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: 2026/2/1 / 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VLAロボティクス
VLS: 視覚言語モデルによる事前学習済みロボット方策の誘導
凍結した拡散・フローマッチング方策のサンプリングを、視覚言語モデルが生成する報酬で推論時に誘導し、再学習なしで空間・タスクの分布シフトに適応させる手法。
原題: VLS: Steering Pretrained Robot Policies via Vision-Language Models / Shuo Liu, Ishneet Sukhvinder Singh, Yiqing Xu 他
日本語で読む → - 論文VLAロボティクス
FUTURE-VLA: 実時間実行下での統合軌道予測
長時間の映像履歴を効率的に圧縮し、潜在空間での自己回帰により将来の視覚予測と行動生成を単一のフォワードパスで行うVLAアーキテクチャを提案。予測に基づく人間参加型の実行ゲーティングも実現した。
原題: FUTURE-VLA: Forecasting Unified Trajectories Under Real-time Execution / Jingjing Fan, Yushan Liu, Shoujie Li 他
日本語で読む → - 論文VLAロボティクス
iSTAR: パラメータ内構造推論による機能分化でVLAを強化
VLAモデルのパラメータにタスク構造を直接埋め込み、外部プランナーやプロンプトなしでタスク分解と推論を行えるようにした手法iSTARを提案。
原題: Differentiate-and-Inject: Enhancing VLAs via Functional Differentiation Induced by In-Parameter Structural Reasoning / Jingyi Hou, Leyu Zhou, Chenchen Jing 他
日本語で読む → - 論文VLAロボティクス
PhysMem: 身体性物理推論のためのテスト時メモリのスケーリング
VLMロボットプランナがテスト時に経験から物理法則を学び、仮説を検証してから適用するメモリフレームワークを提案。実世界の操作タスクで成功率が大幅に向上。
原題: PhysMem: Scaling Test-Time Memory for Embodied Physical Reasoning / Haoyang Li, Yang You, Hao Su 他
日本語で読む → - 論文VLAロボティクス
言語運動プリミティブ:ロボット動作における言語モデルの接地
VLMの推論を動的運動プリミティブ(DMP)のパラメータに接地させることで、自然言語指示からゼロショットでロボット操作を実現するフレームワークを提案。
原題: Language Movement Primitives: Grounding Language Models in Robot Motion / Yinlong Dai, Benjamin A. Christie, Daniel J. Evans 他
日本語で読む → - 論文VLAロボティクス
長寿命ロボットに向けて:強化学習ファインチューニングによるVLAモデルの継続学習
VLAモデルの下流タスク適応における破滅的忘却とデータ依存を解決するため、オンライン環境フィードバック不要の強化学習ファインチューニング手法LifeLong-RFTを提案し、継続学習でSFT比22%の成功率向上を達成した。
原題: Towards Long-Lived Robots: Continual Learning VLA Models via Reinforcement Fine-Tuning / Yuan Liu, Haoran Li, Shuai Tian 他
日本語で読む → - 論文VLAロボティクス
AsyncVLA:エッジ上での高速・堅牢なナビゲーションのための非同期VLA
大規模基盤モデルを遠隔ワークステーションで動かし、軽量なオンボードアダプタが高頻度で動作を補正する非同期制御フレームワークを提案し、最大6秒の通信遅延下でも高いナビゲーション成功率を実現した。
原題: AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge / Noriaki Hirose, Catherine Glossop, Dhruv Shah 他
日本語で読む → - 論文VLAロボティクス
Green-VLA: 汎用ロボットのための段階的視覚-言語-行動モデル
5段階のカリキュラムで学習する視覚-言語-行動モデルを提案し、ヒューマノイドや移動マニピュレータなど多様な機体を単一ポリシーで制御、実機で汎化性能と長期的タスク効率を向上させた。
原題: Green-VLA: Staged Vision-Language-Action Model for Generalist Robots / I. Apanasevich, M. Artemyev, R. Babakyan 他
日本語で読む → - 論文VLAロボティクス
FAVLA:接触の多いロボットマニピュレーションのための力適応型高速・低速VLAモデル
低速なVLMによる計画と高速なアクションエキスパートを分離し、力覚フィードバックを適応的に活用することで、接触の多いマニピュレーションの反応性と成功率を向上させるVLAモデルを提案。
原題: FAVLA: A Force-Adaptive Fast-Slow VLA model for Contact-Rich Robotic Manipulation / Yao Li, Peiyuan Tang, Wuyang Zhang 他
日本語で読む → - 論文VLAロボティクス
見て、感じて、動く:大規模一人称視点人間データから能動的知覚を学ぶ
