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: 2026/10/10 / 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 →- 論文オドメトリ/センサフュージョンロボティクス
ToF-ホイールオドメトリ:限られたセンシング能力下での局所化の退化への対応
ホイールキネマティクスとToFカメラの幾何拘束を密結合したフィルタリング手法を提案し、幾何学的可観測性に基づく方向別共分散調整で退化環境でのロバストな自己位置推定を実現した。
原題: ToF-Wheel Odometry: Navigating Degeneration of Localization With Limited Sensing Capabilities / Xu Yang, Wenhao Li, Zhengyu Wei 他
日本語で読む → - 論文VLAAI
言葉から世界へ:対話型物理環境におけるLLMのベンチマーク
ロボットアームやカメラ、センサーを接続した実世界システムをLLMに操作させ、物理フィードバックを解釈しながら行動を適応させる能力を評価するベンチマークを提案した。
原題: Words to World: Benchmarking LLMs in Interactive Physical Environments / Xinnan Dai, Kaiqi Yang, Yaxin Li 他
日本語で読む → - 論文マニピュレーションロボティクス
DexCast: 人間の動画から実世界の巧みな操作を学習
単眼RGB-D動画から手と物体の相互作用を再構成し、テレオペレーションなしでロボットハンドの巧みな操作を拡散方策により学習するフレームワークを提案。
原題: DexCast: Learning Real-World Dexterous Control from Human Videos / Zihan Gao, Yuhong Zhang, Mengzhe Wang 他
日本語で読む → - 論文モデルベースRLロボティクス
チャンク単位のモデルベース方策最適化
世界モデルと方策をチャンク単位で協調予測し、1回の順伝播でHステップの仮想ロールアウトを生成して価値展開を直接最適化するモデルベースRL手法を提案。
原題: Chunk-wise Model-based Policy Optimization / Weixi Song, Donglin Wang, Yong-Lu Li
日本語で読む → - 論文世界モデルロボティクス
長期的ロボット世界モデルのための重要記憶保持
ロボット動画の自己回帰世界モデルにおいて、初期シーンと直近の視覚行動ブロックを保持し古い履歴を破棄する訓練不要の文脈スケジューリング手法ReCAPを提案し、長期ロールアウトでの予測品質と効率を改善した。
原題: Remembering What Matters for Long-Horizon Robotic World Models / Hao Wu, Tianyu Shao, Shengju Qian 他
日本語で読む → - 論文手術ロボット/軌道予測ロボティクス
長期顕微鏡下吻合軌道予測のためのマルチモーダル表現融合
手術ロボットによる顕微鏡下吻合において、映像・動作・意味情報を融合し、長期的な2D/3D軌道を予測するフレームワークを提案した。
原題: Multi-modal Representation Fusion for Long-term Microsurgical Anastomosis Trajectory Anticipation / Yuxuan Liu, Yating Luo, Yunfei Luan 他
日本語で読む → - 論文オフライン強化学習機械学習
効率的な拡散オフライン強化学習のための合成的平均速度モデリング
拡散ポリシーの反復サンプリングとBPTTを排除し、平均速度モデリングと合成的メカニズムで単一ステップ生成を実現するInsQLを提案。
原題: Compositional Average Velocity Modeling for Efficient Diffusion Offline Reinforcement Learning / Thanh Nguyen, Abu Hanif Muhammad Syarubany, Hwanhee Kim 他
日本語で読む → - 論文VLA自然言語
PVFH-Bench: 視覚言語モデルにおける前提誘発性視覚固着幻覚のベンチマーク
視覚言語モデルが誤ったテキスト前提に引きずられ、存在しない物体を幻覚する新たな失敗モードを測定するベンチマークを提案し、10モデルで脆弱性を実証した。
原題: PVFH-Bench: Benchmarking Premise-Induced Visual Fixation Hallucinations in Vision-Language Models / Xinhao Wang, Junbo Cui, Zhenghao Liu 他
日本語で読む → - 論文強化学習AI
エージェントの価値関数に潜む世界モデルの可視化
強化学習エージェントの価値関数が環境のルールや概念を内部に獲得しているかを、反事実的介入によって可視化・検証した研究。
原題: Visualizing the World Model in an Agent's Value Function / Shawheen Naderi, Fatemeh Akherati, Yubei Chen
日本語で読む → - 論文VLAロボティクス
順方向ダイナミクスモデル
未来予測を行動特徴に条件付けることで、推論時に未来生成を省略しつつ、真の未来状態で方策を学習させるロボット行動モデルを提案した。
原題: Forward Dynamics Models / Zipei Ma, Junzhe Jiang, Jiahui 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
DexFLEX: 接触を考慮した基盤コントローラによる指令誘導型巧みな操作
上流から与えられる指先運動の草案を接触状態に整合した関節指令へ変換する基盤コントローラを提案し、劣化指令下の遠隔操作や視覚運動方策学習の成功率を大幅に改善した。
