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: 2026/10/23 / 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 →- 論文時空間記憶画像認識
長期時空間推論のためのガウシアン・エピソード記憶
3Dガウシアンスプラッティングの地図を変化領域のみ更新して保持し、エージェント的推論で時空間質問応答や物体グラウンディングを行うフレームワークGEMSと、その評価ベンチマークGEMS-Benchを提案した論文。
原題: Gaussian Episodic Memory for Long-Term Spatiotemporal Reasoning / Ling-Chia Chen, Abdelrhman Werby, Kaan Aytekin 他
日本語で読む → - 論文自動化実験/濡れ性計測ロボティクス
コンタクトレンズ濡れ性評価のための自動接触角測定プラットフォームRAISE-Vision
曲面ヒドロゲル上での接触角測定を自動化するロボットプラットフォームを開発し、コンタクトレンズの濡れ性評価を再現性高く行えることを示した。
原題: RAISE-Vision: An Automated Contact Angle Measurement Platform for Contact Lens Wettability Characterization / Erin Ng, Mohammad Nazeri, Julie S Liu 他
日本語で読む → - 論文マニピュレーションロボティクス
再利用可能な行動プリミティブを学習するロボット操作手法RoboCode
複数タスクで共有される短期的な行動パターンをソフトゲート付きプリミティブのコードブックとして学習し、操作タスクの成功率と解釈性を向上させた研究。
原題: RoboCode: Learning Reusable Action Primitives for Robot Manipulation / Xianyue Peng, Devi Amarsaikhan, Iman Soltani
日本語で読む → - 論文模倣学習ロボティクス
小型再帰ポリシー:視覚運動制御のための再帰的潜在表現洗練
永続的な時間状態と再帰的な潜在表現の洗練を組み合わせたパラメータ効率の良い行動クローニングポリシーを提案し、長期的・文脈依存タスクで性能向上を示した。
原題: Tiny Recursive Policy: Recursive Latent Refinement for Visuomotor Control / Hakan Aktas, Cengiz Oztireli
日本語で読む → - 論文オフラインRL機械学習
未来表現を予測して意思決定するDT-JEPA
報酬なしのオフライン軌跡から潜在空間で未来表現の確率分布を予測するJEPAベースの事前学習・微調整フレームワークを提案し、未見タスクへの適応を実現した論文。
原題: DT-JEPA: Learning to Predict Future Representations for Decision-Making / Changxu Ni, Yiyang Ni, Jun Li 他
日本語で読む → - 論文因果推論ロボティクス
自己拡張を説明・学習するための因果的アプローチ:レビュー
ロボットが行動や知覚の理由を説明し、その説明を人間と共有・検証して知識に取り込み自己進化するための因果推論に基づくアーキテクチャに関する研究動向をレビューした論文。
原題: Causal-based approaches to explain and learn from self-extension - A review / Rebeca Marfil, Pablo Bustos, Antonio Bandera
日本語で読む → - 論文マルチエージェントLLMAI
マルチエージェントLLMシステムにおけるコミュニケーション失敗の理解
医療QAやコーディングなど6分野の3,211件の失敗軌跡を分析し、マルチエージェントLLMのコミュニケーション失敗を分類。早期収束や少数意見の抑圧など、初回ミスより回復・合意形成の問題が支配的だと示した。
原題: Understanding Communication Failures in Multi-Agent LLM Systems / Priya Pitre, Jun Hou, Yi Fang 他
日本語で読む → - 論文意図認識AI
CEMIR対FISER:語用意図認識における推論ベースと情報拡充ベースの比較研究
ロボットの意図認識手法であるFISER(構造化推論)とCEMIR(マルチモーダル情報拡充)を4種のLLMとHandMeThat v2で比較し、性能差が統計的に有意でないことを示した診断的研究。
