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: 2026/5/4 / 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 →- 論文点群解析画像認識
近傍均質性制約を用いたチャネルレベル関係の注意集約による点群解析
点群解析において、チャネルレベルの関係性と近傍均質性を利用した新しい注意集約機構を提案し、既存の空間・チャネル注意機構の情報損失を軽減して精度を向上させた。
原題: Channel-Level Relation to Attentive Aggregation with Neighborhood-Homogeneity Constraint for Point Cloud Analysis / Jiaqi Shi, Jin Xiao, Xiaoguang Hu 他
日本語で読む → - 論文ナビゲーション画像認識
ゼロショット具現化ナビゲーションと推論のためのマルチスケールガウス言語マップ
環境の幾何構造と意味構造を捉えるマルチスケールのガウス言語マップを提案し、大規模モデルと統合してゼロショットでナビゲーションと推論を行う。
原題: Multi-Scale Gaussian-Language Map for Zero-shot Embodied Navigation and Reasoning / Sixian Zhang, Yiyao Wang, Xinhang Song 他
日本語で読む → - 論文群制御機械学習
分散データセンター向けのエネルギー管理と連携AIGCワークロードスケジューリング:拡散モデル支援型報酬整形アプローチ
AIGCサービス提供者がデータセンターのエネルギーコストを削減しつつ高品質なコンテンツ生成を保証するため、エネルギー管理とワークロードスケジューリングを統合する枠組みを提案し、報酬のスパース性を拡散モデルによる報酬整形で解決する。
原題: Joint Energy Management and Coordinated AIGC Workload Scheduling for Distributed Data Centers: A Diffusion-Aided Reward Shaping Approach / Yang Fu, Peng Qin, Liming Chen 他
日本語で読む → - 論文セキュリティ機械学習
TRAP: ワールドモデル計画のためのテール認識ランキング攻撃
ワールドモデルの想像軌道のランキング構造を標的としたバックドア攻撃フレームワークTRAPを提案し、計画結果を乗っ取る。
原題: TRAP: Tail-aware Ranking Attack for World-Model Planning / Siyuan Duan, Ke Zhang, Xizhao Luo
日本語で読む → - 論文行動セグメンテーション画像認識
IMPACT-Scribe: 境界スケッチとクエリ計画による対話型時間行動セグメンテーション
手動修正を活用して将来の協調を改善する、手続き動画の高密度ラベリングのための対話型フレームワークを提案。
原題: IMPACT-Scribe: Interactive Temporal Action Segmentation with Boundary Scribbles and Query Planning / Qian Yin, Di Wen, Kunyu Peng 他
日本語で読む → - 論文ナビゲーション画像認識
TrajRAG: 幾何学的・意味的経験の検索によるゼロショット物体ナビゲーション
過去のナビゲーション軌跡をトポロジカル極座標表現で構造化し、階層的チャンクで検索可能にすることで、大規模モデルの推論を強化するゼロショット物体ナビゲーション手法を提案。
原題: TrajRAG: Retrieving Geometric-Semantic Experience for Zero-Shot Object Navigation / Yiyao Wang, Sixian Zhang, Keming Zhang 他
日本語で読む → - 論文世界モデル画像認識
Embody4D: 身体化された4D世界モデリングのための汎用データエンジン
単眼ロボット映像を任意の視点からの新規ビュー映像に変換するビデオ間世界モデルを提案し、データ不足を合成パイプラインで補い、幾何学的安定性と操作領域の忠実度を高める手法を導入した。
原題: Embody4D: A Generalist Data Engine for Embodied 4D World Modeling / Peiyan Tu, Hanxin Zhu, Jingwen Sun 他
日本語で読む → - 論文ビデオ推論画像認識
知覚的ショートカットを超えて:軽量MLLMの汎化ビデオ推論のための因果的着想に基づくデバイアス最適化