大規模な一人称視点の人間データを活用し、情報を能動的に集めながら操作するVLAフレームワークCoMe-VLAを提案。記憶機構と認知補助により多様な長期タスクで高い適応性を示した。
原題: Act, Sense, Act: Learning Active Perception from Large-Scale Egocentric Human Data / Jialiang Li, Yi Qiao, Yunhan Guo 他
日本語で読む → - 論文VLAロボティクス
世界行動モデルはゼロショット方策である
動画拡散モデルを基盤に未来の世界状態と行動を予測するWorld Action Model「DreamZero」を提案し、実機でVLAを上回る汎化性能と7Hzのリアルタイム閉ループ制御を実現した。
原題: World Action Models are Zero-shot Policies / Seonghyeon Ye, Yunhao Ge, Kaiyuan Zheng 他
日本語で読む → - 論文VLA画像認識
LIBERO-X:視覚言語行動モデルの堅牢性を測るリトマス試験
VLAモデルの汎化・堅牢性を細かく評価するため、難易度を段階付けた評価プロトコルと多様な人間操作データを備えた新ベンチマークLIBERO-Xを提案した。
原題: LIBERO-X: Robustness Litmus for Vision-Language-Action Models / Guodong Wang, Chenkai Zhang, Qingjie Liu 他
日本語で読む → - 論文VLAロボティクス
Joint-Aligned Latent Action: 実世界データからのスケーラブルなVLA事前学習に向けて
人間の操作動画から逆動力学と実行動に整合する潜在行動を学習し、大規模なVLA事前学習を可能にするフレームワークJALAを提案。
原題: Joint-Aligned Latent Action: Towards Scalable VLA Pretraining in the Wild / Hao Luo, Ye Wang, Wanpeng Zhang 他
日本語で読む → - 論文VLAロボティクス
RADAR: 実世界ダイナミクス・空間物理知能・自律評価による視覚言語行動モデルの汎化ベンチマーク
VLAモデルの実世界汎化を評価するため、物理ダイナミクス・空間推論タスク・3D指標による完全自律評価を統合したベンチマークRADARを提案し、既存モデルを監査した。
原題: RADAR: Benchmarking Vision-Language-Action Generalization via Real-World Dynamics, Spatial-Physical Intelligence, and Autonomous Evaluation / Yuhao Chen, Zhihao Zhan, Xiaoxin Lin 他
日本語で読む → - 論文VLAロボティクス
HoloBrain-0 技術報告
ロボットの身体情報(カメラ配置やURDF)を組み込んだVLAフレームワークを提案し、事前学習と事後学習でシミュレーションと実機のマニピュレーションタスクを高精度に達成、エコシステム全体をオープンソース化した。
原題: HoloBrain-0 Technical Report / Xuewu Lin, Tianwei Lin, Yun Du 他
日本語で読む → - 論文VLAロボティクス
ロボット制御のためのエージェントAI:柔軟だが依然として脆い
推論可能な言語モデルがロボットスキルを選択・実行するエージェント型制御システムを2つの実機で試し、柔軟性と脆弱性の両面を明らかにした。
原題: Agentic AI for Robot Control: Flexible but still Fragile / Oscar Lima, Marc Vinci, Martin Günther 他
日本語で読む → - 論文VLAロボティクス
HIMM: 身体性探索と質問応答のための人間に着想を得た長期記憶モデリング
エピソード記憶と意味記憶を分離した非パラメトリック記憶フレームワークを提案し、身体性エージェントの長期観測下での探索と質問応答を改善した。
原題: HIMM: Human-Inspired Long-Term Memory Modeling for Embodied Exploration and Question Answering / Ji Li, Bo Wang, Jing Xia 他
日本語で読む → - 論文VLAロボティクス
VLA-JEPA:潜在世界モデルで視覚-言語-行動モデルを強化
未来のフレームを教師信号に使い、現在の観測だけから潜在空間で状態予測を学習するJEPA型事前学習で、VLAポリシーの汎化とロバスト性を高めた。
原題: VLA-JEPA: Enhancing Vision-Language-Action Model with Latent World Model / Jingwen Sun, Wenyao Zhang, Zekun Qi 他
日本語で読む → - 論文VLA画像認識
HiST-VLA:階層的時空間視覚言語行動モデルによるエンドツーエンド自動運転
3D空間認識と時系列推論を強化した階層的VLAモデルを提案し、動的トークン統合と階層的プランナーで軌道生成を高精度化、NAVSIM v2で最高性能を達成した。
原題: HiST-VLA: A Hierarchical Spatio-Temporal Vision-Language-Action Model for End-to-End Autonomous Driving / Yiru Wang, Zichong Gu, Yu Gao 他
日本語で読む → - 論文VLAロボティクス
セルフノート:メモリ依存操作タスクのためのスクラッチパッド拡張VLA
言語スクラッチパッドをVLAに導入し、空間・時間メモリを付与することで、メモリ依存の長期的操作タスクの汎化性能を向上させた研究。