原題: CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition / Ziya Hosseynzadeh, Farjad Fallah, Farnoosh Fallah 他
日本語で読む → - 論文画像生成評価画像認識
MDMR-Bench:複数参照画像生成の多次元ベンチマーク
複数参照画像とテキスト指示に基づく画像生成を多角的に評価するため、能力設定ごとに複数の評価サブセットを設け、チェックリスト方式で診断的に採点するベンチマークを提案した論文。
原題: MDMR-Bench: A Multi-Dimensional Benchmark for Multi-Reference Image Generation / Bowen Zheng, Jintao Lin, Changheng Yi 他
日本語で読む → - 論文マルチモーダル/誤情報検出画像認識
MiD-VLM: 画像とキャプション間の全体的な意味的誤情報を検出・根拠特定するマルチモーダルモデル
画像とキャプションの組に潜む意味的な誤情報を検出するため、SigLIPとDINOv2の特徴を統合しQwen2-VL-7BをLoRAで適応させ、真偽判定・操作タイプ識別・誤導トークンの根拠特定を同時に行うモデルを提案した。
原題: MiD-VLM: Detecting and Grounding Global Semantic Misinformation in Image-Caption Pairs / Tarunya Prasad, Bharatesh Chakravarthi
日本語で読む → - 論文センサフュージョンロボティクス
煙・粉塵環境に強い分散型レーダーLiDAR慣性オドメトリ
LiDAR・レーダー・慣性センサを分散融合し、センサ劣化を自動検知して信頼性の低い計測を除外する耐障害的な自己位置推定フレームワークを提案し、煙のある地下トンネルで実証した。
原題: Resilient Decentralized Radar-LiDAR-Inertial Odometry in Challenging Subterranean Environments / Moumita Mukherjee, Avijit Banerjee, Anton Koval 他
日本語で読む → - 論文世界モデル画像認識
UniAction: 世界モデルのための統合アクション条件付け
力・カメラ・手・ロボット姿勢など異種のアクションを共通の要素表現に変換し、単一の動画世界モデルで統合的に条件付けできるフレームワークを提案した。
原題: UniAction: Unified Action Conditioning for World Models / Bowen Xue, Zizhang Li, Hong-Xing Yu 他
日本語で読む → - 論文状態推定機械学習
ZENO: ザカイ方程式ニューラルオペレータによる非線形フィルタリング
ザカイ方程式に基づく物理情報損失でニューラルオペレータを最適化し、潜在確率力学系の非正規化フィルタ分布を近似するZENOを提案。EM枠組みでパラメータ学習と状態推定を行い、二重井戸系・ファンデルポール振動子・ローレンツ系で有効性を示した。
原題: ZENO: Nonlinear filtering with Zakai Equation Neural Operators / Aaditya Prasad, Steven W. Flavell, Brian DePasquale
日本語で読む → - 論文3D表現学習/マニピュレーションロボティクス
DynaSlots: スロット単位の3Dダイナミクス事前学習によるロボットマニピュレーション
点群フレームを時間的に一貫した少数のスロットに分解し、シーン全体ではなくスロットごとにダイナミクスを学習するラベル不要の事前学習手法を提案。シミュレーションと実機で従来のシーンレベル手法を上回る成功率と頑健性を示した。
原題: DynaSlots: Slot-Centric 3D Dynamics Pretraining for Robot Manipulation / Meng Li, Lijiang Chen, Qi Zhao 他
日本語で読む → - 論文シーン生成画像認識
SceneBloom: 実用的で多様なレイアウトを持つ屋内環境をエージェント的に生成する身体性学習向けフレームワーク
拡散モデルによる家具配置の生成と関係性に基づく3Dシーン構築を組み合わせ、物理的に整合し実環境に近い屋内環境を自動生成するフレームワークを提案。生成シーンで学習したナビゲーション方策が実スキャン上で高い成功率を示した。
