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 →- 論文ユーザー適応/好み学習ロボティクス
相互作用による改善:CMA-ES-IGによる行動表現空間の探索
ユーザーの好みをランキングから学習する際、ユーザー体験を考慮して知覚的に異なる情報豊富な軌道を提案するCMA-ES-IGアルゴリズムを提案し、シミュレーションと実機実験で有効性を示した。
原題: Improving through Interaction: Searching Behavioral Representation Spaces with CMA-ES-IG / Nathaniel Dennler, Zhonghao Shi, Yiran Tao 他
日本語で読む → - 論文環境生成画像認識
MANSION: 長期的タスクのための多階層言語から3Dシーン生成
建物全体の多階層3D環境を言語指示から生成するフレームワークを提案し、長期的なロボットタスクの評価基盤を提供する。
原題: MANSION: Multi-floor lANguage-to-3D Scene generatIOn for loNg-horizon tasks / Lirong Che, Shuo Wen, Shan Huang 他
日本語で読む → - 論文自動運転画像認識
Vega: 自然言語指示による自動運転学習
多様な運転指示と軌道を含む大規模データセットを構築し、視覚と言語を統合して指示に従った軌道生成と計画を行う統一モデルVegaを提案した。
原題: Vega: Learning to Drive with Natural Language Instructions / Sicheng Zuo, Yuxuan Li, Wenzhao Zheng 他
日本語で読む → - 論文オドメトリロボティクス
VoxelMapを用いた密結合LiDAR-慣性オドメトリの導出について
本論文は、VoxelMap表現を用いた反復誤差状態カルマンフィルタ内での密結合LiDAR-慣性オドメトリの数学的定式化を簡潔に提示する。新しいアルゴリズムを提案するのではなく、一貫した表記と明示的な定式化を通じて幾何モデリングと確率状態推定を統合する自己完結的な導出を提供する。
原題: On the Derivation of Tightly-Coupled LiDAR-Inertial Odometry with VoxelMap / Zhihao Zhan
日本語で読む → - 論文マニピュレーションロボティクス
FAR-Dex: 少数ショットデータ拡張と適応的残差ポリシー精緻化による器用操作
多指ハンドとロボットアームの協調による器用操作を実現するため、少数のデモからシミュレータで多様な軌道を生成し、適応的残差モジュールでポリシーを精緻化する階層的フレームワークFAR-Dexを提案した。
原題: FAR-Dex: Few-shot Data Augmentation and Adaptive Residual Policy Refinement for Dexterous Manipulation / Yushan Bai, Fulin Chen, Hongzheng Sun 他
日本語で読む → - 論文物体検出画像認識
自動煙感知器点検に向けて:産業施設における煙感知器の認識と将来のドローン統合の準備
産業施設の煙感知器を自動点検するため、YOLOv11、SSD、RT-DETRv2などの物体検出器を比較し、実データと半合成データを用いた学習戦略を検証した。最良のYOLOv11nはmAP@0.5で0.884を達成した。
原題: Towards automatic smoke detector inspection: Recognition of the smoke detectors in industrial facilities and preparation for future drone integration / Lukas Kratochvila, Jakub Stefansky, Simon Bilik 他
日本語で読む → - 論文操作/オフラインRLロボティクス
スピードアップパッチ:身体操作を加速するプラグアンドプレイ方策の学習
既存の身体操作ポリシーの実行速度が遅い問題に対し、オフラインデータのみで使える軽量な外部スケジューラを導入し、行動チャンクを適応的に間引いて実行を高速化するフレームワークを提案した。
原題: Speedup Patch: Learning a Plug-and-Play Policy to Accelerate Embodied Manipulation / Zhichao Wu, Junyin Ye, Zhilong Zhang 他
日本語で読む → - 論文ナビゲーションロボティクス
APPLV: 視覚言語行動モデルからの適応的プランナーパラメータ学習
