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 →- 論文行動生成/推論時最適化ロボティクス
物理AIのための幾何学的自己整合性
拡散ベースの行動生成において、複数の候補行動を並列生成し、ユークリッド距離で最大クラスタの中央値を選ぶ推論時自己整合性手法KeyStoneを提案。追加モデルなしで成功率を最大13.3%向上させる。
原題: Geometry Guided Self-Consistency for Physical AI / Yinwei Dai, Zhuofu Chen, Lijie Yang 他
日本語で読む → - 論文マニピュレーションロボティクス
SI-Diff: 力領域拡散ポリシーによる探索と高精度挿入の学習フレームワーク
力覚情報を用いた拡散ポリシーにより、単一モデルで探索と高精度挿入の両タスクを学習するフレームワークを提案。モード条件付けと教師ポリシーにより、位置ずれ許容範囲を拡大し、未知形状へのゼロショット転移も実現。
原題: SI-Diff: A Framework for Learning Search and High-Precision Insertion with a Force-Domain Diffusion Policy / Yibo Liu, Stanko Oparnica, Simon Shewchun-Jakaitis 他
日本語で読む → - 論文タスク計画ロボティクス
二重LLMモジュールによる階層的プロンプティングを用いたロボットのタスク・動作計画
自然言語指示からロボットのタスクと動作を計画するため、高レベル計画と低レベル空間推論の2つのLLMモジュールを階層的に用いるフレームワークを提案し、24シナリオで86%の成功率を達成した。
原題: Hierarchical Prompting with Dual LLM Modules for Robotic Task and Motion Planning / Karolina Źróbek, Tessa Pulli, Paweł Gajewski 他
日本語で読む → - 論文歩行ロボティクス
コンプライアント足部を備えた4脚ロボットのエネルギー効率的な歩行
4脚ロボットの足にバネなどの柔軟性を持たせ、強化学習で歩行制御を学習させたところ、適度な硬さのバネがエネルギー消費を約17%削減できることをシミュレーションと実機で示した論文。
原題: Energy-Efficient Quadruped Locomotion with Compliant Feet / Pramod Pal, Shishir Kolathaya, Ashitava Ghosal
日本語で読む → - 論文軌道最適化ロボティクス
IMPACT: 高速な接触陰的軌道最適化のための陰的アクティブセット拡張ラグランジアン法
接触陰的軌道最適化(CITO)を解くための拡張ラグランジアン法を提案し、接触モードを自動的に識別しながら高速化を実現した。
原題: IMPACT: An Implicit Active-Set Augmented Lagrangian for Fast Contact-Implicit Trajectory Optimization / Jiayun Li, Dejian Gong, Georgia Chalvatzaki
日本語で読む → - 論文VLAロボティクス
CKT-WAM: ワールドアクションモデル間のパラメータ効率的な文脈知識転送
異なるワールドアクションモデル間で知識を転送する際、テキスト埋め込み空間のコンパクトな文脈を用いて、軽量なアダプタと圧縮機構で教師モデルの知識を生徒モデルに注入する手法を提案。LIBERO-Plusで1.17%の学習可能パラメータで86.1%の成功率を達成。
原題: CKT-WAM: Parameter-Efficient Context Knowledge Transfer Between World Action Models / Yuhua Jiang, Yijun Guo, Hongbing Yang 他
日本語で読む → - 論文ベンチマークロボティクス
WorldArena 2.0:モダリティ・機能・プラットフォームにわたる身体化ワールドモデルベンチマークの拡張
身体化ワールドモデルの評価を、視覚のみから視触覚へ、政策評価から強化学習環境としての利用へ、シミュレータから実ロボットへと拡張したベンチマークを提案した。
原題: WorldArena 2.0: Extending Embodied World Model Benchmarking on Modality, Functionality and Platform / Yu Shang, Yinzhou Tang, Yiding Ma 他
日本語で読む → - 論文歩行ロボティクス
制約を考慮した拡散事前分布による高忠実かつ多用途な四足歩行
