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 →- 論文軌道予測ロボティクス
TopoDiffuser: トポメトリックマップを用いた拡散ベースのマルチモーダル軌道予測モデル
トポメトリックマップの構造情報を条件付き拡散モデルのノイズ除去過程に組み込み、道路形状に自然に従う多様な将来軌道を予測する手法を提案し、KITTIで最先端性能を達成した。
原題: TopoDiffuser: A Diffusion-Based Multimodal Trajectory Prediction Model with Topometric Maps / Zehui Xu, Junhui Wang, Yongliang Shi 他
日本語で読む → - 論文LiDAR生成画像認識
Veila: 単眼RGB画像からのパノラマLiDAR生成
単眼RGB画像を条件として、拡散モデルによりパノラマLiDAR点群を生成するフレームワークを提案。信頼度に基づく条件付けと幾何学的整合性により、RGBとLiDARのモダリティギャップを克服する。
原題: Veila: Panoramic LiDAR Generation from a Monocular RGB Image / Youquan Liu, Lingdong Kong, Weidong Yang 他
日本語で読む → - 論文オフロード自律走行ロボティクス
Verti-Arena:マルチテランのオフロード自律走行のための制御可能で標準化された屋内テストベッド
オフロード自律走行研究のための再構成可能な屋内テストベッドを提案し、遠隔実験用のWebインターフェースも開発した。
原題: Verti-Arena: A Controllable and Standardized Indoor Testbed for Multi-Terrain Off-Road Autonomy / Haiyue Chen, Aniket Datar, Tong Xu 他
日本語で読む → - 論文VLAロボティクス
身体性を持つエージェントAIに向けて:LLM・VLM駆動のロボット自律性とインタラクションのレビューと分類
LLMやVLMをロボットに統合する研究を調査し、エージェントの役割やモデル統合手法を分類するタクソノミーを提案したサーベイ論文。
原題: Towards Embodied Agentic AI: Review and Classification of LLM- and VLM-Driven Robot Autonomy and Interaction / Sahar Salimpour, Lei Fu, Kajetan Rachwał 他
日本語で読む → - 論文物体手渡しロボティクス
任意物体の文脈的手渡しのためのマルチモーダル意図モデリング
人間の言語・非言語指示から対象物体を選び、暗黙的・明示的な好みを考慮して把持と手渡し動作を生成する統合手法を提案し、実機実験とユーザー研究で有効性を示した。
原題: Multimodal Human-Intent Modeling for Contextual Robot-to-Human Handovers of Arbitrary Objects / Lucas Chen, Guna Avula, Hanwen Ren 他
日本語で読む → - 論文sim2realロボティクス
Sim2Dust:粒状媒体上での動的ウェイポイント追従を実現する
ランダム化した物理シミュレーションで強化学習エージェントを訓練し、月面模擬環境の実機ローバーへゼロショット転移することで、粒状地形上での動的ウェイポイント追従を可能にした。
原題: Sim2Dust: Mastering Dynamic Waypoint Tracking on Granular Media / Andrej Orsula, Matthieu Geist, Miguel Olivares-Mendez 他
日本語で読む → - 論文ミリ波レーダー検出ロボティクス
CubeDN: デュアルミリ波レーダーキューブによる3次元空間でのリアルタイムドローン検出
2台のミリ波レーダーを用いた単一ステージのエンドツーエンド深層学習ネットワークにより、飛行するドローンを3次元空間でリアルタイムに検出・位置推定・分類する手法を提案した。
原題: CubeDN: Real-time Drone Detection in 3D Space from Dual mmWave Radar Cubes / Yuan Fang, Fangzhan Shi, Xijia Wei 他
日本語で読む → - 論文水中3D物体検出画像認識
ソナーポイントクラウドからの訓練不要水中3D物体検出に向けて:従来手法と深層学習手法の比較
