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: 2026/10/8 / 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 →- 論文自動運転ロボティクス
PlanWAM: 計画に最適化された未来表現によるエンドツーエンド自動運転
計画タスクに有用な未来状態表現を学習し、それを予測して先読み計画を行う自動運転の世界モデル手法を提案。NAVSIMやHUGSIMで高性能を示す。
原題: PlanWAM: Planning-Shaped Future Representations for End-to-End Autonomous Driving / Jinchang Xu, Hongda Yu, Fengwei Dong 他
日本語で読む → - 論文物体追跡画像認識
コンパクトなポーズグラフ最適化による剛体物体の高速ポーズ追跡
対応点推定の上に軽量な追跡モジュールを載せ、相対ポーズ制約のみを最適化することで、再構築ベースの手法に匹敵する精度を低計算コストで実現した。
原題: Fast Pose Tracking of Rigid Objects with Compact Pose Graph Optimization / Xiaojie Zhang, Tom Fischer, Viktor Larsson 他
日本語で読む → - 論文歩行ロボティクス
屋根の上を歩く:屋根工事における歩行ロボットの可能性を探る
四足歩行ロボット(Unitree Go2)を屋根環境で使用する可能性を検討し、傾斜屋根での標準的な球状足の限界を実験的に明らかにした。
原題: Walking on Roofs: Exploring the Potential of Walking Robots for Construction Work on Roofs / Bjoern-Felix Dettmar, Arne Roennau
日本語で読む → - 論文VLAロボティクス
空間言語モデリングによる方策学習と状態予測の統合
シーン輪郭・目標・行動・将来状態を離散座標と意味トークンの共通語彙で表現し、単一の自己回帰Transformerで行動生成と行動条件付き状態予測を同時に学習する手法を提案。Push-Tと実機で評価。
原題: Unifying Policy Learning and State Prediction through Spatial Language Modeling / Minye Wu, Zehao Wang, Tinne Tuytelaars
日本語で読む → - 論文アクティブビジョン画像認識
レンダリング不要な先読みによる質問誘導型アクティブビジョン
3DGSで教師が将来視点の回答可能性を学習し、展開時はレンダリングせずに質問に有用なカメラ動作を選ぶ手法を提案。
原題: Rendering-Free Lookahead for Question-Guided Active Vision / Koya Sakamoto, Daichi Azuma, Shuhei Kurita 他
日本語で読む → - 論文VLAAI
VLAモデルのための潜在推論フローの再構成と洗練
VLAモデルが過去の成功した潜在推論を記憶し、動的に再利用・洗練することで、ロボット制御の成功率を向上させる手法FLOWMEMを提案。
原題: Recompose and Refine Latent Reasoning Flows for Vision-Language-Action Models / Hongyu Shi, Sen Zhao, Zuyu Zhang 他
日本語で読む → - 論文VLAロボティクス
SimVLA:モバイルマニピュレーションのためのゼロショットSim-to-Real VLA学習
シミュレーションのみでVLAを学習し、実世界のモバイルマニピュレーションへゼロショット転移するフレームワークSimVLAを提案。実機デモ50件で学習した方策を上回る性能を示した。
原題: SimVLA: Zero-Shot Sim-to-Real VLA Learning for Mobile Manipulation / Kyoungin Baik, Youngwoon Lee
日本語で読む → - 論文VLAロボティクス
PLaW-VLA: 予測的潜在世界モデリングによる視覚-言語-行動ポリシー
事前学習済みの予測指向表現空間でタスクに関連する将来状態をモデル化し、長期制御と分布シフトへの汎化を改善するVLAポリシーを提案。
原題: PLaW-VLA: Predictive Latent World Modeling for Vision-Language-Action Policies / Yu Liu, Hetian Guo, Tianlv Huang 他
日本語で読む → - 論文顔交換検出機械学習
顔交換検出におけるカメラノイズ残差の冗長性:融合がRGBを超えない理由
顔交換検出においてノイズ残差とRGB外観を融合してもRGB単独を超えないことを示し、その原因がInstanceNormによる統計情報の消失にあると特定した。
原題: Camera-Noise Residuals for Face-Swap Detection: Redundant, Not Complementary, and Why / Danil Davydov, Bader Rasheed, Dmitriy Vatolin
日本語で読む → - 論文sim2real画像認識
LIVIN: 実在の住まいのデジタルツインで空間・身体知能を評価するベンチマーク
実際に人が暮らす30世帯の家をデジタルツイン化し、物体配置や家具配置を忠実に再現したベンチマークを構築。3D検出・再構成・ナビゲーション・移動操作の4タスクで現手法を評価した。
原題: LIVIN: Benchmarking Spatial and Embodied Intelligence in Digital Twins of Lived-In Homes / Peijun Xu, Chuansen Nie, Yiyang He 他
日本語で読む → - 論文強化学習ロボティクス
バランスの取れたデータダイエット:ロボット制御のための超大規模強化学習における探索ボトルネックの解消
