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: 2025/6/1 / 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
FreqPolicy: 周波数一貫性による効率的なフローベース視覚運動ポリシー
フローベースの視覚運動ポリシーに周波数領域の一貫性制約を導入し、時間的連続性を保ちながら1ステップでの高品質な行動生成を可能にした手法。
原題: FreqPolicy: Efficient Flow-based Visuomotor Policy via Frequency Consistency / Yifei Su, Ning Liu, Dong Chen 他
日本語で読む → - 論文月面探査データセットロボティクス
SPICE-HL3: 高緯度月面探査のための単光子・慣性・ステレオカメラデータセット
月の高緯度地域の厳しい照明環境を再現した実験施設で、ステレオカメラや単光子カメラなどを用いてロボット走行の画像・慣性・車輪オドメトリデータを取得し、88系列・130万枚のデータセットを構築した。
原題: SPICE-HL3: Single-Photon, Inertial, and Stereo Camera dataset for Exploration of High-Latitude Lunar Landscapes / David Rodríguez-Martínez, Dave van der Meer, Junlin Song 他
日本語で読む → - 論文ナビゲーションロボティクス
空間強化リカレントメモリによる長距離マップレスナビゲーションのためのエンドツーエンド強化学習
既存のRNNの空間記憶能力の限界を指摘し、空間記憶を強化するSRUを提案。単眼ステレオカメラを用いた長距離マップレスナビゲーションを実現し、既存RNN比で23.5%の性能向上を達成。
原題: Spatially-Enhanced Recurrent Memory for Long-Range Mapless Navigation via End-to-End Reinforcement Learning / Fan Yang, Per Frivik, David Hoeller 他
日本語で読む → - 論文認知・計画q-bio.NC
注意が計画のための心的表象を簡略化する仕組み
仮想迷路課題を用いて、空間的注意が計画に必要な情報の取捨選択にどう影響するかを調べ、個人差も含めて計算モデルに組み込んだ研究。
原題: How attention simplifies mental representations for planning / Jason da Silva Castanheira, Nicholas Shea, Stephen M. Fleming
日本語で読む → - 論文マニピュレーションロボティクス
外乱下でのロボットによる台車押し動作のための機動的計画と適応制御の統合
移動ロボットが台車を押す際の運動制約と外乱に対処するため、局所座標表現と新しい運動学モデルによる計画法と、正確な動力学モデルを必要としない外乱抑制制御を統合し、シミュレーションと実機で有効性を示した。
原題: Integrating Maneuverable Planning and Adaptive Control for Robot Cart-Pushing under Disturbances / Zhe Zhang, Peijia Xie, Yuhan Pang 他
日本語で読む → - 論文タスク計画ロボティクス
Tru-POMDP: 仮説の木とオープンエンドPOMDPによる不確実性下のタスク計画
LLMで仮説の木を構築し、オープンエンドなPOMDP計画と組み合わせることで、曖昧な指示や未知の物体配置に対応する家庭用ロボットのタスクプランナを提案した。
原題: Tru-POMDP: Task Planning Under Uncertainty via Tree of Hypotheses and Open-Ended POMDPs / Wenjing Tang, Xinyu He, Yongxi Huang 他
日本語で読む → - 論文SLAM画像認識
LoopDB: 大規模SLAM向けループ閉じ込みデータセット
公園や屋内など多様な環境で撮影した1000枚以上の画像と連続画像間の回転・並進の正解データを提供し、ループ閉じ込みアルゴリズムの評価・学習に使えるデータセットを構築した。
原題: LoopDB: A Loop Closure Dataset for Large Scale Simultaneous Localization and Mapping / Mohammad-Maher Nakshbandi, Ziad Sharawy, Dorian Cojocaru 他
日本語で読む → - 論文レーダー知覚ロボティクス
SDDiff: 空間-ドップラー拡散によるレーダー知覚の強化
レーダーの点群抽出と自己速度推定を同時に行う空間-ドップラー拡散モデルを提案し、両タスクの相互利益を活用して精度と密度を大幅に向上させた。
原題: SDDiff: Boost Radar Perception via Spatial-Doppler Diffusion / Shengpeng Wang, Xin Luo, Yulong Xie 他
日本語で読む → - 論文画像復元/拡散モデル画像認識
エッジデバイス向け多段階ガイド拡散による画像復元:身体性AIにおける軽量知覚に向けて
拡散モデルの各ノイズ除去ステップで勾配更新を多段階化し、Jetson Orin Nano上で超解像やデブラリングの品質と汎化性能を低遅延で向上させる手法を提案。
原題: Multi-Step Guided Diffusion for Image Restoration on Edge Devices: Toward Lightweight Perception in Embodied AI / Aditya Chakravarty
日本語で読む → - 論文ビジュアルサーボロボティクス
自動製造環境におけるマルチロボットビジュアルサーボシステムの制御アーキテクチャと設計
製造環境での不確実性を低減するため、マルチロボットビジュアルサーボシステムの制御アーキテクチャを提案し、カメラ位置の重要性を議論した。
