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: 2025/12/1 / 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ロボティクス
学習時アクション条件付けによる効率的なリアルタイムチャンキング
推論時のインペインティングの代わりに、学習時に推論遅延を模擬してアクションプレフィックスで条件付けることで、VLAのリアルタイムチャンキングを計算コストを抑えつつ実現する手法を提案。
原題: Training-Time Action Conditioning for Efficient Real-Time Chunking / Kevin Black, Allen Z. Ren, Michael Equi 他
日本語で読む → - 論文VLAロボティクス
NavForesee:階層的計画と二重時間軸ナビゲーション予測のための統合視覚言語ワールドモデル
単一の視覚言語モデルで、言語指示の分解・進捗追跡による高レベル計画と、短期環境変化・長期マイルストーンの予測を同時に行い、屋内ナビゲーション性能を向上させた研究。
原題: NavForesee: A Unified Vision-Language World Model for Hierarchical Planning and Dual-Horizon Navigation Prediction / Fei Liu, Shichao Xie, Minghua Luo 他
日本語で読む → - 論文VLAロボティクス
GR-Dexter 技術報告書
両手デクスタラスハンドロボットで言語条件付き長期操作を実現するVLAフレームワークを提案し、ハードウェア・データ収集・学習手法を統合した。
原題: GR-Dexter Technical Report / Ruoshi Wen, Guangzeng Chen, Zhongren Cui 他
日本語で読む → - 論文安全ナビゲーションロボティクス
動的環境における安全なロボットナビゲーションのための動的対数ガウス過程制御バリア関数
対数変換したガウス過程回帰で制御バリア関数をオンライン構築し、障害物の動きを先読みして動的環境でも安全にロボットを誘導する手法を提案した。
原題: Dynamic Log-Gaussian Process Control Barrier Function for Safe Robotic Navigation in Dynamic Environments / Xin Yin, Chenyang Liang, Yanning Guo 他
日本語で読む → - 論文ナビゲーションロボティクス
DRL-TH: 時系列グラフアテンションと階層的融合を統合した混雑環境下でのUGVナビゲーション
混雑環境で走行する無人地上車両(UGV)のナビゲーションのため、時系列情報を考慮したグラフアテンションと階層的プーリングによるマルチモーダル融合を組み合わせた深層強化学習フレームワークを提案し、実機でも検証した。
原題: DRL-TH: Jointly Utilizing Temporal Graph Attention and Hierarchical Fusion for UGV Navigation in Crowded Environments / Ruitong Li, Lin Zhang, Yuenan Zhao 他
日本語で読む → - 論文強化学習機械学習
分離型Qチャンキング:批評家と方策のチャンク長を分離した強化学習
批評家のチャンク長と方策のチャンク長を分離し、短い行動チャンクで方策を最適化することで、長期的な目標条件付きタスクにおけるオフライン強化学習の性能を向上させる手法を提案した。
原題: Decoupled Q-Chunking / Qiyang Li, Seohong Park, Sergey Levine
日本語で読む → - 論文アフォーダンス推論画像認識
A4-Agent: ゼロショットアフォーダンス推論のためのエージェントフレームワーク
訓練不要のエージェント型フレームワークで、生成モデル・視覚言語モデル・視覚基盤モデルを組み合わせ、言語指示に基づく物体のアフォーダンス領域をゼロショットで推論する。
原題: A4-Agent: An Agentic Framework for Zero-Shot Affordance Reasoning / Zixin Zhang, Kanghao Chen, Hanqing Wang 他
日本語で読む → - 論文手軌道予測画像認識
推論から動作へ流れる:一人称視点の人間インタラクション動画から3D手軌道予測を学習
一人称視点のインタラクション動画を用いて、視覚言語推論と動作生成を軌道トークンで結びつけ、段階を考慮した3D手軌道を予測するフレームワークを提案。大規模データセットEgoMANも構築。
