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: 2026/10/18 / 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 →- 論文群制御機械学習
自己組織化強化学習:群れが探索と活用の最適点に迫る
学習者も報酬信号もなしに、レヴィ飛行・近接ネットワーク上の閾値カスケード・混雑による分散のサイクルだけで群れが資源配分の理想自由分布に動的に到達することを示した研究。
原題: Self-organizing reinforcement learning: a swarm approaches the explore-exploit optimum / Galen J. Wilkerson
日本語で読む → - 論文スキル学習/コード生成ロボティクス
一度コンパイルすれば安く動く:身体性エージェント向けの凍結可能で移植性のあるスキルと、再帰的自己改善がもたらすもの
強力な汎用モデルをオフラインの作者としてのみ使い、シミュレーション内で操作スキルを書いて診断・修理させて凍結し、その後はコード単体や安価な呼び出し側で再利用する「スキルレベル再帰的自己改善(Skill-RSI)」を提案・検証した論文。
原題: Compile Once, Run Cheap: Frozen, Portable Skills for Embodied Agents, and What Recursive Self-Improvement Adds / Jingwen Bai, Guochao Bai, Canbo Zhang 他
日本語で読む → - 論文世界モデル機械学習
世界モデルの解釈可能性:表現の解読から潜在世界の理解へ
JEPA型の潜在世界モデルについて、何を符号化しているかではなく潜在変数の相互作用・進化・因果的役割を理解するための「Ground・Structure・Verify・Act」の4段階研究アジェンダを提唱する展望論文。
原題: World Model Interpretability: From Decoding Representations to Understanding Latent Worlds / Jize Wang, Yongcheng Jing, Xinyi Le 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 → - 論文ナビゲーションロボティクス
適応すべき時を学ぶ:人間とロボットの分布シフト下における反応性条件付き残差適応
歩行者の反応性をTransformerで推定し、その推定値に応じて保守的なナビゲーションポリシー周辺の残差をLoRAで適応させるオンライン学習フレームワークRCRAを提案。反応的な歩行者には協調的に、非反応的な歩行者には保守的に振る舞うことで、経路長と成功率を改善した。
原題: Learning When to Adapt: Reactivity-Conditioned Residual Adaptation under Human-Robot Distribution Shift / Immanuel R. Santjoko, Benedictus C. G. Cinun, Jing Chen 他
日本語で読む → - 論文視覚計画ロボティクス
夢見たことを実現:長期的ロボット操作のためのスパース視覚計画
動画モデルをスパースな視覚サブゴール計画に接地させる階層型ポリシーDreamCanを提案し、長期的な操作タスクで高い成功率を達成した。
原題: Dream What I Can: Sparse Visual Planning for Long-Horizon Robot Manipulation / Chongkai Gao, Wenlong Huang, Haonan Chen 他
日本語で読む → - 論文両手巧緻操作ベンチマークロボティクス
BiDex-100:100以上のシミュレーションタスクで両手巧緻操作を評価する包括的ベンチマーク
両手巧緻操作のための106タスクからなるシミュレーションベンチマークを構築し、7つのVLAモデルを統一プロトコルで評価してベースラインを確立した論文。
原題: BiDex-100: A Comprehensive Benchmark for Bimanual Dexterous Manipulation Across 100+ Simulation Tasks / Yong Wang, Kecheng Zheng, Xing Zhu 他
日本語で読む → - 論文視覚位置推定画像認識
LateMatch: キャッシュ可能なマッチングで効率的な視覚位置推定の相互作用ボトルネックを打破
画像内処理をオフラインでキャッシュ可能なブロックに分離し、画像間の相互作用を最終層に遅延させることで、深層特徴マッチングの計算コストを2倍以上削減した手法。
原題: LateMatch: Breaking the Interaction Bottleneck via Cacheable Matching for Efficient Visual Localization / Mohammad Omama, Aeyan Ashraf, Sandeep Chinchali
