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: 2026/10/9 / 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
VLA適応のためのノイズ空間学習
事前学習済みVLAモデルを固定したまま、ノイズ分布を学習してタスクに適応させる手法を提案し、PPO・SAC・AWRで実装してシミュレーションと実機で評価した。
原題: Noise Space Learning for VLA Adaptation / Junjie Lu, Chuheng Zhang, Yucen Wang 他
日本語で読む → - 論文イベントカメラ/行動認識画像認識
マルチフレーム表現の事前学習によるイベントベース行動認識
イベントカメラの長く複雑な行動系列を認識するため、マルチフレーム表現とマスク付きオートエンコーダによるVision Transformerの事前学習手法を提案し、THU-EACT-50 CHLとDailyDVS-200で最高性能を達成した。
原題: Event-based Action Recognition by Pre-Training on Multi-Frame Representations / Emma Norrby, Tomas Wilkinson, Per Nyblom 他
日本語で読む → - 論文ワールドモデルロボティクス
成功実演を超えて:人間とのインタラクションと失敗ダイナミクスの学習
人間の動画と失敗ダイナミクスを活用し、点群フローで身体差を埋めつつGRPOで事後学習する行動条件付きワールドモデルHF-WMを提案。
原題: Beyond Successful Robot Demonstrations: Learning from Human Interactions and Modeling Failure Dynamics / Peiyan Tu, Cong Wang, Hanxin Zhu 他
日本語で読む → - 論文画像編集画像認識
ThinkDrag: 視覚的推論を伴う意味的ドラッグベース画像編集
ドラッグ操作を単なる幾何学的移動ではなく意味的な変換として解釈し、推論トレースを生成しながら画像編集を行うマルチモーダルフレームワークを提案。
原題: ThinkDrag: Semantic Drag-Based Image Editing with Visual Reasoning / Armando Fortes, Tianyi Wei, Chindanai Trakantannarong 他
日本語で読む → - 論文ナビゲーションロボティクス
CeDR-Nav: オフライン実演の再構成によるクロスエンボディメント・マップレスナビゲーション
既存のロボットの実演データを形状スケーリングと有効性評価で別の機体向けに変換し、オンライン収集なしで各機体専用のマップレスナビゲーション方策を短時間で学習するフレームワーク。
原題: CeDR-Nav: Cross-Embodiment Mapless Navigation via Offline Demonstration Recasting / Xianghui Wang, Xinming Zhang, Yiwei Qian 他
日本語で読む → - 論文VLAロボティクス
JoyInside-VLM-Agent:製品条件付きマルチモーダル方策学習による身体性エージェント
製品制約や目標変更に対応するReAct型マルチモーダルエージェントを構築し、サンドボックス軌道生成と段階的な方策学習(SFT・蒸留・DPER付きRL)で訓練、BFCL v4や実機四足ロボットで有効性を示した。
原題: JoyInside-VLM-Agent: Product-Conditioned Multimodal Policy Learning for Embodied Agents / Gangyi Li, LuYao Wang, Jingfu Sun 他
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VLAロボティクス
証拠誘導型反事実学習によるロボット政策の長尾分布対応
視覚言語行動政策において長尾タスク分布に対処するため、指示と行動に関連する視覚証拠を特定し、反事実予測を利用してタスク指示・視覚証拠・行動の関連を強化する学習フレームワークを提案。
原題: Evidence-Guided Counterfactual Learning for Long-Tailed Robotic Policies / Weiwei Chen, Chenghao Xu, Meiling Yu 他
日本語で読む → - 論文VLAロボティクス
Evo-World: オプティカルフロー監督による未来運動予測を組み込んだ軽量Vision-Language-Actionモデル
未来の画像ではなくオプティカルフローを予測させることで、見た目に依存しない運動中心の予測信号をVLAポリシー学習に組み込み、軽量ながらシミュレーションと実機で高い成功率を達成した研究。
原題: Evo-World: A Lightweight Vision-Language-Action Model with Future Motion Prediction via Optical-Flow Supervision / Zile Zhong, Yuxin Du, Tao Lin 他
日本語で読む → - 論文強化学習機械学習
不動点フローマッチングによる強化学習
オンライン強化学習において、訓練データを必要とせずにフローポリシーを学習・微調整する不動点フローマッチング(FFM)を提案し、その有効性を実験的に示した。
