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: 2026/11/9 ／ 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 →RT-2・π0・Diffusion Policy・PPO・World Modelsなど、現在のロボット学習を形づくった論文を分野別に →
- 論文経路計画cs.NE
ランダムキー最適化によるUAV捜索ミッションの検出確率最大化
UAVの捜索救助における経路計画を、確率更新とランダムキー最適化を組み合わせた手法で動的に最適化し、検出確率と資源のバランスを取る研究。
原題: Maximizing Detection Probability in UAV Search Missions using Random-Key Optimizers ／ Antonio Dantas, Elcio Shiguemori, Antonio Chaves
日本語で読む → - 論文ロボット実験自動化ロボティクス
BioMARS 2.0：生物実験の立案と適応を行うロボット生物学者
知識に基づく実験計画・ロボット実行・生物学的フィードバックを統合したヒューマンインザループ型マルチエージェントロボットシステムを提案し、プロトコル生成や培養条件選択、創薬候補の選定まで実証した。
原題: BioMARS 2.0: a robotic biologist for formulating and adapting biological experiments ／ Yibo Qiu, Zan Huang, Yilin Qiao 他
日本語で読む → - 論文キャリブレーションロボティクス
ガリレイ的ロボットとアリストテレス的センサ：時空間軌道推定と外部キャリブレーションの統合
ロボット軌道をガリレイ群、センサ外部パラメータをアリストテレス部分群で表現し、時空間キャリブレーションと軌道推定を統合するフレームワークを提案。連続時間軌道の別パラメータ化を不要にし、従来法と同等の性能を実現した。
原題: Galilean Robots, Aristotelian Sensors: Joint Spatiotemporal Trajectory Estimation and Extrinsic Calibration ／ Abhishek Goudar, Jonathan Kelly, Timothy D. Barfoot
日本語で読む → - 論文VLAロボティクス
推論から軌道幾何条件を学習する自動運転VLA
自動運転VLA計画において、離散的な軌道幾何条件(TrajCond)を推論から学習し、連続軌道予測の精度を向上させる手法を提案した論文。
原題: AutoVLA-D: Learn a Trajectory-Geometric Condition from Reasoning for Autonomous Driving VLA ／ Yuguang Yang, Zhewen Tan, Canyu Chen 他
日本語で読む → - 論文海洋ロボティクスロボティクス
曳航海洋システムのモデリングと状態推定
2台の自律水面艇とケーブル・曳航体からなる曳航システムを集中質量法でモデル化し、搭載センサのみで状態を推定する低次元オブザーバとPMEKFを提案・検証した論文。
原題: Modeling and Estimation of a Towed Marine System ／ Josef Matouš, Simon Hoff, Damiano Varagnolo 他
日本語で読む → - 論文一人称視点/自動ラベリング画像認識
EgoLabel: クロスモーダル整合性を備えたゼロショット一人称自動ラベリング
既存モデルを組み合わせ、深度・カメラ姿勢・物体・人物姿勢の整合性を診断するゼロショット一人称ラベリングパイプラインを提案し、手の深度アンカリングで残差を23%削減した。
原題: EgoLabel: Zero-Shot Egocentric Auto-Labeling with Cross-Modal Consistency ／ Xiaozhi Zhang, Changjia Xu, Yaoyuan Yan 他
日本語で読む → - 論文ベンチマーク/エージェントロボティクス
実世界デビュー前の統一試験：コーディングエージェントによるロボット制御ベンチマーク
コーディングエージェントが多様なロボットを物理制約下で制御できるかを評価するため、47体のロボット・35スイート・1,156タスクからなる統一ベンチマーク「Embodied First Exam」を提案した。
原題: Embodied First Exam ／ Kangrui Wang, Qineng Wang, Changhe Chen 他
日本語で読む → - 論文ロボティクス/幾何学的学習機械学習