原題: Flowing from Reasoning to Motion: Learning 3D Hand Trajectory Prediction from Egocentric Human Interaction Videos / Mingfei Chen, Yifan Wang, Zhengqin Li 他
日本語で読む → - 論文VLAロボティクス
ゆっくり理解し、素早く動く:汎用視覚言語ナビゲーションのための二重システム基盤モデル
VLMによる高レベル計画と拡散トランスフォーマによる低レベル行動生成を組み合わせ、動的環境でもリアルタイムに適応できる視覚言語ナビゲーション基盤モデルを提案した。
原題: Ground Slow, Move Fast: A Dual-System Foundation Model for Generalizable Vision-and-Language Navigation / Meng Wei, Chenyang Wan, Jiaqi Peng 他
日本語で読む → - 論文アクチュエータphysics.ins-det
形状記憶合金の超弾性を利用したツイスト糸アクチュエータ用のシンプル構造連続可変伝動機構の設計とモデル化
ツイスト糸アクチュエータの伝達比変化の範囲を広げるため、超弾性形状記憶合金ロッドを組み込んだ軽量・シンプルな連続可変伝動機構を提案し、理論モデルを構築した。
原題: Design and Modeling of a Simple-Structured Continuously Variable Transmission Utilizing Shape Memory Alloy Superelasticity for Twisted String Actuator / Chanchan Xu, Shuai Dong, Xiaojie Wang
日本語で読む → - 論文協調知覚ロボティクス
CarlaNCAP: インフラ支援型協調知覚による脆弱な道路利用者の安全性を定量化するフレームワーク
インフラに設置したセンサで協調知覚を行うことで、死角にいる歩行者や自転車などの脆弱な道路利用者の事故を最大100%回避できることを、EuroNCAPシナリオに基づく1.1万フレームのデータセットで評価した研究。
原題: CarlaNCAP: A Framework for Quantifying the Safety of Vulnerable Road Users in Infrastructure-Assisted Collective Perception Using EuroNCAP Scenarios / Jörg Gamerdinger, Sven Teufel, Simon Roller 他
日本語で読む → - 論文VLAロボティクス
ImplicitRDP: 構造的スローファスト学習による視覚-力覚拡散ポリシー
視覚と力覚を単一ネットワークで統合し、非同期トークンを因果注意で処理する拡散ポリシーを提案。接触の多い操作タスクで高い反応性と成功率を実現した。
原題: ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning / Wendi Chen, Han Xue, Yi Wang 他
日本語で読む → - 論文拡散モデル/予測制御ロボティクス
モデルベース拡散サンプリングによるオフライン意思決定の予測制御
拡散プランナと動力学拡散モデルを組み合わせ、サンプリング中に両者を交互更新することで、タスク意図を保ちつつ動的に実現可能な軌道を生成するMPDiffuserを提案。オフライン制御ベンチマークと実機四足ロボットで有効性を示した。
原題: Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making / Haldun Balim, Na Li, Yilun Du
日本語で読む → - 論文群制御ロボティクス
マルチタスクベイズ最適化によるマルチUAVシステムの分散軌道生成チューニング
マルチドローンシステムの分散軌道生成アルゴリズムのパラメータを、マルチタスクベイズ最適化で調整する手法を検討し、タスク平均最適化と個別最適化を比較した。
原題: Multi-Task Bayesian Optimization for Tuning Decentralized Trajectory Generation in Multi-UAV Systems / Marta Manzoni, Alessandro Nazzari, Roberto Rubinacci 他
日本語で読む → - 論文自動運転ロボティクス
TakeAD: 専門家の介入データを用いた選好ベースの事後最適化によるエンドツーエンド自動運転
自動運転の模倣学習における開ループ訓練と閉ループ運用のギャップを埋めるため、ドライバー介入データを活用しDAggerとDPOを組み合わせて方策を微調整する手法を提案した。