軽量マルチモーダル言語モデルにおける強化学習がデータバイアスによる知覚的ショートカットに依存する問題を因果分析で明らかにし、バイアスモデルと反発的目標を用いた2段階デバイアス手法VideoThinkerを提案した。
原題: Beyond Perceptual Shortcuts: Causal-Inspired Debiasing Optimization for Generalizable Video Reasoning in Lightweight MLLMs / Jingze Wu, Quan Zhang, Hongfei Suo 他
日本語で読む → - 論文制御制御
滑らかな回避制約を備えた点群NMPC
非線形モデル予測制御を用いて、滑らかな点群距離指標と制御バリア関数により複雑な環境での目標追跡と障害物回避を実現する手法を提案した。
原題: Point-to-Cloud NMPC with Smooth Avoidance Constraints / Brener G. Ferreira, Vinicius M. Gonçalves, Marcelo A. Santos 他
日本語で読む → - 論文ナビゲーションロボティクス
言語から論理へ:VLMに基づく安全ナビゲーションのための理論的アーキテクチャ
自然言語の安全規則をSignal Temporal Logic (STL)仕様に変換し、Vision-Language Models (VLMs)を用いて屋外環境での自律ナビゲーションを安全に導く理論的アーキテクチャを提案した。
原題: From Language to Logic: A Theoretical Architecture for VLM-Grounded Safe Navigation / Kristy Sakano, Kalonji Harrington, Mumu Xu
日本語で読む → - 論文ナビゲーションロボティクス
LiftNav: TSDF誘導ガウシアンスプラッティングにおけるセマンティックリフティングによる経路計画
未知の屋内環境でロボットが安全に移動するため、TSDFとガウシアンスプラッティングを融合した地図に、物体検出と3Dリフティングを組み合わせたセマンティックナビゲーション手法を提案した。
原題: LiftNav: Path Planning via Semantic Lifting in TSDF-Guided Gaussian Splatting / Hannah Schieber, Dominik Frischmann, Victor Schaack 他
日本語で読む → - 論文ナビゲーションロボティクス
隔離を超えて:汎用ナビゲーションのための統一ベンチマーク
多様なロボット形態と複合的なナビゲーションタスクを統合したベンチマークOmniNavBenchを提案し、既存手法の汎用ナビゲーション能力の限界を明らかにした。
原題: Beyond Isolation: A Unified Benchmark for General-Purpose Navigation / Samson Sun, Tianyi Yang, Tengyue Wang 他
日本語で読む → - 論文自動運転/信頼度キャリブレーションロボティクス
異常情報を活用した視覚ベース安全予測の信頼度キャリブレーション
自動運転レースにおいて、カメラ画像から安全予測を行う際の信頼度を、再構成誤差とダイナミクススコアを融合した温度スケーリングで調整し、テスト時の分布シフトに対する過信を軽減する手法を提案した。
原題: Anomaly-Informed Confidence Calibration for Vision-Based Safety Prediction / Zhenjiang Mao, Jiawen Wu, Gabriel Wagner 他
日本語で読む → - 論文VLAロボティクス
PAPO-VLA: 計画を考慮した視覚言語行動モデルのポリシー最適化
VLAモデルの実行を計画と実行の二役に分解し、計画アクションを特定して重要度を推定し、GRPOの利点推定に組み込むことで、タスク成功に重要な行動を重点的に最適化する手法を提案した。
原題: PAPO-VLA: Planning-Aware Policy Optimization for Vision-Language-Action Models / Peizheng Guo, Jingyao Wang, Changwen Zheng 他
日本語で読む → - 論文模倣学習ロボティクス
データ非対称潜在想像と再ランキングによる3Dロボット模倣学習
低品質な軌跡データを活用するため、3D点群の潜在世界モデルによる想像ロールアウトとタスク完了スコアラによる再ランキングを組み合わせたフレームワークDALI-Rを提案し、模倣学習の成功率を向上させた。