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 → - 論文潜在世界モデル機械学習
潜在世界モデルは潜在多様体に沿った距離で計画すべき
潜在世界モデルの計画コストを、ユークリッド距離ではなく訓練潜在上の近傍グラフによる最短経路距離に置き換えるNGCを提案し、再学習なしで計画成功率を大幅に改善した。
原題: Latent World Models Should Plan with Distances Along the Latent Manifold / Zunzhi You, Linwei Tao, Siyu Xu 他
日本語で読む → - 論文蒸留ロボティクス
TILDE: 身体性基盤モデルからの教師参加型蒸留
大規模行動事前学習済みの身体性基盤モデルから、事前学習なしのポリシーへ能力を転移する蒸留手法を提案し、報酬モデルで教師介入を自動化するデータ収集パイプラインにより実世界3タスクで最大4.1倍の性能向上を実現した。
原題: TILDE: Teacher-in-the-Loop Distillation from Embodied Foundation Models / Yuxiang Lu, Yantong Liu, Jinghua Hou 他
日本語で読む → - 論文ニューラルレンダリング/エッジ推論ロボティクス
エッジ向けFPGAシーン記憶:ロボットのための局所化とニューラルスプラッティング
低消費電力FPGA/ARM基板上でSCRによる自己位置推定と3DGSレンダリングを協調設計し、Jetson Orin NX比で1.9〜5.7倍の電力効率を達成した。
原題: Localization and Neural Splatting on the Edge: An FPGA Scene Memory for Robots / Que Haohua, Mingkai Liu, Handong Yao
日本語で読む → - 論文放射線認識/ロボティクスロボティクス
ROS上でのAIによる放射線分類
ROSノードで放射性同位体7種を勾配ブースティングで分類し、Jackal UGVに検出器を搭載して実環境で評価した論文。
原題: AI-Enhanced Radiation Classification in ROS / Youngseo Lee, Cesar Alan Contreras, Tianshu Ruan 他
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 → - 論文産業エージェントAI
産業用エージェントAI:LLM駆動による次世代スマート製造エージェント
LLMを活用した産業用エージェントの課題・分類・四層アーキテクチャ・応用事例を体系的に整理したサーベイ論文。
原題: Industrial Agentic AI: LLM-Driven New-Generation Agents for Smart Manufacturing / Lei Ren, Haiteng Wang, Shixiang Li 他
日本語で読む → - 論文群制御ロボティクス
分散型マルチクアッドロータ経路計画のためのウェイポイントと通過イベントの学習
複数のクアッドロータが衝突を避けつつ通過する経路とタイミングを、ニューラルネットで予測し微分可能な逐次凸計画と組み合わせて各機が独立に軌道生成できる学習最適化手法を提案した。
原題: Learning Waypoints and Passage Events for Decentralized Multi-Quadrotor Trajectory Planning / Yunhan Shi, Jia Deng, Zehao Jia 他
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 → - 論文目標条件付きマニピュレーション画像認識
目標画像は制御ターゲット:ロボットマニピュレーションのための空間接地型目標画像合成
目標画像生成では画像編集の見た目品質より操作意図への忠実さが政策成功率を決めることを示し、編集領域マスクを予測する分解型フレームワークSGE-Goalを提案した論文。
原題: Goal Images Are Control Targets: Spatially-Grounded Goal-Image Synthesis for Robotic Manipulation / Riddhi Chatterjee, Ritish Shrirao, Kushagra Mehrotra 他
日本語で読む → - 論文VLAロボティクス
EndoVLA-OOV:ロボット内視鏡における言語条件付き視野外ターゲット獲得
上部消化管内視鏡の再訪作業のため、言語指示と過去・現在の画像から視野外の対象へカメラを誘導するVLAポリシーを提案し、実機で93.3%の獲得成功率を達成した。
原題: EndoVLA-OOV: Language-Conditioned Out-of-View Target Acquisition in Robotic Endoscopy / Chi Kit Ng, Yidong Zhang, Tianchun Wu 他
