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: 2026/10/13 / 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 →- 論文世界モデルロボティクス
グリッドかノードか?部分観測下での世界モデルにおける物体記憶の検証
学習型世界モデルFloWMのグリッド型物体記憶と、カルマンフィルタによるノード型記憶を比較し、視野外の物体追跡精度・メモリ効率・未知速度への汎化性能を評価した。
原題: Grid or Nodes? Probing Object Memory in World Models Under Partial Observability / Justin McMillen, Yasin Yilmaz
日本語で読む → - 論文VLAロボティクス
MemoryVLN: 自己認識型メモリ表現から視覚言語ナビゲーションにおける文脈横断的メモリ再利用へ
長期的な視覚言語ナビゲーションの履歴を圧縮し、自己中心的な空間情報を含むメモリを構築・管理・再利用する統合ナビゲーションシステムを提案。
原題: MemoryVLN: From Ego-Aware Memory Representation to Cross-Context Memory Reuse in Vision-Language Navigation / Xueyao Wei, Yifei Wang, Delun Li 他
日本語で読む → - 論文VLAAI
ABot-ER:エージェント型データ・モデル共進化による統合的身体推論
知覚・計画・実行を単一モデルで統合し、データ戦略とモデルを共進化させる自己進化エンジンとタスク条件付き適応学習により、12ベンチマークで最先端性能を達成した身体推論基盤モデル。
原題: ABot-ER: Unified Embodied Reasoning through Agentic Data-Model Co-Evolution / Qiuyu Ding, Heng-Da Xu, Changda Xia 他
日本語で読む → - 論文シーン理解ロボティクス
可視領域を超えた知覚:ロボット自律性のための不完全性を考慮したシーン理解
遮蔽や未知物体、センサ劣化に対応するため、不完全な証拠・知識・センサ信頼性を扱う知覚手法を提案し、不確実性を含む4Dシーン表現と能動的適応の展望を示す。
原題: Perception Beyond the Visible: Incompleteness-Aware Scene Understanding for Robot Autonomy / Rohit Mohan
日本語で読む → - 論文モデルベース計画機械学習
生成的軌道計画によるモデルベースオンライン意思決定
拡散モデルを行動系列の提案分布として学習し、学習済みの力学・報酬・価値モデルで洗練することで、効率的な推論と長期的推論を両立させるモデルベース計画フレームワークGTPを提案。
原題: Model-Based Online Decision Making via Generative Trajectory Planning / Haldun Balim, Yilun Du, Na Li
日本語で読む → - 論文マニピュレーションロボティクス
エンドエフェクタを超えて:人間の実演から腕全体の接触マニピュレーションを学習する
人間の素手実演から腕全体を使った接触操作を学習する階層的フレームワークWACLを提案し、7自由度ロボットでの実世界実験で有効性を示した。
原題: Beyond the End-Effector: Learning Whole-Arm Contact Manipulation from Human Demonstrations / Bo-Ruei Huang, Daniel Seita, Erdem Bıyık
日本語で読む → - 論文設計支援ツールロボティクス
Sim4RAD: シリアルロボットアームの設計段階におけるサイジング・アクチュエータ選定・URDFモデル検証のためのMATLABツールキット
MATLABで剛体モデルを構築し、静的・動的・確率的・ワークスペース解析によりアクチュエータ仕様を決定し、URDFモデルで検証するツールキットを提案。7自由度アームの3レイアウト比較で有効性を示した。
原題: Sim4RAD: A MATLAB Toolkit for Design-Phase Sizing, Actuator Selection and URDF-Model Verification of Serial Robotic Arms / Jingchen Li
日本語で読む → - 論文LiDARシミュレーション画像認識
LidarVerse:タスクとセンサを横断するリアルタイム統合LiDARワールドモデル
LiDARの時系列データを共通の潜在空間にトークン化し、条件付けを変えることで新規世界生成・点群予測・再シミュレーションを単一モデルで実現、H100で11FPSのリアルタイム長期間ロールアウトを可能にした。
原題: Into the LidarVerse: A Real-Time Unified LiDAR World Model Across Tasks and Sensors / Henry Che, Xuanchi Ren, Sanja Fidler 他
日本語で読む → - 論文VLAcs.CR
DPOison-VL:視覚言語DPOにおけるクリーンな選好ポイズニング
視覚言語モデルのDPO学習データに対し、ごく一部の画像に知覚不能な摂動を加えるだけで、プロンプトや応答を改変せずにモデルの選好を攻撃者の意図に誘導できる新たな攻撃手法を提案した。
原題: DPOison-VL: Clean Preference Poisoning in Vision-Language Direct Preference Optimization / Chengtao Jian, Kai Yang
日本語で読む → - 論文sim2realロボティクス
ピクセルから実行可能な物理へ:身体行動に基づく世界モデルによる四足歩行ロボットの行動結果予測
RGB画像から地形の接触特性を推定し、物理シミュレーションと動画生成モデルを組み合わせて四足歩行ロボットの行動結果を予測する世界モデルDR-WMを提案。
原題: From Pixels to Executable Physics: Behavior-Grounded World Models for Embodied Action Consequence Prediction / Ruo Chen, Jiahua Pang, Yingjie Niu 他
