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: 2026/10/7 / 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 →- 論文マニピュレーションロボティクス
OmniHOI: 単眼人間動画からの巧みな手と物体のインタラクション
単眼RGB動画から手と物体のインタラクションを再構成し、物理的一貫性を段階的に強制することで、多様な自由度のロボットハンドへ高成功率で転送するパイプラインを提案。
原題: OmniHOI: Dexterous Hand-Object Interaction from Monocular Human Video / Ting Mao, Yanming Shao, Ziheng Wang 他
日本語で読む → - 論文変形物体マニピュレーションロボティクス
狙って叩け:方向条件付き変形可能線状物体の動的マニピュレーション
ロープ先端の位置と到達方向を指定する単振り打撃タスクに対し、高速シミュレータDeformX2.0と打撃データ生成法TRACE、実機適応法RECAPを提案し、実機で成功率を大幅に向上させた。
原題: Point It, Strike It: Direction-Conditioned Dynamic Manipulation of Deformable Linear Objects / Yi Yang, Xiang Fei, Lehong Wang 他
日本語で読む → - 論文VLAロボティクス
聞くことが容易になるとき:視覚的手がかりを除去してショートカットのないVLAを実現
視覚言語行動モデルにおける視覚的ショートカット学習を分析し、言語情報への注意を高める新しいドメイン敵対的訓練手法「タスクスクラビング」を提案して、分布外ロバスト性を改善した。
原題: When Listening Becomes Easier: Scrubbing Visual Cues for Shortcut-Free VLAs / Jasper Gerigk, Kenzo Aspuru-Takata, Chin-Hsuan Wu 他
日本語で読む → - 論文VLAロボティクス
YUBI-STAG: 自動動画言語グラウンディングによるVLAのための接触・意味豊富なアラインメント
ロボット実演に接触物体や把持動作などの詳細な意味情報を自動付与し、視覚言語行動モデルをきめ細かい言語指示と整合させるフレームワークを提案。
原題: YUBI-STAG: Contact and Semantic-Rich Alignment for VLAs via Automated Video-Language Grounding / Masatoshi Tateno, Takehiko Ohkawa, Yueh-Hua Wu 他
日本語で読む → - 論文神経科学×ロボティクスロボティクス
ロボットアナログで解き明かす神経集団ダイナミクス
人工筋肉と強化学習制御を持つロボットで動物の運動野の神経集団ダイナミクスを再現し、神経回転が到達方向に直交する振動運動を生み出して軌道調整を最適化することを発見した。
原題: Decoding Neural Population Dynamics through Robotic Analog / Wenhui Chen, Jiyue Tao, Yitao Cheng 他
日本語で読む → - 論文制御理論math.OC
ノイズ誘起ナビゲーション:非凸領域とコンパクト多様体における大域的安定化
制御チャネルにノイズを加えることで、障害物のあるユークリッド領域や境界のない多様体上で、目標点への大域的漸近安定性を達成するフィードバック則を構築する手法を提案した。
原題: Noise-Induced Navigation in Non-convex Domains and Compact Manifolds / Karthik Elamvazhuthi
日本語で読む → - 論文安全強化学習機械学習
平均では安全、裾では危険:エピソードコストの裾はいつ制御可能か
安全強化学習において、平均コスト制約を満たす方策が最悪エピソードで危険になる問題をCVaRで評価し、裾の制御可能性を複数タスクで検証した。
原題: Safe on Average, Unsafe in the Tail: When Is the Episodic-Cost Tail Controllable? / Samuel Tetteh, Cody Fleming
日本語で読む → - 論文マルチモーダル認識ロボティクス
MultiFly: 実世界マルチモーダル航空データセットと注釈効率の良いラベル転送およびクロスモーダル意味整合性
RGB・熱・LiDAR・レーダーの4モダリティを同期した低高度UAVデータセットを構築し、少数の手動注釈から幾何表現を介してラベルを転送することで、大規模な意味セグメンテーション用データを効率的に生成した。
原題: MultiFly: A Real-World Multimodal Aerial Dataset with Annotation-Efficient Label Transfer and Cross-Modal Semantic Consistency / Markus Gross, Andreas Greiner, Taehyoung Kim 他
日本語で読む → - 論文世界モデル画像認識
STRIKE: 物理世界モデリングのための視覚状態遷移学習
現在の画像と遷移記述・経過時間から次のシーン状態を予測する遷移モデルを学習し、VLMプランナと組み合わせて物理的に整合した動画生成を実現するフレームワーク。
原題: STRIKE: Learning Visual State Transitions for Physical World Modeling / Wenbin Teng, Tianshuo Xu, Depu Meng 他
日本語で読む → - 論文自動運転ロボティクス
優れた視覚表現は常にエンドツーエンド自動運転を改善するのか?
