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 →- 論文制御ロボティクス
未知環境における構造活用型デュアル制御によるリアルタイム自動最適化:探索と活用の両立
未知環境での自動最適化問題に対し、報酬関数の凸-非線形構造を活用した高速なデュアル制御手法を提案し、車両巡航問題で実証した。
原題: Real-Time Auto-Optimization in Unknown Environments via Structure-Exploiting Dual Control for Exploration and Exploitation / Shiying Dong, Haoyang Yang, Qiwei Liu 他
日本語で読む → - 論文3Dインスタンス分割画像認識
EvObj: シーン教師なしで3Dインスタンス分割を行う進化的オブジェクト中心表現の学習
合成データと実点群の形状ギャップを埋める、教師なし3Dインスタンス分割手法EvObjを提案。物体候補を動的改良する識別モジュールと部分形状を補完するモジュールを統合し、最先端性能を達成した。
原題: EvObj: Learning Evolving Object-centric Representations for 3D Instance Segmentation without Scene Supervision / Jiahao Chen, Zihui Zhang, Yafei Yang 他
日本語で読む → - 論文軌道計画ロボティクス
風を考慮した固定翼航空システムの効率的滑空のための最適軌道計画
固定翼UAVの滑空軌道を、風や障害物を考慮して最適化する非線形プランナを提案し、CFDシミュレーションと実機実験で有効性を検証した。
原題: Wind-Aware Optimal Trajectory Planning for Efficient Gliding of Fixed-Wing Aerial Systems / Luca Morando, Nishanth Bobbili, Giuseppe Loianno
日本語で読む → - 論文sim2realロボティクス
ゼロショットSim-to-Realロボット学習:リアクティブキャッチングにおける巧みな操作の研究
ドメインランダム化の新しい手法DRISを提案し、複数のランダム化インスタンスを同時に扱うことでロボットのポリシーを強化し、ゼロショットでの実機転送を実現した。
原題: Zero-Shot Sim-to-Real Robot Learning: A Dexterous Manipulation Study on Reactive Catching / Kejia Ren, Gaotian Wang, Andrew S. Morgan 他
日本語で読む → - 論文群制御ロボティクス
協調拡散:マルチエージェントデモなしでマルチエージェント行動を生成する
単一エージェントのデモデータとユーザー定義のコスト関数を組み合わせ、追加の協調デモなしでマルチエージェントの協調行動を生成するフレームワークCoDiを提案した。
原題: Coordinated Diffusion: Generating Multi-Agent Behavior Without Multi-Agent Demonstrations / Lasse Peters, Laura Ferranti, Andrea Bajcsy 他
日本語で読む → - 論文VLAAI
LoopVLA: 反復的改良における十分性学習による視覚言語行動モデル
視覚言語行動モデルにおいて、表現の十分性を推定しながら反復的に改良を行う新しいアーキテクチャを提案し、計算効率と精度のバランスを改善した。
原題: LoopVLA: Learning Sufficiency in Recurrent Refinement for Vision-Language-Action Models / Boyang Shen, Kaixiang Yang, Hao Wang 他
日本語で読む → - 論文群制御ロボティクス
多対多マルチエージェント集配問題
倉庫内の複数ロボットが、複数の場所から取り出し・保管が可能なSKU単位のタスクを効率的に割り当てる多対多MAPD問題を解くアルゴリズムM2Mを提案し、シミュレーションで従来手法より最大2万2千件多くタスクを完了できることを示した。
原題: Many-to-Many Multi-Agent Pickup and Delivery / Ethan Schneider, Jingkai Chen, Tianyi Gu 他
日本語で読む → - 論文シミュレーション環境構築画像認識
World2Minecraft: 占有駆動によるシミュレーションシーン構築
実世界のシーンを3Dセマンティック占有予測に基づいてMinecraft環境に変換する手法を提案し、データ収集パイプラインと大規模データセットMinecraftOccを導入して、占有予測の性能向上とカスタマイズ可能な具現化AI研究プラットフォームを実現した。