原題: Data-Asymmetric Latent Imagination and Reranking for 3D Robotic Imitation Learning / Lianghao Luo, Xizhou Bu, Ruyan Liu 他
日本語で読む → - 論文VLAロボティクス
FineVLA: 操縦可能な視覚言語行動ポリシーのための細粒度命令整合
ロボットタスクの実行方法に関する細かい指示(腕、方向、接触領域など)をVLAモデルに学習させるためのデータセットとベンチマーク、およびポリシーを構築した。
原題: FineVLA: Fine-Grained Instruction Alignment for Steerable Vision-Language-Action Policies / Xintong Hu, Xuhong Huang, Jinyu Zhang 他
日本語で読む → - 論文VLAロボティクス
NoiseGate: ワールドアクションモデルにおける情報ゲーティングとしての潜在変数毎タイムステップスケジュール学習
ロボットの行動生成と未来観測の予測を統合するワールドアクションモデルにおいて、各潜在フレームのノイズレベル(タイムステップ)を学習可能な情報ゲートとして扱い、行動生成に寄与する信頼性を動的に調整する手法NoiseGateを提案した。
原題: NoiseGate: Learning Per-Latent Timestep Schedules as Information Gating in World Action Models / Wen Huang, Haoran Sun, Yongjian Guo 他
日本語で読む → - 論文制御ロボティクス
変化するポテンシャルを操る:多目的行動におけるリアクティブ制御の十分性
静的ポテンシャル場の限界を指摘し、グラフベースの世界モデルにヌル空間投影を組み込むことで、多目的タスクの競合を状態に応じて動的に解決するリアクティブ制御手法を提案。非凸障害物回避や平面押し操作で高い成功率を示し、実ロボットにも適用可能。
原題: Riding the Shifting Potential: When Reactive Control Suffices for Multi-Goal Behavior / Vito Mengers, Oliver Brock
日本語で読む → - 論文触覚physics.app-ph
皮膚状コンフォーマルセンサによるリアルタイム形状マッピング
伸縮性フィルムに埋め込んだ歪みゲージアレイと力学モデルを用いて、センサ自体の3次元変形をリアルタイムに再構成する皮膚状センサを開発した。
原題: A skin-like conformal sensor for real-time shape mapping / Kaiping Yin, Sooik Im, Chaorui Qiu 他
日本語で読む → - 論文データセットロボティクス
GA3T: 不均一な環境における異種ロボットチームのための地上・空中地形走行可能性データセット
地上ロボットと空中ロボットの協調認識のための実世界データセットを構築し、多様な不整地環境での地形走行可能性評価を可能にした。
原題: GA3T: A Ground-Aerial Terrain Traversability Dataset for Heterogeneous Robot Teams in Unstructured Environments / Siwei Cai, Knut Peterson, Quan Tran 他
日本語で読む → - 論文機構学ロボティクス
リンケージの非横断的分岐の識別
リンケージの特異点と可動性の局所解析において、運動の分岐を分離するための計算手法を提案した論文。
原題: Identification of Non-Transversal Bifurcations of Linkages / Andreas Mueller, P. C. López Custodio, J. S. Dai
日本語で読む → - 論文遠隔操作ロボティクス
視覚ベース遠隔操作のための生成的予測ディスプレイに向けて:既製ビデオモデルのゼロショットベンチマーク
通信遅延による遠隔操作の性能低下を補うため、既製の生成ビデオモデルをゼロショットで用いた短期的な未来フレーム予測のベンチマークを実施し、現状のモデルでは低誤差・非発散・リアルタイム性を同時に満たせないことを示した。
原題: Towards Generative Predictive Display for Vision-Based Teleoperation: A Zero-Shot Benchmark of Off-the-Shelf Video Models / Aws Khalil, Jaerock Kwon
日本語で読む → - 論文群制御ロボティクス
見えないものへの行動:分散型マルチロボットタスク割り当てのための通信不要な協調フィルタリング
通信や事前知識なしで、ロボットチームが公開された結果のストリームから低ランク構造を学習し、未試行のタスクにも適切に行動できる手法を提案した。
