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: 2026/5/1 / 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 →- 論文水中ロボットロボティクス
ラッチ機構を備えたソフト双安定構造による生体模倣水中ロボット
ラッチ機構を統合したソフト双安定アクチュエータを単一モーターで駆動し、非対称なエネルギー入出力を実現して効率的な水中推進と操縦を可能にする小型水中ロボットを提案した。
原題: A Bioinspired Underwater Robot with a Latch-Mediated Soft Bistable Mechanism / Chongze Bi, Wenjie Wu, Zonghao Zuo 他
日本語で読む → - 論文群制御ロボティクス
人間参加型スウォーム:実世界の土壌マッピングのための生体模倣スウォームアプローチ
ロボット実機の代わりに人間をエージェントとして用いる人間参加型スウォームシステムを提案し、土壌マッピングのための探索アルゴリズムを実世界で検証した。
原題: Human-in-the-Loop Swarms: A Bionic Swarm Approach to Real-World Soil Mapping / Petras Swissler, Mohammadali Rashidioun, Nicholas Sahu 他
日本語で読む → - 論文マニピュレーションロボティクス
ハンド・イン・ザ・ループ:シームレスな手と腕の介入による巧みな操作のためのVLAポリシー改善
高自由度ロボットハンドの巧みな操作において、人間の介入時に発生する「ジェスチャージャンプ」を防ぐため、人間の修正意図と自律ポリシー実行をブレンドする介入手法HandITLを提案し、介入ジッタや把持失敗を大幅に低減した。
原題: Hand-in-the-Loop: Improving VLA Policies for Dexterous Manipulation via Seamless Hand-Arm Intervention / Zhuohang Li, Liqun Huang, Wei Xu 他
日本語で読む → - 論文世界モデル画像認識
DiLA: 分離された潜在アクション世界モデル
未ラベル動画から世界モデルを学習する際の、アクション抽象化と生成忠実度のトレードオフを、コンテンツと構造の分離によって解決する新しい潜在アクションモデルを提案した。
原題: DiLA: Disentangled Latent Action World Models / Tianqiu Zhang, Muyang Lyu, Yufan Zhang 他
日本語で読む → - 論文模倣学習/データ生成ロボティクス
模倣学習のための高忠実度合成デモンストレーション生成の原理的アプローチ
3Dガウススプラッティングと動的運動プリミティブを組み合わせ、専門家の軌道構造を保ちつつ多様な合成デモを生成するフレームワークを提案。障害物回避も考慮し、接触を伴う操作タスクの学習に有効なデータを生成する。
原題: A Principled Approach for Creating High-fidelity Synthetic Demonstrations for Imitation Learning / Moniruzzaman Akash, Momotaz Begum
日本語で読む → - 論文VLA/ロボット学習ロボティクス
フローマッチングVLAにおける保守的SFTによる基盤能力の保持
フローマッチング型VLAモデルのファインチューニング時に生じる破壊的忘却を防ぐため、モデルの信頼度に応じて学習信号を動的にスケーリングする保守的教師あり学習(ConSFT)を提案し、LIBEROやRoboTwinベンチマークで既存手法を上回る性能を確認した。
原題: Preserving Foundational Capabilities in Flow-Matching VLAs through Conservative SFT / Tianyi Zhang, Shaopeng Zhai, Haoran Zhang 他
日本語で読む → - 論文UAV探索/経路計画ロボティクス
LMPath: 言語を介した事前知識と経路生成による航空探索
UAVの探索ミッションにおいて、言語モデルと衛星画像を用いて対象物が存在しそうな領域を事前に推定し、その情報に基づいて効率的な飛行経路を生成するパイプラインを提案した。
原題: LMPath: Language-Mediated Priors and Path Generation for Aerial Exploration / Jonathan A. Diller, Fernando Cladera, Camillo J. Taylor 他
日本語で読む → - 論文歩行ロボティクス
地形整合リファレンス誘導RLによる人型ロボットの自律ナビゲーション
