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: 2025/8/1 / 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 →- 論文触覚/センシングeess.SP
大規模言語モデルはレーダー信号から材料を識別できるか?
レーダー生信号から材料を直接推論するLLM活用の初の試み。物理ベースの信号処理で特徴を抽出し、RAGでドメイン知識を補って識別する手法を提案。
原題: Can Large Language Models Identify Materials from Radar Signals? / Jiangyou Zhu, Hongyu Deng, He Chen
日本語で読む → - 論文小型遊泳ロボットロボティクス
単尾バイオミメティック59mg遊泳ロボットのフィードバック制御
形状記憶合金アクチュエータで駆動する59mgの単尾小型遊泳ロボットを開発し、サブグラムスケールで初めてオンボード駆動による2次元軌道追従のフィードバック制御を実現した。
原題: Feedback Control of a Single-Tail Bioinspired 59-mg Swimmer / Conor K. Trygstad, Cody R. Longwell, Francisco M. F. R. Gonçalves 他
日本語で読む → - 論文姿勢推定画像認識
平面点特徴を用いたカメラ姿勢推定の簡潔な代数的解法
平面上の4点以上の基準点とカメラでの方位測定から、カメラの姿勢を階層的に推定する簡潔な代数的手法を提案し、ノイズへの頑健性を向上させる平均化手法を導入した。
原題: A Simple Algebraic Solution for Estimating the Pose of a Camera from Planar Point Features / Tarek Bouazza, Tarek Hamel, Claude Samson
日本語で読む → - 論文動画編集画像認識
運動シーケンスによる多視点運転シーンの歩行者動画編集
多視点の運転シーン動画で、歩行者の姿勢シーケンスを制御条件に歩行者の挿入・置換・削除を可能にする動画編集フレームワークを提案した。
原題: Controllable Pedestrian Video Editing for Multi-View Driving Scenarios via Motion Sequence / Danzhen Fu, Jiagao Hu, Daiguo Zhou 他
日本語で読む → - 論文VLA画像認識
大規模視覚言語モデルによる経路指示追従:低レベル行動空間とパノラマ行動空間の比較
市販の大規模視覚言語モデルQwen2.5-VL-3BをR2Rデータセットでファインチューニングし、低レベル行動空間とパノラマ行動空間の両方で視覚言語ナビゲーションの性能を評価・比較した。
原題: Following Route Instructions using Large Vision-Language Models: A Comparison between Low-level and Panoramic Action Spaces / Vebjørn Haug Kåsene, Pierre Lison
日本語で読む → - 論文歩行ロボティクス
REBot:瞬時的な動的障害物回避を実現する反射的回避ロボット
四足歩行ロボットが高速で迫る障害物を瞬時に避けるため、回避方策と復帰方策を有限状態機械で統合した制御フレームワークを提案し、実機実験で成功率と省エネ性の向上を示した。
原題: REBot: Reflexive Evasion Robot for Instantaneous Dynamic Obstacle Avoidance / Zihao Xu, Ce Hao, Chunzheng Wang 他
日本語で読む → - 論文位置推定画像認識
部屋スタイル知識は視覚的間取り位置推定に役立つか?広い文脈からの視点
自己収集した未ラベル部屋画像を用いた教師なし学習で部屋識別器を事前学習し、そのシーン文脈情報を視覚的間取り位置推定アルゴリズムに注入することで、曖昧さを低減し精度とロバスト性を向上させた研究。
原題: Perspective from a Broader Context: Can Room Style Knowledge Help Visual Floorplan Localization? / Bolei Chen, Shengsheng Yan, Yongzheng Cui 他
日本語で読む → - 論文VLAロボティクス
OmniVTLA: 触覚知覚を統合した視覚・触覚・言語・行動モデル
