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VLAロボティクス
視覚言語行動モデルの失敗要因を特定する因子分解リスクモデル
VLAモデルが視覚的な破損(corruption)に敏感な点に着目し、どの破損を除去すれば失敗リスクが下がるかを推定する「失敗帰属」問題を定義。シーンと破損を分離表現する因子分解リスクモデルで、対になるクリーン画像や追加ロールアウトなしに除去効果を見積もる手法を提案した。
原題: What Would Removing This Corruption Change? Failure Attribution for Vision-Language-Action Models / Carson Sobolewski, Anjali Parashar, Fei 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
フリート経験から学ぶ:ロボットの集合学習パラダイム
配備中のロボット群が実行経験を共有し、失敗文脈から成功軌道を検索して方策を更新する集合経験学習(CEL)を提案。実世界5タスクで93.3〜99.2%の成功率を達成した。
原題: Learning from Fleet Experience: A Collective Learning Paradigm for Robots / Chao Yu, Shu'ang Yu, Hao Lin 他
日本語で読む → - 論文遠隔操作ロボティクス
K-AoI:動的ネットワーク環境におけるデジタルツイン遠隔操作のための時空間同期指標
デジタルツインと実機の同期ずれを、情報の古さに速度を掛けて空間的なずれとして評価する新指標K-AoIを提案し、6自由度マニピュレータの遠隔操作実験で有効性を示した論文。
原題: K-AoI: A Spatio-Temporal Synchronization Metric for Digital Twin-based Teleoperation in Dynamic Network Environments / Lu Tian, Zhenhui Yuan, Zexin Deng 他
日本語で読む → - 論文双腕協調/全身制御ロボティクス
OmniInteract: 双ヒューマノイドの統合全身インタラクション制御に向けて
人間-ロボット間の表面対応を用いた接触認識リターゲティングと、フロー型の残差ポリシー学習により、多様な双ヒューマノイド協調動作をスケーラブルに学習する手法を提案した。
原題: OmniInteract: Towards Unified Whole-Body Interaction Control for Dual Humanoids / Yinghao Li, Tianyu Zhang, Zhuohao Li 他
日本語で読む → - 論文ナビゲーションロボティクス
ForagerSim:大規模動的環境における地図ベース推論を評価するシミュレータ
動物のような地図構築・利用を必要とする身体性タスクのためのモジュール式シミュレーションプラットフォームを提案し、強化学習・工学的ロボティクス・人間の性能を比較評価した。
原題: ForagerSim: Evaluating Embodied Map-Based Reasoning in Large-Scale Dynamic Worlds / Tomáš Musil, Martin Kotík, Michal Vavrečka 他
日本語で読む → - 論文VLAロボティクス
物理的RSI能力はどこから来るのか:LLM-as-policyの観測的スケーリング則
VLMエージェントの物理的再帰的自己改善を5軸指標で評価し、公開ベンチマーク性能から改善の速さと到達度を予測する観測的スケーリング則を導出した研究。
原題: Where is Physical RSI capability from? An Observational Scaling Law of LLM-as-policy / Zekai Li, Jiayi Yu, Jinlu Zhang 他
日本語で読む → - 論文VLM画像認識
言語条件付きマルチエキスパートルーティングによる弱教師あり参照表現理解
4つの凍結済み視覚エンコーダを言語条件付きで動的に統合する弱教師あり参照表現理解フレームワークLaMERを提案し、RefCOCO系で大幅な精度向上を達成した。
原題: LaMER: Language-Conditioned Multi-Expert Routing for Weakly Supervised Referring Expression Comprehension / Yu Yu Chang, Tzu-Hsuan Weng, Youssef Mohamed Amin 他
日本語で読む → - 論文触覚ロボティクス
生体模倣皮膚で生物学的・反事実的センサ配置をロボットで比較
ヒト皮膚の受容体配置を模した層状ロボット皮膚を作り、生物学的に着想を得た配置と反事実的な配置で触覚課題の性能を比較した研究。