LawKAN: 既知の法則を層に組み込む群法則レイヤー
ロボットの回転合成など既知の群法則をニューラル層のノードに厳密に埋め込み、残差のみを学習することで少ないパラメータで高精度な変換合成を実現した論文。
原題: LawKAN: Group-Law Layers for Composition -- When Imposing a Known Law Pays Off ／ Anna Mishchenko, Nikolai Gavrilin
日本語で読む → - 論文ロボット基盤モデルロボティクス
SPARK: 事前学習済み知識をロボット制御に適応させる簡易ポストトレーニング
大規模基盤モデルの視覚特徴を、時間変化や行動に関わる情報を保ちながらロボット制御向けに適応させるポストトレーニング手法を提案し、複数ベンチマークと実機マニピュレーションで成功率と汎化性能の向上を示した。
原題: SPARK: Simple Post-training for Adapting pRetrained Knowledge to Robot Control ／ Taekyung Kim, Jeongeun Park, Byeongho Heo 他
日本語で読む → - 論文触覚ロボティクス
力の色変化を直接捉えるフォトニック結晶触覚センサーPCTac
メカノクロミックなフォトニック結晶を指先触覚センサーとして用い、荷重を色相の変化として直接観測して拡散ポリシーに組み込み、実機マニピュレーションでRGBや視覚のみより高い成功率を示した研究。
原題: PCTac: Mechanochromic Photonic-Crystal Tactile Sensor for Dexterous Manipulation ／ Ruilin Zhang, Xuanshuo Liu, Junzhe Dai 他
日本語で読む → - 論文ウェアラブルロボティクスロボティクス
ExoStack：ROS 2を用いたウェアラブルロボティクスのためのモジュール式再構成可能ソフトウェアフレームワーク
ウェアラブルロボット向けに、ESP32のmicroROSハブとホストPCを連携させ、歩行イベント検出やアシスト生成、人間参加型最適化をモジュール式に実装できるROS 2フレームワークを提案し、2種類の空気圧式エクソスーツで再利用性を実証した。
原題: ExoStack: A Modular and Reconfigurable Software Framework for Wearable Robotics Using ROS 2 ／ Debadrata Sarkar, Upamanyu Ray, Soumen Sen 他
日本語で読む → - 論文VLAロボティクス
指示を重みに蒸留：閉形式編集でロボット方策の誤読を修正
言語指示の言い換え効果を閉形式で言語モデルのMLP重みに蒸留し、勾配や学習データなしでVLA方策の指示誤読による失敗を修正した。
原題: Distilling Instructions into Weights: Closed-Form Edits Fix a Robot Policy's Misreading ／ Ali-Adeeb Abbas, Esmaeil Seraj
日本語で読む → - 論文到達可能性解析制御
リー群上の軌道追従に対するゾノトープ到達可能性解析の認証
リー群上で動く車両の軌道追従誤差をゾノトープで厳密に包み、外乱による誤差の上限を実行前に保証する手法を提案した。
原題: Certified Zonotopic Reachability Analysis for Trajectory Tracking on Lie Groups ／ Yanliang Huang, Peng Xie, Zhen Zhang 他
日本語で読む → - 論文sim2realロボティクス
超音波ガイド大腿穿刺のための静脈圧縮性シミュレーション：速度・精度・ファントム検証
GPU物理シミュレーションで組織変形と静脈圧縮を再現し、低忠実度ファントムで精度を検証した。ソルバー時間を大幅短縮しつつ臨床的に重要な静脈虚脱の信号を再現した。
原題: Simulating Vein Compressibility for Ultrasound-Guided Femoral Access: Speed, Accuracy, and Phantom Validation ／ Amit Manicka, Laurent Coulon, Darwin Ang 他
日本語で読む → - 論文世界モデル機械学習
1ステップ世界モデルに必要な候補数は？凍結DINOトークン上の最近傍-of-m学習のランダムコードブック的解釈
凍結DINO特徴量上の1ステップ世界モデルで、m個の候補のうち観測に最も近いものだけを学習する最近傍-of-m目的を検証し、mの選択がランダムコードブックの期待歪みで決まることを示した研究。
