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: 2025/12/12 / 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機械学習
視覚言語行動モデルの汎用性を測る統一ベンチマーク
VLMとVLAの6つの能力領域にわたるクロスドメイン汎用性を評価する統一ベンチマークMultiNet v1.0を提案し、既存モデルが訓練分布外で大きく性能劣化することを示した。
原題: Benchmarking the Generality of Vision-Language-Action Models / Pranav Guruprasad, Sudipta Chowdhury, Harsh Sikka 他
日本語で読む → - 論文ビデオ生成画像認識
BAgger: 自己回帰ビデオ拡散モデルのドリフトを後方集約で軽減
自己回帰ビデオ拡散モデルの誤差蓄積による品質ドリフトを、モデル自身のロールアウトから修正軌道を構築する自己教師あり学習で軽減する手法を提案。
原題: BAgger: Backwards Aggregation for Mitigating Drift in Autoregressive Video Diffusion Models / Ryan Po, Eric Ryan Chan, Changan Chen 他
日本語で読む → - 論文スケジューリング機械学習
GraphPerf-RT: ハードウェアを考慮したOpenMPコードのスケジューリングのためのグラフ駆動性能モデル
タスクDAG・コード意味・実行時コンテキストを異種グラフで統合し、不確かさを伴うGNNサロゲートでメイクスパンを高速予測、組込み向けリスク考慮型スケジューリングを実現した。
原題: GraphPerf-RT: A Graph-Driven Performance Model for Hardware-Aware Scheduling of OpenMP Codes / Mohammad Pivezhandi, Mahdi Banisharif, Saeed Bakhshan 他
日本語で読む → - 論文世界モデル画像認識
VFMF: 視覚基盤モデル特徴量の予測による世界モデリング
視覚基盤モデルの特徴空間で自己回帰フローマッチングを行い、不確実性を考慮した将来予測を実現する生成的世界モデルを提案。
原題: VFMF: World Modeling by Forecasting Vision Foundation Model Features / Gabrijel Boduljak, Yushi Lan, Christian Rupprecht 他
日本語で読む → - 論文球面ニューラル演算子機械学習
一般化球面ニューラル演算子:グリーン関数定式化
球面グリーン関数に基づくニューラル演算子の設計枠組みを提案し、等変性と不変性を柔軟に調整できるGSNOと階層的アーキテクチャSHNetを開発した。
原題: Generalized Spherical Neural Operators: Green's Function Formulation / Hao Tang, Hao Chen, Chao Li
日本語で読む → - 論文ワールドモデル機械学習
ラベルなし軌道を活用する潜在行動ワールドモデル
行動ラベル付きデータとラベルなしデータを共通の潜在行動表現で統合し、オフライン強化学習により効率的に制御方策を学習する手法を提案。
原題: Latent Action World Models for Control with Unlabeled Trajectories / Marvin Alles, Xingyuan Zhang, Patrick van der Smagt 他
日本語で読む → - 論文世界モデル画像認識
Astra: 自己回帰デノイジングによる汎用インタラクティブ世界モデル
過去の観測と行動から多様なシーンの未来映像を予測する汎用世界モデルAstraを提案。自己回帰デノイジングと行動認識アダプタにより、運転やロボット把持などの精密な行動制御と長期的予測を実現した。
原題: Astra: General Interactive World Model with Autoregressive Denoising / Yixuan Zhu, Jiaqi Feng, Wenzhao Zheng 他
日本語で読む → - 論文医療AI/意思決定支援機械学習
CLARITY: 潜在空間における文脈対応疾患軌跡モデリングによる治療意思決定支援の医療ワールドモデル
患者ごとの時間・臨床文脈を潜在空間に統合し、治療条件付きの疾患進行を予測して個別化治療計画を生成する医療ワールドモデルを提案。
原題: CLARITY: Medical World Model for Guiding Treatment Decisions by Modeling Context-Aware Disease Trajectories in Latent Space / Tianxingjian Ding, Yuanhao Zou, Chen Chen 他
日本語で読む → - 論文VLA画像認識
決定論的ワールドモデルによる視覚ベースEnd-to-End制御の閉ループ到達可能性解析
物理状態から合成カメラ画像を生成する決定論的ワールドモデルを提案し、確率的潜在変数による過大近似なしに視覚ベース制御器の閉ループ到達可能性解析を可能にした。
原題: Deterministic World Models for Closed-loop Reachability Analysis of End-to-End Vision-based Control / Yuang Geng, Zhongzheng Zhang, Chengzhen Jiang 他
日本語で読む → - 論文世界モデルAI
記憶について:世界モデルにおける記憶メカニズムの比較
トランスフォーマーベースの世界モデルにおいて、記憶符号化と記憶注入という2種類の記憶拡張メカニズムを分類し、状態想起タスクで有効記憶範囲とトレードオフを評価した研究。
原題: On Memory: A comparison of memory mechanisms in world models / Eli J. Laird, Corey Clark
日本語で読む → - 論文協調/LLMcs.MA
ReCollab: 検索拡張LLMによる協調的アドホックチームメイトモデリング
