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: 2026/3/1 / 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 →- 論文マニピュレーションロボティクス
クリティック・イン・ザ・ループ:堅牢な長時間操作のための三系統VLAフレームワーク
VLMの高次推論とVLAの高速実行を、軽量な視覚クリティックが動的に切り替える階層型フレームワークを提案し、長時間操作の堅牢性を向上させた。
原題: Critic in the Loop: A Tri-System VLA Framework for Robust Long-Horizon Manipulation / Pengfei Yi, Yingjie Ma, Wenjiang Xu 他
日本語で読む → - 論文強化学習/制御ロボティクス
VisFly-Lab: クアッドローター制御の一階強化学習のための統合微分可能フレームワーク
クアッドローター制御のための統合微分可能フレームワークを提案し、ホバリング、追跡、着陸、レースの4タスクで一階強化学習を評価。標準的な一階学習の課題を解決するABPTアルゴリズムを導入し、実機への転移可能性も示した。
原題: VisFly-Lab: Unified Differentiable Framework for First-Order Reinforcement Learning of Quadrotor Control / Fanxing Li, Fangyu Sun, Tianbao Zhang 他
日本語で読む → - 論文共有自律制御HCI
DiSCo: 共有自律のための拡散シーケンスコパイロット
共有自律制御において、拡散ポリシーを用いてユーザーの行動履歴に整合する行動シーケンスを計画する手法DiSCoを提案し、シミュレーションの運転・ロボットアームタスクで性能を向上させた。
原題: DiSCo: Diffusion Sequence Copilots for Shared Autonomy / Andy Wang, Xu Yan, Brandon McMahan 他
日本語で読む → - 論文3D占有予測画像認識
VLMFusionOcc3D: VLM支援によるマルチモーダル3Dセマンティック占有予測
自律運転向けに、視覚言語モデル(VLM)の言語的知識を利用して曖昧なボクセル特徴を安定した意味概念に固定し、悪天候下でも頑健な3Dセマンティック占有予測を実現するフレームワークを提案した。
原題: VLMFusionOcc3D: VLM Assisted Multi-Modal 3D Semantic Occupancy Prediction / A. Enes Doruk, Hasan F. Ates
日本語で読む → - 論文移動操作ロボティクス
脚式マニピュレータによるカート押し学習のための部分動作模倣
脚式ロボットの移動操作タスクにおいて、歩行タスクから学習した下半身の動作のみを模倣する部分敵対的動作事前分布を用いた部分模倣学習を提案し、カート押し操作を安定かつ正確に学習できることを示した。
原題: Partial Motion Imitation for Learning Cart Pushing with Legged Manipulators / Mili Das, Morgan Byrd, Donghoon Baek 他
日本語で読む → - 論文マニピュレーションロボティクス
順方向デモンストレーションからの逆タスク学習によるタスクパラメータ外挿
順方向と逆方向のタスクを共通表現で学習し、新規条件の順方向デモのみから対応する逆タスクを実行できる手法を提案。シミュレーションと実機の複雑なマニピュレーションで既存手法を上回る。
原題: Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations / Serdar Bahar, Fatih Dogangun, Matteo Saveriano 他
日本語で読む → - 論文全身制御/ロコ操作ロボティクス
モデルベースと学習ベース制御の統合による安全な全身ロコ操作
脚式ロボットの移動とアーム操作を統合し、モデルベースのアドミッタンス制御と強化学習ポリシーを組み合わせて、安全で柔軟な全身操作を実現した。
原題: Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control / Alexander Schperberg, Yeping Wang, Stefano Di Cairano
日本語で読む → - 論文医用画像/ロボット超音波画像認識
ロボット超音波がCBCTを生きた画像に変える
術中CBCTの静的画像を、ロボット超音波の動的プロキシを用いてリアルタイムに変形更新する枠組みを提案した。超音波から変形場を推定し、CBCTスライスを動的に更新することで、呼吸やプローブ圧による軟組織変形を追跡できる。