原題: World2Minecraft: Occupancy-Driven Simulated Scenes Construction / Lechao Zhang, Haoran Xu, Jingyu Gong 他
日本語で読む → - 論文形式的議論cs.LO
BAss: 抽象弁証法的枠組みにおける記号的推論
二分決定図を用いて抽象弁証法的枠組みの解釈を効率的に列挙する新しい記号的ソルバーを提案し、既存ツールを大幅に上回る性能を示した。
原題: BAss: Symbolic Reasoning in Abstract Dialectical Frameworks / Samuel Pastva, Van-Giang Trinh
日本語で読む → - 論文群制御制御
不確かな外力下でのカテナリーロボットのロバスト幾何学的制御
2台のクアッドローターを非伸縮ケーブルで連結したカテナリーロボットのロバスト制御を提案し、ケーブル形状による不確かな力に対する追従誤差の入力-状態安定性を理論的に示した。
原題: Robust Geometric Control of Catenary Robots under Unstructured Force Uncertainties / Alexandre Anahory Simoes, Leonardo Colombo
日本語で読む → - 論文意図推論画像認識
文脈を事前分布として:非言語エージェントのためのベイズ的意図推論と家庭猫テストベッド
家庭猫などの非言語エージェントの意図を、空間文脈を事前分布として扱うベイズ的枠組みで推論する手法を提案し、データセットで精度向上とショートカット失敗の低減を確認した。
原題: Context as Prior: Bayesian-Inspired Intent Inference for Non-Speaking Agents with a Household Cat Testbed / Wenqian Zhang, Zehao Wang
日本語で読む → - 論文3Dビジョン/潜在表現画像認識
ガウス的ボトルネックを超えて:Vision-Transformer特徴空間の位相整合エンコーディング
シーンの3D幾何構造を保存するため、Power Spherical分布を用いた新しいVAE(S^2VAE)を提案し、深度推定・カメラポーズ復元・点群再構成で従来のガウス潜在変数より優れることを示した。
原題: Beyond Gaussian Bottlenecks: Topologically Aligned Encoding of Vision-Transformer Feature Spaces / Andrew Bond, Ilkin Umut Melanlioglu, Erkut Erdem 他
日本語で読む → - 論文VLA/ナビゲーション画像認識
SpaAct: 空間活性化遷移学習とカリキュラム適応による視覚言語ナビゲーション
視覚言語ナビゲーション(VLN)のためのVLM適応フレームワークSpaActを提案。後方行動推論と前方遷移予測の2つの空間活性化タスクと、TriPAカリキュラム学習により動的空間認識を獲得し、VLN-CEベンチマークでSOTAを達成。
原題: SpaAct: Spatially-Activated Transition Learning with Curriculum Adaptation for Vision-Language Navigation / Pengna Li, Kangyi Wu, Shaoqing Xu 他
日本語で読む → - 論文3D視覚グラウンディング画像認識
複数一貫した2D-3Dマッピングによる頑健なゼロショット3D視覚グラウンディング
ゼロショット3D視覚グラウンディングの性能を、2D-3D間の一貫性を明示的に確立するフレームワークMCM-VGを提案して向上させた。
原題: Multiple Consistent 2D-3D Mappings for Robust Zero-Shot 3D Visual Grounding / Yufei Yin, Jie Zheng, Qianke Meng 他
日本語で読む → - 論文構成的一般化/神経記号的AIAI
AGEL-Comp: 対話型エージェントにおける構成的一般化のための神経記号的枠組み
LLMベースのエージェントの構成的一般化の失敗に対処するため、動的因果プログラムグラフと帰納論理プログラミング、神経定理証明器を統合した神経記号的アーキテクチャAGEL-Compを提案し、シミュレーション環境でその有効性を示した。
原題: AGEL-Comp: A Neuro-Symbolic Framework for Compositional Generalization in Interactive Agents / Mahnoor Shahid, Hannes Rothe
日本語で読む → - 論文世界モデル/計画/制御画像認識