原題: DexFLEX: Contact-Aware Foundation Controller for Command-Guided Dexterity / Weikang Wan, Zeyu Lai, Jianyu Hou 他
日本語で読む → - 論文報酬学習ロボティクス
タスク関連潜在ダイナミクスの分離による報酬モデリング
動画からタスクに関連する潜在表現を分離し、その時間変化から密な報酬を学習する手法DiTaRを提案。ロボット操作タスクの政策学習を改善し、実世界オフラインRLにも転移可能。
原題: Disentangling Task-Relevant Latent Dynamics for Reward Modeling / Dayou Li, Jionghao Wang, Peihao 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
Human2Dex: 手首中心の人間デモンストレーションによる器用なロボット学習
手首中心の人間デモンストレーションを共通データとして使い、異なるロボットハンドでも再学習なしに器用な操作を学習できる手法を提案し、実世界6タスクで高い成功率を達成した。
原題: Human2Dex: Dexterous Robot Learning from Wrist-Centric Human Demonstrations / Jiachen Zhang, Yuanyuan Li, Shaqi Luo
日本語で読む → - 論文シナリオ生成AI
安全保証のためのエッジケースシナリオを生成するローカルエージェントAIフレームワーク
ノートPC上のローカル言語モデルを用いたエージェントAIで、自動運転システムの安全保証に向けたエッジケースシナリオを適応的に生成する手法を提案。
原題: A Local Agentic AI Framework to Generate Edge Case Scenarios for Safety Assurance / Victoria J. Hodge, Colin Paterson, Rob Alexander
日本語で読む → - 論文自動運転/End-to-End計画ロボティクス
ManeuverFlow:将来証拠を用いた操縦仮説生成による軌道評価と洗練
複数の運転意図に対応する軌道を1ステップで生成し、現在と将来の証拠で評価・洗練するEnd-to-End自動運転プランナを提案。NAVSIMで高スコアを達成。
原題: ManeuverFlow: Maneuver Hypothesis Generation with Future Evidence for Trajectory Evaluation and Refinement in End-to-End Autonomous Driving / Yuhao Wei, Yong Chen, Chen Yang 他
日本語で読む → - 論文動画生成画像認識
動画生成のためのゴールデンアンカー学習
テキストから画像を生成するモデルを下流の動画生成フィードバックで最適化し、動画品質を高めるアンカー画像を生成する手法を提案。
原題: Golden Anchor for Video Generation / Jinyuan Xu, Shitong Shao, Lichen Bai 他
日本語で読む → - 論文能動学習機械学習
行動を通して見ることを学ぶ:ロボットのための予測的好奇心
ロボットが好奇心に基づく能動的な相互作用を通じて視覚表現を自己教師あり学習するフレームワークDySCOVERを提案し、予測的好奇心が視覚的好奇心のみの場合より視覚学習を改善することを示した。
原題: Learning to See through Action: Predictive Curiosity for Robots / Stelios Zarifis, Panagiotis Filntisis, George Retsinas 他
日本語で読む → - 論文自動運転/センサフュージョン画像認識
見えない轍を追う:熱赤外・RGB融合による自己教師ありホイールトラック検出
GNSSの走行軌跡から自動でラベルを生成し、RGBと熱赤外の4チャンネル画像で雪に覆われた道路の轍を自己教師あり学習で検出する手法を提案した。
原題: Tracking the Invisible: Self-Supervised Wheel Track Detection with Thermal-RGB Fusion / Yiming Yang, Jeremy P. Bos
日本語で読む → - 論文ゼロショット強化学習機械学習
Sparse-TD-JEPA: スパース潜在タスク表現によるゼロショット強化学習の改善
後継特徴量ベースのゼロショット強化学習において、タスクエンコーダの潜在表現にL1スパース性ペナルティを加えることで報酬信号を集中させ、TD-JEPAの性能を向上させる手法を提案。
原題: Sparse-TD-JEPA: Improving Zero-Shot Reinforcement Learning With Sparse Latent Task Representations / Duaa Nakshbandi, Zhiyu An, Wan Du
日本語で読む → - 論文プランニングロボティクス
ワールドモデルを用いたサンプリングベース運動力学的計画
学習済みワールドモデルを潜在空間の木探索に用い、RRTやKPIECEで長期的なタスクを効率的に計画する手法を提案。
原題: Sampling-based Kinodynamic Planning with World Models / Yitian Gao, Hanlan Yang, Zachary Kingston
日本語で読む → - 論文移動ロボット制御ロボティクス
地図不要で安定化とスタック回避を実現する関節式クローラロボットのフリッパ制御
地形の高さマップを使わず、IMUとフリッパ角度、移動の有無のみから機体の姿勢を安定化し、スタック時には脱出するフリッパ制御手法を提案し、実機とシミュレーションで有効性を示した。
