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: 2026/10/19 / 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 →- 論文模倣学習ロボティクス
ALIGN: アドバンテージ条件付き行動クローニングにおける条件推定と表現の整合
ロボット操作データ中の成功・失敗・復帰が混在する軌道から、条件をポリシーの行動予測に直接整合させて活用するAC-BCフレームワークを提案し、実機タスクで成功率を大幅に改善した。
原題: ALIGN: Aligning Condition Estimation and Expression in Advantage-Conditioned Behavior Cloning / Zechen Wang, Zhenqi Qiu, Houlong Xiong 他
日本語で読む → - 論文VLA画像認識
密に考え、疎かに行動する:VLA自動運転のための潜在エキスパート認知チェーン
視覚・意味・幾何情報を潜在空間に密に取り込むため、VLAモデル内に段階的な潜在エキスパート認知チェーンを組み込んだLECDriveを提案。基礎視覚モデルの知識を蒸留しつつ効率的な推論を実現する。
原題: Think Densely, Act Sparsely: Latent Expert Cognitive Chains for Vision-Language-Action Autonomous Driving / Jie Wang, Guang Li, Zhijian Huang 他
日本語で読む → - 論文ナビゲーション/世界モデルAI
EmbodiedWorld-200K: embodied世界エージェントのための計画データセットとインタラクティブ世界モデル
多様な3Dシーンでのナビゲーション計画用に20万件超のデータセットを構築し、動画世界モデルを低コストな環境代理として強化学習を行う手法を提案した論文。
原題: EmbodiedWorld-200K: Toward Embodied World Agents via Embodied-Planning Dataset and Interactive World Models / X. Feng, J. Tang, Z. Lin 他
日本語で読む → - 論文マルチモーダル認識ロボティクス
AeroIntent: UAVミッション意図認識のための同期マルチモーダルベンチマーク
UAVのミッション意図をマルチモーダル観測から認識するためのベンチマークAeroIntentと、レーダー軌跡・視覚情報・タスク知識を統合するAeroMIRを提案した論文。
原題: AeroIntent: A Synchronized Multimodal Benchmark for UAV Mission Intent Recognition / Yutong Chen, Jingxin Mao, Zhiwei Wei 他
日本語で読む → - 論文ニューロモルフィック制御ロボティクス
スパイキングリングアトラクタによる回転関節ロボットの表現と制御
リングアトラクタで関節角度を円環状に表現し、スパイキングニューロンで目標角度への制御を実現するニューロモルフィック制御アーキテクチャを提案し、Tiagoアームで検証した。
原題: A Spiking Ring-Attractor Architecture for Representation and Control of Revolute Robot Joints / Aung Htet, Alejandro Rodriguez Jimenez, Ruidong Ma 他
日本語で読む → - 論文ワールドモデル画像認識
Ropedia W0:人間の経験で多様な身体の移動操作ワールドモデルをスケールする
人間とロボットの一人称視点データを統合し、移動と操作をまたぐ身体横断型ワールドモデルを構築。蒸留によりリアルタイムVR対話や方策評価・計画への応用を実現した。
原題: Ropedia W0: Scaling Loco-Manipulation World Models across Embodiments with Human Experience / Tianqi Liu, Hanfei Zhao, Qifeng Liang 他
日本語で読む → - 論文測位・ナビゲーションロボティクス
月面基地局を用いた放射測位による月面ローバの測位精度向上
月面基地局とローバ間の二重差衛星観測および双方向測距を組み合わせ、デッドレコニングと統合することで月面ローバの相対測位精度を大幅に改善する手法を提案した。
原題: Enhancing Lunar PNT Performance Through Surface Station Enabled Radiometric Observables / Toshiki Tanaka, Satoshi Ikari
日本語で読む → - 論文ヒューマンロボットインタラクションロボティクス