身体化世界モデルの高次化による計画と制御の実現
高次元の関節動作空間を直接探索する代わりに、高レベル行動を低レベル関節動作列に変換する軽量ポリシーを訓練し、凍結した世界モデルと組み合わせて高レベル行動から未来観測を予測する「持ち上げられた世界モデル」を提案。人間型エージェントで2Dウェイポイントを高レベル行動とし、低レベル探索より3.8倍精度が向上。
原題: Lifting Embodied World Models for Planning and Control / Alex N. Wang, Trevor Darrell, Pavel Izmailov 他
日本語で読む → - 論文群制御制御
連続体群ロボットの分散制御:局所コントローラを微分作用素として捉える
大規模ロボット群を連続体密度としてモデル化し、分散コントローラを微分作用素として定式化する枠組みを提案。目標密度への安定化問題を解析し、純点状コントローラの限界を示すとともに、強い安定性を持つ1次制御則を提示した。
原題: On Distributed Control of Continuum Swarms: Local Controllers as Differential Operators / Max Emerick, Saroj Prasad Chhatoi, Bassam Bamieh
日本語で読む → - 論文強化学習機械学習
人間フィードバックを活用した意味的に有用なスキル発見
強化学習における教師なしスキル発見に人間のフィードバックを組み込み、意味的に多様で関連性のあるスキルを効率的に発見する手法を提案した。
原題: Leveraging Human Feedback for Semantically-Relevant Skill Discovery / Maxence Hussonnois, Thommen George Karimpanal, Santu Rana
日本語で読む → - 論文マルチエージェントシステムcs.MA
単一エージェントの整合を超えて:マルチエージェントシステムにおけるコンテキスト断片化違反の防止
個々のエージェントの行動は安全に見えるが、組織ポリシーに違反する「コンテキスト断片化違反」を特定し、分散型ゼロトラスト執行アーキテクチャ「Distributed Sentinel」を提案する。
原題: Beyond Single-Agent Alignment: Preventing Context-Fragmented Violations in Multi-Agent Systems / Jie Wu, Ming Gong
日本語で読む → - 論文群制御制御
非凝集ターゲットの障害物回避型マルチロボット羊飼い制御
障害物の多い環境で、互いに凝集しないターゲット群を誘導するためのマルチロボット制御戦略を提案し、シミュレーションと実機実験で有効性を検証した。
原題: Multi-robot obstacle-aware shepherding of non-cohesive target agents / Cinzia Tomaselli, Stefano Covone, Andreagiovanni Reina 他
日本語で読む → - 論文時系列/自己教師あり学習機械学習
患者不変性を超えて:行動条件付きJEPAによる心臓ダイナミクスの学習
自己教師あり学習の不変性目的が病態変化を抑制する問題を指摘し、疾患進行を遷移ベクトルとして捉える行動条件付き世界モデルを提案。心電図データで教師あり学習を上回る性能とサンプル効率を実証した。
原題: Beyond Patient Invariance: Learning Cardiac Dynamics via Action-Conditioned JEPAs / Jose Geraldo Fernandes, Luiz Facury, Pedro Robles Dutenhefner 他
日本語で読む → - 論文データセット画像認識
AmaraSpatial-10K:空間コンピューティングと具現化AIのための空間・意味整合3Dデータセット
実世界展開に適したメトリックスケール・アンカー付きの合成3Dアセット10,000点と評価スイートを構築し、Objaverse比でCLIP検索性能を3.4倍に向上させた。
原題: AmaraSpatial-10K: A Spatially and Semantically Aligned 3D Dataset for Spatial Computing and Embodied AI / Mohammad Sadegh Salehi, Alex Perkins, Igor Maurell 他
日本語で読む → - 論文空間推論画像認識
SpaMEM: 身体化環境における知覚-記憶統合による動的空間推論のベンチマーク
マルチモーダル大規模言語モデルの身体化環境での長期的空間推論能力を評価する大規模ベンチマークSpaMEMを提案し、行動系列による空間状態変化を伴うタスクでモデルの限界を明らかにした。