強化学習の大規模並列シミュレーションにおいて、ポリシーの能力の限界付近のタスク設定に学習を集中させる適応的サンプリング手法を提案し、四足歩行などの難タスクを効率的に学習できるようにした。
原題: A Balanced Data Diet: Addressing the Exploration Bottleneck in Mega-Scale RL for Robot Control / Octi Zhang, Mateo Guaman Castro, Patrick Yin 他
日本語で読む → - 論文トーキングヘッド生成画像認識
蒸留不要:非因果ノイズ整形による単一パス実時間トーキングヘッド
音声駆動の顔アニメーションを、拡散モデルを使わず単一パスのGANで生成する手法を提案し、非因果的なノイズ整形によりリアルタイムかつ高品質な生成を実現した。
原題: No Distillation Needed: Single-Pass Real-Time Talking Heads via Acausal Noise Shaping / Yu Han, Dejan Markovic, Alexander Richard 他
日本語で読む → - 論文マニピュレーションロボティクス
ManiUnit: 長期的タスクのためのマニピュレーションスキルデータセットとベンチマーク
50のBEHAVIOR-1K活動から構築した21スキル種別・137,899セグメントのデータセットと1,260テストインスタンスのベンチマークを提案し、VLAポリシーのスキル別評価と初期状態摂動への感度を測定した。
原題: ManiUnit: A Manipulation Skill Dataset and Benchmark for Long-Horizon Tasks / Guoting Wei, Dawei Yan, Xia Yuan 他
日本語で読む → - 論文VLAロボティクス
RoboAware: 反事実的結果から身体スキルの協調を学習する
コーディングエージェントが複数のロボットスキルを組み合わせる際に、状態に応じてどのポリシー系統が成功するかを反事実的結果から学習する調整器を提案し、100タスクで77%の成功率を達成した。
原題: RoboAware: Learning to Coordinate Embodied Skills from Counterfactual Outcomes / Bohan Zhou, Xingbei Chen, Emily Huang 他
日本語で読む → - 論文ナビゲーションロボティクス
WAND: 複雑な風外乱と密集障害物下での四 rotor のロバストナビゲーション学習
履歴的な固有受容状態から風外乱加速度を推定し、強化学習ポリシーとフィードフォワード制御に統合することで、密集障害物環境での四 rotor のロバストナビゲーションを実現した。
原題: WAND: Learning Robust Navigation under Complex Wind Disturbances and Dense Obstacles for Quadrotors / Zhonghan Tang, Chenhui Li, Shuai Liang 他
日本語で読む → - 論文マニピュレーションロボティクス
SkillWeave: 異種デモンストレーションを長期的器用マニピュレーションスキルへ織り上げる
遠隔操作とキネステティック教示を組み合わせ、物体マスク条件付き拡散方策と後継者対応ターミナルステアリングにより、長期的な器用マニピュレーションを実現するフレームワークを提案。
原題: SkillWeave: Weaving Heterogeneous Demonstrations into Long-Horizon Manipulation Skills / Ryosei Tamura, Xiaoxiang Dong, Uksang Yoo 他
日本語で読む → - 論文ナビゲーションロボティクス
Wi-Fi信号源への視覚・電波融合ナビゲーション
ロボットが未地図環境でWi-Fi信号を発する機器に到達するため、電波の到来方向と視覚情報を統合するナビゲーション手法を提案し、シミュレータWiFiSpacesで学習した。
原題: Visual-Wi-Fi Navigation to Signal-Emitting Devices / Lihao Wang, Tianjian Xu, Tianmin Shu 他
日本語で読む → - 論文VLA画像認識
FloorSAV: 2Dフロアマップで空間的な音声視覚コンテキストを解明するAV-LLM
動的な一人称視点環境において、3D点群やカメラ軌跡、空間音声、物体ランドマークから2Dフロアマップを生成し、AV-LLMに同期入力することで空間推論能力を向上させるフレームワークを提案。
原題: FloorSAV: Elucidating Spatial Audio-Visual Context with 2D Floormap for AV-LLMs / Kyeong-Rae Kim, Sungnyun Kim, Tae-Hyun Oh
日本語で読む → - 論文エネルギー収穫cond-mat.soft
ロボットの移動とセンシングによる自律熱力学サイクル
ロボットが空間的に変化する温度場を利用して熱力学サイクルを実行する概念を提案し、多安定ガス封入カプセルを用いて移動型熱機関として実験的に実現した。
原題: Autonomous thermodynamic cycles via robotic mobility and sensing / Sofia Kuperman, Ezra Ben-Abu, Yaron Veksler 他
日本語で読む → - 論文4D生成画像認識
MATE4D: 単一画像から編集可能な4Dコンテンツを生成する行列誘導フレームワーク
1枚の画像から時空間マルチビュー行列を構築し、3Dガウシアンを最適化して変形モジュールで動かすことで、編集可能な動的4Dコンテンツを生成する手法。
原題: MATE4D: Matrix-Guided Editable 4D Generation from a Single Image / Xiaotian Chen, Dongfu Yin
日本語で読む → - 論文世界モデル画像認識
細粒度身体インタラクションを伴うマルチエージェント自己中心的世界モデル