四足歩行の模倣学習において、GANの代わりに拡散モデルを運動事前分布として用い、多様な動作生成とハードウェア安全を両立する枠組みDiff-CASTを提案した。
原題: Constraint-Aware Diffusion Priors for High-Fidelity and Versatile Quadruped Locomotion / Jianhui Chen, Ruixin Zhan, Liu Liu 他
日本語で読む → - 論文sim2realロボティクス
HyperSim: ロバストなロボット操作のための包括的シミュレーションから実世界へのフレームワーク
シミュレーションから実世界への転移を改善するため、高忠実度環境合成、敵対的軌道生成、シミュレーションと実世界の共学習を組み合わせた包括的フレームワークHyperSimを提案し、実世界タスクで高い成功率を達成した。
原題: HyperSim: A Holistic Sim-To-Real Framework For Robust Robotic Manipulation / Junyi Dong, Haotian Luo, Ziwei Xu 他
日本語で読む → - 論文ナビゲーションロボティクス
Robo-Cortex: 二重粒度認知記憶と自律知識誘導による自己進化型具現化エージェント
ロボットが過去の経験からナビゲーションのヒューリスティックを自律的に抽出し、戦略を進化させる自己進化型フレームワークを提案した。
原題: Robo-Cortex: A Self-Evolving Embodied Agent via Dual-Grain Cognitive Memory and Autonomous Knowledge Induction / Nga Teng Chan, Yi Zhang, Yechi Liu 他
日本語で読む → - 論文自動運転画像認識
CLAP: 対比学習による潜在空間プロンプト最適化を用いたエンドツーエンド自動運転
凍結したVLAモデルに、道路ブロックごとのソフトプロンプトをクラウドソーシングデータから最適化し、V2X通信で取得することで、長尾の困難なシナリオでの性能を向上させる適応フレームワークを提案。
原題: CLAP: Contrastive Latent-space Prompt Optimization for End-to-end Autonomous Driving / Ruiyang Zhu, Yuehan He, Boyuan Zheng 他
日本語で読む → - 論文マニピュレーションロボティクス
カスケード最適化による接触リッチ操作のための同時接触選択と計画
接触リッチな操作タスクにおいて、接触位置の選択と操作軌道の計画を同時に行うカスケード最適化フレームワークを提案し、多様でロバストな操作行動を実現した。
原題: Simultaneous Contact Selection and Planning for Contact-Rich Manipulation with Cascaded Optimization / Zhe Zhang, Xingrong Diao, Haoxiang Liang 他
日本語で読む → - 論文触覚インタラクションロボティクス
ポケットサイズロボティクスによる落ち着きの誘発:手持ち触覚インタラクションによる子どもの動きと心拍数の低減
手持ち型の触覚デバイスを使ったリズム合わせゲームが、子どもの心拍数と全身の動きを有意に減少させ、落ち着きを促すことを示した研究。
原題: Inducing Calmness With Pocket-Sized Robotics: Reducing Movement and Heart Rate in Children through Hand-Held Tactile Interactions / Morten Roed Frederiksen, Kasper Støy, Maja Matarić
日本語で読む → - 論文VLAロボティクス
VLAConf: 視覚言語行動モデルのための校正されたタスク成功信頼度
VLAモデルのタスク成功確率を、軽量な信頼度ヘッドで単一フォワードパス推定する手法を提案。既存手法より高速で、連続行動空間にも適用可能。
原題: VLAConf: Calibrated Task-Success Confidence for Vision-Language-Action Models / Dehao Huang, Aoxiang Gu, Chengjie Zhang 他
日本語で読む → - 論文姿勢推定ロボティクス
SmoCap: プロキシ写像と信頼領域QPによるスケール・姿勢の統一的標準化
スケール推定と逆運動学を分離せず、信頼領域QP内で形態と姿勢を同時推定する漏れ耐性のある標準化フレームワークを提案し、膝関節屈曲誤差2.9度などを達成した。
原題: SmoCap: Unified Scale-Pose Canonicalization with Proxy-Mapped Trust-Region QP / Shihao Li, Naohiko Sugita
