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: 2026/6/10 ／ arXivを3時間ごとに自動収集

• 論文強化学習ロボティクス2026/6/10

  UniIntervene: 実世界強化学習の効率化のためのエージェント介入

  人間参加型強化学習における介入コストを削減するため、非生産的な探索を検知し自律的に回復行動を生成するエージェント介入モデルUniInterveneを提案した。

  原題: UniIntervene: Agentic Intervention for Efficient Real-World Reinforcement Learning ／ Haoyuan Deng, Yitong Gao, Yudong Lin 他

  日本語で読む →
• 論文強化学習機械学習2026/6/9

  封印監査における符号付き圧縮進捗はグッドハート耐性を持つ

  本論文は、世界モデルの圧縮進捗を報酬とする内在的動機付けが、封印された監査損失の符号付き減少として定義されると、累積報酬が監査改善に一致し、偽の進捗を無限に押し上げられないことを証明した。

  原題: Signed Compression Progress on a Sealed Audit is Goodhart-Resistant ／ Ayush Mittal, Dhruv Gupta

  日本語で読む →
• 論文拡散ポリシー/強化学習/モデルベース機械学習2026/6/9

  MODIP: 拡散ポリシーのための効率的なモデルベース最適化

  拡散ポリシーを強化学習で直接微調整する代わりに、ワールドモデルとモデル予測制御で高品質な軌道を生成し、それを教師信号として行動クローニング的に微調整するフレームワークを提案した。

  原題: MODIP: Efficient Model-Based Optimization for Diffusion Policies ／ Zakariae El Asri, Philippe Gratias-Quiquandon, Nicolas Thome 他

  日本語で読む →
• 論文強化学習機械学習2026/6/7

  密度輸送によるフローマッチングポリシーの強化学習

  フローマッチングポリシーを強化学習で微調整する新しいアルゴリズムRLDTを提案。最大エントロピーRL目的とSVGDを用いて輸送場を構築し、期待ターゲット推定で安定学習を実現。

  原題: Reinforcement Learning for Flow-Matching Policies with Density Transport ／ Boshu Lei, Kostas Daniilidis, Antonio Loquercio

  日本語で読む →
• 論文強化学習/空中マニピュレーション機械学習2026/6/7

  文脈的対比メタ強化学習による自律空中マニピュレーション

  クワッドローターが多様なペイロードを自律的に把持・輸送・配送するための、文脈エンコーダと対比学習を組み合わせたメタ強化学習手法を提案。シミュレーションのみで訓練し、実機へ直接展開可能。

  原題: Autonomous Aerial Manipulation via Contextual Contrastive Meta Reinforcement Learning ／ Lixuan Jin, Bingxuan Lan, Xinyi Bao 他

  日本語で読む →
• 論文水中ロボット/強化学習ロボティクス2026/6/7

  強化学習を用いた自律型水中ロボットのエンドツーエンドの動作計画と実行に向けて

  本論文は、生のセンサーデータからスラスター指令へのエンドツーエンドの深層強化学習アプローチを提案し、高レベル方策と低レベル方策を階層的に組み合わせて水中ロボットの障害物回避と目標到達を実現する。

  原題: Towards End to End Motion Planning and Execution for Autonomous Underwater Vehicles Using Reinforcement Learning ／ Elisei Shafer, Oren Gal

  日本語で読む →
• 論文強化学習機械学習2026/6/5

  適応的質問と世界モデルプローブによる明示的行動モデルの学習

  報酬のみで訓練されたエージェントの脆さを改善するため、明示的な記号的行動モデル(ESBM)を導入し、適応的質問と世界モデルプローブを用いて行動の仕組みを学習・検証する手法を提案した。

  原題: Learning Explicit Behavioral Models with Adaptive Questions and World-Model Probes ／ Hikaru Shindo, Yu Deng, Teng Cao 他

  日本語で読む →
• 論文強化学習機械学習2026/6/5

  GenPO++: ヤコビアンフリー尤度比を用いた生成的方策最適化

  フローベースの生成的方策を強化学習に適用する際、実行アクションの確率評価が難しい問題を、高次可逆ODEソルバーと履歴状態を利用して正確かつヤコビアンフリーな尤度比計算を実現する枠組みを提案した。大規模シミュレーションや実ロボット操作タスクで優れた性能を示した。