人型ロボットの歩行制御を強化学習で訓練する際、地形に合わせて参照軌道を変調し、標準ナビゲーションと互換性のあるSE(2)速度インターフェースを実現。実機で70m以上の長距離自律ナビゲーションを達成した。
原題: Terrain Consistent Reference-Guided RL for Humanoid Navigation Autonomy / William D. Compton, Zachary Olkin, Aaron D. Ames
日本語で読む → - 論文VLA/行動監視ロボティクス
VLAの失敗の仕方はアーキテクチャごとに異なる:ブラックボックス行動監視が明らかにする構造特異的な失敗シグネチャ
VLAアーキテクチャ(VQ-BeT、Diffusion Policy、ACT)がモーターコマンドレベルで異なる失敗パターンを示すことを発見し、アーキテクチャに合わせた監視手法の選択が重要であることを示した。
原題: How VLAs Fail Differently: Black-Box Action Monitoring Reveals Architecture-Specific Failure Signatures / Krishnam Gupta
日本語で読む → - 論文セマンティックセグメンテーション/OOD検出画像認識
セマンティックセグメンテーションにおけるシングルパス画素単位OOD検出のためのエネルギー認識NECO
セマンティックセグメンテーションのためのシングルパス画素単位OOD検出器を提案。NECO幾何比とロジットベースのエネルギーを融合し、精度と効率を両立。
原題: Energy-Aware NECO for Single-Pass Pixel-wise Out-of-Distribution Detection in Semantic Segmentation / Boyuan Zhang, Huanshan Huang, Yifei Cao
日本語で読む → - 論文身体化AI/データセットロボティクス
身体化質問応答を認識から意思決定へ拡張する
身体化環境での認識・推論・相互作用を統合評価する大規模データセットEQA-DecisionとベースラインモデルRoboDecisionを提案した論文。
原題: Extending Embodied Question Answering from Perception to Decision / Xicheng Gong, Qiwei Li, Peiran Xu 他
日本語で読む → - 論文設計最適化ロボティクス
コンポーネント影響度に基づくファスナー削減:ロボット分解可能性を考慮した設計簡素化
CADモデルと接触・接続・制約グラフを用いて、ロボット分解シーケンス計画から部品の影響度スコアを算出し、3Dヒートマップで可視化。影響度の高いファスナーを除去した場合の構造制約や工具交換、移動距離の削減効果をシミュレーションし、設計簡素化の指針を提供する。
原題: Component Influence-Driven Fastener Reduction for Robotic Disassemblability-Aware Design Simplification / Takuya Kiyokawa, Tomoki Ishikura, Shingo Hamada 他
日本語で読む → - 論文力学系学習機械学習
離散オイラー・ラグランジュ方程式による構造保存ガウス過程
離散強制オイラー・ラグランジュ方程式を用いたラグランジュガウス過程(LGPs)を提案し、位置データのみから物理的に一貫した力学系の学習と不確実性定量化を実現した。
原題: Structure-Preserving Gaussian Processes Via Discrete Euler-Lagrange Equations / Jan-Hendrik Ewering, Kathrin Flaßkamp, Niklas Wahlström 他
日本語で読む → - 論文3D視覚グラウンディング画像認識
AgentGrounder: マルチモーダル言語モデルを用いたゼロショット3D視覚点群グラウンディング
色付き点群を直接入力とし、3D学習なしで自然言語による物体位置特定を行うゼロショット3D視覚グラウンディングフレームワークを提案。オフラインで物体テーブルを構築し、オンラインのツール駆動エージェントがクエリを分解して必要な候補だけを検索・評価する。
原題: AgentGrounder: Zero-Shot 3D Visual Pointcloud Grounding using Multimodal Language Models / Cuong Huynh, Maxim Popov, Denis Gridusov 他
日本語で読む → - 論文触覚/サーベイロボティクス
身体化知能における触覚ベースのマルチモーダル融合:視覚・言語・接触駆動パラダイムのサーベイ
触覚と視覚・言語を統合するマルチモーダル触覚融合の研究を包括的に調査し、データセットと手法の階層的分類法を提案した論文。