原題: How Many Candidates Does a One-Step World Model Need? A Random-Codebook Account of Nearest-of-m Training on Frozen DINO Tokens ／ Yong Hwi Song, Keon Myung Lee
日本語で読む → - 論文モデルベース制御ロボティクス
ディザ付き低ビット世界モデル：決定論的誤差を逆手に取るプランナ
低ビット量子化した世界モデルでMPPI/CEMプランニングが崩壊する原因を解析し、候補間で共有し毎反復引き直すディザにより同ビット幅で精度を回復できることを示した研究。
原題: Planners Exploit Deterministic Error: Dithered Low-Bit World Models ／ Yong Hwi Song, Keon Myung Lee
日本語で読む → - 論文ワールドモデル機械学習
表形式基盤モデルを訓練不要のワールドモデルとして評価する
事前学習済みの表形式基盤モデル(TabFM)を、遷移ペアに対する文脈内回帰として次状態予測に用い、訓練不要のダイナミクスモデルとしてどこで有効でどこで破綻するかを合成力学系とロボット歩行ベンチマークで検証した。
原題: An Evaluation of Tabular Foundation Models as Training-Free World Models ／ Xian Yeow Lee, Ryoichi Takase, Ahmed Farahat
日本語で読む → - 論文3DGS/GPU最適化cs.DC
GPU上の3DガウシアンスプラッティングにおけるSMレベル負荷不均衡の緩和
3DGSレンダリングでタイル間の負荷偏りが生む実行テールを、重いタイルを先に処理し外れ値を分割する永続カーネルで解消し、再学習なしでアルファブレンディングを最大5.6倍高速化した。
原題: Mitigating SM-Level Load Imbalance in 3D Gaussian Splatting on GPUs ／ Junha Ryu, Hoi-Jun Yoo
日本語で読む → - 論文マニピュレーション画像認識
世界インコンテキスト学習によるエージェント型ロボットマニピュレーション
シミュレータでタスクをリハーサルし、そのフィードバックをモデルの重みではなくコンテキストに書き込むことで、単一のデモからロボット操作タスクを学習・展開する手法を提案した論文。
原題: World In-Context Learning for Agentic Robot Manipulation ／ Heng Fang, Zehui Guo, Yuehan Zhang 他
日本語で読む → - 論文動画偽造検出画像認識
MARS: 動画偽造検出のためのマルチスケール外観・残差ストリーム
固定の時空間差分フィルタによる残差特徴と外観特徴を組み合わせた二経路動画検出器を提案し、顔操作と生成動画の両方で高い検出性能と転移性を示した。
原題: MARS: Multiscale Appearance-Residual Streams for Video Forgery Detection ／ Ahmed Y. Radwan, Shaina Raza
日本語で読む → - 論文ナビゲーション画像認識
Compass 1：単眼RGB動画からのオープンワールド持続型身体性ナビゲーションに向けて
言語理解と動画生成を統合し、約2分の視覚履歴を記憶として遡れる身体性ナビゲーション基盤モデルを提案。大規模データセットも公開し、多様なロボット形態で汎化する。
原題: Compass 1: Towards Open-World and Persistent Embodied Navigation from Monocular RGB Videos ／ Hai Zhang, Siqi Liang, Yanjun Guo 他
日本語で読む → - 論文両腕マニピュレーションロボティクス
言語指示による両腕マニピュレーションのためのタスク計画と実行の橋渡し
言語指示で両腕ヒューマノイドに作業させるため、物体関係と実行制約を統合したシーン表現で計画し、階層的検証で失敗から回復するゼロショット枠組みを提案した。
原題: Bridging Task Planning and Execution for Language-Conditioned Bimanual Manipulation ／ Emanuele Cuzzocrea, Giuseppina Iannotti, Luca Rossini 他
日本語で読む → - 論文ベンチマーク/評価ロボティクス
コネクテッドロボティクスにおける証拠に基づく共有信念更新のベンチマークと階層的評価プロトコル