原題: Control Architecture and Design for a Multi-robotic Visual Servoing System in Automated Manufacturing Environment / Rongfei Li
日本語で読む → - 論文触覚ロボティクス
全身モジュラー型電子皮膚によるロボットの触覚ジェスチャー認識
全身を覆うモジュラー型電子皮膚と同変グラフニューラルネットワークを用いて、つつく・掴む・撫でる・二回叩くなどの触覚ジェスチャーを認識し、触覚入力のみで直感的なヒューマンロボットインタラクションを実現した。
原題: Robot Tactile Gesture Recognition Based on Full-body Modular E-skin / Shuo Jiang, Boce Hu, Linfeng Zhao 他
日本語で読む → - 論文VLAロボティクス
BitVLA: ロボットマニピュレーションのための1ビット視覚言語行動モデル
全てのパラメータを3値{-1,0,1}に量子化した1ビットVLAモデルを提案し、メモリを11倍削減しつつ全精度ベースラインと同等のマニピュレーション性能を実現した。
原題: BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation / Hongyu Wang, Chuyan Xiong, Ruiping 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
GenManip: LLM駆動シミュレーションによる汎化可能な指示追従マニピュレーション
LLM駆動のシーングラフで多様なタスクを自動生成する卓上シミュレーション環境GenManipと、200シナリオのベンチマークGenManip-Benchを提案し、モジュール型とエンドツーエンド方策の汎化性能を比較評価した。
原題: GENMANIP: LLM-driven Simulation for Generalizable Instruction-Following Manipulation / Ning Gao, Yilun Chen, Shuai Yang 他
日本語で読む → - 論文ワールドモデルロボティクス
ParticleFormer: 多物体・多素材ロボット操作のための3D点群ワールドモデル
剛体・変形・柔軟素材が混在する多物体操作を対象に、実ロボット知覚データから直接学習できるTransformerベースの3D点群ワールドモデルを提案し、MPCによる下流操作タスクで高精度な動力学予測を実現した。
原題: ParticleFormer: A 3D Point Cloud World Model for Multi-Object, Multi-Material Robotic Manipulation / Suning Huang, Qianzhong Chen, Xiaohan Zhang 他
日本語で読む → - 論文実験自動化math.OC
ロボット液体ハンドリングの容量制約付き車両経路問題としての最適化
自動化学実験室の液体ハンドリング操作を容量制約付き車両経路問題として定式化し、ヒューリスティック解法で実行時間を最大37%短縮、実世界の材料探索キャンペーンでは61分の短縮を達成した。
原題: Optimization of Robotic Liquid Handling as a Capacitated Vehicle Routing Problem / Guangqi Wu, Runzhong Wang, Connor W. Coley
日本語で読む → - 論文筋骨格モデリングq-bio.NC
人間の感覚・筋骨格モデリングと全身運動制御
視覚・前庭・固有受容・触覚を統合した筋骨格モデルSMS-Humanを構築し、階層型深層強化学習で二足歩行や物体操作、自転車運転などの全身運動を再現した研究。
原題: Human sensory-musculoskeletal modeling and control of whole-body movements / Chenhui Zuo, Guohao Lin, Chen Zhang 他
日本語で読む → - 論文経路計画cs.DS
オンライン経路問題における空間的局所性の有効性
オンラインTSPとDARPにおいて、将来のリクエストが現在位置からどの程度の距離内で発生するかを事前に知る「空間的局所性」モデルを提案し、競合比の改善に有効であることを示した。
原題: On the Power of Spatial Locality on Online Routing Problems / Swapnil Guragain, Gokarna Sharma
日本語で読む → - 論文3D姿勢推定画像認識
魚眼画像における単眼3D人体姿勢推定のための投影法の系統的比較
魚眼カメラでの3D人体姿勢推定において、ピンホール・等距離・二重球面モデルや円筒投影などの投影法を比較し、検出バウンディングボックスに基づく投影モデル選択のヒューリスティックを提案。新データセットFISHnCHIPSも公開。
原題: Systematic Comparison of Projection Methods for Monocular 3D Human Pose Estimation on Fisheye Images / Stephanie Käs, Sven Peter, Henrik Thillmann 他
日本語で読む → - 論文VLA機械学習
大規模視覚言語モデルのフィードバックを活用する評価ベース強化学習の強化
大規模視覚言語モデルから軌道の絶対評価を得て報酬関数を学習するERL-VLMを提案し、データ不均衡やノイズに対処して従来手法を上回る性能を示した。
原題: Enhancing Rating-Based Reinforcement Learning to Effectively Leverage Feedback from Large Vision-Language Models / Tung Minh Luu, Younghwan Lee, Donghoon Lee 他
日本語で読む → - 論文VLAロボティクス
Fast-in-Slow:高速操作と低速推論を統合するデュアルシステム基盤モデル
VLMベースの推論システムに実行モジュールを部分的にパラメータ共有して組み込み、高速かつ精密なロボット操作を実現する統合型VLAモデルを提案。