日本語で読む → - 論文自動運転/世界モデル画像認識
DriveWLA:自動運転のための世界・言語・行動モデリングによる未来動態とシーン意味論の統合
自動運転向けに、未来予測・意味理解・軌道生成をMixture-of-Transformersで統合したWorld-Language-Actionモデルを提案し、強化学習で軌道生成を改善して高い性能とゼロショット汎化を示した。
原題: DriveWLA: Unifying Future Dynamics and Scene Semantics through World-Language-Action Modeling for Autonomous Driving / Shuzheng Wang, Haoxuan Li, Shengzhen Li 他
日本語で読む → - 論文VLAロボティクス
WoVR+:幻覚に強い世界モデルによるVLAポリシーの強化学習最適化
VLAモデルの強化学習において、幻覚を抑えた世界モデルをシミュレータとして用い、長期的タスクでも安定してポリシーを最適化する手法を提案。実機タスクの成功率を大幅に向上させた。
原題: WoVR+: World Model as Reliable Simulator for Versatile VLA Policy Optimization with RL / Shangqing Zhou, Zhennan Jiang, Ning Ma 他
日本語で読む → - 論文連続学習/生成リプレイロボティクス
データ不要の連続学習を実現する世界行動モデルのための整流生成リプレイ
過去タスクの実データなしで、世界行動モデル自身が過去のロールアウトを再生成してリプレイすることで破滅的忘却を90%以上削減する手法を提案。
原題: Data-Free Continual Learning for World Action Model with Rectified Generative Replay / Kaipeng Fang, Hangxu Liu, Chaojian Shi 他
日本語で読む → - 論文ワールドモデル画像認識
分離型ドリフト拡散ワールドモデルによる一貫した未来フレーム予測
不確実性マップを学習して確定的変化と確率的変化を分離し、条件付き拡散モデルで未来の画像フレームを予測するワールドモデルを提案した。
原題: Decoupled Drift-Diffusion World Models for Consistent Future Frame Prediction / Anton Arapin, Aditya Singh, Yixin Wang 他
日本語で読む → - 論文ロボット設計・行動生成ロボティクス
生成・検証・修正によるエージェント型ロボット創造
AIエージェントが高レベルなユーザ意図からロボットの身体と行動を生成し、実行フィードバックで修正する枠組みを提案。生成設計の機械的失敗を計算指標で評価し、実機ロボットで学習行動を展開した。
原題: Agentic Robot Creation through Generation, Verification, and Revision / Xuebing Li, Yibo He, Sitong Liu 他
日本語で読む → - 論文sim2realロボティクス
TRACE: ヒューマノイドの全身制御における効率的な転移学習フレームワーク
事前学習済みヒューマノイド制御器を、異なる体格や動特性を持つロボットへ低コストで適応させる転移学習フレームワークTRACEを提案し、Unitree G1からH2への転移で高い追従成功率を実現した。
原題: TRACE: Efficient Transfer Learning for Neural Whole-Body Control Across Humanoid Embodiments / Qingyu Lan, Zhihao Tian, Zifan Wang 他
日本語で読む → - 論文sim2realロボティクス
動的な人間動作生成による全身移動支援ロボットポリシーの学習
人間の動作を生成するポリシーと拡散ポリシーを組み合わせ、立ち上がりや移乗支援などの全身支援タスクをシミュレーションで学習し、実機転移も示した研究。
原題: Learning Robot Policies for Whole-Body Mobility Assistance via Dynamic Human Motion Generation / Shikun Ban, Shohei Nagai, Qingyang Song 他
日本語で読む → - 論文タスク計画ロボティクス
APTree: 建設における適応的でスケーラブルな自動ロボットタスク計画のための拡張ビヘイビアツリー
建設プレファブ作業のロボットタスク計画を自動化するため、ビヘイビアツリーと複数の記号プランナを組み合わせたモデル駆動型フレームワークAPTreeを提案し、実証実験と形式検証を行った。
原題: APTree: Extended Behavior Trees for Adaptive and Scalable Automated Robotic Task Planning in Construction / Shermin Sherkat, Thomas Wortmann, Andreas Wortmann
日本語で読む → - 論文手術支援eess.IV
粒子フィルタと深度対応オクルージョン処理による低侵襲手術のリアルタイム可視化拡張
手術器具による遮蔽を検出し、単眼深度推定と粒子フィルタで対象領域を追跡するリアルタイム可視化フレームワークを提案。
原題: Augmenting Real-time Visualization in Minimally Invasive Surgery with Particle Filtering and Depth-Aware Occlusion Handling / Anuska Sarkar, Partha Acharya, Vishnu Nandury 他
日本語で読む → - 論文VLAロボティクス
適応手法の選び方:Vision-Language-Actionモデルのためのデータ別ガイド
VLAモデルの適応手法を、オン/オフポリシーデータやオフライン/オンライン適応などのデータ条件で比較し、状況に応じた最適な手法選択の指針を示した。