原題: Acting on the Unseen: Communication-Free Collaborative Filtering for Decentralized Multi-Robot Task Allocation / Alexander Apartsin, Yigal Meshulam, Yehudit Aperstein
日本語で読む → - 論文3D再構成画像認識
良いトークンの狩り方:視覚幾何学トランスフォーマーにおけるトークン選択の手引き
視覚幾何学トランスフォーマーの計算コストを削減するため、フレーム間・フレーム内の2段階でトークンを選択する手法を提案し、精度を保ちつつ85%以上の高速化を実現した。
原題: Good Token Hunting: A Hitchhiker's Guide to Token Selection for Visual Geometry Transformers / Shuhong Zheng, Michael Oechsle, Erik Sandström 他
日本語で読む → - 論文群制御ロボティクス
マルチロボットシステムの分散制御のためのプロトタイピングフレームワーク
分散制御アルゴリズムを単一コンピュータ上で模擬実行できるプロトタイピングフレームワークを提案し、4台のクアッドローターの位置交換タスクで実証した。
原題: A Prototyping Framework for Distributed Control of Multi-Robot Systems / Junaid Ahmed Memon, Allan Andre Do Nascimento, Kostas Margellos 他
日本語で読む → - 論文経路最適化ロボティクス
GPU加速による多デポ配送経路問題のハイブリッド解法
多デポ配送経路問題(MDVRP)に対して、学習駆動型の交叉と多ペナルティ評価関数を用いた探索フレームワークを統合し、GPU加速とマルチムーブ更新戦略で大規模問題を効率的に解くハイブリッドアルゴリズムを提案した。
原題: A GPU-Accelerated Hybrid Method for a Class of Multi-Depot Vehicle Routing Problems / Zhenyu Lei, Jin-Kao Hao
日本語で読む → - 論文経路計画ロボティクス
磁気ポテンシャル場を用いた自律UAVの安全な3次元経路計画
Maxwell方程式に基づく磁場ポテンシャル場を3次元に拡張し、LiDARボクセルから障害物を考慮したポテンシャル場を予測する畳み込みオートエンコーダを用いて、都市環境でのUAV経路計画を高速化する手法を提案した。
原題: Safe Aerial 3D Path Planning for Autonomous UAVs using Magnetic Potential Fields / Haechan Mark Bong, Giovanni Beltrame
日本語で読む → - 論文群制御制御
動的エージェント参加を伴うマルチエージェント編隊の分散非一様スケーリング制御
編隊の形状を軸ごとに異なる比率でスケーリングしつつ、新しいエージェントを動的に編隊に加えるための分散制御フレームワークを提案した論文。
原題: Distributed Non-Uniform Scaling Control of Multi-Agent Formation with Dynamic Agent Joining / Tao He, Gangshan Jing
日本語で読む → - 論文ヒューマンロボットインタラクションロボティクス
Distill: ロボットとのコミュニケーションにおける真の意図を解明する
ユーザーがロボットに与えたタスク仕様から不要な手順を削除し、各手順の意味を一般化し、順序制約を緩和することで、ユーザーの真の意図を抽出・洗練する手法を提案した論文。
原題: Distill: Uncovering the True Intent behind Human-Robot Communication / Ting Li, David Porfirio
日本語で読む → - 論文データ合成/知覚ロボティクス
車両側LiDARデータセットから新規視点合成による路側LiDARデータセット生成
車両搭載LiDARデータから路側視点のラベル付きLiDARデータセットを合成するフレームワークVRSを提案し、実データ不足を補い路側3D物体検出の性能向上を実証した。
原題: Generating Roadside LiDAR Datasets from Vehicle-Side Datasets via Novel View Synthesis / Yuhan Xia, Runxin Zhao, Hanyang Zhuang 他
日本語で読む →
PR・アフィリエイト広告