日本語で読む → - 論文ナビゲーションロボティクス
HumanFlow: 拡散駆動による人間追跡・予測・制御の密結合で実現するMAVの人間環境ナビゲーション
3Dシーン文脈を条件とした潜在拡散モデルで人間の動作追跡と予測を統合し、重い遮蔽下でも高精度・高効率な予測を実現。さらに、その潜在表現をフローマッチングに基づく近似MPCポリシーに密結合し、実人間軌跡を用いたシミュレーションでMAVの社会的ナビゲーション性能を向上させた。
原題: HumanFlow -- Diffusion-Driven MAV Navigation Among Humans via Tightly-Coupled Motion Tracking, Forecasting, and Control / Simon Schaefer, Joshua Näf, Stefan Leutenegger
日本語で読む → - 論文姿勢制御制御
チャンドラヤーン3号月着陸ミッションにおけるクォータニオンを用いた推力軸姿勢制御の分離手法
チャンドラヤーン3号の月面軟着陸において、クォータニオンに基づく姿勢制御の軸間結合を分離し、推力軸を独立に制御する新しい手法を提案した論文。
原題: Decoupled Thrust-Axis Attitude Control Using Quaternions for Chandrayaan-3 Lunar Landing Mission / Aditya Rallapalli, Suraj Kumar, Rijesh M P 他
日本語で読む → - 論文マニピュレーションロボティクス
RoboHitch: 乱れたキーポイントからの視覚的アフォーダンス学習によるヒッチ結び
ロボットによる紐結びを、順序付けられていない3DキーポイントとRGB画像から学習するフレームワークを提案。明示的なトポロジー順序を不要とし、自己遮蔽下でも結びを成功させる。
原題: RoboHitch: Learning Visual Affordance from Disordered Keypoints for Hitch Knots Tying / Jiahui Zuo, Boyang Zhang, Fumin Zhang
日本語で読む → - 論文走行可能性推定画像認識
汎用視覚から信頼できる走行可能性推定へ:未構造屋外環境向け視覚基盤モデルの適応
視覚基盤モデルを未構造屋外環境での走行可能性推定に適応させるフレームワークViTAを提案し、SAM2を基盤にタスク固有の知識注入と幾何学知識の蒸留により、精度と汎化性を向上させた。
原題: From General Vision to Reliable Traversability Estimation: Adapting Vision Foundation Models for Unstructured Outdoor Environments / Ji-Hoon Hwang, Jisung Bae, Dong-Wook Kim 他
日本語で読む → - 論文3Dシーン理解画像認識
Flame3D: エージェント型言語モデルによる3Dシーンのゼロショット合成的推論
3Dシーン理解を、訓練なしで既製のMLLMと編集可能な視覚・テキスト3Dメモリ、合成可能な空間ツールを用いて実現するフレームワークを提案。推論時に空間操作を合成することで、複雑な幾何学的関係や未存在オブジェクトの推論を可能にした。
原題: Flame3D: Zero-shot Compositional Reasoning of 3D Scenes with Agentic Language Models / Sagar Bharadwaj, Ziyong Ma, Anurag Ghosh 他
日本語で読む → - 論文変形操作ロボティクス
視覚的彫塑:長期的ロボット粘土彫刻のための視覚整合プランニング表現
粘土彫刻を形状マッチング問題として捉え、視覚的特徴を捉えたダイナミクスモデルとプランニング手法を提案。複数の変形材料とエンドエフェクタで長期的彫刻を実証した。
原題: Visual Sculpting: Visually-Aligned Planning Representations for Long-Horizon Robot Clay Sculpting / Peter Schaldenbrand, Jean Oh
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 → - 論文データ生成/セマンティックセグメンテーション画像認識
画像生成モデルを活用したデータ不足の解消:森林再生マッピングのためのGen4Regenデータセット
森林再生地の植物を高精度にセグメンテーションするためのデータ不足とクラス不均衡を解決するため、画像生成モデル(Nano Banana Pro)を用いて合成画像とセマンティックマスクのペアを生成し、実データと組み合わせて学習することで、F1スコアを15%以上向上させた。
