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
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 → - 論文連合強化学習機械学習
いつ介入すべきか?連合強化学習における状態認識型スパースマニピュレーション
連合強化学習において、攻撃の介入タイミングが攻撃効果を大きく左右することを示し、局所方策の不確実性に基づいてスパースな介入状態を選ぶ新たな攻撃手法V-BSAを提案した。
原題: When to Intervene? State-Aware Sparse Manipulation in Federated Reinforcement Learning / Shutong Zheng, Sijia Chen
日本語で読む → - 論文ロボット自己進化ロボティクス
RoboRSI:複雑な実世界環境における安定・効率的・再利用可能なロボット自己進化
タスクをスキル階層に分解し、実行結果を責任スキルに帰属させて検証済みの改善のみを再利用するロボット自己改善システムを提案。実機の家庭内片付け104ラウンドと各種シミュレータで最高性能を達成。
原題: RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments / Zimo Wen, Yijin Chen, Yuxuan Cao 他
日本語で読む → - 論文群制御ロボティクス
平面ロボット群における穴閉鎖のための分散調和共分散フィードバック
平面マルチエージェント系で、調和エッジ信号を用いて穴を検出しエージェントの力に変換する分散フィードバックを提案し、穴が時間平均的に閉じることを保証した。
原題: Distributed Harmonic-Covariance Feedback for Hole Closure in Planar Robot Swarms / Jitian Liu, Subhrajit Bhattacharya
日本語で読む → - 論文マニピュレーションロボティクス
FOCUS: 特権状態からRGB-Dへ、モダリティ切替と表現整合を制御する強化学習
シミュレーションの特権状態とRGB-D観測のKLダイバージェンスに基づきロールアウトのモダリティを自動調整し、テスト時のRGB-D入力に適応させる単段階PPOフレームワークを提案。
原題: FOCUS: From Privileged States to RGB-D with Controlled Modality Switching and Representation Alignment / Filip Grigorov, Kourosh Darvish, Nandita Vijaykumar
日本語で読む → - 論文VLAロボティクス
ロボットに「やらないこと」を教える:否定指示理解の新手法
視覚言語行動モデル(VLA)が否定を含む指示(例:「〜するな」)に従えるよう、パラメータ効率の良いプラグアンドプレイフレームワークNegaAlignを提案し、否定制約下での操作を評価するベンチマークNegaBenchを導入した。
原題: Tell Robot What Not to Do: A Negation Understanding Perspective / Fazeng Li, Gan Sun, Hao Cheng 他
日本語で読む → - 論文自動運転画像認識
VGGTWorld-VLA:自動運転のための意図条件付き3D世界進化
VGGTベースの3D世界モデルに運転意図と行動を条件として注入し、同一シーンから異なる未来の3D形状を予測できるようにした自動運転向け手法。
原題: VGGTWorld-VLA: Intent-Conditioned 3D World Evolution for Autonomous Driving / Zhaoyang Liu, Kun Jiang, Ziying Song 他
日本語で読む → - 論文マルチモーダル知覚ロボティクス
SenseWeather: 極限環境下でのロボット知覚を支えるマルチモーダルセンシング
雨・雪・砂塵・霧・暗闇などの悪条件下でRGB画像が劣化しても、深度と赤外線を融合してタスク互換のRGB観測を復元し、既存の知覚モデルを再学習せずにロボット知覚を維持するベンチマークと手法を提案した論文。
原題: SenseWeather: Multimodal Sensing for Robust Robotic Perception under Extreme Conditions / Fucai Ke, Sukai Huang, Junyi Hao 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
コード飛行:能動的な視覚・物理フィードバックによる空中マニピュレーションのための身体性コーディングエージェント
空中マニピュレーションでは視野制限や動的結合により実行フィードバックが不十分になる問題に対し、未観測の結果を確認する「View」と失敗仮説を検証する「Probe」からなる能動フィードバックを導入し、タスク成功率を31.7%から75%に改善した。
