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: 2026/3/12 / 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 →- 論文強化学習機械学習
ベルマン整合性とハイブリッド批評家によるクロスドメイン方策最適化
強化学習において、ソースドメインのデータを活用してターゲットドメインの学習を効率化するクロスドメイン転移を扱い、ドメイン間の状態・行動空間の違いと転移の負の影響を同時に解決する手法QAvatarを提案した。
原題: Cross-Domain Policy Optimization via Bellman Consistency and Hybrid Critics / Ming-Hong Chen, Kuan-Chen Pan, You-De Huang 他
日本語で読む → - 論文世界モデル/表現学習機械学習
潜在計画のための時間的直線化
世界モデルを用いた潜在計画のための表現学習を改善する手法を提案。人間の視覚処理における知覚的直線化仮説に着想を得て、曲率正則化により潜在軌道を局所的に直線化し、計画の安定性と成功率を向上させる。
原題: Temporal Straightening for Latent Planning / Ying Wang, Oumayma Bounou, Gaoyue Zhou 他
日本語で読む → - 論文連続強化学習機械学習
ARROW: 拡張リプレイによる堅牢な世界モデル
連続強化学習における破滅的忘却を防ぐため、モデルベースRLアルゴリズムDreamerV3に、短期・長期の2つのバッファを持つメモリ効率の良いリプレイ手法を導入し、タスク多様性を保ちながら学習を安定化させる手法を提案した。
原題: ARROW: Augmented Replay for RObust World models / Abdulaziz Alyahya, Abdallah Al Siyabi, Markus R. Ernst 他
日本語で読む → - 論文バッテリ劣化予測機械学習
非定常劣化下でのバッテリ劣化予測のためのワールドモデル
リチウムイオン電池の劣化予測をワールドモデル問題として定式化し、各サイクルの電圧・電流・温度データを潜在状態に符号化して将来のSOH軌道を予測する手法を提案。直接回帰と比較して軌道予測誤差を半減させ、電気化学的知識を損失に組み込むことで劣化膝部の予測精度が向上することを示した。
原題: World Model for Battery Degradation Prediction Under Non-Stationary Aging / Kai Chin Lim, Khay Wai See
日本語で読む → - 論文コード生成機械学習
Python用ニューラルデバッガへの道
大規模言語モデルをPythonの実行トレースで訓練し、ブレークポイント設定やステップ実行などのデバッガ操作を模倣できるニューラルデバッガを提案した。
原題: Towards a Neural Debugger for Python / Maximilian Beck, Jonas Gehring, Jannik Kossen 他
日本語で読む → - 論文異常検知AI
茹でガエルの閾値:漸進的ドリフト下での世界モデルに基づく異常検知における臨界性と盲目性
RLエージェントの観測が徐々に劣化する際、どのドリフト率で検知が起きるかを調べ、普遍的な検知閾値の存在や正弦波ドリフトの不可検知性などを明らかにした。
原題: The Boiling Frog Threshold: Criticality and Blindness in World Model-Based Anomaly Detection Under Gradual Drift / Zhe Hong
日本語で読む → - 論文世界モデル画像認識
DreamSAC: 対称性探索によるハミルトン世界モデルの学習
物理法則の不変性を能動的に探索する「対称性探索」と、ハミルトン力学に基づく世界モデルを組み合わせ、外挿一般化を実現するフレームワークを提案した。
原題: DreamSAC: Learning Hamiltonian World Models via Symmetry Exploration / Jinzhou Tang, Fan Feng, Minghao Fu 他
日本語で読む → - 論文モデルベース強化学習機械学習
Dreamer-CDP: 連続決定論的表現予測による再構築不要ワールドモデルの改善
Dreamerなどのモデルベース強化学習エージェントで、観測再構築を使わずにJEPAスタイルの連続決定論的表現予測を導入し、Crafter環境で再構築ベース手法と同等の性能を達成した。
原題: Dreamer-CDP: Improving Reconstruction-free World Models Via Continuous Deterministic Representation Prediction / Michael Hauri, Friedemann Zenke
日本語で読む → - 論文歩行機械学習
数秒のデモから学ぶ四足歩行
四足歩行の模倣学習が少量データで効果的な理由を解析し、潜在空間と出力の変動を整える新手法を提案。数秒のデモからオフラインで歩行ポリシーを学習できることを実機で確認した。
原題: Learning Quadruped Walking from Seconds of Demonstration / Ruipeng Zhang, Hongzhan Yu, Ya-Chien Chang 他
日本語で読む → - 論文群制御機械学習
鉄道車両の入換問題に対する新しいハイブリッドヒューリスティック強化学習最適化アプローチ
貨物ヤードでの鉄道車両の入換計画問題を、片側アクセスと両側アクセスの2つのサブ問題に分解し、鉄道特有のヒューリスティックとQ学習を組み合わせたハイブリッドフレームワークを提案した。
