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

• 論文安全強化学習/VLAロボティクス2026/6/1

  SafeDojo: インタラクティブワールドモデルによるVLAのための安全強化学習

  視覚言語行動(VLA)ポリシー向けに、ワールドモデルベースの想像を通じて安全な行動を学習する初のモデルベース安全強化学習フレームワークを提案。

  原題: SafeDojo: Safe Reinforcement Learning for VLA via Interactive World Model ／ Kai Tang, Peidong Jia, Zhong Chu 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 →
• 論文歩行/強化学習ロボティクス2026/6/1

  インラインスケート型ヒューマノイドロボットの強化学習に基づく制御

  受動的なインラインスケートを装着したヒューマノイドロボットに対し、強化学習で制御ポリシーを訓練し、動的でエネルギー効率の高いスケーティング動作を実現した。実機へのゼロショット転送にも成功している。

  原題: Reinforcement Learning-Based Control for an Inline Skating Humanoid Robot ／ Ethan Marot, Thomas Bi, Clemens Schwarke 他

  日本語で読む →
• 論文強化学習/自動運転/カリキュラム学習ロボティクス2026/6/1

  自己ペースカリキュラム強化学習によるシミュレーションでの自動スーパーバイクレーシング

  物理シミュレータVRider SBKでスーパーバイクを自律走行させるため、自己ペースカリキュラム強化学習(SPDL)とSACを組み合わせたフレームワークを提案し、手動カリキュラムなしで効率的に学習できることを示した。

  原題: Self-Paced Curriculum Reinforcement Learning for Autonomous Superbike Racing in Simulation ／ Luca Ghisi, Jacopo Essenziale, Carlo D'Eramo 他

  日本語で読む →
• 論文VLA/強化学習ロボティクス2026/6/1

  Q-VGM: フローマッチングVLAのオフポリシー強化学習のためのQ値勾配マッチング

  フローマッチング型VLAポリシーの微調整において、Q関数の勾配を利用して価値改善を効率的に行う新しいオフポリシー強化学習手法Q-VGMを提案した。

  原題: Q-VGM: Q-Value-Gradient Matching for Off-Policy Reinforcement Learning of Flow-Matching VLA ／ Ziqian Wang, Yitian Liu, Xingjian Mao 他

  日本語で読む →
• 論文VLA/強化学習ロボティクス2026/6/1

  階層的アドバンテージ重み付けによるスパースなエピソード結果からのVLAオンラインRL微調整

  事前学習済みVLAポリシーをオンライン強化学習で微調整する際、エピソードごとの成功/失敗のみのスパースな報酬を、生存性と効率性の2つの目的に分離し、状態適応的に重み付けして遷移レベルの学習信号を生成する手法を提案した。

  原題: Hierarchical Advantage Weighting for Online RL Fine-Tuning of VLAs from Sparse Episode Outcomes ／ Tongyan Fang, Siyuan Huang, Naiyu Fang 他

  日本語で読む →
• 論文強化学習ロボティクス2026/6/1

  物理アタリ：ロボット上でのリアルタイム強化学習のための堅牢でアクセスしやすいプラットフォーム

  Atariコントローラを物理的に操作するロボットとゲーム画面を表示するデバイスを組み合わせ、実世界で強化学習アルゴリズムを研究できるシステム「Physical Atari」を構築した。低コストで堅牢な設計により、ロボット上での直接学習と適応の重要性を示した。

  原題: Physical Atari: A Robust and Accessible Platform for Real-time Reinforcement Learning on Robots ／ Khurram Javed, Joseph Modayil, Gloria Kennickell 他

  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 →
• 論文強化学習ロボティクス2026/6/1

  意味的強化学習による汎用ロボットポリシーの適応

  汎用ロボットポリシーを強化学習で適応させる際、アクション空間ではなく言語プロンプト空間を最適化する手法を提案し、複雑な長期的タスクを解決できることを示した。

  原題: Adapting Generalist Robot Policies with Semantic Reinforcement Learning ／ Jagdeep Singh Bhatia, Andrew Wagenmaker, William Chen 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 →
• 論文ドローン/強化学習ロボティクス2026/6/1

  投擲を学ぶ：クアッドローターによるケーブル吊り下げペイロードの機敏かつ正確な配送

  クアッドローターが吊り下げたペイロードを目標へ正確に投げる強化学習ポリシーを、高精度シミュレーションと実機で検証し、モデルベース手法より誤差と時間を大幅に削減した。

  原題: Learning to Throw: Agile and Accurate Cable-Suspended Payload Delivery with a Quadrotor ／ Yifan Zhai, Elia Raimondi, Yunfan Ren 他

