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 →- 論文模倣学習/強化学習ロボティクス
高次行動監督による強力な方策クラス
模倣学習や強化学習において、0次(行動ラベル)だけでなく1次(行動の時間変化)も同時に監督する損失を提案し、既存の方策モデルに構造変更なしで組み込めるようにした。連続制御タスクで性能とロバスト性が大幅に向上。
原題: Higher-Order Action Supervision Makes A Strong Policy Class / Peng Cheng, Yunxian Hou, Zhi Zhou 他
日本語で読む → - 論文自動運転レース/制御ロボティクス
MAP2: MPCとガウス過程残差学習によるモデル・加速度ベース追従制御
自動運転レース向けに、運動学的MPCとスパースガウス過程による残差補正を組み合わせた追従制御器を提案し、実車実験で横方向追従誤差とラップタイムを削減した。
原題: MAP2: Model- and Acceleration-Based Pursuit with MPC and Gaussian Process Residual Learning for Autonomous Racing / Weizhan Huang, Cheng Hu, Edoardo Ghignone 他
日本語で読む → - 論文デジタルツインcs.NI
AI駆動の安全クリティカルな産業エッジ制御ループの展開前検証のためのデジタルツイン
物理プロセス・無線通信・アプリケーションロジックを統合的にモデル化するモジュラー型デジタルツインフレームワークを提案し、5G接続の自律移動ロボットによる実証実験でAIアプリの配置(オンプレミス・エッジ・クラウド)の影響を検証した。
原題: Digital Twin for Pre-Deployment Validation of AI-Driven Safety-Critical Industrial Edge Control Loops / Sara Cavallero, Federico Tonini, Tony Chahoud 他
日本語で読む → - 論文VLAロボティクス
関節状態と行動を同時生成するヒューマノイド・ワールドアクションモデル
ヒューマノイドの参照行動と実際に実行される身体状態を同時に生成・予測することで、行動と実行のギャップを埋めるWorld Action Model「HWAM」を提案。
原題: Humanoid World Action Model With Joint State--Action Generation / Yan Yang, Jikun Rong, Minzhao Zhu 他
日本語で読む → - 論文VLAAI
Memento 3: 反省的ルールブックによるモデルベースの再帰的自己改善
凍結したLLMエージェントが自然言語のルールブックを外部記憶として保持し、観察・反省・ルール改訂・コード生成・検証のループを通じて世界モデルを継続的に学習・改善する手法を提案。ARC-AGI-3の全25公開ゲームをクリア。
原題: Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks / Haoyu Zhao, Zhengxu Yu, Zhiyuan He 他
日本語で読む → - 論文ワールドモデル機械学習
因果ドリーマー:潜在空間の disentanglement を用いた予測ワールドモデルの学習
トークナイザを固定し、その潜在表現を制御可能性と報酬関連性の2軸で4グループに分解して再符号化することで、制御可能・不可能・報酬関連・無関連の情報を分離するワールドモデルを提案。
原題: CausalDreamer: Learning Predictive World Models with Latent Disentanglement / Prince Jha, Nils Lukas, Kun Zhang 他
日本語で読む → - 論文VLAロボティクス
LeWAM: JEPAによる世界モデルと行動のエンドツーエンド学習
JEPAを用いて潜在状態予測と行動フローマッチングを統合し、単一モデルで直接的な方策実行と効率的な計画を可能にする制御フレームワークを提案。接触の多いタスクや長期タスクで成功率を大幅に改善し、計画速度も向上させた。
原題: LeWAM: End-to-End World and Action Modeling with JEPAs / Minghao Fu, Tavis Siebert, Eryk Halicki 他
日本語で読む → - 論文全身制御ロボティクス
Reflex: 視覚に基づく反応型ヒューマノイド全身制御
投げられた箱を一人称RGB-D視覚から全身で捕球するヒューマノイド制御を、強化学習と視覚エンコーダを段階的に学習する3段階フレームワークで実現した。
原題: Reflex: Visually Grounded Reactive Humanoid Control / Taoyang Jia, Weikai Huang, Linxin Song 他
日本語で読む → - 論文VLAロボティクス
REACT: ローリングデノイジングと二重分離によるVLAモデルを用いた反応型ロボット制御
フロー型VLAモデルでアクションチャンクを再生成せず、アクションバッファをずらしながらデノイズし続けることで、長期的な文脈を保ちつつ反応性を高める制御フレームワークを提案。
原題: REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models / Houlong Xiong, Zhenqi Qiu, Zechen Wang 他
日本語で読む → - 論文VLAロボティクス
PathTime-VLA: 視覚言語行動ポリシーの因子化事後学習のための経路・時間分離
VLAポリシーの行動を経路と時間プロファイルに分離して表現し、事後学習で経路生成と実行速度を別々に学習することで、成功率を保ちつつタスク完了時間を約4〜5割短縮した。
原題: PathTime-VLA: Path-Time Decoupling for Factorized Post-Training of Vision-Language-Action Policies / Qing Huang, Yifei Yang, Ziqing Zou 他
日本語で読む → - 論文マニピュレーションロボティクス
PIER: ロボットマニピュレーションのための証拠ゲート付き実行インターフェース
ロボット動作の実行可否を、視覚・触覚の証拠に基づいて判定する実行認可インターフェースPIERを提案し、再観測の効果と限界を評価した。
原題: PIER: An Evidence-Gated Execution Interface for Robotic Manipulation / Zoe Li, Anze Wang, Zhongyu Chen 他
日本語で読む → - 論文安全フィルタリングロボティクス
文脈依存型安全フィルタリング:動作生成器のためのCSF