原題: Notes-to-Self: Scratchpad Augmented VLAs for Memory Dependent Manipulation Tasks / Sanjay Haresh, Daniel Dijkman, Apratim Bhattacharyya 他
日本語で読む → - 論文VLAロボティクス
Action-to-Actionフローマッチング:固有感覚履歴を起点とした高速ロボット方策
ランダムノイズではなく過去の固有感覚行動を起点にフローマッチングで行動生成する方策を提案し、1ステップ推論と高い汎化性能を実現した。
原題: Action-to-Action Flow Matching / Jindou Jia, Gen Li, Xiangyu Chen 他
日本語で読む → - 論文VLAロボティクス
SCALE: 視覚言語行動モデルのための自己不確実性に基づく適応的知覚と行動
VLAモデルの推論時に自己不確実性を利用し、追加学習や検証器なしで視覚知覚と行動を同時に調整する単一パスの手法を提案。
原題: SCALE: Self-uncertainty Conditioned Adaptive Looking and Execution for Vision-Language-Action Models / Hyeonbeom Choi, Daechul Ahn, Youhan Lee 他
日本語で読む → - 論文VLA画像認識
Any3D-VLA:多様な点群によるVLAのロバスト性向上
シミュレータ・センサ・モデル推定の点群を統合して学習し、2D表現と融合することで、VLAモデルの性能とドメインギャップ耐性を高める手法を提案。
原題: Any3D-VLA: Enhancing VLA Robustness via Diverse Point Clouds / Xianzhe Fan, Shengliang Deng, Xiaoyang Wu 他
日本語で読む → - 論文VLAロボティクス
曖昧な指示に対するアフォーダンス認識型インタラクティブ意思決定と実行
曖昧な人間の指示に対し、対話的な探索と視覚言語推論を統合した二重ストリーム枠組みAIDEを提案し、ゼロショットでアフォーダンス解析と指示解釈を実現した。
原題: Affordance-Aware Interactive Decision-Making and Execution for Ambiguous Instructions / Hengxuan Xu, Fengbo Lan, Zhixin Zhao 他
日本語で読む → - 論文VLA画像認識
スパース動画生成による実世界の視界外ビジョン言語ナビゲーション
動画生成モデルを視界外ナビゲーションに初導入し、20秒先の未来をスパースに生成することでサブ秒推論を実現した手法SparseVideoNavを提案。
原題: Sparse Video Generation Propels Real-World Beyond-the-View Vision-Language Navigation / Hai Zhang, Siqi Liang, Li Chen 他
日本語で読む → - 論文VLA画像認識
VLANeXt:強いVLAモデルを構築するためのレシピ
VLA設計空間を統一フレームワークで再検討し、12の知見をまとめた実践的レシピと、LIBEROなどでSOTAを上回るモデルVLANeXtを提案した論文。
原題: VLANeXt: Recipes for Building Strong VLA Models / Xiao-Ming Wu, Bin Fan, Kang Liao 他
日本語で読む → - 論文VLAロボティクス
SA-VLA: 空間認識型フローマッチングによる視覚-言語-行動強化学習
フローマッチング型VLAポリシーの強化学習適応時に空間的帰納バイアスが失われる問題に対し、空間表現の融合・幾何学的進捗に基づく密報酬・空間条件付き探索戦略を組み合わせ、空間分布シフト下での汎化性能を高める手法を提案。
原題: SA-VLA: Spatially-Aware Flow-Matching for Vision-Language-Action Reinforcement Learning / Xu Pan, Zhenglin Wan, Xingrui Yu 他
日本語で読む → - 論文VLAロボティクス
自然言語コマンドの物体グラウンディングのための関係シーングラフ
3Dシーングラフに空間関係を追加することで、LLMが自然言語コマンドから対象物体を正しく特定できるかを検証した研究。
原題: Relational Scene Graphs for Object Grounding of Natural Language Commands / Julia Kuhn, Francesco Verdoja, Tsvetomila Mihaylova 他
日本語で読む → - 論文VLAロボティクス
語り、夢見て、行動する:指示駆動型ロボット操作のためのビデオ世界モデル学習
ビデオ生成モデルを蒸留して高速化し、生成された未来映像と実観測を組み合わせて行動モデルを訓練することで、指示に基づくロボット操作の精度と効率を向上させるフレームワークを提案。
原題: Say, Dream, and Act: Learning Video World Models for Instruction-Driven Robot Manipulation / Songen Gu, Yunuo Cai, Tianyu Wang 他
日本語で読む → - 論文VLAロボティクス
自動運転における構造化Chain-of-Thoughtの高速化
自動運転のVLAモデル向けに、Chain-of-Thought推論を依存グラフに分解し並列デコードすることで、精度を保ちつつ3〜4倍高速化する手法を提案。
原題: Accelerating Structured Chain-of-Thought in Autonomous Vehicles / Yi Gu, Yan Wang, Yuxiao Chen 他
日本語で読む →
PR・アフィリエイト広告