  原題: GenPO++: Generative Policy Optimization with Jacobian-free Likelihood Ratios ／ Ke Hu, Shutong Ding, Panxin Tao 他

  日本語で読む →
• 論文強化学習機械学習2026/6/4

  表現学習がマルチタスク深層強化学習のスケーラビリティを実現する

  モデルベース制御ではなく表現学習がマルチタスクRLのスケーラビリティの鍵であると主張し、予測的表現学習と高容量価値関数を組み合わせたモデルフリーアルゴリズムMR.Qを提案・評価した。

  原題: Representation Learning Enables Scalable Multitask Deep Reinforcement Learning ／ Johan Obando-Ceron, Lu Li, Scott Fujimoto 他

  日本語で読む →
• 論文安全強化学習機械学習2026/6/3

  説明可能な安全強化学習

  シールドの決定を人間が解釈可能な形で説明するため、階層的な決定木を用いて安全リスクの分類と行動許可の理由を提示する手法を提案した。

  原題: Explainably Safe Reinforcement Learning ／ Sabine Rieder, Stefan Pranger, Debraj Chakraborty 他

  日本語で読む →
• 論文安全強化学習ロボティクス2026/6/3

  COP-Q: コレスキー順序射影による安全最優先ロボット制御強化学習

  報酬と安全性のQ値の相関を考慮し、コレスキー分解で安全を優先しつつ報酬の過度な保守性を抑える新しい安全強化学習手法を提案した。ロボットの移動やナビゲーション実験で安全性とサンプル効率の向上を確認した。

  原題: COP-Q: Safety-First Reinforcement Learning for Robot Control via Cholesky-Ordered Projection ／ Guopeng Li, Moritz A. Zanger, Matthijs T. J. Spaan 他

  日本語で読む →
• 論文強化学習機械学習2026/6/2

  双対優位フィールド：オフライン目標条件付き強化学習のための方策抽出法

  双対線形価値モデルから局所的な優位信号を抽出する方策抽出法を提案し、オフライン目標条件付き強化学習の性能を向上させた。

  原題: Dual Advantage Fields ／ Alexey Zemtsov, Maxim Bobrin, Alexander Nikulin 他

  日本語で読む →
• 論文ロコモーション/強化学習ロボティクス2026/6/1

  RoboNaldo: 動作誘導カリキュラム強化学習による正確で安定かつ強力なヒューマノイドサッカーシュート

  人間のキック動作を参照として段階的に最適化する3段階カリキュラム強化学習フレームワークを提案し、ヒューマノイドロボットによる高インパルスで正確なサッカーシュートを実現した。

  原題: RoboNaldo: Accurate, Stable and Powerful Humanoid Soccer Shooting via Motion-Guided Curriculum Reinforcement Learning ／ Yichao Zhong, Yidan Lu, Yuhang Lu 他

  日本語で読む →
• 論文安全強化学習機械学習2026/6/1

  滑らかな安全性構造化ポリシー合成による安全なオンライン学習

  安全性監視と介入を行動生成に統合したポリシーアーキテクチャAutoSafeを提案し、性能追求と安全確保の行動を滑らかに切り替えることで、学習の滑らかさを保ちつつ安全性を確保する。

  原題: Safe Online Learning via Smooth Safety-Structured Policy Composition ／ Hongpeng Cao, Liqun Zhao, Yuliang Gu 他

  日本語で読む →
• 論文強化学習/制御ロボティクス2026/6/1

  双方向推力を用いたクアッドローターの強化学習による敏捷な転倒復帰

  クアッドローターが任意の姿勢で地面に接地した状態から、軽量なオンボードセンサのみを用いて安定ホバリングまで自律復帰する強化学習フレームワークを提案した。非対称アクター・クリティックとINDI制御を組み合わせ、シミュレーションと実機実験でロバスト性を実証した。