原題: SceneBloom: Agentic Indoor Environment Generation with Realistic and Diverse Layouts for Embodied Learning / Yuhan Liu, Lianhui Qin, Shenji Wan
日本語で読む → - 論文動き検出画像認識
フォトニック時間伸長に着想を得た動画のリアルタイム動き検出
光の時間伸長の物理原理を応用し、動画を画素ごとの時系列波形として扱うことで、高解像度のまま高速に動きの検出・増幅を行うアルゴリズムMoViDを提案した論文。
原題: Real Time Motion Detection in Video Inspired by Photonic Time Stretch / Callen MacPhee, Yiming Zhou, Bahram Jalali
日本語で読む → - 論文拡散モデル/機械的忘却画像認識
コンセプト鍼灸師:スパースオートエンコーダによる拡散モデルの効率的で精密な概念消去法
拡散モデルから特定概念を消す際、U-Netのクロスアテンションブロックと概念の対応を解析して狙い撃ちし、スパースオートエンコーダで概念の絡みを解きほぐして高精度・高効率に消去する手法を提案。
原題: Concept Acupuncturist: An Efficient and Precise Concept Erasure Method for Diffusion Models via Sparse Autoencoders / Yiran Xiahou, Siliang Qin, Kai Chen 他
日本語で読む → - 論文医療画像追跡eess.IV
NBIとWLIにおける解剖学的ランドマークの追跡容易性の比較
喉頭内視鏡動画61本を用い、狭帯域光観察(NBI)と白色光観察(WLI)でランドマーク追跡の精度を比較し、NBIが追跡誤差を低減することを示した。
原題: Investigating the trackability of landmarks in NBI and WLI / Jonas Below, Piermarco Gerli, Anna Jötten 他
日本語で読む → - 論文オプティカルフローロボティクス
TinyFlow: エッジ向けオプティカルフローのワープボトルネック解消
ワープ処理を固定窓相関に置き換え、単一の静的INT8グラフとしてコンパイル可能な軽量オプティカルフロー網を提案。エッジ機器での高精度フロー推定と視覚オドメトリを実現。
原題: TinyFlow: Breaking the Warping Bottleneck for Edge Optical Flow / Xiao'ao Song, Chahat Deep Singh
日本語で読む → - 論文VLAAI
Ψ-0.6:統合視覚言語ワールドモデルにおける適応的思考ストリーム
知覚・言語・幾何・シミュレーションを共有トークン上で柔軟に組み合わせて推論する統合視覚言語ワールドモデルを提案し、多視点空間推論や反事実シミュレーションで性能向上を示した。
原題: $Ψ$-0.6: Adaptive Streams of Thought in a Unified Vision-Language World Model / Khai Loong Aw, Klemen Kotar, Baihan Zhang 他
日本語で読む → - 論文車輪二脚/不整地移動ロボティクス
接触情報を活用した大型車輪二脚ロボットのブラインド移動制御
20インチ車輪を持つ二脚ロボットRAIWAYを開発し、シミュレーションの接触情報を潜在表現として蒸留し固有感覚のみで不整地走行を実現した。
原題: RAIWAY: A Large-Wheeled Bipedal Robot with Contact-Informed Blind Locomotion / Kyungmin Nam, Jiseong Lee, Donghyuk Choi 他
日本語で読む → - 論文模倣学習ロボティクス
多様な成功デモンストレーションを自動生成する模倣学習データ収集手法
強化学習をデータ生成器として使い、多様な成功軌道を生成して模倣学習の性能を向上させる手法DiscoDemoを提案。シミュレーションと実機で成功率が大幅に改善。
原題: DiscoDemo: Discovering Efficient and Diverse Robot Demonstrations for Imitation Learning / Minho Park, Kinam Kim, Donghu Kim 他
日本語で読む → - 論文説得AI/アバターHCI
クジラ型AIアバターは環境意識を高められるか:持続可能な行動と環境態度への即時・長期効果
ベロガクジラや著名人などの具現化AIアバター6条件を比較したランダム化実験で、アバターは即時の持続可能な商品選択を増やし、クジラ型は環境態度や2ヶ月後の選択にも効果を示した。