古典的プランナーのパラメータを視覚言語モデルから予測して自動調整し、高制約環境でのナビゲーション性能と汎化性を向上させる手法を提案した。
原題: APPLV: Adaptive Planner Parameter Learning from Vision-Language-Action Model / Yuanjie Lu, Beichen Wang, Zhengqi Wu 他
日本語で読む → - 論文手術ロボティクスロボティクス
SSP: 行動制約と空間制約の同時最適化による安全性保証付き手術ポリシー
強化学習や模倣学習で得た手術ポリシーに、不確実性を考慮した制御バリア関数を組み合わせ、行動制約と空間制約を満たしつつ安全性を保証するフレームワークを提案した。
原題: SSP: Safety-guaranteed Surgical Policy via Joint Optimization of Behavioral and Spatial Constraints / Jianshu Hu, ZhiYuan Guan, Lei Song 他
日本語で読む → - 論文両腕操作ロボティクス
EquiBim: 両腕操作のための対称性等変ポリシー学習
両腕ロボットの対称性を活用し、観測と行動の間に両側等変性を課すポリシー学習フレームワークを提案。シミュレーションと実機で性能を検証した。
原題: EquiBim: Learning Symmetry-Equivariant Policy for Bimanual Manipulation / Zhiyuan Zhang, Aditya Mohan, Seungho Han 他
日本語で読む → - 論文変形翼ドローンロボティクス
変形翼ドローンによる狭い隙間の飛行
翼を飛行中に折りたたむ変形翼ドローンで、翼幅より狭い隙間を通過する制御手法を開発し、高度誤差5cmで通過を実現した。
原題: Flight through Narrow Gaps with Morphing-Wing Drones / Julius Wanner, Hoang-Vu Phan, Charbel Toumieh 他
日本語で読む → - 論文VPR画像認識
映像場所認識のための新規視点合成の系統的評価
5つの公開VPR画像データベースと7つの類似度手法を用いて、合成新規視点画像が場所認識性能に与える影響を系統的に評価した。少量の追加では認識精度が向上するが、大量追加では視点変化の大きさよりも追加枚数やデータセットの種類が重要であることを示した。
原題: Systematic Evaluation of Novel View Synthesis for Video Place Recognition / Muhammad Zawad Mahmud, Samiha Islam, Damian Lyons
日本語で読む → - 論文VLA/操作ロボティクス
AtomVLA: 予測的潜在世界モデルによるロボット操作のためのスケーラブルなポストトレーニング
VLAモデルの長期的なタスク実行における指示の粒度不足による誤差蓄積を解決するため、大規模言語モデルでタスクを細分化し、予測的世界モデルで潜在空間内のサブタスク達成度を評価する新しいフレームワークを提案した。
原題: AtomVLA: Scalable Post-Training for Robotic Manipulation via Predictive Latent World Models / Xiaoquan Sun, Zetian Xu, Chen Cao 他
日本語で読む → - 論文クレーン制御ロボティクス
受動関節ダイナミクスを有するブームクレーンの自律ブロック組立:統合ビジョンMPC制御
建設現場でのプレハブブロック組立を目的に、受動関節による振り子状の揺れを抑制しながら、ビジョンによる位置推定、衝突回避Bスプライン経路計画、非線形モデル予測制御を統合した自律制御フレームワークを提案し、実験で検証した。
原題: Autonomous Block Assembly for Boom Cranes with Passive Joint Dynamics: Integrated Vision MPC Control / Gerald Ebmer, Minh Nhat Vu, Tobias Glück 他
日本語で読む → - 論文SLAM画像認識
エッジ認識イベントベースSLAM:学習ベースの深度事前情報を活用したEdged USLAM
イベントカメラの利点を活かしつつ、エッジ強調フロントエンドと軽量深度モジュールを統合したハイブリッド視覚慣性SLAMシステムを提案し、様々な条件下での性能を評価した。
原題: Edged USLAM: Edge-Aware Event-Based SLAM with Learning-Based Depth Priors / Şebnem Sarıözkan, Hürkan Şahin, Olaya Álvarez-Tuñón 他