原題: Reinforcement Learning via Fixed-point Flow Matching / Denis Blessing, Onur Celik, Gerhard Neumann
日本語で読む → - 論文VLAロボティクス
VLMはネイティブな行動モデルである:明示的行動空間グラウンディングによる操作能力の解放
VLMの視覚・空間推論能力を、ツール中心点を基準にした行動フレームを手首カメラ画像に投影しテキスト生成として行動を表現することで、追加の行動モジュールやロボット行動事前学習なしに直接操作行動を生成できるようにしたフレームワークEASGを提案。
原題: VLMs are Native Action Models: Unleashing the Manipulation Capabilities of VLMs with Explicit Action-Space Grounding / Jingkun Yi, Shujie Zhang, Zirui Zhou 他
日本語で読む → - 論文群制御ロボティクス
k連結性制約付き劣モジュラ最大化による故障に強いマルチロボット協調
ロボット故障時も通信ネットワークの連結性を保ちつつタスク性能を最大化するため、k連結性制約付き劣モジュラ最大化問題を定式化し、貪欲アルゴリズムと理論保証を提案した。
原題: Failure-Resilient Multi-Robot Coordination with $k$-Connectivity Constrained Submodular Maximization / Yoonjae Hwang, Hojune Kim, Ellen Novoseller 他
日本語で読む → - 論文空間推論ベンチマークAI
空間ギャップに注意:地理空間推論と制約付き空間編集のベンチマーク
実世界の都市データを用いて、MLLMの空間関係理解から制約付き空間編集までの能力を評価するGeoSpatialBenchを提案し、構造化GeoJSONが地図画像より優れる一方で定量的関係や編集に課題があることを示した。
原題: Mind the Spatial Gap: A Benchmark for Geospatial Reasoning and Constrained Spatial Editing / Zheng Ren, Yanning Wang, Ziheng Huang 他
日本語で読む → - 論文VLAAI
OGPO: 復帰可能なVision-Language-Actionモデルのためのオフライン目標条件付き方策最適化
VLAモデルの事後学習を、軌道レベルの模倣から意味的キー状態への到達可能性学習へと転換するオフライン目標条件付き方策最適化フレームワークを提案し、オンライン対話なしで外乱からの復帰能力と堅牢性を向上させた。
原題: OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models / Xule Gao, Xi Wang, Zehua Zang 他
日本語で読む → - 論文VLA画像認識
World Action Modelsに必要な視覚表現とは何か
World Action Modelにおける視覚表現・統合機構・特徴量の組み合わせを体系的に比較し、汎用視覚表現とチャネル単位の同時予測が有効であることを示した上で、最適な構成をR²-WAMとして実装した論文。
原題: What Visual Representations Do World Action Models Need? / Kai Liu, Jiangran Lyu, Tingyu Deng 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VLA画像認識
LAPT-Scale:人間動画の潜在行動事前学習による身体性ポリシーのスケーリング
人間の一人称視点動画から連続潜在行動を学習し、それを事前学習に用いることでロボットポリシーの性能をスケールさせ、実機成功率を63.3%から85.0%に向上させた。
原題: LAPT-Scale: Scaling Embodied Policies with Latent Action Pre-Training on Human Videos / Zhiyuan Xiang, Peidong Liu, Mingyang Li 他
日本語で読む → - 論文LiDAR物体検出画像認識
雪の向こう側:LiDAR物体検出における気象効果と交絡メタ因子の分離
降雪時でもLiDAR検出精度が向上する逆説を発見し、雪のノイズより物体点群数の増加が支配的だと解明した研究。
原題: Beyond the Snowflakes: Disentangling Weather Effects from Confounding Meta-Factors in LiDAR Object Detection / Yiming Yang, Jeremy P. Bos
日本語で読む → - 論文マルチロボット動作計画ロボティクス
Akule: スパース相互作用拡散による高速でスケーラブルなマルチロボット動作計画
凍結した単一ロボットの拡散事前分布に、ペアワイズ補正モデルと選択・合成モジュールを追加し、大規模チームの動作計画を効率的に生成するフレームワークを提案。最大256台のロボットで計画に成功し、最大25倍の高速化を実現。
原題: Akule: Fast and Scalable Multi-Robot Motion Planning via Sparse Interaction Diffusion / Manav Vora, Gokul Puthumanaillam, Aditya Penumarti 他