原題: Whale You Go Green? Immediate and Longitudinal Effects of Embodied Conversational AI Avatars on Sustainable Behavioral Tendencies and Pro-Environmental Attitudes / Rachel Poonsiriwong, Pat Pataranutaporn
日本語で読む → - 論文モデルベース設計制御
ROS2ロボットアーキテクチャのためのSysML v2ドメインライブラリ
ROS2のノードや通信、QoS、座標系などの概念をSysML v2で再利用可能に定義したライブラリを提案し、モデルからROS2パッケージ生成と実行時整合性監視の往復ワークフローを実現した。
原題: A SysML v2 Domain Library for ROS2 Robot Architectures / Sai Sandeep Damera, John S. Baras
日本語で読む → - 論文VLAロボティクス
人間の修正が連邦学習で伝播するとき:VLA適応における安全性
多様な人間の修正から得たVLAポリシーの適応を連邦学習で共有する際の安全性課題を整理し、文脈・不確実性の保持、受信ロボットの閉ループ評価、漏洩と保持の評価という3要件を提言する立場論文。
原題: When Human Corrections Travel: Safety in Federated VLA Adaptation / Vigneshwaran Subbaraju, Obaidullah Zaland, Monowar Bhuyan
日本語で読む → - 論文ヒューマノイド/強化学習ロボティクス
HoloBoxing:単一GPU7分で学ぶヒューマノイドボクシングの簡易レシピ
事前学習済み全身コントローラを再利用し、小型プランナとデコーダを模倣初期化+強化学習で訓練することで、単一GPU約7分の追加学習でヒューマノイドのボクシング動作を獲得する手法を提案した。
原題: HoloBoxing: A Simple Recipe for Humanoid Boxing with 7 Minutes of Single-GPU Training / Xihan Ma, Bo Zhang, Boxiong Li 他
日本語で読む → - 論文VLAロボティクス
失敗したら巻き戻せ:凍結VLAのための軽量リカバリ機構
凍結したVLAポリシーの内部表現を読む小型の失敗予測ヘッドを学習し、失敗確率が閾値を超えたら腕の直近の動きを巻き戻して再試行させる軽量リカバリ手法を提案。LIBERO-Longで失敗率を19〜48%削減。
原題: If at First You Don't Succeed, Backtrack: Lightweight Recovery for Frozen VLAs / Thomas Landeg, Thierry Tambe
日本語で読む → - 論文報酬設計ロボティクス
役割駆動型報酬進化フレームワークR²E:自動報酬関数設計
LLMの複数役割(探索・保守・進化)と動的スケジューリング、エリートプールで報酬関数を自動設計し、ロボットタスクで有効性を示した論文。
原題: $R^2E:$ A Role-driven Reward Evolutionary Framework for Automated Reward Function Design / Shouhao Chang, Xuan Liu, Hongye Zhu 他
日本語で読む → - 論文ヒューマノイド制御ロボティクス
ViT-H: 動作追跡フィードバックによる生成的動画→ヒューマノイド制御
単眼の人間動画から拡散モデルで直接ヒューマノイドの参照動作を生成し、追跡結果で好み最適化して実行可能性を高める枠組みを提案。リアルタイム遠隔操作も実現。
原題: ViT-H: Generative Video-To-Humanoid Control with Motion Tracking Feedback / Zimo He, Tianyi Bian, Zizhong Yang 他
日本語で読む → - 論文マニピュレーションロボティクス
密着型ウェアラブル装着のための幾何認識強化学習
身体部位と衣類開口部の空間関係を幾何学的に表現し、段階的カリキュラムと指ごとの挿入ソフトゲートを組み合わせた強化学習で、ロボットによるブレスレット装着を高成功率で実現した。
原題: Geometry-Aware Reinforcement Learning for Close-Fitting Wearable Insertion / Takuma Tsukakoshi, Elle Miller, Tamon Miyake 他
日本語で読む →
PR・アフィリエイト広告