ロボット支援頭部固定制御のための人-ロボット相互作用ワークスペースの決定
6自由度ロボットと光学式モーション計測を用いて、頭頸部系の生体運動ワークスペースを健常被験者で計測し、精密頭部固定における安全な動作範囲の基礎データを確立した研究。
原題: Determination of the Human-Robot Interaction Workspace for Robot Assisted Head Stabilization Control / Xinmin Liu, Alexander L. Van Slyke, Destinee Holloman 他
日本語で読む → - 論文VLAロボティクス
SteerAct: 少数試行の時間的ステアリングで行動モデルを解き放つ
事前学習済みロボット行動モデルの活性化を、少数の成功・失敗ロールアウトから選んだ特徴量の時間記述子に基づいてオンラインで調整し、重み更新なしでタスク成功率を約10%向上させるフレームワーク。
原題: SteerAct: Unlocking Action Models through Few-Shot Temporal Steering / Kaichen Zhou, Zhiyan Li, Chongkai Gao 他
日本語で読む → - 論文VLAロボティクス
エラー回復のための再計画:検証可能なインタラクションによる身体性VLMの学習
実行エラーからの回復を学ぶための環境ERR-EnvとベンチマークERR-Benchを構築し、ターン単位報酬と行動グループ化アドバンテージ推定を組み合わせた強化学習手法AGT-GSPOで小型身体性VLMを訓練した論文。
原題: Replan for Error Recovery: Training Embodied VLMs through Verifiable Interaction with Action-Grouped Turn-GSPO / Zhuoran Wang, Keqing Fan, Yang Li 他
日本語で読む → - 論文オドメトリ/状態推定ロボティクス
車輪脚ロボットのための退化対応LiDAR慣性オドメトリに向けた車輪運動不確かさの学習
車輪脚ロボットのオドメトリにおいて、車輪ごと・方向依存の過程共分散を自己受容履歴から学習し、LiDARの幾何的弱方向を抑制する退化対応投影と組み合わせることで、滑りや接地喪失下でも堅牢な位置推定を実現した。
原題: Learning Wheel Motion Uncertainty for Degeneracy-Aware LiDAR-Inertial Odometry on Quadrupedal Wheel-Legged Robots / Hairuo Wei, Yunfan Ren, Renda Yang 他
日本語で読む → - 論文価値モデル評価ロボティクス
RoboValue:ロボット価値モデルの統合評価のための細粒度シミュレーション・実世界ベンチマーク
ロボット価値モデルをタスク状態理解・時間的進捗監視・失敗回復推論・価値一貫性の4次元で統合評価する、シミュレーションと実世界にまたがる細粒度ベンチマークを提案した論文。
原題: RoboValue: A Fine-Grained Sim-and-Real Benchmark for Unified Evaluation of Robotic Value Models / Shengbang Liu, Zhengye Du, Zhilong Wan 他
日本語で読む → - 論文マルチモーダルLLMAI
Omni-Woodpecker:オムニLLMのための証拠と事前知識の再バランスによる幻覚補正
音声・視覚を統合するオムニLLMのクロスモーダル幻覚を、学習不要で隠れ状態の直交分解により証拠と事前知識に分離し再バランスする手法を提案。
原題: Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs / Zijian Liu, Chaoyou Fu, Yan Yang 他
日本語で読む → - 論文身体性モデルAI
ラットの自然な動きを再現する潜在制御モデル
運動事前分布と行動事前分布を組み合わせた変分アーキテクチャにより、目標指向行動とランダム探索の両方で自然な動きをする仮想ラットの身体モデルを訓練するSCAMPERを提案した。
原題: A latent control model for realistic rodent motion / Aidan Sirbu, Charles Y. Zhang, Yuanjia Yang 他
日本語で読む → - 論文外骨格/EMG制御ロボティクス
肘EMG駆動外骨格における比例制御と適応重力補償のヒューマン・イン・ザ・ループ比較
肘用EMG駆動外骨格で比例筋電制御と適応重力補償の5手法を14名で比較し、モデルベース適応重力補償が負荷時の身体的・認知的負担を減らし動作精度を向上させることを示した。