原題: Fast-in-Slow: A Dual-System Foundation Model Unifying Fast Manipulation within Slow Reasoning / Hao Chen, Jiaming Liu, Chenyang Gu 他
日本語で読む → - 論文制御/安定性学習機械学習
Zubovサンプリングと反復的領域拡張による安定化ニューラル制御器の二段階学習
Zubovに着想を得たサンプリングと領域拡張で制御器とLyapunov関数を二段階学習し、NN検証器を拡張して連続時間系の安定性保証と吸引領域を従来より格段に広く推定する手法を提案。
原題: Two-Stage Learning of Stabilizing Neural Controllers via Zubov Sampling and Iterative Domain Expansion / Haoyu Li, Xiangru Zhong, Bin Hu 他
日本語で読む → - 論文ロボット分解/強化学習ロボティクス
CIRO7.2: 循環性-7.2を実現するマテリアルネットワークと強化学習制御ロボット分解装置
循環経済のためのマテリアルネットワークをモデル化し、強化学習で制御されたロボット分解装置の性能を循環性指標λで評価した。
原題: CIRO7.2: A Material Network with Circularity of -7.2 and Reinforcement-Learning-Controlled Robotic Disassembler / Federico Zocco, Monica Malvezzi
日本語で読む → - 論文視覚サーボロボティクス
ステレオ画像ベース視覚サーボにおける局所解回避のためのフィードフォワードYoulaパラメータ化法
ステレオカメラの視覚サーボ制御において、フィードフォワード制御とYoulaパラメータ化フィードバックを組み合わせることで、局所解に陥らずに目標姿勢へ正確に到達する手法を提案した。
原題: A Novel Feedforward Youla Parameterization Method for Avoiding Local Minima in Stereo Image Based Visual Servoing Control / Rongfei Li, Francis Assadian
日本語で読む → - 論文マニピュレーションロボティクス
深層学習による力覚を備えた多自由度劣駆動グリッパの構築
力センサを使わずLSTMで接触力を推定し、1アクチュエータで平行・包み込み把持を切り替える3関節2指の劣駆動グリッパを開発した。
原題: Construction of a Multiple-DOF Under-actuated Gripper with Force-Sensing via Deep Learning / Jihao Li, Keqi Zhu, Guodong Lu 他
日本語で読む → - 論文sim2real制御
ニューラルシミュレーションギャップ関数によるSim2Realギャップの定量化
数学モデルと高忠実度シミュレータのギャップをニューラルネットで定量化し、未見状態も含めた形式的保証を与える手法を提案。メカナムロボットと振り子で実証。
原題: Quantification of Sim2Real Gap via Neural Simulation Gap Function / P Sangeerth, Pushpak Jagtap
日本語で読む → - 論文強化学習/形式仕様機械学習
微分可能シミュレーションを用いた線形時相論理による学習の加速
線形時相論理(LTL)と微分可能シミュレータを統合し、形式仕様から直接勾配ベースで学習できる初のエンドツーエンド枠組みを提案。接触の多い連続制御タスクで学習を大幅に加速し、離散ベースラインの最大2倍のリターンを達成した。
原題: Accelerated Learning with Linear Temporal Logic using Differentiable Simulation / Alper Kamil Bozkurt, Calin Belta, Ming C. Lin
日本語で読む → - 論文視覚サーボ/マルチロータ制御制御
球状ターゲット追跡のための視覚ベースマルチロータ制御:ベアリング角アプローチ
カメラのベアリング測定をベアリング角ペアに変換し、未知半径の移動球状ターゲットを追跡する適応非線形制御器を設計した。
原題: Vision-Based Multirotor Control for Spherical Target Tracking: A Bearing-Angle Approach / Marcelo Jacinto, Rita Cunha
日本語で読む → - 論文安全制御制御
データ駆動型モデルフリー安全臨界制御に向けて
ニューラルネットワークで速度制御器のリアプノフ関数を学習し、その減衰率を推定することで、モデルフリーCBFの設計パラメータを自動調整する枠組みを提案し、UR5eロボットで有効性を示した。
原題: Towards Data-Driven Model-Free Safety-Critical Control / Zhe Shen, Yitaek Kim, Christoffer Sloth
日本語で読む → - 論文VLAロボティクス
標識理解によるロボット自律ナビゲーション
ロボットが公共空間の案内標識を視覚言語モデルで解釈し、場所と方向を抽出するタスクを提案し、ベンチマークと評価指標を構築した。
原題: Sign Language: Towards Sign Understanding for Robot Autonomy / Ayush Agrawal, Joel Loo, Nicky Zimmerman 他
日本語で読む → - 論文自動運転画像認識
トライプレーンによる効率的なマルチカメラトークン化とエンドツーエンド自動運転
自動運転向けに、複数カメラの画像をトライプレーン表現で効率的にトークン化し、トークン数を最大72%削減して推論を高速化する手法を提案。
原題: Efficient Multi-Camera Tokenization with Triplanes for End-to-End Driving / Boris Ivanovic, Cristiano Saltori, Yurong You 他
日本語で読む →
PR・アフィリエイト広告
