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: 2026/7/1 ／ 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 →- 論文安全強化学習機械学習
モデル予測制御のアイデアを用いた安全な強化学習
強化学習の探索中に安全制約を厳守するため、モデル予測制御で計算した安全な状態-行動空間への射影を安全フィルタとして用いる枠組みを提案し、実機で検証した。
原題: Safe Reinforcement Learning using Ideas from Model Predictive Control ／ Georg Schäfer, Jakob Rehrl, Stefan Huber 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
マルチエージェントデモから暗黙の因果世界モデルを学習する
オフラインデモから因果構造を事前定義せずに環境ダイナミクスを復元する暗黙的因果世界モデルを提案し、協調タスクで解釈可能な因果表現を実証した。
原題: Learning Implicit Causal World Models from Multi-Agent Demonstrations ／ Jasorsi Ghosh
日本語で読む → - 論文強化学習/ベンチマークロボティクス
強化学習による到達回避タスクの学習：ベクトル化シミュレーションとベンチマーク
ロボットアームの到達回避タスクを、現実的な複雑さを保ったまま強化学習で解くためのベンチマークを初めて構築し、MuJoCo MJXとBraxによる並列化で高成功率を達成した。
原題: Learning Reach-Avoid Task with Reinforcement Learning: Vectorized Simulation and Benchmark ／ Jonas Weihing, Shahram Eivazi
日本語で読む → - 論文オフライン強化学習機械学習
効率的なオフライン強化学習のためのショートカット軌道計画
拡散モデルによる軌道計画の推論コストを削減するため、単一ステージで学習可能なショートカット軌道モデルを提案し、ステップサイズ調整による1ステップ・数ステップ推論と、実現可能性補正付き批評家による計画選択を実現した。
原題: Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning ／ Guanquan Wang, Yoshimasa Tsuruoka
日本語で読む → - 論文強化学習ロボティクス
VINE: 強化学習のための生成制御ポリシーの調整
フローマッチングポリシーを強化学習で安定して学習するための新しいサンプリング手法VINEを提案。各デノイズステップで補間状態を再構築し、価値勾配の伝播を安定化させる。
原題: VINE: Taming Generative Control Policies for Reinforcement Learning ／ Rushuai Yang, Zhuo Han, Houlin Li 他
日本語で読む → - 論文自動運転レース/強化学習/モデル予測制御ロボティクス
自動運転レースにおける追い越し防止のための深層強化学習誘導モデル予測制御
自動運転レースで、後続の速い車に追い越されないよう防御する制御手法を提案。強化学習で防御軌道を生成し、モデル予測制御に組み込むことで、追い越しまでの時間を延ばしつつタイヤ力を効率的に使う。
原題: Deep Reinforcement-Learning-Guided Model Predictive Control for Preventing Overtakes in Autonomous Racing ／ Yufei Xi, Yijie Liao, Tulga Ersal
日本語で読む → - 論文強化学習/事前学習機械学習
局所動作が重要：ビデオからの強化学習事前学習のための分解・再構成パラダイム
ビデオから強化学習の事前学習を行う際、エージェント全体の動きではなく局所的な動きのパターンに着目し、分解と再構成のパラダイムを提案して、ロボット制御や操作タスクへの転移効率を向上させた。
原題: Local Motion Matters: A Deconstruct-Recompose Paradigm for Reinforcement Learning Pre-training from Videos ／ Jinwen Wang, Youfang Lin, Xiaobo Hu 他
日本語で読む → - 論文安全強化学習ロボティクス
制御アフィン動力学近似を用いた証明可能な安全モデルベース強化学習
制御アフィン構造を考慮した残差モデル不確かさを学習し、適応共形予測で不確かさを定量化して制御バリア関数による安全保証を実現する強化学習フレームワークを提案した。