原題: A Human-in-the-Loop Comparison of Proportional Control and Adaptive Gravity Compensation in Elbow EMG-Driven Exoskeletons / Francesco Pascucci, Eldison Dimo, Davide Costanzi 他
日本語で読む → - 論文世界モデル画像認識
フレシェ・フォーシング:短いクリップから長期的ストリーミング世界モデルを訓練する手法
短い動画クリップで訓練したストリーミング世界モデルが長期ロールアウトで誤差蓄積により崩れる問題を、フレシェ距離に基づく3つの制約で微調整し、外部教師なしで長期的に安定した生成を実現した研究。
原題: Frechet Forcing: Training Long-Horizon Streaming World Models from Short Clips / Yian Zhao, Yu Yan, Hongcan Guo 他
日本語で読む → - 論文姿勢計測画像認識
曲率をベースラインとして:二色ストライプマーカーによる円筒物体の単眼姿勢計測
細い円筒物体の既知の曲率を利用した二色ストライプマーカーを提案し、単眼カメラでの姿勢計測、特に円筒軸まわりの回転(ロール)精度が曲率により向上することを解析とシミュレーションで示した。
原題: Curvature as a Baseline: Monocular Pose Measurement of Cylindrical Objects with Dual Colour Stripe Markers / Jaesung Hong, Dong Won Lee
日本語で読む → - 論文VLA画像認識
PrismWAM:ワールドアクションモデルにおける状態表現の分離
外観(意味)と物理状態を分離し、意味計画→深度空間での物理ロールアウト→実行可能行動のパイプラインで操作タスクを解くワールドアクションモデルを提案。大規模事前学習なしで高い操作性能を示す。
原題: PrismWAM: Decoupling State Representations in World Action Models / Tianyu Xin, Wanqi Zhong, Bowen Hu 他
日本語で読む → - 論文LiDAR-視覚マッピングロボティクス
SpaRV: スケーラブルで幾何学的に一貫したLiDAR-視覚マッピングとレンダリングのためのスパース放射ボクセル
LiDARスキャンと画像からスパースな放射ボクセルマップを構築し、微分可能レイマーチングで描画する手法。カメラ姿勢と焦点距離を最適化し、サブマップ管理で大規模シーンでもGPUメモリを抑える。
原題: SpaRV: Sparse Radiance Voxels for Scalable Geometrically Consistent LiDAR-Visual Mapping and Rendering / Jianheng Liu, Yunfei Wan, Fangming Cheng 他
日本語で読む → - 論文歩行ロボティクス
SkateNav: 受動車輪四脚ロボットの適応スケーティングによる省エネナビゲーション学習
受動車輪四脚ロボットが脚で蹴って滑走するスケーティング動作を強化学習で獲得し、時間予算付き目標到達目的と適応的スケーティング周期により操舵・推進・タイミングを統合的に学習するナビゲーション手法を提案した。
原題: SkateNav: Learning Energy-Efficient Navigation through Adaptive Skating on Passive-Wheel Quadrupedal Robots / Jeil Jeong, Taeyun Kim, Sangjin Kim 他
日本語で読む → - 論文ナビゲーションロボティクス
ScaleNav: 言語条件付き局所ナビゲーションのためのスケーラブルなインターネット動画事前学習
インターネット上の一人称視点動画から目標指向の視覚ダイナミクスを学習し、シミュレーションデータで行動を整合させて、言語指示に従うロボットナビゲーションを実現する世界-行動フレームワークを提案した論文。
原題: ScaleNav: Scalable Internet Video Pretraining for Language-Conditioned Local Navigation / Yihui Yang, Yuanhong Yu, Jiawei Wang 他
日本語で読む → - 論文慣性オドメトリロボティクス
自己教師あり慣性オドメトリ
短い時間窓ごとのIMU積分を教師として慣性オドメトリモデルを自己教師あり学習し、ポーズグラフ蒸留で改善する手法を提案。正解軌道なしで歩行者・ドローン・四足・ヒューマノイドの6データセットで高精度を達成。
原題: Self-Supervised Inertial Odometry / Yuheng Qiu, Yutian Chen, Carlton Cort 他
日本語で読む → - 論文VIOロボティクス
AnchorFlow-VIO:固定テンプレート単眼視覚慣性オドメトリのLaMAria評価