原題: SpaMEM: Benchmarking Dynamic Spatial Reasoning via Perception-Memory Integration in Embodied Environments / Chih-Ting Liao, Xi Xiao, Chunlei Meng 他
日本語で読む → - 論文システム設計/多目的最適化math.OC
多目的システム共同設計のための構成的オンライン学習
複数の競合する目的を持つシステム設計問題を、部分順序を持つ機能と資源の関係としてモデル化し、少数の評価で非劣トレードオフ集合を特定するための楽観的評価子を用いた除去型リジェクトサンプリングアルゴリズムを提案した。
原題: Compositional Online Learning for Multi-Objective System Co-Design / Meshal Alharbi, Munther A. Dahleh, Gioele Zardini
日本語で読む → - 論文VLA画像認識
幾何学的報酬クレジット割当によるPoint-VLMの3D理解の強化
点群と言語を扱うモデルが3D構造を誤って幻覚する問題を、報酬をトークン単位に分解して割り当てる手法と再投影整合性の制約で改善した論文。
原題: Reinforcing 3D Understanding in Point-VLMs via Geometric Reward Credit Assignment / Jingkun Chen, Ruoshi Xu, Mingqi Gao 他
日本語で読む → - 論文ビデオ生成画像認識
制御可能な人間中心ビデオ生成における合成データ拡張の役割の探求
合成データが人間のビデオ生成に与える影響を体系的に調査し、拡散ベースのフレームワークで合成データと実データの補完的役割を明らかにした。
原題: Exploring the Role of Synthetic Data Augmentation in Controllable Human-Centric Video Generation / Yuanchen Fei, Yude Zou, Zejian Kang 他
日本語で読む → - 論文VLA画像認識
具現化ミッドトレーニング:視覚言語モデルと視覚言語行動モデルのギャップを埋める
視覚言語モデル(VLM)をロボット行動データに適応させる中間学習手法を提案し、操作ベンチマークで性能向上を確認した。
原題: EmbodiedMidtrain: Bridging the Gap between Vision-Language Models and Vision-Language-Action Models via Mid-training / Yiyang Du, Zhanqiu Guo, Xin Ye 他
日本語で読む → - 論文VLA/セキュリティ画像認識
「サインを待っているなら…それは違うかも!」視覚注入による信頼境界の混乱を軽減するビジョン言語エージェントシステムの防御
ビジョン言語エージェントが環境の視覚情報(例:信号)に従うべきか、悪意ある視覚注入を無視すべきかの「信頼境界の混乱」問題を定義し、マルチエージェント防御フレームワークを提案して誤誘導を低減した。
原題: If you're waiting for a sign... that might not be it! Mitigating Trust Boundary Confusion from Visual Injections on Vision-Language Agentic Systems / Jiamin Chang, Minhui Xue, Ruoxi Sun 他
日本語で読む → - 論文探索画像認識
人間のように探索する:身体化エージェントのためのオンラインSGメモ構築による自律探索
本論文は、大規模視覚言語モデルを用いて意味的ナビゲーション可能性を抽出し、階層的なSGメモをオンラインで構築しながら探索を行うことで、効率的な環境探索を実現するフレームワークABot-Explorerを提案する。
原題: Explore Like Humans: Autonomous Exploration with Online SG-Memo Construction for Embodied Agents / Xu Chen, Shichao Xie, Zhining Gu 他
日本語で読む → - 論文モーション生成画像認識
EgoMotion: 一人称視点の視覚言語モーション生成のための階層的推論と拡散
一人称視点の映像と言語指示から3D人間動作を生成するタスクを扱い、推論と生成の絡み合い問題を解決するため、認知推論段階と動作生成段階からなる階層的生成フレームワークEgoMotionを提案した。
原題: EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation / Ruibing Hou, Mingyue Zhou, Yuwei Gui 他
日本語で読む →
PR・アフィリエイト広告