視覚基盤モデルの表現をプランナーに整合させるViRAを提案し、VFM表現が運転性能を一貫して改善することを示した。
原題: Do Better Visual Representations Always Lead to Better End-to-End Autonomous Driving? / Zihao Zhang, Haochen Tian, Tianyu Li 他
日本語で読む → - 論文組立計画ロボティクス
人間による組立計画のエンドツーエンド自動生成
メッシュ組立品のみを入力とし、物理シミュレータでの分解とマルチモーダルLLMを組み合わせて、組立工具リスト・組立順序・組立マニュアル・設計フィードバックを自動生成する手法を提案した。
原題: End-to-End Autonomous Generation of Human Assembly Plans / Faustin Arion von Arx, Millicent Schlafly, Mark D. Fuge
日本語で読む → - 論文VLAロボティクス
iAm.md: 未知のオープンボキャブラリ領域におけるエージェント内省によるロボットスキル自己評価
LLMエージェントがロボットのスキルと環境を内省し、実行可能な計画を生成するためのMarkdown標準とフレームワークを提案。シミュレーションでナビゲーションとマニピュレーションのタスクにおける有効性を示した。
原題: iAm.md: Robot Skill Self-Assessment through Agentic Introspection for Unknown Open-Vocabulary Domains / Vincenzo Guarino, Emanuele Musumeci, Vincenzo Suriani 他
日本語で読む → - 論文マニピュレーションロボティクス
断続的な視覚喪失に頑健な実ロボットマニピュレーションのための標的モダリティドロップアウト
注意機構で各モダリティへの依存度を推定し、最も支配的なモダリティを選択的にドロップアウトさせる手法を提案。実ロボット実験で、視覚喪失時もタスク遂行を維持できることを示した。
原題: Targeted Modality Dropout for Real-Robot Manipulation Robust to Intermittent Vision Loss / Genki Shikada, Kazuki Osamura, Masaru Ide 他
日本語で読む → - 論文歩行ロボティクス
RFPO: 身体性制御のための整流フローポリシー最適化
フローポリシーの少ステップ推論時の性能劣化を解消するため、オンラインリフローとPPO監督を組み合わせたRFPOを提案し、1ステップ実行で64ステップと同等の制御性能を維持しつつ推論を54.9倍高速化した。
原題: RFPO: Rectified Flow Policy Optimization for Embodied Control / Ting Huang, Lisiyu Pan, Haoyu Wang 他
日本語で読む → - 論文オフライン強化学習機械学習
対話制約付きオフライン強化学習による自動運転
自動運転向けに、自車と周囲エージェントの相互作用レベルの分布シフトを制御するオフライン強化学習フレームワークICDPを提案。
原題: Beyond Policy Support: Interaction Constrained Offline Reinforcement Learning for Autonomous Driving / Mahmoud Selim, Cristina Cipriani, Karl Henrik Johansson
日本語で読む → - 論文触覚ロボティクス
OpenViTac: 視覚触覚ポリシーを統一シミュレーション・実世界フレームワークで学習・評価する
接触を伴う操作タスクを4つの触覚能力次元で整理し、シミュレーションと実世界のペア環境でVLA・WAM・VTLAポリシーを評価するベンチマークOpenViTacを提案し、触覚表現と統合手法の比較やsim-real共訓練の分析を行った。
原題: OpenViTac: Learning and Benchmarking Visuo-Tactile Policies in a Unified Sim-and-Real Framework / Yifan Wu, Qin Li, Nan Min 他
日本語で読む → - 論文マニピュレーションロボティクス
モデルベースのリリース設計によるロボットのブーメラン投げ
6自由度マニピュレータで戻ってくるブーメラン投擲を実現するため、リリース時の速度・姿勢・スピンをモデル化し、限られた関節速度でも可能な投擲動作とブーメラン形状を設計した。
原題: Robotic Boomerang Throwing via Model-Based Release Design / Yang Liu, Colin Jones, Aude Billard
日本語で読む → - 論文ナノUAV/協調制御ロボティクス
借り物の目:四足歩行ロボットの観測によるマーカーレス・ナノUAV飛行
四足歩行ロボットのアーム搭載カメラでナノUAVを追跡・位置推定し、無線で位置情報を送ることで、GNSS拒否環境でもナノUAVが飛行できるシステムを開発した。
原題: Borrowed Eyes: Markerless Nano-UAV Flight with an Active Quadruped Observer / Alejandro Lorite Mora, Dimitrios Arapis, Andrés Faíña
日本語で読む → - 論文VLA画像認識
TERRA: 時間的効果表現と関係的整合による可搬な潜在行動の学習
視覚遷移から潜在行動を学習する際、遷移の「時間的効果」を表現し、異なる初期状態でも同じ意味を持つよう整合させる手法TERRAを提案。
原題: TERRA: Learning Transportable Latent Actions through Temporal Effect Representation and Relational Alignment / Tianxingjian Ding, Mubarak Shah, Yu Tian
日本語で読む → - 論文sim2realロボティクス
Sim-to-Realシステム同定のための情報分離型軌道設計
