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: 2026/6/1 ／ arXivを3時間ごとに自動収集

• 論文強化学習/報酬設計ロボティクス2026/6/1

  強化学習のための段階遷移型高密度報酬モデリング

  専門家のデモ動画からタスクの段階構造を推論し、段階遷移と段階内進捗の2つの報酬信号を生成することで、長期的なロボット操作タスクの強化学習を効率化する手法を提案した。

  原題: Stage-Transition Dense Reward Modeling for Reinforcement Learning ／ Yang Yang, Bingjie Chen, Zihan Wang 他

  日本語で読む →
• 論文強化学習機械学習2026/6/1

  SHAPO: シャープネスを考慮した安全探索のための方策最適化

  エピステミック不確実性に基づく安全探索手法を提案し、パラメータ摂動に対する感度を利用して方策更新を悲観的にすることで、未探索領域での安全な行動を促進する。

  原題: SHAPO: Sharpness-Aware Policy Optimization for Safe Exploration ／ Kaustubh Mani, Yann Pequignot, Vincent Mai 他

  日本語で読む →
• 論文強化学習/ドローン着陸ロボティクス2026/6/1

  PerchRL: 高速・不規則運動する傾斜プラットフォームへの視覚ベース俊敏着陸

  クアッドローターが高速で不規則に動く傾斜プラットフォームへ視覚のみで着陸する強化学習フレームワークを提案。状態ベース事前学習と視覚ベース微調整の二段階学習と、視覚喪失への頑健性向上手法により、シミュレーションと実機で有効性を実証した。

  原題: PerchRL: Vision-Based Agile Perching on Inclined Platforms under Rapid and Irregular Motion ／ Zihong Lu, Zongzhuo Liu, Huaxu Li 他

  日本語で読む →
• 論文VLA/強化学習ロボティクス2026/6/1

  Z-1: 視覚言語行動モデルのための効率的強化学習

  フローベースのVLAモデルに強化学習を適用し、公開データセットのみで24タスクの成功率を大幅に向上させた。

  原題: Z-1: Efficient Reinforcement Learning for Vision-Language-Action Models ／ Lang Cao, Renhong Chen, Luyi Li 他

  日本語で読む →
• 論文強化学習ロボティクス2026/6/1

  因果報酬ワールドモデル：自動スキル生成のためのゼロショット報酬設計

  因果関係を明示的にモデル化した報酬ワールドモデルを提案し、LLMによる報酬生成を因果的制約で導くことで、環境フィードバックなしのゼロショット報酬設計を実現した。

  原題: Causal Reward World Models: Zero-shot Reward Design for Automated Skill Generation ／ Yang Yang, Yuchuang Tong, Zhengtao Zhang 他

  日本語で読む →
• 論文強化学習/四足ロボット/操作ロボティクス2026/6/1

  アフォーダンスに基づく階層型強化学習による四足ロボットの脚操作

  四足ロボットの物体操作において、専門家による高レベル軌道設計を不要にするため、ポーズと接触点のアフォーダンスを利用した3層の階層型強化学習フレームワークを提案し、シミュレーションと実世界で検証した。

  原題: Affordance-Based Hierarchical Reinforcement Learning for Quadruped Pedipulation ／ Tuba Girgin, Jose Castelblanco, Gabriel Rodriguez 他

  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 →
• 論文UAV着陸/強化学習画像認識2026/6/1

  マルチモーダルエージェントAIと能動的波浪補償による海事プラットフォームへの堅牢なUAV自律着陸

  波浪による動揺を補償する安定化プラットフォームを備えたUSVと、強化学習エージェントで制御されるUAVを連携させ、海事プラットフォームへの安全な自律着陸を実現する枠組みを提案した。

  原題: Robust Autonomous UAV Landing on Maritime Platforms via Multimodal Agentic AI and Active Wave Compensation ／ Francisco S. Neves, Pedro N. Pereira, Raul D. S. G. Campilho 他

