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: 2026/4/21 / 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VLA画像認識
身体化エージェントのための環境理解ビジョン言語モデル
身体化エージェントの指示追従性能を高めるため、物体認識・タスク計画・行動理解・目標認識の4技能を微調整した環境理解フレームワークを提案し、失敗時の回復ステップとGRPOによる最適化で成功率を向上させた。
原題: Environmental Understanding Vision-Language Model for Embodied Agent / Jinsik Bang, Jaeyeon Bae, Donggyu Lee 他
日本語で読む → - 論文データ生成画像認識
InHabit: 画像基盤モデルを活用したスケーラブルな3D人間配置
3Dシーンに人間を自然に配置する大規模データセットを自動生成する手法を提案。2D基盤モデルの知識を3Dに転写し、78Kサンプルのデータセットを構築した。
原題: InHabit: Leveraging Image Foundation Models for Scalable 3D Human Placement / Nikita Kister, Pradyumna YM, István Sárándi 他
日本語で読む → - 論文RTL生成cs.AR
ChipCraftBrain: 検証優先型RTL生成のためのマルチエージェントオーケストレーション
LLMによるRTLコード生成の精度を高めるため、6つの専門エージェントを適応的に調整するフレームワークを提案し、VerilogEvalやCVDPベンチマークで高い成功率を達成した。
原題: ChipCraftBrain: Validation-First RTL Generation via Multi-Agent Orchestration / Cagri Eryilmaz
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 → - 論文ソフトウェア工学cs.SE
人間とAIのコーディング協調のスケールには、統治可能なコンセンサス層が必要
AI支援開発の成果物をコードとチャット履歴から、型付きプロパティグラフで表現されるコンセンサス層に置き換えるパラダイムを提案し、監査可能性と介入距離の削減を目指す。
原題: Scaling Human-AI Coding Collaboration Requires a Governable Consensus Layer / Tianfu Wang, Zhezheng Hao, Yin Wu 他
日本語で読む → - 論文強化学習機械学習
有界比率強化学習
PPOのヒューリスティックなクリップ目的と信頼領域法の理論的ギャップを埋めるため、有界比率強化学習(BRRL)フレームワークを提案し、解析的最適解と単調性能改善を保証する新しいポリシー最適化アルゴリズムBPOを開発した。
原題: Bounded Ratio Reinforcement Learning / Yunke Ao, Le Chen, Bruce D. Lee 他
日本語で読む → - 論文表現学習q-bio.NC
環世界表現仮説:普遍性の再考
人工ニューラルネットワークと生物の脳の表現が一致するのは普遍的な最適解への収束ではなく、生態学的制約の重複によるものだとする「環世界表現仮説」を提案し、モデル比較の新たな視点を示した論文。
原題: The Umwelt Representation Hypothesis: Rethinking Universality / Victoria Bosch, Rowan Sommers, Adrien Doerig 他
日本語で読む → - 論文センサ基盤学習機械学習
ソナタ:臨床データ不足下での慣性キネマティクスのためのハイブリッド世界モデル
臨床データが少ない状況で、6軸トランクIMU表現学習のためのコンパクトな潜在世界モデル「Sonata」を導入し、将来状態予測により臨床判別と転倒リスク予測を向上させる。
原題: Sonata: A Hybrid World Model for Inertial Kinematics under Clinical Data Scarcity / Blaise Delaney, Salil Patel, Yuji Xing 他
日本語で読む → - 論文世界モデル/探索機械学習
好奇心批評家:累積予測誤差の改善を利用した世界モデル学習のための扱いやすい内的報酬
世界モデルの累積予測誤差の改善を内的報酬とする手法を提案し、現在の遷移の予測誤差と漸近誤差ベースラインの差という扱いやすい代理報酬を導入した。確率的グリッドワールドで既存手法より高速かつ高精度な学習を実証した。
原題: Curiosity-Critic: Cumulative Prediction Error Improvement as a Tractable Intrinsic Reward for World Model Training / Vin Bhaskara, Haicheng Wang
日本語で読む → - 論文視覚探索/ベンチマーク画像認識
E3VS-Bench: 3Dガウススプラッティングシーンにおける視点依存型能動知覚のベンチマーク
5自由度の視点制御で視点依存の証拠を集める必要がある、3Dガウススプラッティングで再構築された高精細シーンを用いた視覚探索ベンチマークを提案し、複数のVLMと人間の性能差を評価した。
原題: E3VS-Bench: A Benchmark for Viewpoint-Dependent Active Perception in 3D Gaussian Splatting Scenes / Koya Sakamoto, Taiki Miyanishi, Daichi Azuma 他
日本語で読む → - 論文マニピュレーション機械学習
HELM: 長期的記憶を強化した視覚言語行動操作のためのハーネス