水中3D物体検出を訓練データなしで実現するため、物理ベースのソナーシミュレーションで合成データを生成し深層学習モデルを訓練する手法と、幾何学的形状を利用したテンプレートマッチング手法を比較した。実海域データではテンプレートマッチングが訓練不要で高いロバスト性を示した。
原題: Towards Training-Free Underwater 3D Object Detection from Sonar Point Clouds: A Comparison of Traditional and Deep Learning Approaches / M. Salman Shaukat, Yannik Käckenmeister, Sebastian Bader 他
日本語で読む → - 論文VLAロボティクス
AgriVLN: 農業ロボットのための視覚と言語によるナビゲーション
四足歩行ロボットによる農業シーンの視覚言語ナビゲーション用ベンチマークA2Aと、VLMベースのAgriVLNを提案し、指示分解モジュールで成功率を改善した。
原題: AgriVLN: Vision-and-Language Navigation for Agricultural Robots / Xiaobei Zhao, Xingqi Lyu, Xiang Li
日本語で読む → - 論文VLAロボティクス
情報理論的グラフ融合と視覚言語行動モデルによる方策推論と双腕ロボット制御
人間のRGB-D動画から手と物体の重要度を情報理論的に抽出し、時系列シーングラフと言語条件付きTransformerで双腕ロボットのタスク方策を生成・実行するGF-VLAを提案。
原題: Information-Theoretic Graph Fusion with Vision-Language-Action Model for Policy Reasoning and Dual Robotic Control / Shunlei Li, Longsen Gao, Jin Wang 他
日本語で読む → - 論文マニピュレーションロボティクス
ロボットと天井クレーンの協調によるペイロード操作の強化
天井クレーンが荷物を持ち上げ、ロボットがエンドエフェクタで誘導する協調スキームを提案し、アドミタンス制御で滑らかな協調を実現した。
原題: Robot and Overhead Crane Collaboration Scheme to Enhance Payload Manipulation / Antonio Rosales, Alaa Abderrahim, Markku Suomalainen 他
日本語で読む → - 論文UWB/VINSキャリブレーションロボティクス
UWB支援視覚慣性ナビゲーションのためのバイアス補正を伴うロバストオンラインキャリブレーション
UWBアンカーのオンラインキャリブレーションにおいて、ロボット自己位置推定の不確かさを明示的に考慮し、Schmidtカルマンフィルタによる密結合オンライン補正で初期推定誤差に頑健な手法を提案した。
原題: Robust Online Calibration for UWB-Aided Visual-Inertial Navigation with Bias Correction / Yizhi Zhou, Jie Xu, Jiawei Xia 他
日本語で読む → - 論文形状・姿勢推定画像認識
OmniShape: 実世界におけるゼロショット多仮説形状・姿勢推定
単一観測から未知物体の姿勢と完全形状を推定するため、形状補完を2つのマルチモーダル分布に分離し、条件付き拡散モデルで複数仮説を生成する手法を提案。
原題: OmniShape: Zero-Shot Multi-Hypothesis Shape and Pose Estimation in the Real World / Katherine Liu, Sergey Zakharov, Dian Chen 他
日本語で読む → - 論文自動運転ロボティクス
3D畳み込みニューラルネットワークによるミニ自律走行車の運転
RGB-D情報と3D CNNを用いてシミュレーション環境でミニ自律走行車を制御し、RNNと比較して汎化性能と運転性能を評価した研究。
原題: Mini Autonomous Car Driving based on 3D Convolutional Neural Networks / Pablo Moraes, Monica Rodriguez, Kristofer S. Kappel 他
日本語で読む → - 論文動作生成画像認識
残差ベクトル量子化によるポーズ表現の表現力と分離性の向上
ポーズコードに残差ベクトル量子化で連続的な動きの特徴を加え、テキストからの人間動作生成の表現力と制御性を高めた研究。
原題: Making Pose Representations More Expressive and Disentangled via Residual Vector Quantization / Sukhyun Jeong, Hong-Gi Shin, Yong-Hoon Choi