日本語で読む → - 論文VLA/エッジ・クラウド協調推論cs.DC
RAPID: 多様なVLAモデルのための冗長性認識・互換性最適なエッジ・クラウド分割推論
VLAモデルの推論コスト削減のため、冗長性を考慮し互換性を最適化したエッジ・クラウド分割推論フレームワークRAPIDを提案し、最大1.73倍の高速化を実現した。
原題: RAPID: Redundancy-Aware and Compatibility-Optimal Edge-Cloud Partitioned Inference for Diverse VLA Models / Zihao Zheng, Sicheng Tian, Hangyu Cao 他
日本語で読む → - 論文歩行制御ロボティクス
産業運搬タスクにおける人型ロボットの負荷対応歩行制御
人型ロボットが荷物を運搬する際の安定歩行を実現するため、強化学習と運動学に基づく参照軌道を組み合わせた負荷対応フレームワークを提案し、シミュレーションと実機で有効性を検証した。
原題: Load-Aware Locomotion Control for Humanoid Robots in Industrial Transportation Tasks / Lequn Fu, Yijun Zhong, Xiao Li 他
日本語で読む → - 論文VLA/量子化機械学習
DyQ-VLA: 身体化視覚言語行動モデルのための時間動的認識量子化
VLAモデルの推論コストを削減するため、時間的な感度に応じてビット幅を動的に切り替える量子化フレームワークDyQ-VLAを提案した。
原題: DyQ-VLA: Temporal-Dynamic-Aware Quantization for Embodied Vision-Language-Action Models / Zihao Zheng, Hangyu Cao, Sicheng Tian 他
日本語で読む → - 論文群制御ロボティクス
SwiftBot: LLM駆動の連合ロボットタスク実行のための分散プラットフォーム
LLMによるタスク分解とDHTオーバーレイ上のコンテナオーケストレーションを統合し、中央制御なしでロボット群が協調してタスクを実行できる分散プラットフォームを提案した。
原題: SwiftBot: A Decentralized Platform for LLM-Powered Federated Robotic Task Execution / YueMing Zhang, Shuai Xu, Zhengxiong Li 他
日本語で読む → - 論文歩行ロボティクス
RL強化MPCによる非周期的脚式・ハイブリッド移動の実現
高層RLエージェントが歩容とナビゲーション指令を生成し、低層MPCが接触タイミングを最適化する階層アーキテクチャを提案。シミュレーションで非周期的歩容を学習し、実機へのゼロショット転送を実証した。
原題: RL-Augmented MPC for Non-Gaited Legged and Hybrid Locomotion / Andrea Patrizi, Carlo Rizzardo, Arturo Laurenzi 他
日本語で読む → - 論文VLA/操作/継続学習ロボティクス
AtomicVLA: ロボットにおける原子スキル学習の可能性を解き放つ
長期的・多段階のロボット操作タスクを扱うため、タスク計画・原子スキル抽象化・細粒度アクションを統合的に生成するフレームワークAtomicVLAを提案。スキル誘導型Mixture-of-Expertsによりスケーラブルな原子スキルライブラリを構築し、継続学習も可能にした。
原題: AtomicVLA: Unlocking the Potential of Atomic Skill Learning in Robots / Likui Zhang, Tao Tang, Zhihao Zhan 他
日本語で読む → - 論文軌道計画ロボティクス
MMH-Planner: リアルタイム空間認識に基づくUAV効率飛行のためのマルチモードハイブリッド軌道計画手法
環境認識に基づき最適な計画モードを動的に選択するUAV向け軌道計画手法を提案し、シミュレーションと実機で有効性を検証した。
原題: MMH-Planner: Multi-Mode Hybrid Trajectory Planning Method for UAV Efficient Flight Based on Real-Time Spatial Awareness / Yinghao Zhao, Chenguang Dai, Liang Lyu 他
日本語で読む → - 論文触覚/操作/sim2realロボティクス
PTLD: 触覚潜在一貫性蒸留によるシミュレーションから実世界への巧みな操作