長期的な操作タスクで失敗するVLAモデルに対し、エピソード記憶、状態検証器、ハーネス制御を組み合わせたモデル非依存のフレームワークHELMを提案し、成功率を大幅に向上させた。
原題: HELM: Harness-Enhanced Long-horizon Memory for Vision-Language-Action Manipulation / Zijian Zeng, Fei Ding, Huiming Yang 他
日本語で読む → - 論文アバター生成画像認識
EmbodiedHead: 会話エージェントのためのリアルタイム聴話アバター
LLMと会話できるリアルタイムの音声駆動型アバターを生成するフレームワークを提案。単一ストリームの音声入力と状態制御により、聞き手と話し手の動作をシームレスに切り替え、高品質な映像を少数ステップで生成する。
原題: EmbodiedHead: Real-Time Listening and Speaking Avatar for Conversational Agents / Yu Zhang, Kaiyuan Shen, Yang Li
日本語で読む → - 論文姿勢推定画像認識
TSM-Pose: カテゴリレベル物体姿勢推定のためのトポロジー認識学習とセマンティックMamba
カテゴリレベル物体姿勢推定の汎化性能を高めるため、点群のトポロジー構造を捉える抽出器と、Mambaベースのセマンティック集約器を導入したフレームワークを提案した。
原題: TSM-Pose: Topology-Aware Learning with Semantic Mamba for Category-Level Object Pose Estimation / Jinshuo Liu, Bingtao Ma, Junlin Su 他
日本語で読む → - 論文システムcs.DC
TStore: テンソル中心の圧縮によるAIモデルハブの再考
モデルハブのストレージ削減のため、テンソル単位の重複排除と圧縮を行うシステムTStoreを提案した。
原題: TStore: Rethinking AI Model Hub with Tensor-Centric Compression / Tingfeng Lan, Zirui Wang, Yunjia Zheng 他
日本語で読む → - 論文感情理解画像認識
人間のように映画を観る:身体化されたコンパニオンのための自己中心視点の感情理解
映画を自己中心的なスクリーン視点で観るロボットの感情理解を扱い、新しいデータセットとマルチモーダル推論フレームワークを提案した論文。
原題: Watching Movies Like a Human: Egocentric Emotion Understanding for Embodied Companions / Ze Dong, Hao Shi, Zejia Gao 他
日本語で読む → - 論文強化学習機械学習
拡張ベスト・オブ・Nサンプリングによる推論時の柔軟なエンパワーメント
強化学習において、エンパワーメントを報酬ボーナスとして与える代わりに、ベスト・オブ・Nサンプリングを適用し、探索と活用のバランスを柔軟に調整する手法を提案した。
原題: Flexible Empowerment at Reasoning with Extended Best-of-N Sampling / Taisuke Kobayashi
日本語で読む → - 論文世界モデル機械学習
グローバルニューラルワールドモデル:行動条件付き計画のための空間的に接地された離散トポロジー
連続的な行動条件付きJEPAを用いて環境を離散2Dグリッドに写像し、再構成なしで遷移ダイナミクスを学習する世界モデルを提案。
原題: The Global Neural World Model: Spatially Grounded Discrete Topologies for Action-Conditioned Planning / Noureddine Kermiche
日本語で読む → - 論文最適制御/ポリシー反復制御
軌道駆動型ポリシー生成によるオンラインポリシー反復法
固定初期状態の決定論的有限ホライズン最適制御問題に対し、軌道データを用いてコストを単調に改善するポリシーを逐次生成するオンライン手法を提案した。
原題: On-Line Policy Iteration with Trajectory-Driven Policy Generation / Yuchao Li, Fei Chen, Yingke Li 他
日本語で読む → - 論文群制御制御
「疎らであることは接続されるよりはるかに安全」:状態制約付きPDE最適化によるロボット群密度ダイナミクスの安全制御
Fokker-Planck方程式に従うロボット群の空間密度を目標分布へ導く、閉ループの安全制御戦略を提案。Voronoi分割による分散展開も可能で、理論的な安全性保証と実機実験で有効性を示した。
原題: ''It Is Much Safer to Be Sparse than Connected'': Safe Control of Robotic Swarm Density Dynamics with PDE-Optimization with State Constraints / Longchen Niu, Gennaro Notomista
日本語で読む → - 論文群制御機械学習
グラフ構造世界モデルによるアドホックネットワーク動的学習
ノードごとの潜在状態とクロスノード注意機構を持つグラフ構造のリカレント状態空間モデルを提案し、オフライン軌跡からネットワーク動態を学習してクラスタヘッド選択ポリシーを想像上のロールアウトで訓練する。
原題: Learning Ad Hoc Network Dynamics via Graph-Structured World Models / Can Karacelebi, Yusuf Talha Sahin, Elif Surer 他
日本語で読む → - 論文世界モデル機械学習
状態一貫性を超えて:テキストベース世界モデルにおける行動一貫性
テキストベース環境の世界モデルを、状態の一致ではなく行動の一貫性に基づいて訓練する新しい手法を提案し、長期的な整合性と計画性能の向上を示した。