テキスト条件付き動作生成器に対し、シーン文脈に応じた安全規則を参照軌道で接地し、CBF-QPで危険動作を最大90%削減する学習不要のフィルタを提案。
原題: CSF: Contextual Safety Filtering for Motion Generators / Lizhi Yang, Yiling Hou, Yao 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
StereoEngine: ステレオカメラなしで両手ロボットのステレオデータを拡張
単眼動画からステレオペアを生成する手法と、シミュレーションからフォトリアルなステレオペアを生成する手法を提案し、両手マニピュレーションの性能を向上させた。
原題: StereoEngine: Scaling Stereo Bimanual Robot Data without Stereo Cameras / Jason Chen, I-Chun Arthur Liu, Gaurav Sukhatme 他
日本語で読む → - 論文タスク計画ロボティクス
SafeInferCom: 検証器ガイドによる生成途中介入で安全な推論時計算を実現するロボットタスク計画
大規模推論モデルの生成途中で中間計画を検証・修正するフレームワークを提案し、ロボットタスク計画の成功率向上とトークン削減を実現した。
原題: SafeInferCom: Safe Inference-Time Compute via Verifier-Guided Mid-Generation Intervention for Robotic Task Planning / Weizhe Xu, Jialiang Fan, Mengyu Liu 他
日本語で読む → - 論文マニピュレーションロボティクス
PMTRM: 疑似記憶時系列再符号化モジュールによる身体性ポリシー学習
局所観測が似ているが異なる行動が必要な位相の曖昧さに対処するため、実行済み状態と行動の履歴を潜在系列に符号化する軽量プラグインモジュールを提案し、シミュレーションと実機でタスク成功率を向上させた。
原題: PMTRM: Pseudo-Memory Temporal Re-encoding Module for Embodied Policy Learning / Changchuan Yang, Haoxuan Xu, Wenbo Chen 他
日本語で読む → - 論文一人称視点/力推定画像認識
EgoPhys: 一人称視点の操作動画からピーク接触力と機械的仕事を推定
一人称視点のRGB動画のみから、物体操作時の最大接触力と機械的仕事を推定するフレームワークEgoPhysを提案し、Hoi!データセットで高精度を達成した。
原題: EgoPhys: Estimating Peak Contact Force and Mechanical Work from Egocentric Manipulation Video / Zhuo Dong, Jianhua Yang, Haohao Li 他
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 → - 論文群制御ロボティクス
UWBとLiDARを用いた通信制限下のマルチロボット分散相対位置推定
UWBとLiDARの計測から二つのグラフを構築し、部分グラフマッチングでロボットの同定と相対位置推定を分散的に行う手法を提案。障害物による誤マッチも検出して補正する。
原題: Distributed Relative Localization Based on Ultra-WideBand and LiDAR for Multi-robot with Limited Communication / Zhiqiang Cao, Ran Liu, Billy Pik Lik Lau 他
日本語で読む → - 論文sim2realロボティクス
USDCraft: 関節付き3Dアセットの幾何学的根拠に基づくプログラム的モデリングによるシミュレーション
LLMが実行可能なプログラムを書いて関節付き3Dアセットを生成し、実世界の物体をシミュレーション可能なUSDアセットとして再構築するフレームワークを提案。
原題: USDCraft: Geometrically Grounded Programmatic Modeling of Articulated 3D Assets for Simulation / Chuanrui Zhang, Zaijia Yang, Duomin Wang 他
日本語で読む → - 論文ナビゲーションロボティクス
STAG: グリッドベースコストマップからの疎な走行性考慮グラフ表現によるロボットナビゲーション
地形の走行性を考慮した密なグリッドコストマップを、疎なグラフに変換するSTAGを提案し、A*探索の計算時間とメモリを大幅に削減した。
原題: STAG: A Sparse Traversability-Aware Graph Representation from Grid-Based Costmaps for Robotic Navigation / Gabriel Manuel Garcia, Stéphanie Aravecchia, Miguel Angel Olivares-Mendez
日本語で読む → - 論文表現学習機械学習
SplitJEPA: 再構成なしで不変・変動潜在世界を学習する
再構成を行わずに、予測表現空間で潜在状態を不変部分と変動部分に分離して学習するJEPAを提案し、理論的な識別可能性を示した。
原題: SplitJEPA: Learning Invariant and Variant Latent Worlds without Reconstruction / Ruijin Hua, Zichuan Liu, Zhuokai Zhao 他
日本語で読む → - 論文sim2realロボティクス
物理的アテンションバイアスによるケーブルダイナミクスの予測
ケーブルなどの変形可能な線状物体の学習シミュレータに、弧長距離とユークリッド距離を反映した物理的アテンションバイアスを導入し、未学習ケーブルの予測精度と長期安定性を向上させた。
原題: Predicting Cable Dynamics with Physical Attention Bias / Avihai Giuili, Rotem Atari, Avishai Sintov 他
日本語で読む → - 論文VLA画像認識
DVD: 動的ベクトルデコーディングによる効率的なMLLMベース知覚
2D/3Dの知覚表現を1次元ベクトル列に変換し、コンパクトな離散トークンとしてMLLMで扱うことで、トークン数と推論遅延を削減しつつ高精度な知覚を実現する手法を提案。
原題: DVD: Dynamic Vector Decoding for Efficient MLLM-based Perception / Jinghua Hou, Zhe Liu, Hengshuang Zhao
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 →
PR・アフィリエイト広告