日本語で読む → - 論文VLAロボティクス
FedVLA: 二重ゲーティングMoEによる連合視覚言語行動学習
データプライバシーを守りつつ分散学習する初の連合VLAフレームワークを提案し、指示に基づくシーン解析と二重ゲーティングMoE、専門家駆動型集約で効率的なロボットマニピュレーションを実現した。
原題: FedVLA: Federated Vision-Language-Action Learning with Dual Gating Mixture-of-Experts for Robotic Manipulation / Cui Miao, Tao Chang, Meihan Wu 他
日本語で読む → - 論文VLAロボティクス
ケミストアイ:自己駆動型実験室における安全監視とロボット意思決定のための視覚言語モデル搭載システム
自己駆動型実験室の安全性を高めるため、RGB・深度・赤外線カメラと視覚言語モデルを組み合わせ、PPE違反や火災を検知してロボットを誘導する分散型監視システムを開発した。
原題: Chemist Eye: A Visual Language Model-Powered System for Safety Monitoring and Robot Decision-Making in Self-Driving Laboratories / Francisco Munguia-Galeano, Zhengxue Zhou, Satheeshkumar Veeramani 他
日本語で読む → - 論文VLAロボティクス
ロボットマニピュレーションのための大規模VLMベース視覚-言語-行動モデル:サーベイ
大規模視覚言語モデルを基盤とした視覚-言語-行動(VLA)モデルによるロボットマニピュレーション研究を、アーキテクチャの分類や関連分野との統合、今後の方向性を含めて初めて体系的にレビューしたサーベイ論文。
原題: Large VLM-based Vision-Language-Action Models for Robotic Manipulation: A Survey / Rui Shao, Wei Li, Lingsen Zhang 他
日本語で読む → - 論文ロボット手術ロボティクス
ロボット支援手術における意図認識と認知負荷の関係解明
脳活動・心拍・筋電・視線追跡を統合し、認知負荷が高い状況でも手術者の意図を認識できる適応支援システムを構築する研究。
原題: Unraveling the Connection: How Cognitive Workload Shapes Intent Recognition in Robot-Assisted Surgery / Mansi Sharma, Antonio Kruger
日本語で読む → - 論文歩行者認識ロボティクス
自動配送ロボットと歩行者のインタラクションのための視覚ベース知覚システム
単一の視覚センサを用いて複数歩行者の検出・追跡・姿勢推定・単眼深度推定を行うパイプラインを構築し、混雑や遮蔽下でも歩行者の軌跡予測とID維持を改善することを示した。
原題: Vision-based Perception System for Automated Delivery Robot-Pedestrians Interactions / Ergi Tushe, Bilal Farooq
日本語で読む → - 論文HRIロボティクス
ループの中の演劇:表現豊かなロボット動作のためのリハーサルベース協働ワークフロー
演出家の指導のもと人形遣いがロボットを操作して即興的な感情表現動作を生成し、それを再利用可能な動作テンプレートとしてデータセット化する演劇的手法のワークフローを提案した。
原題: Theatre in the Loop: A Rehearsal-Based, Collaborative Workflow for Expressive Robotic Behaviours / Pavlos Panagiotidis, Victor Zhi Heung Ngo, Sean Myatt 他
日本語で読む → - 論文交通シミュレーション制御
ノイズを考慮した生成的顕微鏡交通シミュレーション
インフラカメラ由来のノイズを含む車両軌跡データセットI24-MSDを構築し、ノイズを学習問題の一部として扱う生成的交通シミュレーションモデルを提案した論文。
原題: Noise-Aware Generative Microscopic Traffic Simulation / Vindula Jayawardana, Catherine Tang, Junyi Ji 他
日本語で読む → - 論文GNSS-視覚-慣性オドメトリロボティクス