原題: Certifiable Safe Model-Based Reinforcement Learning with Control-Affine Dynamics Approximation ／ Hao Zhou, Yanze Zhang, Cameron Reid 他
日本語で読む → - 論文強化学習機械学習
視覚強化学習の汎化のためのタスク関連表現の分離
視覚強化学習の汎化性能向上のため、観測をタスク関連・非関連表現に分離する自己教師ありアルゴリズムT2RDを提案した。
原題: Task-Relevant Representation Decoupling for Visual Reinforcement Learning Generalization ／ Jinwen Wang, Youfang Lin, Xiaobo Hu 他
日本語で読む → - 論文強化学習AI
インタラクティブなゲームプレイのためのコーチ可能なエージェント
強化学習エージェントに、実行時にスタイル（タスクの解き方の変更）を指示できるフレームワークを提案し、複数の複雑なドメインで有効性を示した論文。
原題: Coachable agents for interactive gameplay ／ Roberto Capobianco, Harm van Seijen, Nolan D. Bard 他
日本語で読む → - 論文強化学習ロボティクス
SymmGrid: 並列対称性と自己中心・外界中心視覚知覚によるロボット実機学習の超高速化
ロボット実機での強化学習を高速化するため、対称性変換を並列化してリプレイバッファを多様な経験で満たすフレームワークSymmGridを提案し、実機操作タスクで学習時間を短縮し成功率を向上させた。
原題: SymmGrid: Super-Scaling On-Robot Learning with Parallelized Symmetries and Egocentric-Exocentric Visual Perception ／ Gabe Everett, Brice Gunter, Ryan Vander Stelt 他
日本語で読む → - 論文多目的強化学習AI
LEMUR: 嗜好フィードバックを用いた多目的強化学習によるアライメント学習
複数の競合する目的を持つタスクにおいて、複数の人間の嗜好フィードバックから報酬モデルと方策を同時に学習する新しいフレームワークを提案し、ベンチマークタスクで優れた性能を示した。
原題: LEMUR: Learning to Align with Multi-Objective Reinforcement Learning from Preference Feedback ／ Manith Adikari, Bei Peng, Samuele Vinanzi 他
日本語で読む → - 論文投擲/強化学習ロボティクス
多障害物環境での安全な物体投擲の学習
ロボットが障害物を避けながら目標のかごに物体を投げ入れる問題を扱い、ポテンシャル場表現を用いた強化学習で成功率90%を達成した。
原題: Learning to Throw Objects Safely in Multi-Obstacle Environments ／ Mohammadreza Kasaei, Klemen Voncina, Hamidreza Kasaei
日本語で読む → - 論文強化学習機械学習
実用的な転移制約下での強化学習アルゴリズムの適合性再考
転移指向の強化学習において、アルゴリズムの適合性をサンプル効率だけでなく、実時間効率とドメインランダム化への頑健性の観点から評価し、PPOがSACやTD-MPC2よりも実時間で高性能な方策を学習できることや、ドメインランダム化が異なるパラダイムのアルゴリズムに同様の影響を与えることを示した。
原題: Rethinking the Suitability of Reinforcement Learning Algorithms Under Practical Transfer Constraints ／ Hany Hamed, Abhishek Naik, Colin Bellinger 他
日本語で読む → - 論文手術ロボット/強化学習ロボティクス
RL-MACRO: マルチモーダル適応型ロボット開頭術のためのサイバネティック閉ループ知能フレームワーク
ロボット開頭術において、力覚・音響センサから隠れた温度状態を推定し、強化学習で切削パラメータを適応制御する閉ループ知能フレームワークを提案した。
原題: RL-MACRO: A Cybernetic Closed-Loop Intelligence Framework for Multimodal Adaptive Robotic Craniotomy ／ Xiao Zhang, Jiaxuan Li, Renzhen Le 他
日本語で読む → - 論文強化学習ロボティクス
P3: VAEベースロボット学習のための確率的方策伝播