原題: Fly-by-Code: Embodied Coding Agents for Aerial Manipulation with Active Visual and Physical Feedback / Jaewoo Lee, Jeongyeon Seo, Sihyun Cho 他
日本語で読む → - 論文VLA画像認識
FearCaut-Qwen:視覚言語モデルにおける感情ステアリングが危険評価の判断基準を変化させる
災害後の被害評価で危険判定を避けがちな視覚言語モデルの判断基準を、恐怖に関連する感情表現を活性化ステアリングで操作することで改善し、赤判定の再現率を27%から75.7%へ引き上げた。
原題: FearCaut-Qwen: Affective Steering in a Vision-Language Model Shifts the Decision Criterion for Hazard Assessment / Xiaoshan Zhou
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 → - 論文ソフトアクチュエータロボティクス
ボタン留め式拘束モジュールを備えた再構成可能なファブリック空気圧アクチュエータによる多モード駆動
布製の空気圧アクチュエータにボタンで拘束モジュールを付け替えるだけで、伸縮・収縮・屈曲・ねじれの4つの駆動モードを工具なしで切り替えられるようにした研究。触覚センサモジュールも任意の位置に取り付け可能。
原題: A Reconfigurable Fabric Based Pneumatic Actuator with Button Fastened Constraint Modules for Multi Mode Actuation / Kentaro Kimura, Hiroki Ishizuka, Yusuke Sakaue 他
日本語で読む → - 論文VLAロボティクス
身体化チューリングマシン:ロボットの再帰的自己改善のための状態を持つコード
ロボットの状態をコードで明示的に表現し、VLMやVLAを使わずコードのみで意思決定を行う手法COAPを提案。42の両腕タスクで70.24%の成功率を達成した。
原題: Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement / Kairui Hu, Siyuan Hu, Fangzhou Hong 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 → - 論文継続学習AI
EmbodiedRSI: 仮説駆動型共進化による能動的継続ロボット学習
仮説グラフと情報価値に基づく実験選択でコードとスキルを共進化させ、ロボットの継続学習を効率化する自己進化エージェントを提案。
原題: EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution / Python Song, Zhixuan Liang, Kelsey Fu 他
日本語で読む → - 論文触覚ロボティクス
Sim-to-Realマニピュレーションのための因子化触覚表現と制御
触覚のsim-to-real学習において、接触応答を接触形状・力分布・時間変化に因子分解して表現し、マスク構成に依存しない制御方策を提案。実世界のペグ挿入で35%の改善を達成。
原題: Factorized Tactile Representation and Control for Sim-to-Real Manipulation / Siqi Shang, Bianca Aumann, Tye Brady 他
日本語で読む → - 論文VLA画像認識
動画予測ポリシー2:より良く予測し、より良く行動する
操作動画で基盤動画モデルを追加事前学習し、単段階の視覚プランナに蒸留、MoTで行動モジュールを統合することで、オープンエンドな操作タスクにおけるゼロショット汎化性能を大幅に向上させた世界行動モデル。
原題: Video Prediction Policy 2: Predict Better, Act Better / Yanjiang Guo, Haodong Yan, Zhide Zhong 他
日本語で読む → - 論文マニピュレーションロボティクス
長期的スキル連結における観測空間シフトの診断と回復
独立に学習したスキルを連結すると性能が急落する「観測空間シフト」の原因を診断し、シーン状態の復元と再開で回復する学習システムを構築した。
原題: Diagnosing and Recovering from Observation-Space Shift at Long-Horizon Skill Seams / Pranav Wagh, Yu Fang, Yue Yang 他
日本語で読む → - 論文安全制御制御
劣駆動系に対する構成的安全臨界制御:階層的アプローチ
クアッドロータ型の劣駆動系に対し、その幾何学的性質を利用して安全制御アーキテクチャと制御バリア関数を階層的に構築する手法を提案した論文。
原題: Constructive Safety-Critical Control for a Class of Underactuated Systems: A Hierarchical Approach / Massimiliano de Sa, Aaron D. Ames
