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: 2026/6/1 / 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VLA画像認識
視覚分布シフト下でのOpenVLA失敗の早期警告信号
視覚変化によりVLAポリシーが失敗する前に、内部活性化に失敗予兆信号があるか調査。線形モニタで失敗を高精度に遡及識別できるが、クリーンなエピソードでも誤警報が多いことを示した。
原題: Early Warning Signals for OpenVLA Failure under Visual Distribution Shift / Dipesh Tharu Mahato, Rachel Ren
日本語で読む → - 論文VLA/世界モデルロボティクス
τ0-WM: ロボット操作のための統合ビデオ・アクション世界モデル
ロボット操作のための、ポリシー学習・ビデオ予測・行動評価を単一の未来予測フレームワークに統合した世界モデルを提案。実ロボットデータ約27,300時間で訓練し、推論時に候補行動のサンプリングと評価・修正を行うことで、長期的で細かい操作タスクで高い性能を示した。
原題: $\tau_0$-WM: A Unified Video-Action World Model for Robotic Manipulation / Pengfei Zhou, Shengcong Chen, Di Chen 他
日本語で読む → - 論文VLA画像認識
シンプルにしよう:視覚言語行動モデルのための一段階行動生成
視覚言語行動モデルにおける一段階行動生成の有効性を、条件とターゲットの構造に基づいて理論的・実験的に検証し、高ノイズ学習が一段階復号を向上させることを示した論文。
原題: Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models / Yitong Chen, Shiduo Zhang, Jingjing Gong 他
日本語で読む → - 論文VLA画像認識
一般共変アクションモデリング:時空間分離による一般化多様体の構築
ロボットの動作生成において、絶対座標への回帰が一般共変性に反する問題を解決するため、時空間を分離して動作多様体を構築するGAMフレームワークを提案した。
原題: General Covariant Action Modeling: Constructing Generalized Manifolds via Spatio-Temporal Decoupling / Huaihai Lyu, Chaofan Chen, Mingyu Cao 他
日本語で読む → - 論文VLA/失敗回復ロボティクス
馴染みのある未来への回帰:事前生成マイルストーン選択によるVLAポリシーの失敗回復
VLAポリシーが操作中に軌道から逸脱した際、事前に生成した未来状態のマイルストーンを選択して固定目標とすることで、微調整なしに失敗から回復させる手法を提案した。
原題: Back to the Familiar Future: Failure Recovery for VLA Policies via Pre-Imagined Milestone Selection / Suyeon Shin, Juwon Kim, Hyeonbin Park 他
日本語で読む → - 論文両腕操作/VLAロボティクス
選択的に見て適応的に動く:両腕ロボット操作のための二重レベル構造分解
両腕ロボット操作において、視覚情報の重要度と腕の協調パターンが状況に応じて変化する問題に対し、視覚ルータと行動MoEによる二重レベルの構造分解を導入したVLAフレームワークを提案し、シミュレーションと実機で性能を向上させた。
原題: See Selectively, Act Adaptively: Dual-Level Structural Decomposition for Bimanual Robot Manipulation / Yoon-Ji Choi, Young-Chae Son, Soo-Chul Lim
日本語で読む → - 論文VLA/失敗予測ロボティクス
Tri-Info: 情報理論によるVLAモデルの汎用的で解釈可能な失敗予測
VLAモデルの動作を情報理論の観点から分析し、成功と失敗で異なる情報的シグネチャを捉えるTri-Info信号を提案。再学習なしでアーキテクチャや環境をまたいで失敗を検出でき、実世界タスクでも高い精度を達成。
原題: Tri-Info: Generalizable, Interpretable Failure Prediction for VLA Models via Information Theory / Jinghan Yang, Yunchao Zhang, Wang Yuan 他
日本語で読む → - 論文VLA/操作ロボティクス
UniviewVLA:世界モデリングを備えた統合マルチビュー視覚言語行動モデル
標準的な2つのカメラ観測のみから、世界モデルを用いてマルチビューの未来シーンを生成し、遮蔽された情報を補完して行動予測を改善するVLAモデルを提案。推論高速化のためのトークン圧縮と、動的な視点選択手法も導入。
原題: UniviewVLA: A Unified Multiview Vision-Language-Action Model with World Modeling / Tao Xu, Runhao Zhang, Zhijian Huang 他
日本語で読む → - 論文VLA/テスト生成cs.SE
MANGO: 視覚言語行動モデルのための自動マルチエージェントテストオラクル生成
VLAロボットのテスト用に、自然言語のタスク記述から細粒度のオラクルを自動生成するマルチエージェントフレームワークを提案。
原題: MANGO: Automated Multi-Agent Test Oracle Generation for Vision-Language-Action Models / Pablo Valle, Shaukat Ali, Aitor Arrieta 他
日本語で読む → - 論文VLA/操作ロボティクス