VAEベースの方策とPPOの理論的不整合を指摘し、分布を考慮した最適化フレームワークP^3を提案。データ効率と収束速度を大幅に改善した。
原題: P3: Probabilistic Policy Propagation for Stable VAE-Based Robot Learning ／ Liyun Yan, Jianming Ma, Yang Zhang 他
日本語で読む → - 論文VLA/強化学習ロボティクス
WCM: 視覚・言語・行動強化学習のためのワールドクリティックモデル
ロボット操作のためのVLAモデルの強化学習後訓練において、観測履歴を扱うクリティックの表現が時間的ダイナミクスを捉えられない問題を解決するため、将来の潜在状態を予測しつつ価値を推定する軽量なWorld Critic Modelを提案した。
原題: WCM: A World Critic Model for Vision-Language-Action Reinforcement Learning ／ Senyu Fei, Xiaopeng Yu, Siyin Wang 他
日本語で読む → - 論文継続的強化学習機械学習
較正部分リセット：継続的強化学習における方策崩壊の防止
ニューロンのリセットを部分的かつ有用性に応じて調整することで、継続的強化学習での方策崩壊を防ぎつつ可塑性を維持する手法を提案した。
原題: Calibrated Partial Resets: Preventing Policy Collapse in Continual Reinforcement Learning ／ Luc McCutcheon, Evangelos Chatzaroulas, Saber Fallah
日本語で読む → - 論文強化学習/操作ロボティクス
HALO-WA: ハイブリッド注意機構と潜在変数ガイドによるオンライン強化学習を用いた世界行動モデル
世界行動モデルによる精密操作の失敗を、潜在特徴と行動事前分布を利用した軽量なアクタークリティック適応器とハイブリッド注意機構でオンライン修正する手法を提案し、実機4タスクで成功率を大幅に向上させた。
原題: HALO-WA: Hybrid-Attention Latent-Guided Online Reinforcement Learning for World-Action Models ／ Angen Ye, Weijie Ke, Xiaofeng Wang 他
日本語で読む → - 論文強化学習ロボティクス
実世界ロボット強化学習にはデモ1回で十分
単一のデモンストレーションを用いて、実世界のロボット強化学習における介入プロセスを自動化するフレームワークAutoSERLを提案し、複数の接触を伴う操作タスクで高い成功率と堅牢性を達成した。
原題: One Demonstration Is Enough for Real-World Robotic Reinforcement Learning ／ Yuwan Liu, Hongze Yu, Song Liu 他
日本語で読む → - 論文シミュレーション/縫合/強化学習ロボティクス
位置ベース動力学と物質点法を用いたロボット強化学習のための外科縫合シミュレーション
縫合糸を位置ベース動力学(PBD)、軟組織を物質点法(MPM)でモデル化し、双方向接触を考慮した縫合シミュレーション環境を構築し、強化学習エージェントによる針挿入・抜去タスクの学習を実現した。
原題: Simulation of Surgical Suturing Using Position-Based Dynamics and the Material Point Method for Robot Reinforcement Learning ／ Tleukhan Mussin, Yafei Ou, Mahdi Tavakoli
日本語で読む → - 論文強化学習ロボティクス
Robo-ValueRL: オフラインからオンラインへの強化学習における信頼性の高い価値推定
オフラインからオンラインへの強化学習において、価値関数の信頼性がポリシー最適化に与える影響を分析する統一フレームワークを提案し、信頼性の高い価値推定が下流の性能向上に寄与することを実験で示した。
原題: Robo-ValueRL: Reliable Value Estimation for Offline-to-Online Reinforcement Learning ／ Wenke Xia, Pei Ren, Wenbo Yu 他
日本語で読む → - 論文VLA/強化学習ロボティクス
最適輸送Q学習によるフローポリシーの操縦と高速化
ロボットの経験を用いたRL後訓練により、準最適なフローベースポリシーを微調整・高速化する最適輸送Q学習（OTQL）を提案した。
原題: Optimal Transport Q-Learning for Flow Policy Steering and Acceleration ／ Andreas Sochopoulos, Esmeralda S. Whitammer, Nikolaos Tsagkas 他