LLMを用いて未知のチームメイトの行動を分類し、RAGで推論を安定化させることで、協調タスクにおける適応を改善するフレームワークを提案。
原題: ReCollab: Retrieval-Augmented LLMs for Cooperative Ad-hoc Teammate Modeling / Conor Wallace, Umer Siddique, Yongcan Cao
日本語で読む → - 論文物理シミュレーション/ワールドモデルphysics.optics
FieldSeer I: 部分観測下での長期的電磁ダイナミクスに向けた物理誘導型ワールドモデル
2次元TE導波路における部分観測から電磁場の時間発展を予測する幾何条件付きワールドモデルを提案し、FDTDベンチマークで既存手法より高精度な長期ロールアウトを実現した。
原題: FieldSeer I: Physics-Guided World Models for Long-Horizon Electromagnetic Dynamics under Partial Observability / Ziheng Guo, Fang Wu, Maoxiong Zhao 他
日本語で読む → - 論文ニューラルネットワーク正則化physics.bio-ph
ポアソンノイズ由来の正則化がニューラルネットワークにモジュール的結合を生み出し、頑健性と構成的汎化を促進する
神経活動のポアソン的ノイズを模した正則化により、ニューラルネットワークがモジュール構造を獲得し、ノイズ頑健性や構成的汎化が向上することを示した研究。
原題: Modular connectivity in neural networks emerges from Poisson noise-motivated regularisation, and promotes robustness and compositional generalisation / Daoyuan Qian, Qiyao Liang, Ila Fiete
日本語で読む → - 論文オフライン強化学習機械学習
明示的な保守性なしの長期ホライズンモデルベースオフライン強化学習
ベイズ的アプローチにより明示的な保守性を使わずに長期ホライズンのロールアウトを可能にし、D4RLとNeoRLで最先端性能を達成したNEUBAYを提案。
原題: Long-Horizon Model-Based Offline Reinforcement Learning Without Explicit Conservatism / Tianwei Ni, Esther Derman, Vineet Jain 他
日本語で読む → - 論文世界モデル機械学習
優れた世界モデルが事後学習性能を向上させる
ルービックキューブを題材に、明示的な世界モデル事前学習が内部表現を改善し、強化学習による事後学習の性能を高めることを示した研究。
原題: Better World Models Can Lead to Better Post-Training Performance / Prakhar Gupta, Henry Conklin, Sarah-Jane Leslie 他
日本語で読む → - 論文強化学習/生成ポリシー機械学習
事前分布マッピング共進化による拡散ポリシーの学習
強化学習において、最適化しやすい潜在空間で方策を訓練しつつ、条件付き生成デコーダで行動を合成するフレームワークGoRLを提案。複雑な連続制御タスクで既存手法を大幅に上回る性能を達成した。
原題: Training Diffusion Policies via Prior-Mapping Co-Evolution / Chubin Zhang, Zhenglin Wan, Feng Chen 他
日本語で読む → - 論文動画世界モデル画像認識
WorldPack: 長文脈動画世界モデリングのための動的フレーム圧縮
3D視点の空間的関連性に基づいて過去フレームの圧縮率を動的に割り当てることで、長期的な動画世界モデルの生成品質を向上させる手法を提案。
原題: WorldPack: Dynamic Frame Compression for Long-context Video World Modeling / Yuta Oshima, Yusuke Iwasawa, Masahiro Suzuki 他
日本語で読む → - 論文VLA画像認識
FASTer: ニューラル行動トークン化による効率的な自己回帰型視覚言語行動モデリング
行動チャンクを単一チャネル画像として符号化する学習可能なトークナイザと、ブロック単位の自己回帰復号化を組み合わせ、推論速度とタスク性能を両立させたVLAフレームワークを提案。
原題: FASTer: Toward Efficient Autoregressive Vision Language Action Modeling via Neural Action Tokenization / Yicheng Liu, Shiduo Zhang, Zibin Dong 他
日本語で読む → - 論文VLAロボティクス
心から手へ:身体性推論による目的志向のロボット制御
視覚言語モデルの推論能力を身体性推論と行動予測へ段階的に拡張し、二腕移動マニピュレータAstribot S1での実機評価で高い性能を示した汎用VLAモデルLumo-1を提案。
原題: Mind to Hand: Purposeful Robotic Control via Embodied Reasoning / Peijun Tang, Shangjin Xie, Binyan Sun 他
日本語で読む → - 論文視覚的位置認識画像認識
負のガウス混合統計を用いた視覚的位置認識のための適応的閾値設定
視覚的位置認識において、場所ごとの「負の」ガウス混合統計を利用してマッチングの閾値を自動決定する手法を提案し、多様な画像データベースと記述子で有効性を示した。
原題: Adaptive Thresholding for Visual Place Recognition using Negative Gaussian Mixture Statistics / Nick Trinh, Damian Lyons
日本語で読む → - 論文ナビゲーションロボティクス
未知の湾曲管状構造物における自律UAVナビゲーションのためのカリキュラム強化学習
LiDARと視覚による局所観測のみを用い、カリキュラム学習で徐々に複雑な湾曲管に適応する強化学習方策を提案し、中心線情報を持つ従来手法を上回る汎化性能を示した。