日本語で読む → - 論文衝突回避ロボティクス
MAVの反応的衝突回避のための低遅延マップレスESDFクエリ
ポーズ付き深度画像から直接GPUでESDFを計算し、地図構築なしで低遅延・高精度な衝突回避を実現する手法を提案。森林環境での飛行実験で有効性を示した。
原題: Low-Latency Mapless ESDF Queries for MAV Reactive Collision Avoidance / Leonard Freißmuth, Cedric Le Gentil, Helen Oleynikova 他
日本語で読む → - 論文マルチエージェント強化学習/群ロボティクス/再現性cs.SE
MARGoS: ARGoSにおける再現可能なマルチエージェント強化学習実験のための構成駆動型プラットフォーム
ARGoSシミュレータ上でのマルチエージェント強化学習実験の再現性と再利用を容易にするため、設定のハッシュ化やシード伝播、不変設定、構造化ログ、環境フィンガープリント、実験バンドルのエクスポートなどの機能を備えた軽量な構成駆動型プラットフォームを提案した。
原題: MARGoS: A Configuration-Driven Platform for Reproducible MARL Experiments in ARGoS / Tom Philipp Backert, Mohammad D. Soorati, Javad Ghofrani
日本語で読む → - 論文軌道生成ロボティクス
自律運動システムにおける滑らかな軌道生成のための三次スプライン補間
位置-時間ウェイポイント列から三次スプライン補間を自動構築し、位置・速度・加速度が連続な軌道を生成するプログラムを提案。自由曲線描画と署名デジタル化で実証。
原題: Cubic Spline Interpolation for Smooth Trajectory Generation in Autonomous Motion Systems / Aarush Mandayam, Sriram Aditya Gundla, Elliott Tammaro
日本語で読む → - 論文ヒューマノイドロボティクス
ATHLETE: 軌道誘導型モーションマッチングによる反応型ヒューマノイドテニスの学習
一般的な歩行データと普通のテニス動画を組み合わせ、軌道誘導型モーションマッチングと物理ベースの教師-生徒学習で、実機ヒューマノイドがラリーできる反応型テニス技能を獲得した研究。
原題: ATHLETE: Learning Reactive Humanoid Tennis via Trajectory-Guided Motion Matching / Zhihao Tian, Zifan Wang, Enzheng Zhu 他
日本語で読む → - 論文知覚データセットロボティクス
より安全な都市に向けて:都市走行シナリオにおける知覚データセットの設計プロセス
都市環境における自動運転の知覚システム向けに、ユーザー生成地図データを活用して既存データセットを分析し、トラック特有のユースケースを特定することで、データセット作成を導く手法を提案した論文。
原題: Towards Safer Cities: A Design Process for Perception Datasets in Urban Driving Scenarios / Alexander Kroth, Cristian Martinez, Steven Peters
日本語で読む → - 論文ナビゲーションロボティクス
TAME-Nav:時間的非対称Mixture-of-Experts蒸留による俊敏で汎用なロボットナビゲーション
教師が特権的な動的障害物追跡を使い、生徒が劣化観測から時間エンコーディングとSoft-MoE蒸留でナビゲーション方策を学習する枠組みを提案し、四足ロボットでの実機実験で有効性を示した。
原題: TAME-Nav: Temporal Asymmetric Mixture-of-Experts Distillation for Agile and Versatile Robot Navigation / Lingjie Zhang, Jun Xue, Shanze Wang 他
日本語で読む → - 論文VLAロボティクス
LeapBot-JAC: ワールドアクションモデルのためのジョイントアクションチェーン
固定のアクショントークン予算内で、将来制御の参照チェーンと実行チェーンを1つの共有アクションエキスパートに割り当てて同時にデノイズする手法を提案し、LIBEROや実機タスクで成功率を向上させた。
原題: LeapBot-JAC: Joint Action Chains for World Action Models / Chenhao Zhu, Baibing Liu, Pei Liu 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6D姿勢推定画像認識
NovaSplat: 3Dガウシアンスプラッティングの導入と洗練によるモデルフリー6D物体姿勢推定
スマホで撮影した短い動画から3Dガウシアンスプラッティングを学習し、モデルフリーで高精度な6D物体姿勢推定を実現する手法を提案。
原題: NovaSplat: Model-Free 6D Object Pose Estimation via 3D Gaussian Splatting Onboarding and Refinement / Georgios Floros, Evangelos Sartinas, Orestis Vangelis 他
日本語で読む →
PR・アフィリエイト広告