  原題: Agile Fall Recovery for Quadrotors with Bidirectional Thrust via Reinforcement Learning ／ Anke Zhao, Yuhang Zhong, Kenghou Hoi 他

  日本語で読む →
• 論文モデルベース強化学習/OOD検出ロボティクス2026/6/1

  潜在モデリングのための感度整形

  学習したダイナミクスモデルが制御入力の変化に対して局所的に鈍感な場合、OOD検出が失敗する問題を指摘し、高サポート領域での制御感度を高める正則化を導入してOOD検出と安全な計画を改善した。

  原題: Sensitivity Shaping for Latent Modeling ／ Hongzhan Yu, Chenghao Li, Ruipeng Zhang 他

  日本語で読む →
• 論文ナビゲーション/VLA/強化学習ロボティクス2026/6/1

  専門家ガイドGRPOによる意図に正確に沿ったVLA空中ナビゲーション

  VLAモデルを用いたUAVナビゲーションにおいて、専門家データで強化した強化学習フレームワークEG-GRPOを提案し、複雑な指示への意図整合性と成功率を大幅に向上させた。

  原題: Towards Precise Intent-Aligned VLA Aerial Navigation via Expert-Guided GRPO ／ Tianyang Chen, Wenjun Li, Xin zhou 他

  日本語で読む →
• 論文自動運転/強化学習ロボティクス2026/6/1

  CoPark: 自己対戦による反応的駐車の学習

  複数車両が互いに反応しながら高精度に駐車するための、残差ポリシーと自己対戦強化学習を組み合わせた手法を提案。事前計算された計画を基盤に、相手の脅威に応じて縦方向の制御を残差ヘッドに委譲しつつ横方向は基準に固定することで、精度と安全性を両立する。

  原題: CoPark: Learning Reactive Parking via Self-Play ／ Jiarong Wei, Yanxing Chen, Sinuo Song 他

  日本語で読む →
• 論文強化学習ロボティクス2026/6/1

  メカトロニクスシステムのパラメータ同定における最適実験設計のための強化学習

  強化学習を用いて、メカトロニクスシステムのパラメータ同定に最適な励起信号を自動生成し、安全性を保ちながら推定精度を向上させる手法を提案した。

  原題: Reinforcement Learning for Optimal Experiment Design in Parameter Identification of Mechatronic Systems ／ Julian Langschwert, Georg Schaefer, Jakob Rehrl 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2026/6/1

  個別制御バリア関数ガイド拡散モデルによる安全なオフラインマルチエージェント強化学習

  オフライン強化学習に拡散モデルを用い、個別の制御バリア関数を組み込むことで、マルチエージェント環境での安全な軌道生成を実現する新しいアルゴリズムを提案した。

  原題: Individual Control Barrier Functions-Guided Diffusion Model for Safe Offline Multi-Agent Reinforcement Learning ／ Qingyun Guo, Junyi Shi, Jianuo Huang 他

  日本語で読む →
• 論文ソフトロボティクス/強化学習ロボティクス2026/6/1

  線形埋め込み空間での強化学習によるソフトロボット構成横断的な汎用制御

  ソフトロボットの多様な形態・構成に迅速に適応できる汎用制御システムを、共有の線形Koopman埋め込み空間での強化学習により実現した。33構成で検証し、転移サンプルを75倍削減しつつ堅牢な性能を示した。

  原題: Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations ／ Xinglong Zhang, Cong Li, Hangjie Mo 他

  日本語で読む →
• 論文共設計/進化計算/強化学習ロボティクス2026/6/1

  浮力支援ロボットの挑戦的移動のためのガウス進化的スペシャリストによる高速共同設計

  形態と制御を同時最適化するため、設計空間を分割して多様な行動を捉えるガウス進化的スペシャリスト（GES）を提案し、浮力支援脚ロボットBALLUで性能向上と障害物越えを実証した。

  原題: Rapid co-design of Buoyancy-assisted robots for Challenging Locomotion using Gaussian Evolutionary Specialists ／ Ankit Sinha, Nitish Sontakke, Dennis Hong 他