原題: TakeAD: Preference-based Post-optimization for End-to-end Autonomous Driving with Expert Takeover Data / Deqing Liu, Yinfeng Gao, Deheng Qian 他
日本語で読む → - 論文動作計画ロボティクス
DPNet: ドップラーLiDARを用いた高ダイナミック環境向け動作計画
ドップラーLiDARの速度情報を活用し、高速移動障害物を追跡・予測するニューラルネットワークとモデル予測制御を組み合わせた動作計画手法を提案。
原題: DPNet: Doppler LiDAR Motion Planning for Highly-Dynamic Environments / Wei Zuo, Zeyi Ren, Chengyang Li 他
日本語で読む → - 論文歩行ロボティクス
低次元知覚表現による地形認識型二足歩行の学習
CNN-VAEで地形を低次元潜在表現に圧縮し、階層型強化学習で二足歩行の歩容生成を行う手法を提案。履歴考慮や深度画像からの蒸留、実機検証も行った。
原題: Learning Terrain Aware Bipedal Locomotion via Reduced Dimensional Perceptual Representations / Guillermo A. Castillo, Himanshu Lodha, Ayonga Hereid
日本語で読む → - 論文マニピュレーションロボティクス
Act2Goal: ワールドモデルから汎用ゴール条件付き政策へ
視覚的ゴールと現在の観測から、目標条件付きワールドモデルで中間視覚状態を生成し、マルチスケール時間制御で長期的なマニピュレーションを実現する汎用政策を提案。
原題: Act2Goal: From World Model To General Goal-conditioned Policy / Pengfei Zhou, Liliang Chen, Shengcong Chen 他
日本語で読む → - 論文マニピュレーションロボティクス
VERM:基盤モデルを活用した効率的な3Dロボット操作のための仮想視点
複数の固定カメラの冗長な情報を基盤モデルで仮想視点に統合し、3D操作の精度と効率を向上させる手法を提案。
原題: VERM: Leveraging Foundation Models to Create a Virtual Eye for Efficient 3D Robotic Manipulation / Yixiang Chen, Yan Huang, Keji He 他
日本語で読む → - 論文制御チューニングロボティクス
リアプノフベース経路追従制御器のためのベイズ最適化パラメータチューニングフレームワーク
閉ループ系をブラックボックスとみなし、ガウス過程サロゲートを用いたベイズ最適化で非線形経路追従制御器のゲインを実機上で効率的に調整する手法を提案し、三輪ロボットでの実験で有効性を示した。
原題: Bayesian Optimization Parameter Tuning Framework for a Lyapunov Based Path Following Controller / Zhewen Zheng, Wenjing Cao, Hongkang Yu 他
日本語で読む → - 論文協調ナビゲーションロボティクス
UrbanV2X: 都市部における協調ナビゲーションのためのマルチセンサ車両インフラデータセット
香港のC-V2Xテストベッドで車両と路側インフラから収集したマルチセンサデータセットを構築し、協調ナビゲーションアルゴリズムのベンチマークを実施した。
原題: UrbanV2X: A Multisensory Vehicle-Infrastructure Dataset for Cooperative Navigation in Urban Areas / Qijun Qin, Ziqi Zhang, Yihan Zhong 他
日本語で読む → - 論文VLA画像認識
ロボットはいつ「わからない」と言うべきか:身体性質問応答における棄権のベンチマーク
身体性質問応答(EQA)において、エージェントが答えを保留すべき状況を評価するベンチマークAbstainEQAを構築し、最先端モデルでも棄権の判断が難しいことを示した。
原題: When Robots Should Say "I Don't Know": Benchmarking Abstention in Embodied Question Answering / Tao Wu, Chuhao Zhou, Guangyu Zhao 他
日本語で読む → - 論文経路計画ロボティクス
自動後退駐車のための改良ハイブリッドA*衝突回避経路計画