ロボットやIoTセンサーの観測を統合する共有信念更新を『証拠から信念への軌跡』として評価するCREGベンチマークを提案し、関係情報の寄与やモデルの弱点を分析した。
原題: A Benchmark and Layered Evaluation Protocol for Evidence-Grounded Shared Belief Updating in Connected Robotics ／ Ranulfo Bezerra, Kimitoshi Yamazaki
日本語で読む → - 論文sim2realロボティクス
HolidayFactory 1.0：産業用ロボット作業のシミュレーション・生成・評価フレームワーク
産業用ロボットの反復作業をリセットなしで大規模評価するため、接触・アクチュエータ・触覚モデルを備えたシミュレータと、シーン構築の自動生成、7種の産業タスクベンチマークを統合したフレームワークを提案。
原題: HolidayFactory 1.0: Simulating, Generating, and Evaluating Industrial Robot Tasks ／ Holiday Robotics, :, Jeongmin Lee 他
日本語で読む → - 論文マニピュレーションロボティクス
把持分類ラベルをモード切替として用いるクライミングホールドの巧みな把持
クライミングホールド把持において、4種類の把持ラベルを点群ポリシーの条件として与えることで把持動作を切り替え、滑り力と把持成功率を大幅に改善した研究。
原題: Grasp-Taxonomy Conditioning as a Mode Switch for Dexterous Grasping of Climbing Holds ／ Rumi Loghmani, Abraham George, Amir Barati Farimani
日本語で読む → - 論文VLAロボティクス
Thermo-VLA: 熱画像対応の視覚-言語-行動モデルとゲート付き残差変調によるロボットマニピュレーション
熱画像を冷・熱属性に分解し言語条件付き残差変調でRGBトークンに注入するVLAモデルを提案し、双腕ロボットの実タスクで熱に依存する操作の成功率と汎化性能を向上させた。
原題: Thermo-VLA: A Thermal-Aware Vision-Language-Action Model with Gated Residual Modulation for Robotic Manipulation ／ Jingxuan Chen, Junshi Luo, Chencheng Dong 他
日本語で読む → - 論文触覚ロボティクス
異種触覚センサを統合する汎用巧緻操作のための触覚基盤モデル
圧抵抗・磁気・視覚触覚など異なる触覚センサのデータを統一表現に変換する基盤モデルLingBot-Touchを開発し、拡散ポリシーやVLAモデルに組み込むことで巧緻操作性能を向上させた。
原題: Learning Heterogeneous Tactile Representation for General Dexterous Manipulation ／ Bing Han, Yichuan Peng, Haoyu Dong 他
日本語で読む → - 論文VLAロボティクス
実データとシミュレーションデータによるVLA適応：ロボットチェスを事例に
VLAモデルをチェス操作タスクにファインチューニングし、データ量・学習更新回数・チェックポイント選択・シミュレーション活用の実践的課題を検証した事例研究。
原題: VLA Adaptation with Real and Simulated Data: A Case Study on Robotic Chess ／ Matěj Kripner, Milan Straka
日本語で読む → - 論文sim2real機械学習
制御変数を用いたシミュレーション支援強化学習
シミュレータのデータを学習目標の直接的な形成ではなく分散低減にのみ用いる制御変数ベースの手法を提案し、方策評価・actor-critic・オフラインRLへ拡張してMuJoCoで有効性を示した論文。
原題: Simulation-aided Reinforcement Learning with Control Variates ／ Omer Hemo, Ido Sefi, Mirco Mutti 他
日本語で読む → - 論文VLA画像認識
SWAM: クロスモーダル整合で世界行動モデルをスケールする
約4.7万時間の動画・ロボット実演データを用い、言語-映像-行動の監督設計が世界行動モデルの性能に与える影響を体系的に分析し、効率的な学習レシピを提案した論文。
原題: SWAM: Scaling World Action Models with Cross-Modal Alignment ／ Yu Zhou, Xinyuan Xia, Xuankun Yang 他
日本語で読む →