多視点ランドマーク表現によるGNSS-視覚-慣性オドメトリ
ランドマークと複数カメラ姿勢を直接結びつける姿勢のみの視覚計測モデルを提案し、GNSS-視覚-慣性オドメトリに適用して効率と精度を向上させた。
原題: A Multi-view Landmark Representation Approach with Application to GNSS-Visual-Inertial Odometry / Tong Hua, Jiale Han, Wei Ouyang
日本語で読む → - 論文VLAロボティクス
視覚-言語-行動モデル向けシミュレーションデータ収集のチュートリアルノート
VLAモデル学習用のシミュレーションデータ収集手法を、PyBullet・LIBERO・RT-Xの3つの代表的な枠組みを通じて解説したチュートリアル。
原題: A tutorial note on collecting simulated data for vision-language-action models / Heran Wu, Zirun Zhou, Jingfeng Zhang
日本語で読む → - 論文空間知能評価画像認識
マルチモーダルLLMの空間知能を包括的に評価するEASI
GPT-5など最先端マルチモーダルモデルの空間理解・推論能力を、統一的なタスク分類に基づく8つのベンチマークで大規模に評価し、人間との差や限界を明らかにした。
原題: Holistic Evaluation of Multimodal LLMs on Spatial Intelligence / Zhongang Cai, Yubo Wang, Qingping Sun 他
日本語で読む → - 論文VLAAI
エッジ上のマルチモーダルセンサ融合と視覚言語モデルによる自動運転のリアルタイム事故回避
軽量VLMを微調整し、インフラからの危険警告と車載センサデータを統合して安全な軌道を生成するエッジ向けフレームワークREACTを提案。DeepAccidentで衝突率77%削減、推論遅延0.57秒を達成。
原題: Edge-Based Multimodal Sensor Data Fusion with Vision Language Models (VLMs) for Real-time Autonomous Vehicle Accident Avoidance / Fengze Yang, Bo Yu, Yang Zhou 他
日本語で読む → - 論文クロスドメイン学習ロボティクス
DETACH: 分離された専門家の混合による長期的タスクのためのクロスドメイン学習
脳の「どこ・何」二重経路に着想を得て、環境理解とスキル実行を分離する二流構成で、人間-シーン相互作用の長期的タスクをクロスドメインで学習するフレームワークを提案。
原題: DETACH: Cross-domain Learning for Long-Horizon Tasks via Mixture of Disentangled Experts / Yutong Shen, Hangxu Liu, Lei Zhang 他
日本語で読む → - 論文群制御制御
オイラー・ラグランジュ系に対する衝突回避ベアリング駆動型フォーメーション追従
複数の移動リーダーを持つ異種オイラー・ラグランジュ系に対し、ベアリング情報と適応機構を用いてパラメータ不確かさ下でも衝突を避けつつ目標フォーメーションへ追従させる分散制御則を提案した論文。
原題: Collision-Free Bearing-Driven Formation Tracking for Euler-Lagrange Systems / Haoshu Cheng, Martin Guay, Shimin Wang 他
日本語で読む → - 論文経路計画ロボティクス
3Dシーングラフを活用した状況認識型経路計画
屋内3Dシーングラフのメトリック・セマンティック構造を利用し、意味グラフ探索と並列サブ問題分解により経路計画を高速化するS-Pathを提案した。
原題: Situationally-aware Path Planning Exploiting 3D Scene Graphs / Saad Ejaz, Marco Giberna, Muhammad Shaheer 他
日本語で読む → - 論文マニピュレーションロボティクス
物体配置に関する人間の仕様を実演から推論する手法
物体の相対位置を記述する論理体系PARCCを提案し、実演から人間が意図する配置ルールを学習する推論アルゴリズムを開発した。
原題: Inference of Human-derived Specifications of Object Placement via Demonstration / Alex Cuellar, Ho Chit Siu, Julie A Shah
日本語で読む →
PR・アフィリエイト広告