原題: Tactile-based Multimodal Fusion in Embodied Intelligence: A Survey of Vision, Language, and Contact-Driven Paradigms / Zhixiang Cao, Di Tian, Runwei Guan 他
日本語で読む → - 論文自動運転/リスクマップロボティクス
部分観測環境における自動運転のための統合リスクマップ学習
自動運転における遮蔽によるリスクを、交通流リスクと衝突リスクを統合したリスクマップとしてモデル化・学習し、拡散モデルによる敵対的シナリオ生成も組み合わせて、部分観測下でのリスク認識計画を実現した。
原題: Learning A Unified Risk Map for Autonomous Driving in Partially Observable Environments / Jie Jia, Yaofeng Su, Zeyu Bao 他
日本語で読む → - 論文シミュレーションロボティクス
農業用UAVシミュレータ「Droneulator」:RotorPyとGodot 4によるポータブルな統合環境
農業用UAV研究のためのポータブルなシミュレータを提案。RotorPyで動力学、Godot 4で描画・センサ生成を行い、ROS 2互換パイプラインで統合。3D再構築、局所計画、強化学習の3つのワークフローで検証した。
原題: Droneulator: A Portable UAV Simulator for Agricultural Workflows with RotorPy and Godot 4 / Jacob Swindell, Michael Lowen, Marija Popovic 他
日本語で読む → - 論文地理的定位画像認識
プロトタイプベースの意味的部分発見による天候ロバストなクロスビュー地理的定位
ドローン視点と衛星画像を照合するクロスビュー地理的定位において、天候や高度変化に頑健な軽量ヘッドSkyPartを提案し、最先端の精度を達成した。
原題: Weather-Robust Cross-View Geo-Localization via Prototype-Based Semantic Part Discovery / Chi-Nguyen Tran, Dao Sy Duy Minh, Huynh Trung Kiet 他
日本語で読む → - 論文sim2realロボティクス
浮遊廃棄物回収用ASVにおける統合認識を備えた強化学習制御のSim-to-Real転移とロバスト性評価
浮遊ゴミ回収用の自律水上艇(ASV)に対し、カメラベースの偏光認識と軽量DRL制御を組み合わせ、シミュレーションのみで訓練した制御器を実機に直接適用するシステムを構築し、sim-to-real転移の評価手法と実地試験結果を示した。
原題: Sim-to-Real Transfer and Robustness Evaluation of Reinforcement Learning Control with Integrated Perception on an ASV for Floating Waste Capture / Luis F. W. Batista, Stéphanie Aravecchia, Cédric Pradalier
日本語で読む → - 論文軌道予測ロボティクス
CVAEによるマルチモーダル歩行者軌道予測の改善:ベンチマークとロボットデータの研究
Social-STGCNNにCVAEを組み合わせ、歩行者の多様な未来軌道を確率的に予測する手法を提案し、公開ベンチマークと実ロボット収集データで評価した。
原題: On Improving Multimodal Pedestrian Trajectory Prediction with CVAE: A Study on Benchmark and Robot Data / Yuzhou Liu, Cristina Olaverri-Monreal
日本語で読む → - 論文ナビゲーションロボティクス
MASt3R-Nav: 相対3DマップにおけるWayPixelナビゲーション
画像ペア間の相対3D座標系でのピクセル対応に基づくピクセル相対接続性マップを提案し、これをコストマップとして用いて制御器を訓練することで、高精度な視覚ナビゲーションを実現した。
原題: MASt3R-Nav: WayPixel Navigation in Relative 3D Maps / Vansh Garg, Rohit Jayanti, Krish Pandya 他
日本語で読む → - 論文連続体ロボットロボティクス
回転リング対を用いた力応答を調整可能な磁気連続体ロボットの設計
外部磁場を制御せずに先端の磁気応答をオンライン調整できる新しい連続体ロボットを提案し、最大33.8mmのたわみと高精度なモデルを示した。
原題: Design of Magnetic Continuum Robots with Tunable Force Response Using Rotational Ring Pairs / Alex Sayres, Giovanni Pittiglio
