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: 2026/1/1 / 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
マスク付きアクションチャンキングによるリアルタイムロボット実行
非同期推論時のチャンク内不整合に対処するため、マスク付きアクションチャンキングで事前学習方策を補正し、遅延に頑健なリアルタイム実行を実現した。
原題: Real-Time Robot Execution with Masked Action Chunking / Haoxuan Wang, Gengyu Zhang, Yan Yan 他
日本語で読む → - 論文ナビゲーションロボティクス
IROS:VLMを用いた屋内ナビゲーションのためのデュアルプロセスアーキテクチャ
VLMレベルの文脈推論と軽量知覚モジュールを組み合わせ、必要な時だけVLMを呼び出す二重プロセス設計により、低コストなオンデバイス環境でリアルタイム屋内ナビゲーションを実現した。
原題: IROS: A Dual-Process Architecture for Real-Time VLM-Based Indoor Navigation / Joonhee Lee, Hyunseung Shin, Jeonggil Ko
日本語で読む → - 論文空中マニピュレーションロボティクス
FlyAware: 視覚推定と把持後適応による慣性を考慮した空中マニピュレーション
視覚による把持前の慣性推定と把持後の適応機構を組み合わせ、慣性を考慮した適応制御で空中マニピュレータのロバストな操作を実現した。
原題: FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation / Biyu Ye, Na Fan, Zhengping Fan 他
日本語で読む → - 論文sim2realロボティクス
3Dガウシアンスプラッティングによるロボットマニピュレーション向け高忠実度デジタルツイン
3Dガウシアンスプラッティングを用いて数分で高品質なデジタルツインを構築し、意味情報と衝突形状を統合して実機のピック&プレースを実現した。
原題: A High-Fidelity Digital Twin for Robotic Manipulation Based on 3D Gaussian Splatting / Ziyang Sun, Lingfan Bao, Tianhu Peng 他
日本語で読む → - 論文SLAM画像認識
S3LI Vulcanoデータセット:非構造惑星環境におけるマルチモーダルSLAMのためのデータセット
火山島で収録した視覚・LiDARデータを用い、非構造惑星環境でのSLAMと場所認識アルゴリズムの開発・評価を可能にするマルチモーダルデータセットを公開した。
原題: The S3LI Vulcano Dataset: A Dataset for Multi-Modal SLAM in Unstructured Planetary Environments / Riccardo Giubilato, Marcus Gerhard Müller, Marco Sewtz 他
日本語で読む → - 論文触覚ロボティクス
SandWorm: 粒状媒体中で動作するスクリュー駆動ロボットのためのイベントベース視触覚知覚と能動振動
粒状媒体中で動くスクリュー駆動ロボットに、振動する弾性体とイベントカメラを組み合わせた視触覚センサを搭載し、地中の物体認識や力推定、パイプライン浚渫などの作業を実現した。
原題: SandWorm: Event-based Visuotactile Perception with Active Vibration for Screw-Actuated Robot in Granular Media / Shoujie Li, Changqing Guo, Junhao Gong 他
日本語で読む → - 論文VLAロボティクス
CLARE: 自律的アダプタルーティングと拡張による視覚-言語-行動モデルの継続学習
VLAモデルに軽量アダプタを追加し、層ごとの特徴類似度に基づいて必要な箇所だけを自律的に拡張することで、過去データやタスクIDなしに破滅的忘却を防ぎながら新タスクを継続学習するフレームワークを提案。
原題: CLARE: Continual Learning for Vision-Language-Action Models via Autonomous Adapter Routing and Expansion / Ralf Römer, Yi Zhang, Yuming Li 他
日本語で読む → - 論文タスクプランニングロボティクス
ゼロ知識タスクプランニングへの言語ベースアプローチ
タスク固有の知識なしに目標達成の行動列を生成する「ゼロ知識タスクプランニング」を定式化し、LLMで自然言語指示をサブタスクに分解してビヘイビアツリーを生成・実行中に修正する手法を提案した。
原題: Towards Zero-Knowledge Task Planning via a Language-based Approach / Liam Merz Hoffmeister, Brian Scassellati, Daniel Rakita
日本語で読む → - 論文マニピュレーションロボティクス
超深海における自律物体回収のシミュレーション研究:吸着式エンドエフェクタを備えたAUV
超深海環境での自律物体回収ミッションを、吸着式エンドエフェクタを備えたAUVの高忠実度シミュレーションで検証し、実機投入前の有効性を示した。
原題: Towards reliable subsea object recovery: a simulation study of an auv with a suction-actuated end effector / Michele Grimaldi, Yosaku Maeda, Hitoshi Kakami 他
日本語で読む → - 論文ドローン制御ロボティクス
拡散モデルによるテキスト指示からの空撮シネマトグラフィ
自然言語の指示と機体カメラの初期画像から拡散モデルで飛行軌道を生成し、ドローンが自動でシネマティックな映像を撮影するシステムを提案した。