原題: Robotic Physical Comparison of Biologically Motivated and Counterfactual Sensory Arrangements using Biomimetic Skin / Akihiro Miki, Shun Hasegawa, Yoshimoto Ribayashi 他
日本語で読む → - 論文ベンチマーク/多指マニピュレーションロボティクス
HandsOn:汎化可能な器用把持のための大規模シミュレーションベンチマーク
5種のアーム・6種の多指ハンド・約200アセットを組み合わせたシミュレーション基盤と、1.8万デモ付き66タスクのベンチマークを構築し、拡散・VLA・世界モデル・VLM手法の汎化性能と失敗要因を評価した。
原題: HandsOn: A Large-Scale Simulation Benchmark for Generalizable Dexterous Manipulation / Tianwei Luo, Yiming He, Hongjin Wu 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VLAロボティクス
SPAR: VLAモデルの構造的プルーニングと行動回復
VLAモデルのLLMバックボーンを構造的にプルーニングし、強化学習で操作性能を回復させる手法。パラメータを大幅削減しつつ成功率を向上させ、推論を約2倍高速化した。
原題: SPAR: Structural Pruning and Action Recovery for Vision-Language-Action Models / Shenli Zheng, Zhou Fang, Yuan Du 他
日本語で読む → - 論文強化学習機械学習
VaDar: 価値分解による暗黙的ゴール条件付け
サブゴールごとのクリティック価値の線形結合を最大化する単一ポリシーを学習し、展開時のサブゴール選択を不要にした強化学習手法。RoboCasaの長期的タスクを初めて解決。
原題: VaDar: Implicit Goal Conditioning via Value Disaggregation / Shashwat Saxena, Mehul Goel, Sreyas Venkataraman 他
日本語で読む → - 論文vSLAMロボティクス
未知の動物体にも対応する動的環境向けクラス非依存オブジェクト認識vSLAM
ORB-SLAM3を拡張し、既知・未知の動く物体をリアルタイムで検出・追跡・除去する動的環境向けvSLAMを提案。未知動物体のシーンで最大59%、強い遮蔽シーンで最大88%の位置推定誤差低減を実現した。
原題: CAOS-SLAM: Class-Agnostic Object-Aware Real-Time vSLAM for Dynamic Environments / Gaia Borghi, João Carlos Virgolino Soares, Angelo Bratta 他
日本語で読む → - 論文遠隔操作ロボティクス
拡張現実を用いた半自律型ロボット遠隔操作による精密両手作業の実行
MRヘッドセットを使い、タスクの大部分を自律実行し要所のみ人間が微調整する半自律遠隔操作システムを提案し、精密な両手ペグ挿入タスクで模倣学習方策の訓練に有効な高品質データを低負荷で収集できることを示した。
原題: Scalable, Intuitive, Mixed Reality-Based Semi-Autonomous Robotic Telemanipulation for the Execution of a Fine-Grained Bimanual Task / Shifei Duan, Zhe Wang, Francesco De Pace 他
日本語で読む → - 論文運動学計算/GPU最適化ロボティクス
GPU上でロボット運動学・ヤコビアン・ヘッセ行列のバッチ計算を低遅延化するライブラリCusADi2
各バッチ内の計算も並列化することで、ロボットの順運動学・ヤコビアン・ヘッセ行列のバッチ評価を低遅延で行うGPUライブラリを提案し、MuJoCo Menagerieの67機種で既存手法より低遅延であることを示した。
原題: CusADi2: Latency-Optimized Batch Computation of Robot Kinematics, Jacobians, and Hessians on the GPU / John Viljoen, Lasse Peters, Masayoshi Tomizuka 他
日本語で読む → - 論文VLAロボティクス
ロボティクスにも「苦い教訓」がやってくる
最先端のマルチモーダル言語モデル7種を実機ロボットアームの6つの操作タスクで比較評価し、直接制御は可能だが精度・効率は未熟で、性能が約44.5日で倍増する急速な改善傾向を示した。
原題: The Bitter Lesson Comes to Robotics / Christopher Leet, Achyutha Menon, Sravanthi Machcha 他
日本語で読む → - 論文ViT解釈性画像認識
説明可能性の錯覚:ViTはパッチデコーディング解釈性を示すべきなのか?