ワールドパイロット:世界行動事前知識で視覚言語行動モデルを操縦する
視覚言語行動モデルに、世界モデルから得たシーン進化の潜在表現と予測軌道を事前知識として注入し、分布外操作タスクや実ロボットでの成功率を向上させた。
原題: World Pilot: Steering Vision-Language-Action Models with World-Action Priors / Zefu Lin, Rongxu Cui, Junjia Xu 他
日本語で読む → - 論文安全強化学習/VLAロボティクス
SafeDojo: インタラクティブワールドモデルによるVLAのための安全強化学習
視覚言語行動(VLA)ポリシー向けに、ワールドモデルベースの想像を通じて安全な行動を学習する初のモデルベース安全強化学習フレームワークを提案。
原題: SafeDojo: Safe Reinforcement Learning for VLA via Interactive World Model / Kai Tang, Peidong Jia, Zhong Chu 他
日本語で読む → - 論文VLA/モバイル操作ロボティクス
追加データなしでVLAを堅牢化:動作計画とのインターリーブ手法
長期的なモバイル操作タスクで性能が低下するVLAモデルに対し、モデルベースの動作計画をインターリーブするフレームワークMPVIを提案し、追加学習なしでタスク成功率を大幅に向上させた。
原題: Make Your VLA More Robust Without More Data By Interleaving Motion Planning / Dan BW Choe, Sundhar Vinodh Sangeetha, Samuel Coogan 他
日本語で読む → - 論文VLA/安全性評価ロボティクス
LIBERO-Safety: 視覚言語行動モデルにおける物理的・意味的安全性の包括的ベンチマーク
VLAモデルの安全性を評価するため、パラメトリックな安全ベンチマークと大規模データセットを構築し、8つのVLAモデルと2つの基盤モデルの系統的評価を行った。
原題: LIBERO-Safety: A Comprehensive Benchmark for Physical and Semantic Safety in Vision-Language-Action Models / Rongxu Cui, Zongzheng Zhang, Jingrui Pang 他
日本語で読む → - 論文VLA/記憶/ベンチマークロボティクス
RoboMME-Interference:干渉下でのロボット記憶のベンチマーク
ロボットの長期記憶性能を評価するため、無関係なセッションを干渉として加えたクロスセッションベンチマークを構築し、既存のVLAモデルが干渉に弱いことを示した。
原題: RoboMME-Interference: Benchmarking Robot Memory Under Interference / Soumil Rathi
日本語で読む → - 論文VLA/安全性評価ロボティクス
SafeVLA-Bench: 視覚言語行動モデルにおける成功と安全性のギャップを評価するベンチマーク
既存のVLAベンチマークの成功判定では見逃される、過度な接触や周囲の物体の妨害などの安全違反を検出するための、事後評価フレームワークを提案した。
原題: SafeVLA-Bench: A Benchmark for the Success-Safety Gap in Vision-Language-Action Models / Jialiang Fan, Weizhe Xu, Oleg Sokolsky 他
日本語で読む → - 論文VLAロボティクス
Efficient-WAM: 低コストな未来想像を備えた10億パラメータの世界行動モデル
未来の視覚予測を圧縮し、推論コストを大幅に削減した世界行動モデルを提案。実機で約100msの低遅延を実現しつつ、制御性能を維持する。
原題: Efficient-WAM: A 1B-Parameter World-Action Model with Low-Cost Future Imagination / Jiajun Li, Tiecheng Guo, Yifan Ye 他
日本語で読む → - 論文VLAロボティクス
必要なときに夢を見る:適応的マルチモーダル推論による世界行動モデルの進化
世界行動モデル(WAM)の性能を高めるため、タスクの切り替え時にはテキスト推論、細かい操作時には視覚推論を動的に切り替える軽量ルータを導入したAdaWAMを提案した。シミュレーションと実世界のタスクで効率と性能が向上した。
原題: Dreaming when Necessary: Advancing World Action Models with Adaptive Multi-Modal Reasoning / Yinzhou Tang, Jingbo Xu, Yu Shang 他
日本語で読む → - 論文VLA画像認識
MASER: 身体化3D空間知能のためのモダリティ適応型専門家ルーティング
3D環境での質問応答において、質問内容に応じて最適なモダリティ(点群、RGB画像など)を選択する軽量なルーティングフレームワークを提案した。
原題: MASER: Modality-Adaptive Specialist Routing for Embodied 3D Spatial Intelligence / Hilton Raj, Vishnuram AV
日本語で読む → - 論文VLAロボティクス
ThinkingVLA: ロボット操作のための視覚と言語の推論を交互に行う手法
ロボット操作タスクにおいて、視覚と言語の推論を交互に行う統一アーキテクチャを提案し、長期的な操作タスクでの性能を向上させた。
原題: ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation / Tianyi Lu, Hui Zhang, Zijie Diao 他
日本語で読む → - 論文VLAロボティクス
屋内環境向けモジュール型視覚言語行動ロボティクスフレームワーク