原題: A Novel Hybrid Heuristic-Reinforcement Learning Optimization Approach for a Class of Railcar Shunting Problems / Ruonan Zhao, Joseph Geunes
日本語で読む → - 論文細胞動態モデリング画像認識
BLINK: NK細胞傷害活性の行動潜在モデリング
NK細胞と腫瘍細胞の相互作用動態を潜在状態空間モデルで学習し、細胞傷害の結果を予測・解釈可能な行動モードに分類する手法を提案した論文。
原題: BLINK: Behavioral Latent Modeling of NK Cell Cytotoxicity / Iman Nematollahi, Jose Francisco Villena-Ossa, Alina Moter 他
日本語で読む → - 論文世界モデル機械学習
世界モデルのための確率的ドリーミング
Dreamerモデルに確率的手法を導入し、複数の潜在状態の並列探索と排他的未来の仮説保持を可能にし、MPE SimpleTag領域で性能向上を確認した論文。
原題: Probabilistic Dreaming for World Models / Gavin Wong
日本語で読む → - 論文オフライン強化学習機械学習
IPD: オフライン強化学習における想像的計画蒸留による逐次方策の強化
オフライン強化学習の逐次方策モデルに対し、世界モデルと準最適価値関数を用いて劣った軌道を特定し、想像上の最適ロールアウトを生成してデータ拡張と蒸留を行う新しい枠組みIPDを提案した。
原題: IPD: Boosting Sequential Policy with Imaginary Planning Distillation in Offline Reinforcement Learning / Yihao Qin, Yuanfei Wang, Hang Zhou 他
日本語で読む → - 論文世界モデル機械学習
潜在粒子世界モデル:自己教師ありのオブジェクト中心確率動的モデリング
ビデオデータから教師なしでキーポイントやオブジェクトマスクを発見し、確率的な粒子動力学を学習する世界モデルを提案。実世界のマルチオブジェクトデータセットで最先端の性能を達成し、意思決定タスクにも応用可能。
原題: Latent Particle World Models: Self-supervised Object-centric Stochastic Dynamics Modeling / Tal Daniel, Carl Qi, Dan Haramati 他
日本語で読む → - 論文ワールドモデル画像認識
ピクセル履歴を超えて:持続的3D状態を持つワールドモデル
環境・カメラ・レンダラーの潜在3Dシーンを進化させる新しいワールドモデルPERSISTを提案し、空間記憶と幾何的一貫性を向上させた。
原題: Beyond Pixel Histories: World Models with Persistent 3D State / Samuel Garcin, Thomas Walker, Steven McDonagh 他
日本語で読む → - 論文メタ強化学習機械学習
オフラインメタ強化学習のための文脈潜在世界モデル
オフラインのメタ強化学習において、タスク表現を潜在世界モデルに条件付けして共同学習することで、タスク依存のダイナミクスを捉える表現を獲得し、未見タスクへの汎化性能を向上させた。
原題: Contextual Latent World Models for Offline Meta Reinforcement Learning / Mohammadreza Nakheai, Aidan Scannell, Kevin Luck 他
日本語で読む → - 論文探索機械学習
時間的表現による探索:外部報酬なしでの複雑な探索行動の学習
時間的コントラスト表現を用いて、未来の予測が難しい状態を優先的に探索する手法を提案し、移動・操作・身体化AIタスクで複雑な探索行動を学習できることを示した。
原題: Temporal Representations for Exploration: Learning Complex Exploratory Behavior without Extrinsic Rewards / Faisal Mohamed, Catherine Ji, Benjamin Eysenbach 他
日本語で読む → - 論文報酬設計画像認識
MVR: 強化学習のためのマルチビュー動画報酬整形
複数視点の動画と視覚言語モデルを用いて状態の関連性を学習し、タスク報酬とVLMガイダンスを統合する報酬整形フレームワークを提案。静的画像に基づく手法のバイアスを軽減し、複雑な動作を伴うタスクでの性能を向上させる。
原題: MVR: Multi-view Video Reward Shaping for Reinforcement Learning / Lirui Luo, Guoxi Zhang, Hongming Xu 他
日本語で読む → - 論文世界モデル機械学習
正則化による離散世界モデル学習
再構成や対比学習を使わず、正則化のみでブール潜在表現の世界モデルを教師なし学習する手法を提案した。
原題: Discrete World Models via Regularization / Davide Bizzaro, Luciano Serafini
日本語で読む → - 論文VLA/エッジ推論/量子化ロボティクス
LiteVLA-Edge: 組み込みロボティクス向け量子化オンデバイスマルチモーダル制御
Jetson Orin級の組み込みハードウェア上でVLAモデルを完全オンデバイス動作させるための実用的なパイプラインを提案し、量子化とGPU推論により約6.6Hzのリアルタイム制御を実現した。
原題: LiteVLA-Edge: Quantized On-Device Multimodal Control for Embedded Robotics / Justin Williams, Kishor Datta Gupta, Roy George 他
日本語で読む → - 論文強化学習機械学習
強化学習の解釈のための損失ランドスケープ可視化フレームワーク:ADHDPケーススタディ