原題: Curriculum-Based Reinforcement Learning for Autonomous UAV Navigation in Unknown Curved Tubular Conduit / Zamirddine Mari, Jérôme Pasquet, Julien Seinturier
日本語で読む → - 論文近接場知覚/安全/AMRロボティクス
製造環境における自律移動ロボットの安全向上のための近接場知覚
レーザーライン投影と画像解析、組込みAIを組み合わせた3段階の近接場知覚フレームワークを提案し、Raspberry Pi 5上でリアルタイム動作を実現した。
原題: Near-Field Perception for Safety Enhancement of Autonomous Mobile Robots in Manufacturing Environments / Li-Wei Shih, Ruo-Syuan Mei, Jesse Heidrich 他
日本語で読む → - 論文VLAロボティクス
HiMoE-VLA:汎用視覚言語行動ポリシーのための階層的Mixture-of-Experts
異なるロボットの実演データを混ぜて学習する際の負の転移を防ぐため、行動空間ごとに特化する階層的MoE行動モジュールを提案し、CALVINやLIBERO、実機タスクで高い性能を達成した。
原題: HiMoE-VLA: Hierarchical Mixture-of-Experts for Generalist Vision-Language-Action Policies / Zhiying Du, Bei Liu, Yaobo Liang 他
日本語で読む → - 論文運転行動HCI
慣性志向運転技術による車間追従の学習:閉回路での前後比較研究
閉回路で12名のドライバーに慣性維持運転(DI)コースを受講させ、受講前後で車間追従行動を比較した結果、受講後は加速度・減速度・速度変動が有意に減少し、DI戦略の実践可能性が示された。
原題: Learning to Car-Follow Using an Inertia-Oriented Driving Technique: A Before-and-After Study on a Closed Circuit / Kostantinos Mattas, Antonio Lucas-Alba, Tomer Toledo 他
日本語で読む → - 論文マニピュレーションロボティクス
操作行動を組み込んだ定数時間動作計画
把持や挿入などの操作行動を考慮しつつ、ミリ秒単位の一定時間で衝突のない動作計画を返すB-CTMPを提案し、棚取りやプラグ挿入で実機検証した。
原題: Constant-Time Motion Planning with Manipulation Behaviors / Nayesha Gandotra, Itamar Mishani, Maxim Likhachev
日本語で読む → - 論文被覆計画ロボティクス
大規模探索:マルチスケール領域におけるエルゴディック被覆最適化の数値的安定性向上
エルゴディック被覆計画の数値的不安定性を解決するため、スケールに依存しない適応的最適化手法を提案し、対数空間でのエルゴディック指標を導出して性能を維持しつつ数値条件を改善した。
原題: Search at Scale: Improving Numerical Conditioning of Ergodic Coverage Optimization for Multi-Scale Domains / Yanis Lahrach, Christian Hughes, Ian Abraham
日本語で読む → - 論文自動運転ロボティクス
対話型自動運転のための生成エージェント行動モデルの事後学習とテスト時スケーリング
自動運転の対話行動モデルに対し、強化学習による事後学習(GRBO)とテスト時サンプリング(Warm-K)を提案し、安全性と一貫性を向上させた。
原題: Post-Training and Test-Time Scaling of Generative Agent Behavior Models for Interactive Autonomous Driving / Hyunki Seong, Jeong-Kyun Lee, Heesoo Myeong 他
日本語で読む → - 論文VLAロボティクス
視覚言語ロボット操作のための環境横断的な失敗推論データのスケーリング
成功軌道を摂動させて多様な失敗データを自動生成し、VLMで推論トレースを付与した大規模データセットFailCoTを構築。これで訓練した検証モデルGuardianは未知環境での失敗検出性能を向上させ、操作タスクの成功率を高めた。
原題: Scaling Cross-Environment Failure Reasoning Data for Vision-Language Robotic Manipulation / Paul Pacaud, Ricardo Garcia, Shizhe Chen 他
日本語で読む → - 論文ニューロモーフィック/強化学習ロボティクス
Intel Loihi 2ニューロモーフィックハードウェアによる自律強化学習ロボット制御
シミュレーションで訓練した強化学習方策をスパイキングニューラルネットワークに変換し、Intel Loihi 2上でAstrobeeロボットの制御を実現した。
原題: Autonomous Reinforcement Learning Robot Control with Intel's Loihi 2 Neuromorphic Hardware / Kenneth Stewart, Roxana Leontie, Samantha Chapin 他
日本語で読む → - 論文VLA画像認識
ロボットマニピュレーションのための説明可能な敵対的ロバスト視覚-言語-行動モデル
スマート農業向けに、光量・色相・ノイズなどの敵対的摂動を検出し自然言語で説明するEvidence-3モジュールをOpenVLA-OFTに統合し、行動予測精度と説明性を向上させた研究。
原題: Explainable Adversarial-Robust Vision-Language-Action Model for Robotic Manipulation / Ju-Young Kim, Ji-Hong Park, Myeongjun Kim 他
日本語で読む →
PR・アフィリエイト広告