原題: Robotic Ultrasound Makes CBCT Alive / Feng Li, Ziyuan Li, Zhongliang Jiang 他
日本語で読む → - 論文組込みシステムロボティクス
STM32を用いたスマートゴミ箱:組込みセンシングと自動制御による衛生的廃棄
STM32マイコン、超音波センサ、サーボモータを用いて、人の接近を検知して蓋を自動開閉し、内部のゴミ量を監視する非接触スマートゴミ箱を開発した。
原題: STM32-Based Smart Waste Bin for Hygienic Disposal Using Embedded Sensing and Automated Control / Mohammed Aman Bhuiyan, Aritra Islam Saswato, Md. Misbah Khan 他
日本語で読む → - 論文キャリブレーション画像認識
ネイティブドメインのクロスアテンションによるカメラ-LiDAR外部キャリブレーション:大きな初期摂動下での性能向上
カメラとLiDARの外部キャリブレーションを、3D幾何を歪めずに直接対応付けるクロスアテンション機構を提案し、大きな初期誤差下でも高精度なキャリブレーションを実現した。
原題: Native-Domain Cross-Attention for Camera-LiDAR Extrinsic Calibration Under Large Initial Perturbations / Ni Ou, Zhuo Chen, Xinru Zhang 他
日本語で読む → - 論文VLA画像認識
PVI: 視覚言語行動モデルのためのプラグイン型視覚注入
事前学習済みの視覚言語モデルと行動エキスパートを組み合わせたVLAアーキテクチャに対し、軽量でエンコーダ非依存のモジュールを追加し、時間的視覚特徴を注入することで性能を向上させる手法を提案した。
原題: PVI: Plug-in Visual Injection for Vision-Language-Action Models / Zezhou Zhang, Songxin Zhang, Xiao Xiong 他
日本語で読む → - 論文タスク・動作計画ロボティクス
大規模言語モデルによる部分観測タスク・動作計画の状態推定ガイド
ロボットが部分観測環境で計画を実行中に予期しない物体を観測した際、LLMの常識知識を用いてタスク関連物体の信念を形成し、計画・実行時間を大幅に短縮するフレームワークCoCo-TAMPを提案した。
原題: Large-Language-Model-Guided State Estimation for Partially Observable Task and Motion Planning / Yoonwoo Kim, Raghav Arora, Roberto Martín-Martín 他
日本語で読む → - 論文模倣学習ロボティクス
TransMASK: 学習された変換によるマスク状態表現
ロボットの模倣学習において、タスクに関連する状態要素のみに注目するマスクを自己教師ありで学習し、環境変化に対するロバスト性を向上させる手法を提案した。
原題: TransMASK: Masked State Representation through Learned Transformation / Sagar Parekh, Preston Culbertson, Dylan P. Losey
日本語で読む → - 論文群制御ロボティクス
予測時空間観測と深層強化学習による分散型エンドツーエンド多機追跡
LiDAR生データから直接制御指令を生成する分散型MARLフレームワークを提案し、予測時空間観測により障害物回避と動的目標の包囲を実現、実機ドローン群で検証した。
原題: Decentralized End-to-End Multi-AAV Pursuit Using Predictive Spatio-Temporal Observation via Deep Reinforcement Learning / Yude Li, Zhexuan Zhou, Huizhe Li 他
日本語で読む → - 論文システム設計ロボティクス
長時間ロボット卓上ゲームにおける内部状態整合性を維持するシステム設計
ロボットによる長時間の卓上ゲーム(麻雀)で、知覚や実行の小さな誤りが状態を破壊する問題に対し、状態を明示的に分離・監視し、触覚トリガーによる回復機構を備えた統合アーキテクチャを提案・実証した。
原題: System Design for Maintaining Internal State Consistency in Long-Horizon Robotic Tabletop Games / Guangyu Zhao, Ceyao Zhang, Chengdong Ma 他
日本語で読む → - 論文群制御ロボティクス
ハドル:分散型ミニマリストロボットによる並列形状組み立て
分散型ロボットが局所的な相互作用のみで任意形状の集合体を形成するアルゴリズムを提案し、107台での実証と理論的正当性を示した。