日本語で読む → - 論文マニピュレーションロボティクス
FoldBack: 長期的な衣類折り畳みのための自己修正型マスク生成ポリシー
衣類折り畳みタスクにおいて、把持の失敗を検知して巻き戻し、失敗箇所を再生成する自己修正型ポリシーを提案。再訓練なしで成功率を大幅に向上させた。
原題: FoldBack: Self-Correcting Masked Generative Policy for Long-Horizon Garment Folding / Lipeng Zhuang, Shiyu Fan, Yingdong Ru 他
日本語で読む → - 論文ナビゲーションロボティクス
変化する物体配置における生涯的小物体ナビゲーション:ベンチマークと手法
家庭内で小さな物体を継続的にナビゲートする課題LiSoNav-COLを定式化し、28シーン・45カテゴリのベンチマークLiSoNav-Evalと、視点固定メモリを用いた多視点検査手法IVAM-Navを提案した。
原題: Lifelong small-object navigation in changing object layouts: a benchmark and method / Jiagan Huang, Zikun Zhou, Zijian Ni 他
日本語で読む → - 論文超音波ロボティクス/ワールドモデル画像認識
UltraWorld: 未追跡の臨床動画から対話型超音波ワールドモデルを学習する音響サンプリングマップ
臨床超音波動画から自己蒸留により、プローブ動作に応じた将来観測を予測する対話型ワールドモデルを構築し、音響サンプリングマップで動作追従性を向上させた研究。
原題: UltraWorld: Learning Interactive Ultrasound World Models from Untracked Clinical Videos with Acoustic Sampling Map / Keke Yang, Erqi Wang, Sainan Guan 他
日本語で読む → - 論文3Dマッピング画像認識
ActiveLang: 意味的不確かさに導かれる探索による能動的オープンボキャブラリ3Dマッピング
意味的不確かさを手がかりに視点を選び、言語注釈付き3Dマップを効率的に構築する能動的オープンボキャブラリマッピングシステムを提案。
原題: ActiveLang: Active Open-Vocabulary 3D Mapping with Semantic-Uncertainty-Guided Exploration / Liyan Chen, Hairong Yin, Huangying Zhan 他
日本語で読む → - 論文触覚HCI
PalmSpace:統合タッチモデリングによる汎用的な手のひら上インタラクション空間の実現
手首装着型赤外線システムで、素手の手のひら上に接触の有無・操作モード・絶対位置を同時に推定し、キャリブレーション不要で精密なポインティングやジェスチャ操作を可能にした研究。
原題: PalmSpace: Towards a Versatile On-Palm Interaction Space through Unified Touch Modeling / Chentao Li, Mingze Gao, Runze Sun 他
日本語で読む → - 論文歩行ロボティクス
LLA-MPPI:GPU並列シミュレーションによる脚ロボットの高速適応全身制御
GPUで並列化した複数の接触シミュレータを予測誤差で切り替え、オフライン学習なしで脚ロボットの全身適応制御を実現した手法。
原題: LLA-MPPI: Rapidly Adaptive Whole-body Control of Legged Robots with GPU-Accelerated Parallel Simulations / Sebin Jung, Maitham F. AL-Sunni, Juan Alvarez-Padilla 他
日本語で読む → - 論文ワールドモデル機械学習
LeCuration: データキュレーション用マルチツールとしての小型ワールドモデル
物理AIアプリケーション向けに、個々のデータセットの物理法則に基づいてデータを整理・選別する小型ワールドモデルLeCurationを提案し、CS:GOのゲームプレイデータで異常検知やクラスタリング、行動と状態の整合性チェックに使えることを示した。
原題: LeCuration: A Tiny World Model as a Data Curation Multi-Tool / Mayank Sengupta, Nirmit Desai, Eric Song 他
日本語で読む → - 論文VLAロボティクス
ロボット制御のための適応的コード生成フレームワーク
LLMが自然言語の意図をロボット制御コードに変換し、VLMが意味的接地を担う二重AI構成で、動的環境での再計画と実行監視を組み合わせたフレームワークを提案。
原題: Adaptive Code Generation for Controlling Robots / Justus Flerlage, Thorsten Wittkopp, Alexander Acker 他
日本語で読む →
PR・アフィリエイト広告