Basalt由来の単眼視覚慣性オドメトリを固定設定でLaMAriaデータセット上に評価し、開始時刻や特徴量密度への感度などロバスト性の限界を明らかにした。
原題: AnchorFlow-VIO: Fixed-Template Monocular Visual-Inertial Odometry on LaMAria / Sudhir Pratap Yadav
日本語で読む → - 論文VLAロボティクス
視覚言語デルタ行動:ロボット操作のためのコンパクトな遷移インターフェース学習
未来状態の完全予測ではなく、世界状態の変化を表すコンパクトな「デルタ」を学習し、視覚言語理解と行動生成をつなぐインターフェースとして用いるVLA手法を提案した論文。
原題: Vision-Language-Delta-Action: Learning Compact Deltas as Actionable Transition Interfaces for Robotic Manipulation / Lingsen Zhang, Wei Li, Jie He 他
日本語で読む → - 論文自己中心視点/3D再構成画像認識
EgoXperience: 人間の体験から世界に接地した自己中心表現を学習する
自己中心視点の動画から、カメラ・周囲の3D形状・手と物体の相互作用を一貫した世界座標系で同時再構成するデータ収集・自動注釈・統一モデル・ベンチマークの枠組みを提案した論文。
原題: EgoXperience: Learning World-Grounded Egocentric Representations from Human Experience / Xinhao Ji, Hui En Pang, Hao Li 他
日本語で読む → - 論文6D姿勢推定ロボティクス
未知の産業物体に対する観測検証型の姿勢・スケール推定と再構成
RGB-D観測から未知物体の3D再構成と6D姿勢・スケールを推定し、多視点の証拠で検証して信頼できる物体モデルを生成するフレームワークを提案。実機のコネクタ組立で高い成功率を達成した。
原題: OV-PEAR: Observation-Verified Pose-Scale Estimation and Reconstruction for Unknown Industrial Manipulation Objects / Guoqin Tang, Qingxuan Jia, Yichen Tan 他
日本語で読む → - 論文市場シミュレーションq-fin.TR
生成型指値注文板モデルにおける創発的市場インパクトのベンチマーク
次トークン予測のみで学習した神経LOB生成器に執行型メタオーダーを注入し、市場インパクトが自然に創発することを示すベンチマークを提案。
原題: LOB-Impact Benchmark: Emergent Market Impact in Generative Limit Order Book Models / George Nigmatulin, Valentin Mohl, Sascha Frey 他
日本語で読む → - 論文VLAロボティクス
PaceVLA:視覚言語行動モデルにおける適応的時間行動量子化
VLAモデルの実行効率を高めるため、複数の時間粒度の行動デコーダと、粗い実行が適切かを判断するルータを組み合わせ、精度を保ちつつ高速化する枠組みを提案した論文。
原題: PaceVLA: Adaptive Temporal Action Quantization in Vision-Language-Action Models / Hojin Jeon, Jimin Lee, Taekwan Kim 他
日本語で読む → - 論文ワールドモデルロボティクス
行動影響最大化による制御可能なワールドモデルの学習
専門家デモのみで学習した動画生成ワールドモデルが指示行動を無視する問題を、データの行動影響度の上限として解析し、その影響度を能動的に高めるデータ収集アルゴリズムAIMを提案。操作タスクで少ないデータ量でも制御性を大幅改善。
原題: Training Controllable World Models via Action Influence Maximization / Samuel M. Bateman, Tenny Yin, Chongyi Zheng 他
日本語で読む → - 論文コンピュータ操作エージェントAI
実世界向けエージェントワールドモデル:コンピュータ操作エージェント用環境の自動合成
GUI・MCPサービス・CLIを統合した実行可能な環境とタスクをオープンソースモデルのみで自動合成するパイプラインWildAWMを提案し、長期的なコンピュータ操作エージェントの学習を可能にした。
原題: Agent World Model in the Wild: Computer-Use Agent Environment Synthesis / Zhaoyang Wang, Qianhui Wu, Haorui Wang 他
日本語で読む →
PR・アフィリエイト広告