触覚センサの異種性に対応する二経路エンコーダと大規模触覚データセットObjTacを構築し、接触を伴う操作タスクで高い成功率を達成したVLAモデルを提案。
原題: OmniVTLA: Vision-Tactile-Language-Action Models with Semantic-Aligned Tactile Sensing / Zhengxue Cheng, Yiqian Zhang, Anni Tang 他
日本語で読む → - 論文群制御制御
協調センシングで強化された可変フォーメーションUAVの経路追従と障害物回避
深層強化学習とISAC信号による協調センシングを組み合わせ、可変フォーメーションでUAVの経路追従・障害物検知・回避を統合的に実現する手法を提案した論文。
原題: Cooperative Sensing Enhanced UAV Path-Following and Obstacle Avoidance with Variable Formation / Changheng Wang, Zhiqing Wei, Wangjun Jiang 他
日本語で読む → - 論文マニピュレーションロボティクス
3D物体認識と位置推定による板金中小企業向けコボットの拡張
板金加工の中小企業向けに、3D物体認識と位置推定を統合してコボットを移動可能で再構成可能な生産アシスタントに変える取り組みと、その機会と課題を実例を交えて検討した論文。
原題: Augmenting cobots for sheet-metal SMEs with 3D object recognition and localisation / Martijn Cramer, Yanming Wu, David De Schepper 他
日本語で読む → - 論文歩行ロボティクス
Koopman作用素に基づく四足歩行の線形モデル予測制御
Koopman作用素を用いて四足ロボットの非線形な運動を高次元空間で線形表現し、線形モデル予測制御により高精度な軌道追従と外乱抑制を実現した。
原題: Koopman Operator Based Linear Model Predictive Control for Quadruped Trotting / Chun-Ming Yang, Pranav A. Bhounsule
日本語で読む → - 論文3D知覚画像認識
ViPE: 3D幾何知覚のための動画ポーズ推定エンジン
未校正の生動画からカメラ内部パラメータ・運動・密な深度を推定する汎用エンジンViPEを提案し、大規模動画データセットに正確な3Dアノテーションを付与して公開した。
原題: ViPE: Video Pose Engine for 3D Geometric Perception / Jiahui Huang, Qunjie Zhou, Hesam Rabeti 他
日本語で読む → - 論文マニピュレーションロボティクス
HyperTASR: ハイパーネットワーク駆動のタスク認識型シーン表現によるロバストなマニピュレーション
ハイパーネットワークを用いてタスク目標と実行段階に応じてシーン表現を動的に変換し、ロボットマニピュレーションの性能を向上させるフレームワークを提案。
原題: HyperTASR: Hypernetwork-Driven Task-Aware Scene Representations for Robust Manipulation / Li Sun, Jiefeng Wu, Feng Chen 他
日本語で読む → - 論文制御ロボティクス
深層Koopmanモデル予測制御によるクアッドロータの軌道追従と安定化
深層Koopman演算子とモデル予測制御を組み合わせ、非線形なクアッドロータのダイナミクスを線形近似して高精度かつ低計算コストで軌道追従と安定化を実現する手法を提案した。
原題: Trajectory Tracking and Stabilization of Quadrotors Using Deep Koopman Model Predictive Control / Haitham El-Hussieny
日本語で読む → - 論文歩行ロボティクス
外骨格歩行のためのハイブリッドデータ駆動予測制御によるロバストかつ反応的な運動生成
外骨格の歩行において、足の接地スケジュールと連続軌道を同時に計画するハイブリッドデータ駆動予測制御フレームワークを提案し、Atalante外骨格でロバスト性と適応性の向上を実証した。
原題: Hybrid Data-Driven Predictive Control for Robust and Reactive Exoskeleton Locomotion Synthesis / Kejun Li, Jeeseop Kim, Maxime Brunet 他
日本語で読む → - 論文VLAロボティクス