日本語で読む → - 論文強化学習/制御ロボティクス
アクチュエータ動力学を考慮した物理認識型エンドツーエンド深層強化学習によるクアッドコプター制御
クアッドコプターの低レベル制御に、アクチュエータの遅れや空力モーメントを考慮した高忠実度シミュレータを用いたエンドツーエンド深層強化学習を適用し、DDPG、TD3、PPO、SACの性能を比較した。
原題: Physics-Aware End-to-End Deep Reinforcement Learning for Quadcopter Control with Actuator Dynamics ／ Ya-Chia Shen, Woei-Leong Chan
日本語で読む → - 論文強化学習ロボティクス
PAC-ACT: アクション・チャンキング・トランスフォーマー向けのポストトレーニング型アクター・クリティック
事前学習済みのアクション・チャンキング・ポリシーに強化学習によるポストトレーニングを施し、精密な接触作業での分布シフトを改善するフレームワークを提案した。
原題: PAC-ACT: Post-training Actor-Critic for Action Chunking Transformers ／ Yujie Pang, Zudong Li
日本語で読む → - 論文強化学習/UAV着陸ロボティクス
WaveLander: 波浪擾乱プラットフォームへのUAV着陸のための強化学習による汎用階層制御フレームワーク
波浪で動く船舶プラットフォームへのUAV自律着陸を、強化学習で垂直着陸判断と低レベル飛行安定化を分離した階層制御で実現し、未見の擾乱条件にも汎化することを示した論文。
原題: WaveLander: A Generalizable Hierarchical Control Framework for UAV Landing on Wave-Disturbed Platforms via Reinforcement Learning ／ Chun-Kit Li, Iok Long Sit, Ming Fung Siu 他
日本語で読む → - 論文触覚/強化学習ロボティクス
OmniTacTune: 視覚ポリシーへの触覚残差適応のためのポリシー非依存な実世界強化学習
事前学習済みの視覚ポリシーに触覚フィードバックを残差補正として適応させる、ポリシー非依存の実世界RLパイプラインを提案。接触を伴う多様なタスクで成功率を大幅に向上させる。
原題: OmniTacTune: Policy-Agnostic Real-World RL for Tactile Residual Adaptation of Visual Policies ／ Kelin Yu, Haode Zhang, Harish Ravichandar 他
日本語で読む → - 論文強化学習/カリキュラム学習/LLMロボティクス
LEACL: LLM強化による長期的操作タスクの強化学習のための自動カリキュラム学習
大規模言語モデル(LLM)を用いて複雑なタスクをサブタスクに分解し、各サブタスクの仕様を自動生成することで、スパース報酬のみで強化学習を効率的に行う自動カリキュラム学習フレームワークを提案した。
原題: LEACL: LLM-Enhanced Automatic Curriculum Learning for Reinforcement Learning in Long-Horizon Manipulation Tasks ／ Faraz Heravi, James Ouyang, Zifan Xu 他
日本語で読む → - 論文操作学習/強化学習/Sim-to-Realロボティクス
ゼロショットSim-to-Real転送を備えたマルチタスクブロック押し操作のための単一拡散ポリシーコントローラ
強化学習を用いて、複数の形状のブロックを押すマルチタスク操作を単一の拡散ポリシーで学習し、実世界へゼロショット転送できることを示した論文。
原題: A Single Diffusion-Policy Controller for Multi-Task Block Pushing with Zero-Shot Sim-to-Real Transfer ／ Haitong Ma, Haldun Balim, Yang Hu 他
日本語で読む → - 論文安全強化学習ロボティクス
安全強化学習における効率的探索のための方向性制約
安全強化学習の性能と安全性のトレードオフを改善するため、制約境界に近づく動作のみに制約を適用する方向性制約を導入したATACOMフレームワークの拡張手法を提案した。
原題: Directional Constraints for Efficient Exploration in Safe Reinforcement Learning ／ Paolo Magliano, Puze Liu, Jan Peters 他
日本語で読む →