触覚センサのシミュレーションを必要とせず、実世界の特権センサから収集したデータを用いて触覚入力に基づく状態推定器を蒸留し、シミュレーションで訓練した操作ポリシーを向上させる手法を提案した。
原題: PTLD: Sim-to-real Privileged Tactile Latent Distillation for Dexterous Manipulation / Rosy Chen, Mustafa Mukadam, Michael Kaess 他
日本語で読む → - 論文VLA/拡散モデル/ファインチューニングロボティクス
Fast-dVLA: 離散拡散VLAを実時間性能へ高速化
事前学習済みVLAモデルの性能向上と適応コスト削減を両立するため、補助タスクの能力ベクトルをパラメータ空間で分離・統合する手法を提案し、軽量な正則化で標準SFTと同等の性能を低計算コストで実現した。
原題: Fast-dVLA: Accelerating Discrete Diffusion VLA to Real-Time Performance / Wenxuan Song, Jiayi Chen, Shuai Chen 他
日本語で読む → - 論文3D多物体追跡画像認識
Fusion-Poly: 時空間融合に基づく3D多物体追跡のための多面体フレームワーク
LiDARとカメラの非同期観測を活用し、同期・非同期タイムスタンプで軌道を更新する3D多物体追跡フレームワークを提案。
原題: Fusion-Poly: A Polyhedral Framework Based on Spatial-Temporal Fusion for 3D Multi-Object Tracking / Xian Wu, Yitao Wu, Xiaoyu Li 他
日本語で読む → - 論文経路計画機械学習
不規則六角形グリッド上の海上被覆経路計画のための批評家不要の深層強化学習
海上監視の被覆経路計画を六角形グリッド上の神経組合せ最適化として定式化し、Transformerベースのポインタ方策をGRPOで訓練することで、従来のヒューリスティクスを大幅に上回る性能を実現した。
原題: Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids / Carlos S. Sepúlveda, Gonzalo A. Ruz
日本語で読む → - 論文対話的プランニングAI
AsgardBench:最小限のフィードバック下での視覚に基づく対話的プランニングの評価
視覚に基づく高レベルの行動系列生成と対話的プランニングを評価するベンチマークを提案し、実行中の視覚観察に基づくプラン適応に焦点を当てる。
原題: AsgardBench -- Evaluating Visually Grounded Interactive Planning Under Minimal Feedback / Andrea Tupini, Lars Liden, Reuben Tan 他
日本語で読む → - 論文VLA画像認識
TAG: 物体中心推論のためのターゲット非依存ガイダンスによるVLAポリシーの安定化
VLAポリシーが散らかった環境で誤った物体や位置を掴む問題を、物体を消した観察との差分を利用した推論時ガイダンスで改善する手法を提案。
原題: TAG: Target-Agnostic Guidance for Stable Object-Centric Inference in Vision-Language-Action Models / Jiaying Zhou, Zhihao Zhan, Ruifeng Zhai 他
日本語で読む → - 論文VLAロボティクス
言語から行動へ:LLMベースのエージェントは身体化されたロボットの認知に利用できるか?
大規模言語モデル(LLM)を中心とした認知アーキテクチャを提案し、家庭環境での移動マニピュレータの計画・推論に応用して、物体配置や交換タスクでその有効性を評価した。
原題: From Language to Action: Can LLM-Based Agents Be Used for Embodied Robot Cognition? / Shinas Shaji, Fabian Huppertz, Alex Mitrevski 他
日本語で読む → - 論文自動運転画像認識
DriveCode: LLMベース自動運転のためのドメイン特化型数値エンコーディング
数値を専用埋め込みとして表現するDriveCodeを提案し、LLMベース自動運転における軌道予測と制御信号生成の精度を向上させた。
原題: DriveCode: Domain Specific Numerical Encoding for LLM-Based Autonomous Driving / Zhiye Wang, Yanbo Jiang, Rui Zhou 他
日本語で読む →
PR・アフィリエイト広告
