ表現の摂動学習による汎化可能な深層学習
深層ネットワークの中間活性化に対する摂動を統一的に解析し、クラスごとの摂動を学習する手法LPAを提案。バランス分類やロングテール分類、ドメイン汎化で既存手法を上回る性能を示した。
原題: Learning to Perturb Hidden Representations for Generalizable Deep Learning / Hua Li
日本語で読む → - 論文サーベイ機械学習
ワールドモデル:アーキテクチャ、方法論、推論パラダイム、応用に関する包括的サーベイ
環境の構造とダイナミクスを学習する内部シミュレータであるワールドモデルについて、アーキテクチャ、方法論、推論戦略、応用領域の4軸で分類する包括的なサーベイを提供する。
原題: World Models: A Comprehensive Survey of Architectures, Methodologies, Reasoning Paradigms, and Applications / Arif Hassan Zidan, Yi Pan, Hanqi Jiang 他
日本語で読む → - 論文状態追跡機械学習
チェスワールドモデル:チェスの手順からの正確な状態追跡のための1000万ゲームベンチマーク
実際のチェスの手順から到達する盤面状態を正確に予測する大規模ベンチマークを構築し、Transformerとリカレントモデルの状態追跡能力を比較した。
原題: Chess-World-Model: A 10M-Game Benchmark for Exact State Tracking from Chess Move Sequences / Benjamin Walker, Terry Lyons
日本語で読む → - 論文群制御制御
マルチロボットネットワークにおける創発的非エルミートトポロジー
非相反な相互作用をプログラム可能なマルチロボットネットワークを構築し、合成格子上でトポロジカルゼロモードや非エルミート皮膚効果を実験的に実証した。
原題: Emergent Non-Hermitian Topology in Multi-Robot Network / Jielong Zhang, Guiju Duan, Tinggui Chen 他
日本語で読む → - 論文LLMエージェント/セキュリティcs.CR
無害に見えて有害:エージェントスキルにおけるステルスな幻覚誘導のためのニュートラルプロンプト攻撃
LLM駆動のコーディングエージェントが幻覚で存在しないパッケージ名を生成する際、攻撃者がその名前を登録して悪用するサプライチェーンリスクを新たに提案し、無害な指示文が幻覚を増加させる攻撃手法を実証した論文。
原題: Harmless Yet Harmful: Neutral Prompting Attacks for Stealthy Hallucination Steering in Agent Skills / Chia-Yi Hsu, Chia-Mu Yu, Chun-Ying Huang 他
日本語で読む → - 論文VLA画像認識
逆動力学学習による視覚言語行動モデルの状態エイリアシング緩和
視覚言語行動モデルにおいて、視覚的に類似した状態が異なる行動を必要とする問題(状態エイリアシング)を、逆動力学学習を補助目的として導入することで緩和する手法を提案した。
原題: Mitigating State Aliasing in Vision-Language-Action Models via Inverse Dynamics Learning / Kyujin Lee, Injae Kim, Jihwan Park 他
日本語で読む → - 論文動作生成画像認識
Dex2HOI: 器用な両手による二物体インタラクション生成
両手で複数の物体を同時に操作する人間の動作を、テキストから生成する拡散モデルを提案した論文。
原題: Dex2HOI: Dexterous Bimanual Two-Object Interaction Generation / Chrysa Pratikaki, Pablo Ruiz-Ponce, Jiankang Deng 他
日本語で読む → - 論文音声ディープフェイク検出cs.SD
クロスアテンション特徴融合による半真実音声の位置特定を伴う音声ディープフェイク検出
本論文は、一部だけが合成された「半真実」音声を検出し、その改ざん区間を特定する新しいモデルCAFNetを提案する。MFCC、LFCC、Chroma-STFT特徴を並列畳み込みとクロスアテンションで融合し、3値分類と境界回帰を同時に行う。
原題: Audio Deepfake Detection with Half-Truth Localisation Using Cross-Attentive Feature Fusion / S. Sutharya, Remya K. Sasi
日本語で読む → - 論文世界モデルAI
物理的に実行可能な世界モデル:クエリ条件付き身体化AIの事例
身体化AIの世界モデルは、将来の観測予測ではなく、介入クエリに答えるために物理構造を表現すべきであり、観測予測型モデルの物理的誤りを指摘し、モジュール構成とオーケストレータによる設計原理を提案する。
原題: Physically Viable World Models: A Case for Query-Conditioned Embodied AI / Adam J. Thorpe, Stepan Tretiakov, Cheng-Hsi Hsiao 他
日本語で読む → - 論文VLA画像認識
VisualThink-VLA: 視覚的推論による効率的で低遅延な視覚言語行動ポリシー
テキストの思考連鎖に代わる視覚的推論を導入し、行動予測の精度を保ちつつ推論遅延を大幅に削減したVLAポリシーを提案。
原題: VisualThink-VLA: Visual Intermediate Reasoning for Effective and Low-Latency Vision-Language-Action Policies / Mingjian Gao, Wenqiao Zhang, Yuqian Yuan 他
日本語で読む → - 論文コンパイラ最適化AI
PassNet: グラフコンパイラパス生成のための大規模言語モデルのスケーリング