原題: Huddle: Parallel Shape Assembly using Decentralized, Minimalistic Robots / Khai Yi Chin, Tingwei Meng, Zhe Chen 他
日本語で読む → - 論文自律探索ロボティクス
環境コンテキストモデリングによる疎分布視覚現象の自律探索
AUVがサンゴ礁で希少なサンゴ種を効率的に探索するため、周囲の環境コンテキストを報酬信号として活用し、一回のラベル付き画像からDINOv2でオンライン検出する手法を提案。
原題: Autonomous Search for Sparsely Distributed Visual Phenomena through Environmental Context Modeling / Eric Chen, Travis Manderson, Nare Karapetyan 他
日本語で読む → - 論文社会的定位/自閉症/ヒューマノイドロボットHCI
人間 vs. NAO:自閉症と定型発達における社会的定位の定量化のための計算行動フレームワーク
この論文は、自閉症スペクトラム障害(ASD)の子供と定型発達の子供が、人間とヒューマノイドロボットNAOによる名前呼びかけにどのように反応するかを、視線や応答時間などの行動指標を用いて比較分析した研究です。
原題: Human vs. NAO: A Computational-Behavioral Framework for Quantifying Social Orienting in Autism and Typical Development / Vartika Narayani Srinet, Anirudha Bhattacharjee, Braj Bhushan 他
日本語で読む → - 論文マニピュレーションロボティクス
TiPToP: 計画を行うモジュラーなオープン語彙ロボットマニピュレーションシステム
事前学習済み基盤モデルとGPU加速タスク・モーションプランナを組み合わせ、RGB画像と言語から直接ロボット操作を計画・実行するモジュラーシステムを提案。訓練データ不要でVLAを上回る成功率と速度を達成。
原題: TiPToP: A Modular Open-Vocabulary Robot Manipulation System That Plans / William Shen, Nishanth Kumar, Sahit Chintalapudi 他
日本語で読む → - 論文模倣学習ロボティクス
力覚対応残差DAggerと軌道編集によるインピーダンス制御下の精密挿入
接触を伴う精密挿入タスクのための、力覚を考慮した人間参加型模倣学習フレームワークを提案。軌道編集による残差方策学習と力の不一致に基づく介入トリガーで、共変量シフトを抑えつつ専門家の常時監視を不要にした。
原題: Force-Aware Residual DAgger via Trajectory Editing for Precision Insertion with Impedance Control / Yiou Huang, Ning Ma, Weichu Zhao 他
日本語で読む → - 論文状態推定ロボティクス
脚式ロボットのための相互作用多重モデル固有受容オドメトリ
接触仮定の不確かさに対処するため、相互作用多重モデル(IMM)を用いて複数の接触仮説を確率的に融合する脚式ロボットの固有受容オドメトリ手法を提案し、姿勢推定精度を向上させた。
原題: Interacting Multiple Model Proprioceptive Odometry for Legged Robots / Wanlei Li, Zichang Chen, Shilei Li 他
日本語で読む → - 論文能動マッピング画像認識
MAGICIAN: 想像ガウシアンを用いた能動マッピングのための効率的な長期計画
3Dガウシアンスプラッティングに基づく想像ガウシアン表現を活用し、木探索による長期計画で能動マッピングの探索効率と再構成精度を向上させるフレームワークを提案。
原題: MAGICIAN: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping / Shiyao Li, Antoine Guédon, Shizhe Chen 他
日本語で読む → - 論文軌道生成ロボティクス
DRIFT: 拡散モデルによる軌道生成のためのルール推論
移動ロボットの軌道生成において、滑らかさと終端精度のトレードオフを解決するため、GNNと時間注意機構を組み合わせた条件付き拡散モデルDRIFTを提案した。
原題: DRIFT: Diffusion-based Rule-Inferred For Trajectories / Jinyang Zhao, Handong Zheng, Yanjiu Zhong 他
日本語で読む → - 論文マニピュレーションロボティクス