見て行動することを学ぶ:ロボットマニピュレーションのためのタスク認識型仮想視点探索
再構成したシーンからタスクに適した仮想カメラ視点を選んで観測を再描画し、タスク特化型のMixture-of-Experts視覚エンコーダと組み合わせることで、遮蔽や視覚的分布シフトに頑健な多タスクロボット操作を実現した。
原題: Learning to See and Act: Task-Aware Virtual View Exploration for Robotic Manipulation / Yongjie Bai, Zhouxia Wang, Yang Liu 他
日本語で読む → - 論文ナビゲーションロボティクス
NavA³: あらゆる指示を理解し、どこへでも移動し、何でも見つける
高レベルな人間の指示を理解し、実環境で空間認識を伴う物体ナビゲーションを行う階層型フレームワークNavA³を提案。大規模データで訓練したモデルにより、オープンボキャブラリな物体特定と精密な移動を実現した。
原題: $NavA^3$: Understanding Any Instruction, Navigating Anywhere, Finding Anything / Lingfeng Zhang, Xiaoshuai Hao, Yingbo Tang 他
日本語で読む → - 論文自動運転ロボティクス
ADOREを用いた適応制御とコンピュータビジョンの統合による自動運転
CARLAシミュレータとADOREフレームワークをROSブリッジで連携し、悪天候や未知物体によるドリフト時でもコンテキスト認識型CVモデルと適応制御を組み合わせて安全な自動運転を実現するシステムを提案した。
原題: Integration of Computer Vision with Adaptive Control for Autonomous Driving Using ADORE / Abu Shad Ahammed, Md Shahi Amran Hossain, Sayeri Mukherjee 他
日本語で読む → - 論文VLAAI
オープンエンド対話からの目標推論による柔軟なエージェントアラインメント
対話を通じてユーザーの目標を動的に推論し、LLMエージェントを柔軟にアラインメントする手法GOODを提案。買い物・家庭ロボティクス・コーディングの3領域で有効性を示した。
原題: Flexible Agent Alignment with Goal Inference from Open-Ended Dialog / Rachel Ma, Jingyi Qu, Andreea Bobu 他
日本語で読む → - 論文ソーシャルナビゲーションロボティクス
ロボットのソーシャルナビゲーションのための軽量群衆モデル
歩行者流の特性を活かして空間・時間処理を簡素化した軽量なマクロ群衆予測モデルを提案し、推論時間を3.6倍短縮しつつ予測精度を3.1%向上させ、社会的に配慮したロボットナビゲーションを実現した。
原題: A Lightweight Crowd Model for Robot Social Navigation / Maryam Kazemi Eskeri, Thomas Wiedemann, Ville Kyrki 他
日本語で読む → - 論文変形ドローンロボティクス
垂直折り畳みアームを備えた能動変形クアッドロータの設計と制御
アームを垂直に折り畳める新型クアッドロータを開発し、狭所通過と把持を可能にした。外乱オブザーバ付き適応スライディングモード制御で変形・把持時の外乱を抑制し、実機実験で有効性を示した。
原題: Design and Control of an Actively Morphing Quadrotor with Vertically Foldable Arms / Tingyu Yeh, Mengxin Xu, Lijun Han
日本語で読む → - 論文マニピュレーションロボティクス
TOP: ヒューマノイドロボットの安定かつ高精度な立位マニピュレーションのための時間最適化ポリシー
上半身の動作時間を調整する時間最適化ポリシーを導入し、下半身の強化学習制御と組み合わせることで、ヒューマノイドの立位マニピュレーションの安定性と精度を両立させた。
原題: TOP: Time Optimization Policy for Stable and Accurate Standing Manipulation with Humanoid Robots / Zhenghan Chen, Haocheng Xu, Haodong Zhang 他
日本語で読む → - 論文シーンフロー推定画像認識
DeltaFlow: 効率的なマルチフレームシーンフロー推定手法