  日本語で読む →
• 論文強化学習/適応ロボティクス2026/6/1

  動力学は教えられるものではなく学習されるもの：潜在動力学幾何の半教師あり発見によるゼロショット方針適応

  ロボット強化学習において、環境の動力学変化に頑健に適応するため、物理パラメータを明示せずに相互作用の結果から潜在空間の幾何構造を学習する手法を提案し、MuJoCoベンチマークで既存手法を上回る性能を示した。

  原題: Dynamics Are Learned, Not Told: Semi-Supervised Discovery of Latent Dynamics Geometries For Zero-Shot Policy Adaptation ／ Zhiming Xu, Weitao Zhou, Xianghui Pan 他

  日本語で読む →
• 論文強化学習ロボティクス2026/6/1

  時間的自己模倣学習

  ロボット操作の強化学習において、学習中に発見された時間的に効率的な成功軌道を自己模倣学習で再利用し、長期的なタスクの学習効率と成功率を向上させるフレームワークを提案した。

  原題: Temporal Self-Imitation Learning ／ Yinsen Jia, Boyuan Chen

  日本語で読む →
• 論文強化学習/生成ポリシーロボティクス2026/6/1

  ReFPO: フローマッチングポリシー勾配のためのリフロー正則化

  フローマッチングポリシー勾配法に明示的なリフロー正則化を追加したオンライン強化学習手法を提案し、生成ポリシーの学習安定性と性能を向上させた。

  原題: ReFPO: Reflow Regularization for Flow Matching Policy Gradients ／ Ge Wang, Yibo Peng, Fan Feng 他

  日本語で読む →
• 論文制御/強化学習ロボティクス2026/6/1

  車輪付き四足ロボットのレース: モデル予測制御による能動的荷重移動の緩和

  四足ロボットのレース中に発生する横方向の荷重移動を、MPCと強化学習を組み合わせた階層制御で能動的に抑制し、旋回性能と安定性を向上させた。

  原題: Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control ／ Marla Eisman, Brian Lam, Samuel Sonnino 他

  日本語で読む →
• 論文VLA/強化学習/折りたたみロボティクス2026/6/1

  折りたたみ学習：LeHomeチャレンジ2026優勝ソリューション（オンライン1位、オフライン2位）

  両腕ロボットによる衣類折りたたみ競技会で、VLAポリシーに強化学習ループを組み合わせ、オンライン1位・実機2位を獲得したシステムを提案。

  原題: Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline) ／ Ilia Larchenko

  日本語で読む →
• 論文VLA/強化学習ロボティクス2026/6/1

  弾性クエリ強化学習：VLAモデルの自己認識型ポリシー実行

  VLAモデルの推論・再計画スケジュールを固定せず、状態の難易度に応じてクエリの入力・ノイズ除去予算・アクション長を動的に調整する枠組みEQRLを提案。軽量な適応器と批評家の不一致による難易度信号で計算資源を効率的に配分し、シミュレーションと実機で推論コストを削減しつつ成功率を維持・向上させた。

  原題: Elastic Queries Reinforcement Learning: Self-Aware Policy Execution for VLA Models ／ Ge Wang, Xinyu Tan, Xiang Li 他

  日本語で読む →
• 論文強化学習機械学習2026/6/1

  成功訪問マッチングによるプロセス報酬学習でRLを効率化

  スパースな報酬を、成功・失敗エピソードを判別する識別器を使って密なプロセス報酬に変換し、ロボット操作タスクのRL微調整を高速化する手法を提案した。

  原題: Learning Process Rewards via Success Visitation Matching for Efficient RL ／ Raymond Tsao, Andrew Wagenmaker, Sergey Levine

  日本語で読む →
• 論文模倣学習/逆強化学習機械学習2026/6/1

  学習報酬を用いた大規模行動モデルのコヒーレントなオフポリシー改善

  大規模な事前学習済みロボット操作ポリシーを、逆強化学習で学習した稠密報酬を用いて微調整し、スパース報酬のRLベースラインよりも高い成功率を達成した。

  原題: Coherent Off-Policy Improvement of Large Behavior Models with Learned Rewards ／ Christian Scherer, Joe Watson, Theo Gruner 他

  日本語で読む →