原題: Post-Training, Finetuning, and Steering:A Field Guide for Curating Training Data / Maria Attarian, Yifan Ruan, Claas Voelcker 他
日本語で読む → - 論文宇宙機自律制御ロボティクス
軌道上で学習する:宇宙機における熱セグメンテーションモデルのオンボード訓練と閉ループ姿勢制御
6U CubeSat上でNVIDIA Jetson TX2 NXを用いて熱画像セグメンテーションモデルのオンボード訓練・推論を行い、そのモデルで月を追尾する閉ループ姿勢制御を実証した。
原題: Learning in Orbit: Onboard Training and Closed-Loop Attitude Control with a Thermal Segmentation Model on a Spacecraft / Elena Sorina Lupu, Hannah Grauer, Phaedrus Leeds 他
日本語で読む → - 論文sim2realロボティクス
YUBI-Real2Sim: 3DGSシーン検証による信頼性の高い方策評価
両手首の魚眼カメラ視点で3Dガウシアンスプラッティングによる実→シミュ再構成を行い、VLA方策の評価信頼性をアーティファクトや撮影擾乱に対して体系的に検証するフレームワークを提案。
原題: YUBI-Real2Sim: 3DGS Scene Verification for Reliable Policy Evaluation / Hiroki Nishizawa, Takehiko Ohkawa, Nicola Scianca 他
日本語で読む → - 論文VLAAI
参照文の言い回しがロボットタスク指示の検索に与える影響
RLBenchの指示文を用い、参照文の選択や表現方法がタスク検索精度にどう影響するかを訓練不要の手法で評価した。
原題: Reference Wording Shapes Retrieval of Robot Task Instructions / Jahnavi Yelamanchi
日本語で読む → - 論文世界モデルロボティクス
GreenWAM: ロボティクス向け世界基盤モデル
20種のロボットを共通関節座標で扱う行動空間と統合訓練により、世界予測と政策の両方に使える単一のロボット世界モデルを構築した。
原題: GreenWAM: A World Foundation Model for Robotics / Gennady Sidorov, Valerii Kornilov, Denis Grankin 他
日本語で読む → - 論文マニピュレーションロボティクス
EgoCPT: 接触を考慮した最適化による単一の一人称視点動画からの器用なマニピュレーション学習
一人称視点のRGB動画と参照手姿勢から、接触を考慮した最適化により実機で使えるロボットハンド軌道を生成する手法を提案し、5つのタスクで高い成功率を達成した。
原題: EgoCPT: Learning Dexterous Manipulation from a Single Ego-Centric Video with Contact-Aware Optimization / Zhixin Sun, Kairui Shi, Tianao Ren 他
日本語で読む → - 論文マニピュレーションロボティクス
心で描き、手で成し遂げる:長期的ロボットマニピュレーションのためのマルチモーダル指示追従
マルチモーダル指示を順序付きサブタスクに分解し、進捗評価器で次に進むタイミングを判断するエージェント「Orchestra」を提案。長期的なロボット操作タスクの成功率と実行長を大幅に改善した。
原題: Let the Mind Conceive, Let the Hand Achieve: Following Multimodal Instructions for Long-Horizon Robotic Manipulation / Youpeng Wen, Gang Wang, Tianyu Huang 他
日本語で読む → - 論文自動運転シナリオ生成cs.SE
自動運転のシナリオクラスから生成される具体シナリオの品質評価
自動運転のシナリオベース開発において、シナリオクラスから生成される具体シナリオ集合の多様性を定量化する品質関数を提案し、その性質を証明するとともに、仮想検証ツールチェーンでの実験により有効性を示した。
原題: Assessing the Quality of Concrete Scenarios Generated from Scenario Classes for Automated Driving / Lina Putze, Thies de Graaff, Jan Steffen Becker 他
日本語で読む → - 論文VLAロボティクス
レジスタを介した行動生成:世界行動モデルにおける空間外れ値の再編成
世界行動モデルの表現に現れる高ノルムな空間外れ値に着目し、学習可能な非空間レジスタを導入して行動条件付けに用いるRegisterWAMを提案。観測フローマッチング損失と組み合わせることで外れ値を抑制し、LIBERO-PlusやRoboTwin 2.0で高い成功率を達成した。
原題: Acting Through Registers / Yiwei Zhang, Yantai Yang, Jin Gao 他
日本語で読む → - 論文制御/MPCロボティクス
非線形低次元MPCのための全次数安全性保証
低次元モデルでMPCを高速化しつつ、予測誤差を2つの半径で伝播させて全次数系の制約違反を防ぐ手法CoRE-MPCを提案。
原題: Full-Order Safety for Nonlinear Reduced-Order MPC / Luis Pabon, Johannes Köhler, Revant Kasichainula 他
日本語で読む → - 論文空中マニピュレーションロボティクス
異種環境を横断する対話型空中移動のベンチマーク
屋内・屋外をまたぐ長期的な空中移動と操作のためのベンチマークCrossFlyを提案し、VLAエージェントの性能を評価した。
原題: Benchmarking Interaction-Oriented Aerial Mobility across Heterogeneous Environments / Zhibo Duan, Hanlin Kong, Tianran Ma 他
日本語で読む →
PR・アフィリエイト広告