ロボットシーンクローニング:視覚プロンプト編集による操作タスクのゼロショットシーン適応の推進
既存のロボット操作軌道を編集してシーン固有の適応を実現する手法を提案し、視覚プロンプトと条件注入モジュールにより正確でシーン整合性のあるサンプル生成を行い、ポリシーの汎化を向上させる。
原題: Robotic Scene Cloning:Advancing Zero-Shot Robotic Scene Adaptation in Manipulation via Visual Prompt Editing / Binyuan Huang, Yuqing Wen, Yucheng Zhao 他
日本語で読む → - 論文模倣学習/転移学習ロボティクス
データの類推が効率的な異種ロボット間転移を可能にする
異なるロボット間での模倣学習の転移において、単にデータ量を増やすよりも、シーンやタスクを揃えたペアデータ(データ類推)が形態の違いに対して効果的であることを示し、実世界で成功率を平均22.5%向上させた。
原題: Data Analogies Enable Efficient Cross-Embodiment Transfer / Jonathan Yang, Chelsea Finn, Dorsa Sadigh
日本語で読む → - 論文産業オートメーションcs.SE
IndustriConnect: AI支援産業運用のためのMCPアダプタとモックファースト評価
AIアシスタントがModbusやMQTTなどの産業プロトコルを直接扱えない問題に対し、MCPアダプタ群を開発し、モック環境での事前検証と870回のベンチマークで正常性・障害処理・並行性を評価した。
原題: IndustriConnect: MCP Adapters and Mock-First Evaluation for AI-Assisted Industrial Operations / Melwin Xavier, Melveena Jolly, Vaisakh M A 他
日本語で読む → - 論文歩行/強化学習ロボティクス
SteadyTray: 残差強化学習による人型ロボットのトレイ運搬における物体バランス学習
人型ロボットが歩行中にトレイ上の物体を安定して運ぶための階層型強化学習フレームワークを提案し、歩行制御と物体安定化を分離することで高い成功率と実機でのゼロショット転移を実現した。
原題: SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport via Residual Reinforcement Learning / Anlun Huang, Zhenyu Wu, Soofiyan Atar 他
日本語で読む → - 論文マッピング画像認識
3Dガウススプラッティングを用いたリアルタイム月面マッピングのためのセマンティックセグメンテーションと深度推定
月面探査向けに、セマンティックセグメンテーションと深度推定を統合した3Dガウススプラッティングベースのリアルタイムマッピング手法を提案し、シミュレーションデータで精度を実証した。
原題: Semantic Segmentation and Depth Estimation for Real-Time Lunar Surface Mapping Using 3D Gaussian Splatting / Guillem Casadesus Vila, Adam Dai, Grace Gao
日本語で読む → - 論文ナビゲーションロボティクス
MRPoS: 空間ポインティングと大規模言語モデルを用いた音声対話による複合現実ベースのロボットナビゲーションインターフェース
複合現実(MR)環境でのロボットナビゲーションにおいて、従来のエアタップ操作に代わり、空間ポインティングと大規模言語モデル(LLM)による音声対話を組み合わせた自然なマルチモーダルインターフェースを提案し、タスク完了時間と作業負荷を削減した。
原題: MRPoS: Mixed Reality-Based Robot Navigation Interface Using Spatial Pointing and Speech with Large Language Model / Eduardo Iglesius, Masato Kobayashi, Yuki Uranishi
日本語で読む → - 論文ナビゲーション画像認識
Context-Nav: 文脈駆動探索と視点対応3D空間推論によるインスタンスナビゲーション
テキスト指示に基づき、同じカテゴリの物体の中から正しいインスタンスへ到達するナビゲーション手法を提案。文脈全体を探索の事前情報として活用し、視点対応の3D空間検証で候補を確認する。
原題: Context-Nav: Context-Driven Exploration and Viewpoint-Aware 3D Spatial Reasoning for Instance Navigation / Won Shik Jang, Ue-Hwan Kim
日本語で読む →
PR・アフィリエイト広告