原題: Mapless, Stabilizing, and Anti-Stuck Flipper Control for Articulated Tracked Robots / Valentýn Číhala, Pavel Sarga, Martin Pecka 他
日本語で読む → - 論文ローカリゼーションロボティクス
LiDARが劣化したらレーダーに切り替え:空中遮蔽物下でのLiDAR信頼性を考慮した適応的ローカリゼーション
煙や粉塵でLiDARが劣化する環境で、LSTMオートエンコーダにより劣化を検知し、LiDAR慣性オドメトリとレーダー慣性オドメトリを適応的に切り替える手法を提案した。
原題: When LiDAR Fades, Radar Takes Over: LiDAR Reliability-Aware Adaptive Localization Under Airborne Obscurants / Moumita Mukherjee, Avijit Banerjee, Anton Koval 他
日本語で読む → - 論文模倣学習ロボティクス
VICAR: 接触を考慮したリターゲティングによるヒューマノイド対話スキルのビデオ模倣
三人称の人間動画からヒューマノイドの接触を伴う操作スキルを学習するパイプラインを提案し、接触姿勢や速度を保ちながら動作をリターゲティングして実行時適応を可能にした。
原題: VICAR: Video Imitation with Contact-Aware Retargeting for Humanoid Interactive Skills / Dvij Kalaria, Bike Zhang, S. Shankar Sastry
日本語で読む → - 論文エージェントワークフローAI
高速な意思決定はエージェントをより良くするのか?エージェントワークフローにおけるJevの実証研究
LLMベースのエージェントワークフローに高速・低コストな意思決定モデルJevを組み込んだ際の効率性と信頼性を、ALFWorldとAndroidWorldで4,500タスク実行により評価した。
原題: When Faster Decisions Do Not Make Better Agents: An Empirical Study of Jev in Agent Workflows / Yuchen Ling, Shengcheng Yu, Zhenyu Chen 他
日本語で読む → - 論文自己改善・ベンチマークロボティクス
MC-EvoBench:Minecraftエージェントにおける経験駆動型自己改善の監査
Minecraftを舞台に、エージェントが過去の経験から再利用可能な能力を獲得できるかを厳密に評価するベンチマークを構築し、経験の転移が安定して起こらないことを示した。
原題: MC-EvoBench: Auditing Experience-Driven Self-Improvement in Minecraft Agents / Jingwei Song, Zhisheng Chen, Bingfan Zeng 他
日本語で読む → - 論文VLAロボティクス
行動を超えて:視覚-言語-行動モデルのための将来操作目標の学習
ロボットの行動予測に代えて、将来の物理的効果を予測するAFCEを提案。視覚-言語-行動モデルに効果トークンを導入し、巧みな両腕操作タスクで成功率を向上させた。
原題: Beyond Actions: Learning Future Operation Targets for Vision-Language-Action Models / Min Lin, Bokai Zhou, Jianqi Lin 他
日本語で読む → - 論文VLAロボティクス
Splat2Act: 撮影シーンから個別最適化されたVLAマニピュレーションへ
スマホで撮影した室内環境と物体画像から3D Gaussian Splattingでデジタルツインを構築し、把持タスクのデモを自動生成してVLA方策を個別環境に適応させるreal-to-sim-to-realパイプライン。
原題: Splat2Act: From Captured Scenes to Personalized VLA Manipulation / Xiaomeng Ye, Krishna Jaganathan, Gyubeum Lim 他
日本語で読む → - 論文自動運転/シーン流画像認識
MeshBind: 非剛体シーン流の自動アノテーションのための点-メッシュバインディング
メッシュモデルを用いて歩行者などの非剛体物体の点ごとのシーン流を自動生成するアノテーション手法を提案し、大規模ベンチマークSFBを公開した。
原題: MeshBind: Point-to-Mesh Binding for Non-Rigid Scene Flow Automatic Annotation / Yinqi Chen, E Li, Shuaijun Wang 他
日本語で読む → - 論文VLAロボティクス
夢で覚える:世界モデルによる汎用ロボット方策の継続的ステアリング
凍結した汎用ロボット方策を、事前学習済み世界モデルによる想像ロールアウトでリハーサルしながら継続的に新タスクへ誘導し、破滅的忘却を防ぐ手法D2Rを提案。
原題: Dream to Remember: Continual Steering of Generalist Robot Policies with World Models / Bahey Tharwat, Iman Nematollahi, Marvin Alles 他
日本語で読む → - 論文マニピュレーションロボティクス
EgoReveal: 一人称視点のデモンストレーションから部分遮蔽下での能動視覚と物体操作を学習
一人称視点の人間デモから、対象が部分的に隠れている状況で視点を動かして見えるようにしつつ操作する方策を学ぶフレームワークを提案。
原題: EgoReveal: Learning Active Vision and Object Manipulation under Partial Occlusions from Egocentric Demonstrations / Hiromu Kurihara, Kazutoshi Tanaka, Masashi Hatano 他
日本語で読む →
PR・アフィリエイト広告