日本語で読む → - 論文マニピュレーションロボティクス
Gen2Dex: シミュレーション初期化された生成動画デモから器用な操作を学習する
シミュレーションに基づく生成動画から人間の操作動作を抽出し、残差強化学習で物理的に実行可能なロボットの器用な操作デモへ変換するフレームワークを提案した。
原題: Gen2Dex: Learning Dexterous Manipulation from Simulation-Initialized Generated Video Demonstrations / Xiaowen Qiu, Yian Wang, Haoxiang You 他
日本語で読む → - 論文ワールドモデル機械学習
長期予測のための構造化潜在ダイナミクスを持つ身体性ワールドモデル
ワールドモデルの潜在状態を一般化座標と運動量からなる位相空間で表現し、散逸ハミルトン力学で遷移させることで、長期予測の安定性と物理的一貫性を向上させた研究。
原題: Structured Latent Dynamics for Long-Horizon Embodied World Models / Kevin Chen, Yu-Wei Zhan, Haoran Liang 他
日本語で読む → - 論文ヒューマノイド/ロコマニピュレーションロボティクス
行動整合型潜在計画による汎用人型ロコマニピュレーション
凍結した行動基盤モデルの実行可能な潜在空間を共有計画表現として用い、多様なタスク固有ポリシーを統合して単一の知覚的フロープランナーをオフライン学習するFIBERを提案し、人型ロボットの箱運び・ドア開け・物体把持で実機検証した。
原題: Action-Aligned Latent Planning for Versatile Humanoid Loco-Manipulation / Yutang Lin, Guanya Shi, C. Karen Liu
日本語で読む → - 論文方針整合/パーソナライズ機械学習
匿名クラウドフィードバックから操縦可能な多元的方針整合
注釈者IDを必要とせず、異種の群衆フィードバックからPCA分解で選好方向の共有基底と軌道埋め込みを同時学習し、テスト時に個別ユーザーへ迅速にパーソナライズ整合する枠組みP3Lを提案。
原題: Steerable Pluralistic Policy Alignment from Anonymized Crowd Feedback / Akansha Kalra, Ellen R. Novoseller, Vernon J. Lawhern 他
日本語で読む → - 論文動作生成画像認識
移動音源から人間の動作を生成するMOMO
動的な空間音響から人間の動作を生成する新タスクを提唱し、二つのモーキャプデータセットと、音源定位・理解・生成を統合した拡散モデルMOMOを提案した論文。
原題: MOMO: Human Motion from Moving Sounds / Deli Cai, Shuyang Xu, Zhiyang Dou 他
日本語で読む → - 論文テザードロボット/センシングロボティクス
テンションが尾を語る:テザード移動ロボットナビゲーションのためのケーブル・障害物相互作用センシング
テザード移動ロボットのケーブル張力をセンシングし、接触した障害物が移動可能か固定かを95.5%の精度で判別する手法を提案した。
原題: Tension Tells the Tail: Cable-Obstacle Interaction Sensing for Tethered Mobile Robot Navigation / Ryuki Shimada, Koki Suzuki, Genya Ishigami
日本語で読む → - 論文画像編集画像認識
指示ベース編集と再利用可能なRGBAレイヤー生成を統合するLayerEditor
画像編集モデルの編集能力を保ちつつ、編集結果を順序付きの再利用可能なRGBAレイヤーとして生成する統合フレームワークを提案し、大規模データセットとベンチマークも構築した。
原題: Editing Images into Reusable Layers via Compositional Edit-Prior Distillation / Wen Xue, Yong Liu, Xueheng Li 他
日本語で読む → - 論文表現学習機械学習
表現には軌跡がある:ニューラルネットワークにおける時間的表現ダイナミクスの特性評価
訓練中の表現幾何学を大規模に追跡し、ネットワークが高ランク持続・崩壊と回復・低ランク持続という3つの幾何学的軌跡をたどること、および回復不能な崩壊(DRC)が表現能力を永続的に失わせる病理的状態であることを示した研究。
原題: Representations Have Trajectories: Characterizing Temporal Representation Dynamics in Neural Networks / Shivaprasad B. Gowda, Sparsh Mittal
日本語で読む →
PR・アフィリエイト広告