ViTのパッチトークン解码による解釈性がアーキテクチャ固有の性質なのかを体系的に検証し、最適化状況に依存する単なる偶然の産物であることを理論的・実験的に示した論文。
原題: The Explainability Illusion: Must ViTs Exhibit Patch-Decoding Interpretability? / Ronen Schaffer, Hila Manor, Tomer Michaeli
日本語で読む → - 論文視覚慣性オドメトリロボティクス
動的カメラ-IMU外部キャリブレーションを備えた地上ロボット向け視覚慣性オドメトリ
ロボットの関節運動によるカメラとIMUの相対位置変化をオンラインで推定し、動的な外部パラメータ変化に対応できる視覚慣性オドメトリ手法を提案した。
原題: Visual-Inertial Odometry for Ground Robots with Dynamic Camera-IMU Extrinsic Calibration / Bo Dong
日本語で読む → - 論文動画生成画像認識
Map2Vid: 人間に扱いやすい動き制御を備えた身体性ナビゲーション動画生成
BEVマップから一人称視点のナビゲーション動画を生成する新タスクを提案し、10万件超のデータセットとベンチマークを構築した研究。
原題: Map2Vid: Embodied Navigation Video Generation with Human-Friendly Motion Control / Yulin Dai, Yuqian Fu, Tianwen Qian 他
日本語で読む → - 論文共有自律/遠隔操作ロボティクス
意図推定に基づくモデル予測制御による遠隔操作の共有自律制御
視線とロボットアーム動作から動的ベイズネットワークで人間の意図を推定し、その信念分布のエントロピーに応じて自律度を連続的に調整するMPCベースの共有自律手法を提案した。
原題: Intent-Informed Model Predictive Control for Shared Autonomy in Remote Manipulation Tasks / Lorena Maria Genua, Camilla Tabasso, Mya Schroder 他
日本語で読む → - 論文マニピュレーションロボティクス
混雑環境での大規模クロスエンボディメント巧みな把持
8種の巧みなハンドと約5万物体にわたる約5億の把持アノテーションを備えた大規模シミュレーションベンチマークを構築し、混雑環境でのクロスエンボディメント把持合成の拡散モデルT(R,O) Grasp++を提案した。平均成功率88%、推論遅延0.3秒を達成。
原題: T(R,O) Grasp++: Cross-Embodiment Dexterous Grasping in Cluttered Environments at Scale / Xin Fei, Zhixuan Xu, Huaicong Fang 他
日本語で読む → - 論文VLAロボティクス
推論より構造:小型視覚言語モデルによる統合ゼロショットナビゲーション
小型VLMの方向判断・停止判断を行動ではなく証拠として扱い、鳥瞰マップ上の意味場とスケルトングラフで経路を構築するゼロショット視覚言語ナビゲーション手法を提案し、四足歩行ロボットで実機検証した。
原題: Structure over Reasoning: Unified Zero-Shot Navigation with a Small Vision-Language Model / Zeqi Li, Xunyi Zhao, Zerui Li 他
日本語で読む → - 論文SLAM/3Dマッピングロボティクス
GOFusion: フィッシャー情報を活用したリアルタイムガウシアン・オキュパンシーサブマップ融合による自律ロボットナビゲーション
3Dガウシアンを局所オキュパンシーマップに紐づけてSLAMのポーズ推定と統合し、GPUメモリを抑えつつ外観豊かな地図をリアルタイム構築する。さらにフィッシャー近似で各プリミティブの感度を推定し、ガウシアンの剪定や次善視点計画に活用してドローンの自律探索を実現した。
原題: GOFusion: Real-Time Gaussian-Occupancy Submap Fusion for Fisher-Informed Autonomous Robot Navigation / Boxin Bu, Simon Boche, Haoming Zhang 他