原題: Leveraging Image Generators to Address Data Scarcity: The Gen4Regen Dataset for Forest Regeneration Mapping / Gabriel Jeanson, David-Alexandre Duclos, William Larrivée-Hardy 他
日本語で読む → - 論文自動運転ロボティクス
自動運転のための軽量な信頼度認識言語モデルによる意思決定
大規模言語モデルの推論能力を軽量モデルに蒸留し、信頼度付きの意思決定を高速に行う自動運転フレームワークを提案した。
原題: Decision-Making with Lightweight Confidence-Aware Language Model for Autonomous Driving / Ruoyu Yao, Ruiguo Zhong, Pei Liu 他
日本語で読む → - 論文ワールドモデル/ストリーミングロボティクス
ネットワーク効率的なワールドモデルトークンストリーミング
運転用ワールドモデルの離散トークン状態を、帯域制約下で効率的にストリーミングする適応的キーフレーム・デルタ方式を提案し、歪みとパープレキシティの改善を示した。
原題: Network-Efficient World Model Token Streaming / Shatadal Mishra, Ahmadreza Moradipari, Nejib Ammar
日本語で読む → - 論文VLA/幾何理解画像認識
幾何基盤モデルが視覚言語行動モデルに与える影響の理解
視覚言語行動モデル(VLA)と3D再構成のための幾何基盤モデル(GFM)の統合について、VLAの幾何理解の欠如を線形プロービングで定量化し、幾何情報を注入する3つのアーキテクチャを比較、さらに非アーキテクチャ的選択の影響を分析した。
原題: Understanding the Impact of Geometric Foundation Models on Vision-Language-Action Models / Yurou Yang, Muyuan Lin, Roberto Martin-Martin 他
日本語で読む → - 論文VLA/表現学習ロボティクス
DynaFLIP:三モーダル動力学誘導表現によるロボット知覚の再考
画像と言語と3Dフローを組み合わせた動力学認識の事前学習フレームワークを提案し、ロボット操作のための視覚表現を向上させた。
原題: DynaFLIP: Rethinking Robotics Perception via Tri-Modal-Dynamics Guided Representation / Jusuk Lee, Seungjae Lee, Jonghun Shin 他
日本語で読む → - 論文VLAロボティクス
ビデオモデルを汎用ロボットポリシーへ変換する
ビデオ生成モデルをそのまま使い、逆動力学モデル(IDM)を個別に学習してビデオ計画を行動に変換する手法を提案。シミュレーションと実世界で高い性能を示した。
原題: Turning Video Models into Generalist Robot Policies / Sizhe Lester Li, Evan Kim, Xingjian Bai 他
日本語で読む → - 論文自動運転/安全支援ロボティクス
VLMを用いた二輪車安全運転支援システム
二輪車の事故リスク低減のため、視覚言語モデルとセグメンテーションを組み合わせてリスクマップを生成し、二輪車の動特性に合わせたプランナーで安全な運転行動を推薦するシステムを提案した。
原題: VLM-Based Advanced Rider Assistance System for Motorcycle Safety / Mohamed Elnoor, Francesca Baldini, Ananya Trivedi 他
日本語で読む → - 論文自動運転シミュレーションcs.MA
SceneFactory: GPU高速化による物理ベース車両ダイナミクスを備えたマルチエージェント運転シミュレータ
NVIDIA Isaac Sim/Isaac Lab上に、GPUベクトル化された物理ベースのマルチエージェント運転シミュレータを構築し、Waymoデータセットの道路をUSD世界に変換して多数のシナリオを並列実行、物理精度とスループットの両立を実現した。
原題: SceneFactory: GPU-Accelerated Multi-Agent Driving Simulation with Physics-Based Vehicle Dynamics / Yicheng Zhu, Yang Chen, Tao Li 他
日本語で読む →
PR・アフィリエイト広告