自然言語指示に基づき自律エージェントが複雑なタスクを実行するための、環境マッピング・質問処理・ナビゲーションを統合したモジュール型フレームワークを提案した論文。
原題: A Modular Vision-Language-Action Robotics Framework for Indoor Environments / Anindya Jana, Snehasis Banerjee, Arup Sadhu 他
日本語で読む → - 論文VLAロボティクス
WALL-WM: イベント接合部での世界行動モデリングの彫刻
WALL-WMは、ビデオ行動学習をチャンク中心の最適化からイベント基盤の視覚言語行動事前学習へと移行させ、意味的に一貫した行動イベントを学習の原子単位として使用する世界行動モデルです。
原題: WALL-WM: Carving World Action Modeling at the Event Joints / Shalfun Li, Victor Yao, Charles Yang 他
日本語で読む → - 論文VLAロボティクス
幾何学的行動モデルによるロボットポリシー学習
事前学習済みの幾何基盤モデルを共有基盤として、言語条件付きの未来予測と行動生成を統合した操作ポリシーを提案。シミュレーションと実機で高精度・高速・軽量を実証。
原題: Geometric Action Model for Robot Policy Learning / Jisang Han, Seonghu Jeon, Jaewoo Jung 他
日本語で読む → - 論文VLAロボティクス
構造化画像表現による説明可能なロボット学習
ロボットポリシーの学習にシーングラフを中間表現として用い、タスクに関連する部分グラフを抽出して行動生成に利用することで、モデルの判断過程を説明可能にする手法を提案した。
原題: SIR: Structured Image Representations for Explainable Robot Learning / Paul Mattes, Jan Schwab, Jens Bosch 他
日本語で読む → - 論文VLA/操作ロボティクス
アクショントークン介入による自己回帰型視覚言語行動ポリシーの操縦
自己回帰型VLAモデルのアクショントークン空間に直接介入し、追加学習なしでユーザー入力を通じて軌道生成を動的に操縦する手法を提案。家庭内操作タスクで成功率を大幅に向上させた。
原題: Steering Autoregressive Vision-Language-Action Policies via Action Token Intervention / Jason Chan, Jonathan C. Kao
日本語で読む → - 論文VLA/強化学習ロボティクス
Z-1: 視覚言語行動モデルのための効率的強化学習
フローベースのVLAモデルに強化学習を適用し、公開データセットのみで24タスクの成功率を大幅に向上させた。
原題: Z-1: Efficient Reinforcement Learning for Vision-Language-Action Models / Lang Cao, Renhong Chen, Luyi Li 他
日本語で読む → - 論文VLA/意思決定ロボティクス
RouterVLA: 成長するVLAプールのための予算配分と専門家オンボーディング
ロボットチームが複数の視覚言語行動ポリシーを持つ際に、新しい条件に対してどの専門家を配置し、どの候補をプールに追加するかを決定する手法を提案した。
原題: RouterVLA: Budgeted Commissioning and Expert Onboarding for Growing VLA Pools / Xingyu Ren, Chugang Yi, Youran Sun
日本語で読む → - 論文VLAロボティクス
視覚言語行動のための連続推論
自然言語はタスクレベルの粒度であり連続制御には不向きなため、VLAポリシーに適した連続思考を導入し、共有ガウス潜在変数として自己検証目的で学習する手法を提案した。
原題: Continuous Reasoning for Vision-Language-Action / Yueh-Hua Wu, Tatsuya Matsushima, Kei Ota
日本語で読む → - 論文VLA/操作ロボティクス
S$^2$-VLA: 長期的操作のための状態空間誘導型視覚言語行動モデル
長期的なロボット操作タスクで性能が劣化する問題を解決するため、タスクの進行状態を追跡し動的に特徴量を融合する適応的注意機構を導入したVLAモデルを提案した。
原題: S$^2$-VLA: State-Space Guided Vision-Language-Action Models for Long-Horizon Manipulation / Zhipeng Xie, Zongyi Han, Xiangyi Wei 他
日本語で読む → - 論文VLAロボティクス
PearlVLA: 潜在空間における段階的動作計画の洗練
視覚言語行動モデル(VLA)の推論を潜在空間で行うことで、高速な動作生成と明示的な熟考の両立を実現するフレームワークを提案した。
原題: PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space / Bochen Yang, Lianlei Shan
日本語で読む → - 論文VLA/ベンチマークロボティクス
RoboProcessBench: 視覚言語ロボット操作におけるプロセス認識理解のベンチマーク
ロボット操作の実行過程を静的監視と動的推論の2次元で評価するベンチマークを構築し、12種類の診断質問群と約58kのQAペアを含むデータセットを提供した。既存のVLMがプロセス理解に乏しいことを示し、教師あり微調整による改善効果も検証した。
原題: RoboProcessBench: Benchmarking Process-Aware Understanding in Vision-Language Robotic Manipulation / Dayu Xia, Yue Shi, Yao Mu 他
日本語で読む →
PR・アフィリエイト広告