原題: Beyond State Consistency: Behavior Consistency in Text-Based World Models / Youling Huang, Guanqiao Chen, Junchi Yao 他
日本語で読む → - 論文空間推論画像認識
SpatialEvo: 決定論的幾何環境による自己進化型空間知能
3次元空間推論の自己進化学習において、モデル合意ではなく幾何学的検証に基づく擬似ラベル生成を提案し、誤りを増幅せずに空間知能を向上させるフレームワークを構築した。
原題: SpatialEvo: Self-Evolving Spatial Intelligence via Deterministic Geometric Environments / Dinging Li, Yingxiu Zhao, Xinrui Cheng 他
日本語で読む → - 論文セグメンテーション画像認識
VGGT-Segmentor: 幾何学強化によるクロスビューセグメンテーション
異なる視点(自己中心視点と外部視点)間での物体インスタンスセグメンテーションを、幾何学モデルVGGTと新しいUnionセグメンテーションヘッドを組み合わせて高精度化し、教師なし学習で汎化を実現した。
原題: VGGT-Segmentor: Geometry-Enhanced Cross-View Segmentation / Yulu Gao, Bohao Zhang, Zongheng Tang 他
日本語で読む → - 論文適応制御制御
ロボットシステムの適応安全性のための高次チューナー
制御バリア関数と適応制御を組み合わせた適応安全性の枠組みにおいて、高次の適応則を用いることで、従来の保守的な条件を緩和し、システムの不変性を保証する方法を提案した論文。
原題: High Order Tuners for Adaptive Safety of Robotic Systems / Mohammad Mirtaba, Max H. Cohen
日本語で読む → - 論文群制御制御
ホモトピー誘導ポテンシャルゲームによる混雑を考慮したナビゲーション
マルチエージェントの動作計画において、ホモトピークラスを戦略集合として用い、ポテンシャルゲームと組み合わせることで、混雑を回避しつつ効率的で安全な経路を生成する新しいフレームワークを提案した。
原題: Homotopy-Guided Potential Games for Congestion-Aware Navigation / Mohammed Irshadh Ismaaeel Sathyamangalam Imran, Lasse Peters, Michael Khayyat 他
日本語で読む → - 論文3Dプリンティング制御
カスタム自動車部品のための多軸積層造形
多軸DLP 3Dプリンティングで生じる非均一な層厚に対し、層をサブ層に分割し露光時間を局所厚さに比例して変調する可変露光法を導入し、層数を減らして印刷時間と支持構造を削減する手法を提案した。
原題: Multi-Axis Additive Manufacturing for Customized Automotive Components / Uzair Aziz Muhammad, Zheng Liu
日本語で読む → - 論文VLMセキュリティ画像認識
ピクセルの隙間を読む:テキスト-画像埋め込みの整合性と視覚言語モデルにおけるタイポグラフィ攻撃成功率の関連性
視覚言語モデルに対するタイポグラフィ・プロンプトインジェクション攻撃の成功率が、フォントサイズや視覚的変換、テキスト-画像埋め込み距離とどう相関するかを体系的に評価した研究。
原題: Reading Between the Pixels: Linking Text-Image Embedding Alignment to Typographic Attack Success on Vision-Language Models / Ravikumar Balakrishnan, Sanket Mendapara, Ankit Garg
日本語で読む → - 論文制御理論制御
部分観測確率システムの階層制御
部分観測と確率的ノイズ下での階層制御の理論基盤を確立し、各層の状態推定器間の出力距離を事前計算可能な範囲に保つ確率的シミュレーション関数を導入。線形システムとカルマンフィルタに対して構築法を示し、航空ロボットの例で実証した。
原題: Layered Control of Partially Observed Stochastic Systems / Charis Stamouli, Anastasios Tsiamis, George J. Pappas
日本語で読む → - 論文CAD生成画像認識
ArtiCAD: マルチエージェントコード生成による関節CADアセンブリ設計
テキストや画像から編集可能な関節CADアセンブリを生成する、訓練不要のマルチエージェントシステムを提案。設計段階で接続関係を予測し、検証とロールバック機構で品質を確保する。
原題: ArtiCAD: Articulated CAD Assembly Design via Multi-Agent Code Generation / Yuan Shui, Yandong Guan, Zhanwei Zhang 他
日本語で読む → - 論文3D再構成/インタラクティブ物体画像認識
EgoFun3D: 一人称視点動画からの関数テンプレートを用いたインタラクティブ物体のモデリング
一人称視点動画から、シミュレーション可能なインタラクティブ3D物体を復元するタスク・データセット・ベンチマークを提案。物体の関節構造に加え、部品間の機能マッピング(例:つまみの回転が温度を制御)を関数テンプレートとして表現し、4段階パイプラインで推定する。
原題: EgoFun3D: Modeling Interactive Objects from Egocentric Videos using Function Templates / Weikun Peng, Denys Iliash, Manolis Savva
日本語で読む →
PR・アフィリエイト広告