低速車両の運動学モデルを用いた改良ハイブリッドA*により、狭い空間での自動後退駐車において実行可能かつ衝突回避した経路を生成する手法を提案した。
原題: Modified Hybrid A* Collision-Free Path-Planning for Automated Reverse Parking / Xincheng Cao, Haochong Chen, Bilin Aksun-Guvenc 他
日本語で読む → - 論文自動運転/地図構築画像認識
NavMapFusion: ナビゲーションマップを拡散モデルで融合するオンライン高精細地図構築
低精度なナビ地図を事前情報として、センサデータに条件付けした拡散モデルでオンライン高精細地図を構築する手法を提案。
原題: NavMapFusion: Diffusion-based Fusion of Navigation Maps for Online Vectorized HD Map Construction / Thomas Monninger, Zihan Zhang, Steffen Staab 他
日本語で読む → - 論文データ収集ロボティクス
RoboCade:ロボットデータ収集をゲーム化
一般ユーザーが遠隔操作でゲーム感覚でロボットのデモデータを収集できるプラットフォームを開発し、そのデータで訓練した方策が対象タスクの成功率を16〜56%向上させることを示した。
原題: RoboCade: Gamifying Robot Data Collection / Suvir Mirchandani, Mia Tang, Jiafei Duan 他
日本語で読む → - 論文触覚ロボティクス
OSMO: 人間からロボットへの技能転移のためのオープンソース触覚グローブ
人間とロボットの両方が同じ触覚グローブを装着し、人間の触覚データから直接ロボット政策を学習することで、接触を伴う拭き取り作業を72%の成功率で実現した。
原題: OSMO: Open-Source Tactile Glove for Human-to-Robot Skill Transfer / Jessica Yin, Haozhi Qi, Youngsun Wi 他
日本語で読む → - 論文デジタルツインロボティクス
人間の手のマルチ剛体近似とデジタルツインへの応用
人間の手の動作を光学式モーションキャプチャから取り込み、MANOモデルを関節軸が解剖学的に整合したURDFに変換することで、リアルタイム物理シミュレーション可能なマルチ剛体近似を構築するパイプラインを提案した。
原題: Multi-Rigid-Body Approximation of Human Hands with Application to Digital Twin / Bin Zhao, Yiwen Lu, Haohua Zhu 他
日本語で読む → - 論文マニピュレーションロボティクス
SAM2Grasp: プロンプト条件付き時系列行動予測によるマルチモーダル把持の解決
凍結したSAM2の追跡機能を活用し、プロンプトで対象物体を指定することで、模倣学習のマルチモーダル問題を解消して一意な把持軌道を予測する手法を提案。
原題: SAM2Grasp: Resolve Multi-modal Grasping via Prompt-conditioned Temporal Action Prediction / Shengkai Wu, Jinrong Yang, Wenqiu Luo 他
日本語で読む → - 論文水中知覚/弱教師あり学習画像認識
FishDetector-R1: 弱教師あり魚検出・セグメンテーション・計数のための強化学習ファインチューニングを備えた統合MLLMフレームワーク
マルチモーダル大規模言語モデルと検証可能報酬による強化学習を組み合わせ、弱い教師信号だけで水中の魚の検出・領域分割・計数を高精度に行う統合フレームワークを提案した。
原題: FishDetector-R1: Unified MLLM-Based Framework with Reinforcement Fine-Tuning for Weakly Supervised Fish Detection, Segmentation, and Counting / Yi Liu, Jingyu Song, Vedanth Kallakuri 他
日本語で読む → - 論文歩行ロボティクス
多様な形態のヒューマノイドを横断して起き上がりを学習:統一ポリシーによるゼロショット復帰
7種類の異なるヒューマノイドロボットに対応する単一の強化学習ポリシーを訓練し、未見の形態でもゼロショットで最大86%の起き上がり成功率を達成した。
原題: Learning to Get Up Across Morphologies: Zero-Shot Recovery with a Unified Humanoid Policy / Jonathan Spraggett
日本語で読む →
PR・アフィリエイト広告