原題: DiffusionCinema: Text-to-Aerial Cinematography / Valerii Serpiva, Artem Lykov, Jeffrin Sam 他
日本語で読む → - 論文マニピュレーションロボティクス
タスク関連特徴を際立たせる:ロボットマニピュレーションの汎化を高めるオブジェクト中心表現
画像を物体ごとのスロット表現にまとめるSBOCRを導入し、照明・テクスチャ・妨害物の変化に対するマニピュレーション方策の汎化性能をシミュレーションと実機で比較評価した。
原題: Spotlighting Task-Relevant Features: Object-Centric Representations for Better Generalization in Robotic Manipulation / Alexandre Chapin, Bruno Machado, Emmanuel Dellandréa 他
日本語で読む → - 論文ナビゲーションロボティクス
CLEAR: 大規模非構造環境のための意味幾何学的地形抽象化
大規模非構造地形を凸で意味的に整合した領域に抽象化し、地形対応グラフとして表現するフレームワークCLEARを提案。生グリッドA*より最大19.6倍高速な計画と短い実行経路を実現。
原題: CLEAR: A Semantic-Geometric Terrain Abstraction for Large-Scale Unstructured Environments / Pranay Meshram, Charuvahan Adhivarahan, Ehsan Tarkesh Esfahani 他
日本語で読む → - 論文SLAMロボティクス
SurfSLAM: 実時間水中SLAMのためのSim-to-Realステレオ再構成
シミュレーションデータと自己教師あり微調整で水中ステレオ視差推定を学習し、ステレオカメラとIMU・気圧・DVLを統合した実時間水中SLAMを実現した。
原題: SurfSLAM: Sim-to-Real Underwater Stereo Reconstruction For Real-Time SLAM / Onur Bagoren, Seth Isaacson, Sacchin Sundar 他
日本語で読む → - 論文マニピュレーションロボティクス
把持と持ち上げ:物理シミュレーションループ最適化による実行可能な3Dハンド・物体インタラクション再構成
視覚的に整合した手と物体の軌道を、物理シミュレータ上で実行可能な軌道へと変換するブラックボックス最適化フレームワークを提案。スプライン表現とCMA-ESにより、安定把持と持ち上げを実現しつつ元の人間動作からの逸脱を最小化する。
原題: Grasp-and-Lift: Executable 3D Hand-Object Interaction Reconstruction via Physics-in-the-Loop Optimization / Byeonggyeol Choi, Woojin Oh, Jongwoo Lim
日本語で読む → - 論文VLAロボティクス
実用的なVLA基盤モデル
9種類の双腕ロボットから約2万時間の実世界データを収集し、4つのロボットプラットフォームで評価した汎用性の高いVLA基盤モデルLingBot-VLAを開発した。
原題: A Pragmatic VLA Foundation Model / Wei Wu, Fan Lu, Yunnan Wang 他
日本語で読む → - 論文協調SLAMロボティクス
惑星模擬環境における分散型協調SLAM:データセット・課題・教訓
火星類似地形で3台のロボットをアドホック通信で動かし、通信制限が分散協調SLAMに与える影響を検証するとともに、実測通信データを含む新データセットを公開した。
原題: Multi-Robot Decentralized Collaborative SLAM in Planetary Analogue Environments: Dataset, Challenges, and Lessons Learned / Pierre-Yves Lajoie, Karthik Soma, Haechan Mark Bong 他
日本語で読む → - 論文触覚ロボティクス
ロボット支援腹腔鏡手術における安全な触覚フィードバックのための学習ベース力覚センシングとインピーダンスマッチング
非線形インピーダンスマッチング手法を提案し、ロボット支援手術の触覚フィードバックにおいて力覚誤差を95%削減し、キックバックを排除した。
原題: Learning-based Force Sensing and Impedance Matching for Safe Haptic Feedback in Robot-assisted Laparoscopic Surgery / Aiden, Mazidi, Majid Roshanfar 他
日本語で読む → - 論文群制御ロボティクス
CHORAL: 異種ロボット群の安全で効率的な経路計画のための走行性を考慮した計画手法
偵察飛行から得た意味地図を用いて各ロボットの走行能力を考慮し、異種ロボット群の巡回経路とタスク割当を同時に計画する枠組みを提案。
原題: CHORAL: Traversal-Aware Planning for Safe and Efficient Heterogeneous Multi-Robot Routing / David Morilla-Cabello, Eduardo Montijano
日本語で読む → - 論文VLAAI
Cosmos Policy: 視覚運動制御と計画のための動画モデル微調整
大規模事前学習済み動画モデルを、アーキテクチャ変更なしの一段階の追加学習だけでロボット方策に変換し、行動・将来画像・価値を潜在フレームとして生成して計画も可能にした手法。
原題: Cosmos Policy: Fine-Tuning Video Models for Visuomotor Control and Planning / Moo Jin Kim, Yihuai Gao, Tsung-Yi Lin 他
日本語で読む → - 論文SLAMロボティクス
離散フーリエ変換を用いた点群圧縮による特徴のない地形での効率的なSLAM