フィッシャー情報行列のシュア補完に基づく探索方策で、パラメータ間の分離性を高める軌道を設計し、シミュレータのパラメータ同定精度と実機転移性能を向上させる手法を提案。
原題: Informationally Decoupled Trajectory Design for Sim-to-Real System Identification / Sangwoo Shin, Ashvin Anilkumar, Ryan Gao 他
日本語で読む → - 論文空中監視/ドローン画像認識
trACT: 時間的顕在化を実現する空中カメラトラップ
猛禽類の狩猟戦略に着想を得て、時間的最大プーリングと自己教師あり異常検知を組み合わせ、環境ノイズや遅延下でもドローンが自律的に地上の微細な動きを検出・検証する軽量フレームワークを開発した。
原題: trACT: temporal revelation Airborne Camera Trap / Oliver Bimber, Rakesh John Amala Arokia Nathan, Mohamed Youssef 他
日本語で読む → - 論文sim2realロボティクス
RoboRender: ロボット指向の動画生成による視覚的Sim-to-Real転移
シミュレーションの深度動画・言語指示・ロボットマスクから写実的なRGB動画を生成し、実機へゼロショット転移可能な方策を学習するフレームワーク。
原題: RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer / Huang Huang, Wensi Ai, Ziyu Chen 他
日本語で読む → - 論文動画生成ロボティクス
RobotAPO: ロボットマニピュレーション動画生成のための敵対的物理選好最適化
ロボット操作動画生成において、物理違反を選好データセットで学習し、敵対的選好最適化で物理整合性を高める手法を提案。下流のロボット実行精度が向上。
原題: RobotAPO: Adversarial Physics Preference Optimization for Robotic Manipulation Video Generation / Kerui Li, Zhe Jing, Chenyi Huang 他
日本語で読む → - 論文マニピュレーションロボティクス
予測された未来だけでは不十分:ロボットマニピュレーションのための実行可能な目標の学習
3Dトレース世界モデルから実行可能な終端目標を明示的に出力する学習インターフェースを提案し、5つのマニピュレーションタスクで平均79.69%の成功率を達成した。
原題: Predicted Futures Are Not Enough: Learning Executable Goals for Robot Manipulation / Tzu-Yu Chuang, Ching-Hsiang Chang, Yi-Hsiu Lee 他
日本語で読む → - 論文ワールドモデルロボティクス
潜在行動によるクロスエンボディメント・ロボット基盤ワールドモデル
多様なロボットの身体と行動空間を統一した潜在行動空間で扱うワールドモデルLAC-WMを提案し、未知の身体への適応性能が最大46.7%向上することを示した。
原題: Cross-Embodiment Robot Foundation World Models with Latent Actions / Huang Huang, Sriram Yenamandra, Arjun Majumdar 他
日本語で読む → - 論文マニピュレーションロボティクス
RoboPace: 接触を考慮した行動チャンク方策の時間最適リタイミング
ロボットの運動制約と接触予測に基づき、方策の経路を変えずに実行速度をリアルタイムで調整する層を提案し、接触の多いタスクで成功率を保ちつつ実行時間を半減させた。
原題: RoboPace: Contact-Aware Time-Optimal Retiming for Action-Chunk Policies / Mimo Shirasaka, Takehiko Ohkawa, Takuya Okubo 他
日本語で読む → - 論文マルチエージェント強化学習機械学習
サポート保持蒸留によるマルチエージェント協調
オフラインMARLの生成ポリシー蒸留において、教師のノイズ割り当てを最適輸送で修正し、モード間の誤り伝播を防ぐ手法を提案。
原題: Multi-Agent Coordination via Support-Preserving Distillation / Sangmin Lee, Youngju Na, Chanmi Lee 他
日本語で読む → - 論文クライミングロボットロボティクス
ClimbLab:脚式クライミングロボットのためのMATLABシミュレーションプラットフォーム
脚式クライミングロボットの設計・解析のためのオープンソースMATLABシミュレータを開発し、壁面把持や急斜面登攀の四脚ロボットの例を示した。
原題: ClimbLab: MATLAB Simulation Platform for Legged Climbing Robotics / Kentaro Uno, Warley F. R. Ribeiro, Yusuke Koizumi 他
日本語で読む → - 論文VLAロボティクス
成功への多様な道:VLA汎化のための多様性駆動型RLファインチューニング
VLA方策のRLファインチューニングにおいて、成功軌道の多様性を明示的な報酬として組み込むDRIVEを提案し、分布シフト下での汎化性能を向上させた。
原題: Many Ways to Succeed: Diversity-Driven RL Fine-Tuning for VLA Generalization / Haoru Li, Jinmei Liu, Zhiyong Wang 他
日本語で読む → - 論文ディープフェイク検出画像認識
MOTIF: 3DMM係数を超えた特定人物向けディープフェイク検出
特定人物のディープフェイク検出において、3DMM係数のどの部分が有効かを分析し、係数が捨てている密な表面情報を活用するMOTIFを提案。実動画のみで学習し、既存手法を上回る精度を達成した。
原題: MOTIF: Person-of-Interest Deepfake Detection Beyond 3DMM Coefficients / Giovanni Affatato, Sara Mandelli, Paolo Bestagini 他
日本語で読む →
PR・アフィリエイト広告