複数フレームの時系列情報を低計算コストで活用する軽量な3Dシーンフロー推定フレームワークを提案し、クラス不均衡や動きの一貫性に対処する損失関数を導入して高精度・高速推論を実現した。
原題: DeltaFlow: An Efficient Multi-frame Scene Flow Estimation Method / Qingwen Zhang, Xiaomeng Zhu, Yushan Zhang 他
日本語で読む → - 論文マニピュレーションロボティクス
模倣学習によるロボットマニピュレーション:分類、進化、ベンチマーク、課題
模倣学習を用いたロボットマニピュレーション研究を体系的に分類し、技術的進化やベンチマーク結果を整理して今後の課題をまとめたサーベイ論文。
原題: Robotic Manipulation via Imitation Learning: Taxonomy, Evolution, Benchmark, and Challenges / Zezeng Li, Alexandre Chapin, Enda Xiang 他
日本語で読む → - 論文触覚ロボティクス
触覚的快適さ:インタラクションによる心拍数の低下
触覚ゲームで注意をそらす小型コンパニオンロボットを開発し、7〜8歳の子どもを対象とした実験で、ロボットとの触覚インタラクションが非使用時と比べて心拍数を有意に低下させることを示した。
原題: Tactile Comfort: Lowering Heart Rate Through Interactions / Morten Roed Frederiksen, Kasper Støy, Maja Matarić
日本語で読む → - 論文ナビゲーション/VLMロボティクス
言語をコストに:VLMを用いたロボットナビゲーションのための先読み危険地図生成
VLMで視覚シーンを解釈し、動的な危険を事前に予測してリスク考慮型のナビゲーションコストを割り当てるゼロショット手法を提案し、動的環境でのナビゲーション成功率を向上させた。
原題: Language as Cost: Proactive Hazard Mapping using VLM for Robot Navigation / Mintaek Oh, Chan Kim, Seung-Woo Seo 他
日本語で読む → - 論文ナビゲーションロボティクス
SIGN: 強化学習による安全志向の画像ゴール自律ドローン航法
強化学習とsim-to-realフレームワークを用いて、ドローンが未知環境を探索し目標画像の場所へ自律的に到達する画像ゴール航法を実現し、深度ベースの安全モジュールで障害物回避も可能にした。
原題: SIGN: Safety-Aware Image-Goal Navigation for Autonomous Drones via Reinforcement Learning / Zichen Yan, Rui Huang, Lei He 他
日本語で読む → - 論文VLAロボティクス
リアルタイム3D視覚言語埋め込みマッピング
視覚言語モデルの2次元埋め込みを、実時間でメートル精度の3次元表現に統合する手法を提案し、自然言語による対象物の位置特定を可能にした。
原題: Real-Time 3D Vision-Language Embedding Mapping / Christian Rauch, Björn Ellensohn, Linus Nwankwo 他
日本語で読む → - 論文群制御ロボティクス
公共空間における自律清掃ロボット周辺の歩行者行動の評価:フィールド観察からの知見
公共空間で稼働する2種類の自律清掃ロボットの周りを歩行者がどう避けるかをビデオ観察し、ロボットの種類や移動パターンが歩行者の回避行動に与える影響を調べた。
原題: Assessing Pedestrian Behavior Around Autonomous Cleaning Robots in Public Spaces: Findings from a Field Observation / Maren Raab, Linda Miller, Zhe Zeng 他
日本語で読む → - 論文VLAロボティクス
RICL: 事前学習済み視覚-言語-行動モデルへの文脈内適応性の付与
模倣学習で事前学習されたVLAモデルに、少数の実演データを用いた追加学習で文脈内学習能力を後付けし、パラメータ更新なしで新しいマニピュレーションタスクを教えられるようにした。
原題: RICL: Adding In-Context Adaptability to Pre-Trained Vision-Language-Action Models / Kaustubh Sridhar, Souradeep Dutta, Dinesh Jayaraman 他
日本語で読む →
PR・アフィリエイト広告