本論文は、LLMを用いてコンパイラのパス(グラフ変換)を自動生成するPassNetを提案し、長尾ワークロードでの性能向上を目指す。大規模データセットとベンチマークを構築し、既存手法より最大3倍の高速化を達成する一方、一貫性の課題を明らかにした。
原題: PassNet: Scaling Large Language Models for Graph Compiler Pass Generation / Yiqun Liu, Yingsheng Wu, Ruqi Yang 他
日本語で読む → - 論文VLAモデル解析AI
VLA-Trace: 表現と行動のトレーシングによる視覚-言語-行動モデルの診断
VLAモデルがマルチモーダル知識を身体制御に変換する過程を、表現ダイナミクスから因果帰属、行動発現まで段階的に診断するフレームワークを提案し、π0.5とOpenVLAの比較分析からモデル間の適応戦略や制御経路の違いを明らかにした。
原題: VLA-Trace: Diagnosing Vision-Language-Action Models through Representation and Behavior Tracing / Haoyuan Shi, Xiancong Ren, Yingji Zhang 他
日本語で読む → - 論文形状再構成画像認識
ParCo-SDF: 変形物体の事前知識なし部分から完全への符号付き距離場学習
点群観測から変形物体の完全な形状を再構成するため、時間的幾何エンコーディングとFiLM条件付きSDF予測からなる2段階フレームワークを提案した。物体固有の形状事前知識を必要とせず、重度のオクルージョン下でも高忠実な再構成を実現する。
原題: ParCo-SDF: Learning Prior-Free Partial-to-Complete Signed Distance Fields of Deformable Objects / Deokmin Hwang, Minseok Song, Daehyung Park
日本語で読む → - 論文画像生成画像認識
GenClaw: コード駆動型エージェントによる画像生成
LLMエージェントがコード(SVG等)で下書きを描き、画像生成モデルで仕上げる、人間の画家のような段階的・制御可能な画像生成手法を提案した論文。
原題: GenClaw: Code-Driven Agentic Image Generation / Junyan Ye, Jun He, Zilong Huang 他
日本語で読む → - 論文マルチエージェントAI
言語モデルエージェントは標準的な行動監査では見えない集団内信頼バイアスを示す
言語モデルエージェントが、任意のグループラベルが可視化されると集団内への信頼行動を偏らせることを発見し、既存の評価手法では検出できないことを示した論文。
原題: Language model agents show in-group trust bias invisible to standard behavioural audits / Messi H. J. Lee
日本語で読む → - 論文安全性/VLM画像認識
画像思考と安全性の交差点:マルチモーダル脱獄耐性を決めるものは何か?
大規模視覚言語モデルにおける画像ツールの明示的利用が脱獄攻撃成功率を約30%低下させることを発見し、そのメカニズムを表現ベクトルの安全性方向へのシフトとして説明した論文。
原題: When Think-with-Image Meets Safety: What Determines Multimodal Jailbreak Robustness? / Yuan Tian, Bing Hu, Fang Wu 他
日本語で読む → - 論文物理シミュレーション/材料設計機械学習
LEIA: インタラクティブなアーキテクチャ材料のための学習環境
実材料の非線形力学を学習し、境界条件を段階的に与えると変形・応力場をリアルタイムに予測するワールドモデルを提案。3次元メッシュを扱い、材料設計の高速探索にも応用できる。
原題: LEIA: Learned Environment for Interactive Architected Materials / Haiqian Yang, Yuan Cao, Markus J. Buehler
日本語で読む → - 論文推薦システム機械学習
感情音楽推薦:オフライン選好最適化のためのロールアウトベース世界モデル
臨床ユーザーを含む感情状態を目的とする音楽推薦システムAMRSを提案し、ロールアウトベースの世界モデルでオフライン学習とストレステストを行い、DPOで選好最適化する手法を実証した。
原題: Affective Music Recommendation: A Rollout-Based World Model for Offline Preference Optimization / Audrey Chan, Aaron Labbé, Jacob Lavoie 他
日本語で読む → - 論文強化学習機械学習
LLM報酬設計が失敗するとき:スパース構造化RLのための診断駆動型改良
スパースで構造化された強化学習タスクにおいて、LLMによる報酬整形を一回生成ではなくデバッグとして捉え、訓練診断と失敗モード分類に基づく反復改良を提案し、DoorKey-8x8やKeyCorridorの成功率を大幅に向上させた。
原題: When LLM Reward Design Fails: Diagnostic-Driven Refinement for Sparse Structured RL / Youting Wang, Yuan Tang, Bowen Liu 他
日本語で読む → - 論文シミュレーションcs.GR
ClothTransformer: 統一潜在空間トランスフォーマーによるスケーラブルな布地シミュレーション
布地シミュレーションを学習された潜在空間での自己回帰シーケンスモデリングとして再定式化し、多様なシナリオを単一モデルで扱える統一トランスフォーマーを提案。従来手法より誤差を約4〜9倍低減し、メッシュ解像度に依存しないスケーラブルな計算を実現した。
原題: ClothTransformer: Unified Latent-Space Transformers for Scalable Cloth Simulation / Yu Zhang, Yidi Shao, Wenqi Ouyang 他
日本語で読む →
PR・アフィリエイト広告