  日本語で読む →
• 論文VLA/強化学習ロボティクス2026/6/1

  本能を信じよ：視覚言語行動モデルのための信頼度駆動型テスト時強化学習

  視覚言語行動モデル（VLA）が内部の評価能力を持ち、高信頼度の軌道が成功しやすいことを利用し、外部報酬なしで自己改善するテスト時強化学習フレームワークT^2VLAを提案した。

  原題: Trust Your Instincts: Confidence-Driven Test-Time RL for Vision-Language-Action Models ／ Siyao Chen, Jiakang Yuan, Jiaxin Wang 他

  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 →
• 論文強化学習機械学習2026/6/1

  強化学習における低ランク適応を用いたメモリ効率的なポリシーライブラリ

  強化学習によるマルチタスクロボティクスにおいて、LoRAを用いてベースモデルを各タスクにファインチューニングし、メモリ使用量を大幅に削減しつつ成功率を維持できることを示した論文。

  原題: Memory-Efficient Policy Libraries with Low-Rank Adaptation in Reinforcement Learning ／ Samuel Valland Lyngset, Tor Viljen Raanaas, Gard Sveipe 他

  日本語で読む →
• 論文強化学習/計画ロボティクス2026/6/1

  回復・発見・計画：ロボットの失敗からスキルと概念を学習する

  ロボットが失敗から回復するだけでなく、将来の失敗を避けるための抽象的な知識を獲得する手法を提案。強化学習で回復スキルを学び、その経験から関係述語を発見して抽象計画に活用する。

  原題: Recover, Discover, Plan: Learning Skills and Concepts from Robot Failures ／ Bowen Li, Mayank Mishra, Y. Isabel Liu 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 →
• 論文安全強化学習制御2026/6/1

  ハミルトン・ヤコビ到達可能性に基づく緊急衝突回避のための安全強化学習

  緊急衝突回避のための安全強化学習フレームワークを提案。HJ到達可能性解析による前方視的安全監視を制約付きポリシー最適化に組み込み、低摩擦路面での回避性能を向上させた。

  原題: Hamilton-Jacobi Reachability-Based Safe Reinforcement Learning for Emergency Collision Avoidance ／ Yuhong Jiang, Shiyue Zhao, Junzhi Zhang 他

  日本語で読む →
• 論文安全強化学習機械学習2026/6/1

  Safe-RULE: 安全な強化学習のアンラーニング

  オフライン安全強化学習に対するデータポイズニング攻撃の影響を除去するための防御フレームワークを提案し、再学習や元の環境へのアクセスなしに安全性を回復する手法を実証した。

  原題: Safe-RULE: Safe Reinforcement UnLEarning ／ Shixiong Jiang, Taozheng Zhu, Fanxin Kong

  日本語で読む →
• 論文操作/強化学習ロボティクス2026/6/1

  TORL-VLA: 触覚誘導による接触を伴う操作のためのオンライン強化学習

  触覚フィードバックを利用して、接触を伴う操作タスクでオフラインポリシーをオンライン適応させる強化学習フレームワークを提案。実機実験で成功率と効率を向上。

  原題: TORL-VLA: Tactile Guided Online Reinforcement Learning for Contact-Rich Manipulation ／ Huaihang Zheng, Yi Yang, Kai Ma 他

  日本語で読む →
• 論文安全強化学習ロボティクス2026/6/1

  PPO-EAL: 安全なロボット制御のための正確な拡張ラグランジュ近位ポリシー最適化

  安全制約を満たす強化学習のための新しい制約付きポリシー最適化フレームワークを提案し、正確な拡張ラグランジュ法をPPOに統合して、理論的に保証された制約充足と高いタスク性能を実現した。

  原題: PPO-EAL: Exact Augmented Lagrangian Proximal Policy Optimization for Safe Robotic Control ／ Jiatao Ding, Songqun Gao, Andrea Del Prete 他