惑星や砂漠のようななだらかな地形を対象に、点群地図を離散フーリエ変換で周波数領域に変換し高周波成分を省略することで圧縮する手法を提案し、圧縮率と精度を評価した。
原題: Discrete Fourier Transform-based Point Cloud Compression for Efficient SLAM in Featureless Terrain / Riku Suzuki, Ayumi Umemura, Shreya Santra 他
日本語で読む → - 論文sim2real画像認識
Sim2real画像変換による固定カメラデータからの視点ロバスト方策
固定カメラの実世界データとシミュレーションを組み合わせ、未見の視点でも頑健に動作するロボットマニピュレーション方策を実現する画像変換手法MANGOを提案。
原題: Sim2real Image Translation Enables Viewpoint-Robust Policies from Fixed-Camera Datasets / Jeremiah Coholich, Justin Wit, Robert Azarcon 他
日本語で読む → - 論文SLAM画像認識
VGGT-SLAM 2.0:リアルタイム高密度フィードフォワードシーン再構成
VGGTを用いたサブマップ統合型SLAMを改良し、ドリフト除去・ループ閉じ込み改善・Jetson Thor上での実時間動作を実現したシステム。
原題: VGGT-SLAM 2.0: Real-time Dense Feed-forward Scene Reconstruction / Dominic Maggio, Luca Carlone
日本語で読む → - 論文ナビゲーションロボティクス
標識に従え:テキスト手がかりとLLMを活用した効率的なロボットナビゲーション
大規模言語モデルを活用し、看板や部屋番号などのテキスト情報から建物のパターンを推論して、目的地の位置を予測しながら効率的にナビゲーションする手法を提案した論文。
原題: Follow the Signs: Using Textual Cues and LLMs to Guide Efficient Robot Navigation / Jing Cao, Nishanth Kumar, Aidan Curtis
日本語で読む → - 論文制御制御
AMC26: ロバスト位置制御のための高性能外乱オブザーバ
離散時間領域で設計した高次打ち切り誤差を考慮する新しい外乱オブザーバを提案し、従来法より推定精度とロバスト性を向上させた。
原題: AMC26: High-performance DOb for robust position control / Emre Sariyildiz
日本語で読む → - 論文ヒューマノイドロボティクス
Fauna Sprout:軽量で親しみやすく開発者向けのヒューマノイドロボット
安全で表現力豊かな人間環境での長期運用を目指し、軽量・柔軟制御・VRテレオペを統合した開発者向けヒューマノイドプラットフォームSproutを提案。
原題: Fauna Sprout: A lightweight, approachable, developer-ready humanoid robot / Fauna Robotics, :, Diego Aldarondo 他
日本語で読む → - 論文VLAロボティクス
テスト時強化学習によるVLAモデルのオンライン適応
推論中に段階的なタスク進捗を報酬として強化学習を行い、VLAモデルをその場で適応させるTT-VLAを提案。未知環境での適応性と成功率を向上させた。
原題: On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning / Changyu Liu, Yiyang Liu, Taowen Wang 他
日本語で読む → - 論文6D姿勢推定画像認識
クロス視点知覚による細粒度対応学習で実現するオープンボキャブラリ6D物体姿勢推定
オープンボキャブラリ6D姿勢推定において、対象物体を背景から分離し、二視点特徴の融合とパッチ間相関行列による空間制約付きマッチングを行うFiCoPを提案し、REAL275とToyota-Lightで精度を大幅に改善した。
原題: Learning Fine-Grained Correspondence with Cross-Perspective Perception for Open-Vocabulary 6D Object Pose Estimation / Yu Qin, Shimeng Fan, Fan Yang 他
日本語で読む → - 論文軌道最適化ロボティクス
自己教師あり残差学習による制御親和性の高い軌道最適化
未知の動的効果を残差として自己教師あり学習し、制御しやすい最適軌道を生成するフレームワークを提案。クアッドロータのアジャイル飛行で有効性を実証。
原題: Optimizing Control-Friendly Trajectories with Self-Supervised Residual Learning / Kexin Guo, Zihan Yang, Yuhang Liu 他
日本語で読む → - 論文状態推定ロボティクス
アクチュエーション不確かさを考慮した連続体ロボットの状態推定
連続体ロボットの形状・外力・アクチュエーション入力を、力学的に根拠のある事前分布と離散Cosseratロッド定式化を用いて同時推定する手法を提案し、手術用同心管ロボットで実証した。
原題: Continuum Robot State Estimation with Actuation Uncertainty / James M. Ferguson, Alan Kuntz, Tucker Hermans
日本語で読む → - 論文VLAロボティクス
AIR-VLA: 空中マニピュレーションのための視覚-言語-行動システム
空中マニピュレーションに特化した初のVLAベンチマークを構築し、物理シミュレーション環境と3000件の遠隔操作デモデータセットを公開して、既存VLAモデルの性能と限界を評価した。
原題: AIR-VLA: Vision-Language-Action Systems for Aerial Manipulation / Jianli Sun, Bin Tian, Qiyao Zhang 他
日本語で読む →
PR・アフィリエイト広告