強化学習の学習過程を可視化するフレームワークを提案し、ADHDPアルゴリズムを宇宙機の姿勢制御に適用して、損失曲面や状態TDマップなど4つの視点から学習ダイナミクスを解釈する。
原題: A Loss Landscape Visualization Framework for Interpreting Reinforcement Learning: An ADHDP Case Study / Jingyi Liu, Jian Guo, Eberhard Gill
日本語で読む → - 論文強化学習・計画ロボティクス
強化学習と動的計画法に基づく計画の関係
強化学習と計画の違いを整理し、非確率化した強化学習と価値反復法やダイクストラ法を比較して、コスト最小化と報酬最大化の等価条件などを解析した。
原題: Relating Reinforcement Learning to Dynamic Programming-Based Planning / Filip V. Georgiev, Kalle G. Timperi, Başak Sakçak 他
日本語で読む → - 論文VLA画像認識
TagaVLM: 視覚言語ナビゲーションのためのトポロジー認識型グローバル行動推論
VLMの自己注意機構に空間トポロジー構造を直接注入し、グローバルな行動推論を可能にすることで、視覚言語ナビゲーションの性能を向上させたフレームワーク。
原題: TagaVLM: Topology-Aware Global Action Reasoning for Vision-Language Navigation / Jiaxing Liu, Zexi Zhang, Xiaoyan Li 他
日本語で読む → - 論文自律エージェントロボティクス
PEPA: 個性を持つ持続的自律型身体性エージェント
性格特性を内在的な目標生成の原理として用い、三層認知アーキテクチャにより四足歩行ロボットが外部指示なしに自律的に目標を生成・実行するフレームワークを提案。
原題: PEPA: a Persistently Autonomous Embodied Agent with Personalities / Kaige Liu, Yang Li, Lijun Zhu 他
日本語で読む → - 論文支援ロボット/インタラクションロボティクス
制御なき制御:自律型支援ロボットの暗黙的インタラクションパラダイムの定義
自律支援ロボットの操作をユーザーの自然な行動手がかりで調整する「暗黙的制御」というインタラクションパラダイムを、2つの設計事例の質的フィードバック分析から定義し、設計ガイドラインを導出した。
原題: Control Without Control: Defining Implicit Interaction Paradigms for Autonomous Assistive Robots / Janavi Gupta, Kavya Puthuveetil, Dimitra Tsakona 他
日本語で読む → - 論文歩行ロボティクス
粒状斜面における脚式ロボットの失敗メカニズムとリスク推定
粒状斜面での脚式ロボットの移動性能低下の原因をモデル化し、沈下と滑りによる失敗領域を予測する位相図を構築した。
原題: Failure Mechanisms and Risk Estimation for Legged Robot Locomotion on Granular Slopes / Xingjue Liao, Feifei Qian
日本語で読む → - 論文歩行ロボティクス
リプシッツ制約付きポリシーによるヒューマノイドのタスク指定コンプライアンス境界
ヒューマノイドの強化学習において、タスク空間の剛性上限をポリシーのヤコビアンに対する状態依存のリプシッツ制約としてマッピングする異方性リプシッツ制約付きポリシー(ALCP)を提案し、歩行安定性と衝撃耐性を向上させた。
原題: Task-Specified Compliance Bounds for Humanoids via Lipschitz-Constrained Policies / Zewen He, Yoshihiko Nakamura
日本語で読む → - 論文材料特性推定画像認識
SLAT-Phys: 構造化3D潜在表現からの高速材料特性場予測
単一のRGB画像から3Dアセットの材料特性場(ヤング率、密度、ポアソン比)を直接推定するエンドツーエンド手法を提案。事前学習済み3D生成モデルの潜在表現を活用し、軽量デコーダで高速かつ高精度な予測を実現。
原題: SLAT-Phys: Fast Material Property Field Prediction from Structured 3D Latents / Rocktim Jyoti Das, Dinesh Manocha
日本語で読む → - 論文安全制御/部分観測ロボティクス
部分観測下の安全臨界制御:到達回避POMDPと信念空間制御の融合
信念空間で目標到達・情報収集・安全を分離する階層型制御アーキテクチャを提案し、リアルタイムな二次計画法で解くことで、非ガウス信念でも安全とタスク成功率を向上させた。
原題: Safety-critical Control Under Partial Observability: Reach-Avoid POMDP meets Belief Space Control / Matti Vahs, Joris Verhagen, Jana Tumova
日本語で読む → - 論文マニピュレーションロボティクス
LDHP: ライブラリ駆動型階層計画による非把持巧緻マニピュレーション
把持できない物体の操作に向け、接触状態計画と把持計画を階層化し、実行可能性を保証するライブラリ駆動型プランナを提案。実機で持ち上げや挿入タスクの頑健性を示した。
原題: LDHP: Library-Driven Hierarchical Planning for Non-prehensile Dexterous Manipulation / Tierui He, Jiahui Zuo, Fumin Zhang 他
日本語で読む →
PR・アフィリエイト広告