  日本語で読む →
• 論文強化学習/操作ロボティクス2026/6/1

  FlowDPG: フローマッチングポリシーに対する決定論的ポリシー勾配の実世界操作への応用

  フローマッチングポリシーにDDPGスタイルの強化学習を適用する際、時間方向の逆伝播(BPTT)を回避する蒸留フレームワークを提案し、実世界の長期的な両腕組み立てタスクで92%の成功率を達成した。

  原題: FlowDPG: Deterministic Policy Gradient on Flow Matching Policies for Real-World Manipulation ／ Kexin Shi, Junyao Shi, Poorvi Hebbar 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 →
• 論文制御/強化学習ロボティクス2026/6/1

  平均電力予算制約下での水中ビークル制御：制約付き強化学習によるアプローチ

  水中ビークルのスラスタ消費電力を明示的な予算制約として扱う制約付き強化学習（PPO-Lagrangian）を提案し、タスク精度を保ちつつ消費電力を削減する制御器を学習する。

  原題: Average-Power-Budgeted Underwater Vehicle Control via Constrained Reinforcement Learning ／ Yinuo Wang, Gavin Tao, Yuze Liu 他

  日本語で読む →
• 論文VLA/強化学習機械学習2026/6/1

  ROAD-VLA: 自己蒸留による視覚言語行動モデルのロバストなオンライン適応

  ロボット操作のための視覚言語行動モデル(VLA)のオンライン適応を強化するため、行動空間で近位教師を構築する自己蒸留フレームワークを提案。スパースな報酬を密なトークンレベルの信号に変換し、PPOを上回る性能を示した。

  原題: ROAD-VLA: Robust Online Adaptation via Self-Distillation for Vision-Language-Action Models ／ Kejing Wang, Toan Nguyen, Minh Hoang Nguyen 他

  日本語で読む →
• 論文VLA/強化学習ロボティクス2026/6/1

  FlowPRO: フローマッチングVLAの報酬なし強化学習による微調整 - 近接化選好最適化を用いて

  フローマッチング型VLAモデルを実ロボットに展開可能なポリシーへと微調整する、報酬なしのオフライン強化学習フレームワークFlowPROを提案。選好最適化に近接正則化を導入し、介入・ロールバックデータから高品質なポリシーを学習する。

  原題: FlowPRO: Reward-Free Reinforced Fine-Tuning of Flow-Matching VLAs via Proximalized Preference Optimization ／ Yihao Wu, He Zhang, Junbo Tan 他

  日本語で読む →
• 論文強化学習/報酬設計機械学習2026/6/1

  報酬設計エージェント：強化学習のための報酬設計

  視覚言語モデルを用いて報酬関数を自動設計・改善するエージェントフレームワークを提案し、指示に沿ったロボット操作ポリシーを実現した。

  原題: RDA: Reward Design Agent for Reinforcement Learning ／ Hojoon Lee, Ajay Subramanian, Ben Abbatematteo 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 →
• 論文模倣学習/強化学習ロボティクス2026/6/1

  ConTrack: 適応的トレードオフ制御による拘束付き手の動作追跡

  物体追跡を制約とし、残りの制御権を動作忠実度に割り当てる強化学習フレームワークを提案。長期的な接触豊富な手の動作追跡を安定化し、シミュレーションと実ロボットで精度を向上させた。

  原題: ConTrack: Constrained Hand Motion Tracking with Adaptive Trade-off Control ／ Yutong Liang, Quanquan Peng, Ri-Zhao Qiu 他

  日本語で読む →
• 論文オフライン強化学習機械学習2026/6/1

  価値スティッチングによる地平線適応型オフライン方策学習

  固定長の価値バックアップを再帰的で地平線適応的な価値合成に置き換え、将来の状態と地平線長に条件付けられた補助価値関数とスティッチング方策を用いて、オフライン強化学習の性能を向上させる手法VASTを提案した。

  原題: Horizon Adaptive Offline Policy Learning via Value Stitching ／ Kexin Zheng, Xianyuan Zhan, Xintao Yan

  日本語で読む →