日本語で読む → - 論文操作学習ロボティクス
Tabero: 視覚・触覚・言語からの閉ループ力フィードバックによる優しい操作の学習
触覚フィードバックを活用した優しいロボット操作を実現するため、データ効率的なパイプラインで視覚・触覚・言語データを生成し、力と位置を分離した指令インターフェースを持つモデルを提案。優しい指示下で把持力を70%以上削減しつつ高い成功率を維持した。
原題: Tabero: Learning Gentle Manipulation with Closed-Loop Force Feedback from Vision, Touch, and Language / Qiwei Wu, Rui Zhang, Xin Xiang 他
日本語で読む → - 論文物理特性推定ロボティクス
PhyPush: 物理誘導トランスフォーマーによるセンサレス物理特性推定は1回の押し動作で十分
ロボットアームのエンドエフェクタの速度情報のみを用いて、物体の質量と摩擦係数を1回の押し動作から推定する物理誘導トランスフォーマーを提案した。
原題: PhyPush: One Push is All You Need for Sensorless Physical Property Estimation with Physics-Guided Transformers / Koyo Fujii, Luis Figueredo, Praminda Caleb-Solly 他
日本語で読む → - 論文身体化空間知能画像認識
ESI-Bench:知覚と行動のループを閉じる身体化空間知能のベンチマーク
受動的な観察ではなく、能動的な探索を通じて空間理解を行う身体化空間知能のベンチマークを提案し、能動的探索が受動的観察より優れていることを示した。
原題: ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop / Yining Hong, Jiageng Liu, Han Yin 他
日本語で読む → - 論文レーダー/VLMロボティクス
視覚整合4Dレーダによる天候ロバストなシーン意味理解
悪天候でも頑健な4Dレーダを用い、凍結した視覚言語モデルと整合させてシーン記述を生成する手法を提案。約700万パラメータの学習で、霧や雪のシーンでカメラを上回る性能を示した。
原題: Weather-Robust Scene Semantics with Vision-Aligned 4D Radar / Kali Hamilton, Christoffer Heckman
日本語で読む → - 論文ロボット設計ロボティクス
極限の動的対称性が全方位・多機能ロボットを可能にする
ロボットの重心加速度の均一性を「動的対称性」として定義し、シミュレーションと実機でその効果を検証。動的対称性を高めた球状ロボットが、全方位移動や障害物走破、自己安定化などに優れることを示した。
原題: Extreme dynamic symmetry enables omnidirectional and multifunctional robots / Jiaxun Liu, Boxi Xia, Boyuan Chen
日本語で読む → - 論文身体化指示追従ロボティクス
RePlan-Bot: 身体化指示追従のためのマルチレベル再計画
長期的な計画と不可逆な状態変化に対応するため、高レベル監査、常識検索、低レベル修正を統合した再計画エージェントを提案し、ALFREDベンチマークで最高性能を達成した。
原題: RePlan-Bot: Multi-Level Replanning for Embodied Instruction Following / Xicheng Gong, Guozheng Sun, Peiran Xu 他
日本語で読む → - 論文運動計画ロボティクス
凸集合グラフによる信号時相論理運動計画
信号時相論理仕様を満たす滑らかなロボット軌道を生成するため、タイムドオートマトンと凸集合グラフを組み合わせた効率的なフレームワークを提案した。
原題: Signal Temporal Logic Motion Planning via Graphs of Convex Sets / Yu Chen, Ancheng Hou, Mingyang Feng 他
日本語で読む → - 論文VLAロボティクス
3DVLA: 3次元空間・インスタンス理解による視覚言語行動モデルの強化
視覚言語行動モデルに3次元空間理解とインスタンス理解を注入するプラグアンドプレイフレームワークを提案し、操作性能を向上させた。
原題: 3DVLA: Enhancing Vision-Language-Action Models via 3D Spatial and Instance Understanding / Zhongyu Xia, Yousen Tang, Bingqing Wei 他
日本語で読む →
PR・アフィリエイト広告