日本語で読む → - 論文姿勢推定ロボティクス
視覚を固有感覚として:動画からヒューマノイドロボットの姿勢を推定
動画のみからヒューマノイドロボットの全身関節構成を推定するフレームワークHumanoidPoseを提案。人間の姿勢特徴とロボット運動学を統合し、合成データと自己学習で実世界への汎化を実現した。
原題: Vision as Proprioception: Estimating Humanoid Robot Pose from Video / Jiaxi Jiang, Matthias Heyrman, René Zurbrügg 他
日本語で読む → - 論文マニピュレーションロボティクス
DexGraspFlow:運動学的トポロジーを考慮したSE(3)フローマッチングによる異なるハンド構造への器用な把持生成
リンク間の幾何関係と運動学的トポロジーを統合した条件付きSE(3)フローマッチングで、異なるロボットハンド構造にまたがる器用な把持姿勢を生成する手法を提案した。
原題: DexGraspFlow: Topology-Aware SE(3) Flow Matching for Cross-Embodiment Dexterous Grasp Generation / Bin Zhou, Boyu Ma, Xinyu Zhou 他
日本語で読む → - 論文模倣学習/マルチモーダル方策ロボティクス
エネルギー・スコアで安定化した注意付き混合密度方策:マルチモーダルなロボット動作への軽量アプローチ
将来の視覚運動軌道を混合ガウス分布として1回の順伝播で出力し、負の対数尤度の代わりにエネルギー・スコアで学習することで、マルチモーダル動作生成を安定かつ軽量に実現した研究。
原題: Energy-Score Stabilized Attentive Mixture-Density Policy: A Lightweight Approach to Multimodal Robot Motion / Sachiya Fujita, Hideyuki Ichiwara, Shigeki Sugano 他
日本語で読む → - 論文水中ロボット/VLAロボティクス
AQUAACT:水中ロボット遠隔操作データセットと閉ループベンチマーク
パイロットのカメラ映像とジョイスティック操作を記録した、言語注釈付き水中ロボットデータセットを公開し、模倣学習やVLAモデルの閉ループ評価ベンチマークを構築した。
原題: AQUAACT: A Joystick-Level Underwater Teleoperation Dataset and Closed-Loop Benchmark / Zhenqi Wu, Trung Tien Dong, Aditya Penumarti 他
日本語で読む → - 論文世界モデル機械学習
演算子不一致コントラスト学習による世界相対的な軌道整合性の評価
世界モデルの軌道評価が『もっともらしさ』に偏り、実際に支配的な規則(演算子)の下での整合性を見落とす問題を定式化し、有効だが誤った演算子の軌道を負例とするコントラスト学習で世界相対的な整合性スコアを改善する手法を提案した。
原題: Operator-Mismatch Contrastive Learning for World-Relative Trajectory Coherence / One Octadion, Firmansyah Sundana, Novanto Yudistira
日本語で読む → - 論文ビヘイビアツリー/LLMロボティクス
自己結晶化ビヘイビアツリー:基盤モデル推論を決定論的制御に償却する自律ドローン手法
ドローン制御でBTノード失敗時にLLMが部分木パッチを提案し、CMA-ES調整とバンディット選択、三段階審査を経て採用パッチを決定論的BTへ結晶化するSCBTを提案。LLM呼び出しを大幅削減しつつ適応性を確保した。
原題: Self-Crystallizing Behavior Trees: Amortizing Foundation-Model Reasoning into Deterministic Control for Autonomous Drones / Behnam Moradi
日本語で読む →
PR・アフィリエイト広告