複数エージェントが共有環境で細かい身体動作を通じて相互作用する様子を、各エージェント視点の映像として同時生成する世界モデルME-Worldを提案し、共有世界の一貫性や行動制御の精度を向上させた。
原題: Multi-Agent Egocentric World Model with Fine-Grained Embodied Interaction / Dahyun Chung, Siyoon Jin, Hyunwook Choi 他
日本語で読む → - 論文VLAロボティクス
GAMMA: 記憶集約型マニピュレーションのための接地型マルチエージェント記憶と機械的監査
VLAポリシーの記憶タスク失敗を、検出器・VLMライター・VLMリーズナーの協調と機械的検証で接地サブゴールに変換する記憶システムGAMMAを提案し、16タスクでオラクル性能の大部分を回復した。
原題: Gamma: Grounded Multi-Agent Memory with Mechanical Audit for Memory-Intensive Manipulation / Yudong Liu, Yueqian Lin, Zijia Tang 他
日本語で読む → - 論文マニピュレーションロボティクス
生成的ニューラルリターゲティングによる人間からロボットへの巧みな操作
フローマッチングモデルを用いて人間の動作をロボットの実行可能な軌道に変換する手法を提案し、MPCより少ないサンプルで高い成功率を達成した。
原題: Generative Neural Retargeting for Human-to-Robot Dexterous Manipulation / Dechen Gao, Yue Yang, Ben Abbatematteo 他
日本語で読む → - 論文VLAロボティクス
LeWAM:拡散誘導MPCを用いたJEPA世界行動モデル
JEPA潜在空間上で順・逆・逆動力学と政策を双方向トランスフォーマで予測する世界行動モデルを提案し、政策ヘッドのノイズ空間でMPC計画を行うことで閉ループ性能を向上させた。
原題: LeWAM: A JEPA World Action Model with Diffusion-Steering-Based MPC / Shashank Hegde, Alexander Popov, Elie Aljalbout 他
日本語で読む → - 論文マニピュレーションロボティクス
時間的ずれに頑健なロボットマニピュレーションのための信頼性認識型未来条件付け
生成された未来映像の時間的ずれを制御問題として扱い、信頼性推定と候補アンサンブルでロボット操作の成功率を改善する手法RAFCを提案。
原題: Reliability-Aware Future Conditioning for Temporally Robust Robot Manipulation / Mohammad Khoshnazar, Mohammad Dehghani Tezerjani, Zhiyuan Gao 他
日本語で読む → - 論文人間-ロボット相互作用ロボティクス
固定参照ポーズ残差による人間-ロボット相互作用予測のデータセット間手がかり転移の測定
人とロボットの接触前予測において、あるロボットのデータで学習したモデルを別のロボットに適用した際の手がかりの転移を、幾何情報とポーズ補正を分離する固定参照ポーズ残差モデルで測定した研究。
原題: Fixed-Reference Pose Residuals for Measuring Cross-Dataset Cue Transfer in Human-Robot Interaction Anticipation / Bowen Yang, Xinliang Xiao, Wenjing Zhang 他
日本語で読む → - 論文手術ナビゲーションロボティクス
MIRAGE:手術ナビゲーションと可視化のための新しい統合フレームワーク
多様な画像情報を統合し、da Vinci手術ロボットのコンソール上でリアルタイムに可視化・ナビゲーションするフレームワークMIRAGEを開発し、ファントム実験で精度を検証した。
原題: Multimodal Image-based Robotic Assistance and Guidance Environment (MIRAGE): A Novel Unified Framework for Surgical Navigation and Visualization / Ehsan Nasiri, Yi Zheng, Michael A. Kokko 他
日本語で読む → - 論文マニピュレーションロボティクス
REMM: マニピュレーションのための修正可能な身体性メモリ
凍結した視覚-言語-行動実行器の上に、追記型の証拠履歴と修正可能なタスク状態を分離した監督メモリ層を導入し、物理的証拠に基づかない結論を撤回して回復を計画することで、長期的なマニピュレーションの成功率を向上させた。
原題: REMM: Revisable Embodied Memory for Manipulation / Revanth Krishna Senthilkumaran, Ruwan Wickramarachchi, Alessandro Oltramari 他
日本語で読む → - 論文逆レンダリング画像認識
IntrinSync: 固有分解と相互レンダリングの統合フレームワーク
画像を反射率・陰影・法線・粗さ・金属度に同時分解し、逆レンダリングと順レンダリングを相互に整合させることで、物理的に一貫した固有表現を得る手法を提案。
原題: IntrinSync: Joint Intrinsic Decomposition and Reciprocal Rendering / Zheng Gu, Rui Huang, Xilu Zhang 他
日本語で読む → - 論文VLAロボティクス
UNITAS: 身体操作のための3Dネイティブ世界行動モデル
観測・行動・シーン動態を共通の3Dメトリック空間で統一的に表現する初の3Dネイティブ世界行動モデルを提案し、行動条件付きシーン予測と操作タスクで高い性能を達成した。
原題: UNITAS: A 3D-Native World Action Model for Embodied Manipulation / Ruixiang Wang, Yongyi Su, Wenlve Zhou 他
日本語で読む →
PR・アフィリエイト広告