  日本語で読む →
• 論文両手操作/データ生成/強化学習ロボティクス2026/6/1

  言語条件付き両手巧緻操作のための強化学習によるスケーラブルなマルチタスクデータ生成

  両手巧緻操作の汎用ポリシー学習に必要な大規模データを、強化学習と汎用報酬設計・ドメインランダム化・言語注釈を組み合わせたパイプラインでシミュレーション生成し、マルチタスク学習の汎化性能を向上させた。

  原題: Scalable Multi-Task Data Generation via Reinforcement Learning for Language-Conditioned Bimanual Dexterous Manipulation ／ Zechu Li, Yufeng Jin, Puze Liu 他

  日本語で読む →
• 論文強化学習/探索ロボティクス2026/6/1

  DF-ExpEnse: 拡散フィルタ探索によるサンプル効率的なファインチューニング

  事前学習済みの生成制御ポリシーをオンライン経験でファインチューニングする際、探索の質を高めてサンプル効率を向上させる手法を提案。

  原題: DF-ExpEnse: Diffusion Filtered Exploration for Sample Efficient Finetuning ／ Calvin Luo, Chen Sun, Shuran Song

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

  PRISM: ワールドモデルにおける事前知識誘導型想像サンプリング

  学習済みワールドモデルを用いたプランニングにおいて、候補アクションの生成を事前分布で誘導する手法を提案。軽量なMLPで状態条件付きガウス事前分布を予測し、プランナーのサンプリング分布に融合することで性能を向上させた。

  原題: PRISM: PRior-guided Imagination Sampling in world Models ／ Yuhai Wang, Jiawei Xia, Rongxuan Zhou 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 →
• 論文自動運転/強化学習ロボティクス2026/6/1

  自動運転の高速道路走行のための安全強化学習：安全性と効率性を両立する統合フレームワーク

  高速道路自動運転向けに、安全距離・報酬機械・混合専門家を統合した安全強化学習フレームワークを提案し、CARLAシミュレーションで安全性と効率性の向上を実証した。

  原題: Safe Reinforcement Learning of Autonomous Highway Driving: A Unified Framework for Safety and Efficiency ／ Chufei Yan, Zhihao Cui, Yiyan Lv 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 →
• 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 →
• 論文自動運転/強化学習AI2026/6/1

  ROSA-RL: 不確実性を考慮した強化学習によるラウンドアバウト最適速度アドバイス

  ラウンドアバウト進入時の不確実性を扱うため、トランスフォーマーで将来の占有を予測し、強化学習の状態に組み込んで安全かつ効率的な速度調整を行う手法を提案した。

  原題: ROSA-RL: Uncertainty-Aware Roundabout Optimized Speed Advisory with Reinforcement Learning ／ Anna-Lena Schlamp, Jeremias Gerner, Klaus Bogenberger 他

  日本語で読む →
• 論文強化学習/ドローンレース/ゼロショット汎化ロボティクス2026/6/1

  強化学習による敏捷な飛行における性能と汎化の橋渡し

  ドローンレースの強化学習において、タスク認識型スイッチングと物理情報に基づく手続き型トラック生成器を組み合わせ、テスト時適応なしでゼロショット汎化を実現するフレームワークを提案した。

  原題: Bridging Performance and Generalization in Reinforcement Learning for Agile Flight ／ Jonathan Green, Jiaxu Xing, Nico Messikommer 他

  日本語で読む →
• 論文強化学習ロボティクス2026/6/1

  ビデオ基盤の最適輸送によるフィードバック効率的なオフライン選好ベース強化学習

  ビデオ基盤モデルの表現空間で最適輸送を用いて軌道を整列させ、少数のラベルから高品質な擬似ラベルを生成することで、選好ベース強化学習のラベルコストを大幅に削減する半教師ありフレームワークを提案した。

  原題: Video-Based Optimal Transport for Feedback-Efficient Offline Preference-Based Reinforcement Learning ／ Tung M. Luu, Hwanhee Kim, Younghwan Lee 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 →
• 論文強化学習/制御ロボティクス2026/6/1

  生成的強化学習を安定したロボット制御へ導く

  拡散・フローベースの生成的方策を学習し、その確率的な潜在変数サンプリングを決定的な潜在アクターに置き換えることで、探索と制御を分離し、安定かつ高精度なロボット制御を実現するフレームワークを提案した。

  原題: Steering Generative Reinforcement Learning into Stable Robotic Controller ／ Yixuan Wang, Shutong Ding, Ke Hu 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/セキュリティ機械学習2026/6/1

  データポイズニングによるステルスな世界モデル操作

  モデルベース強化学習エージェントの世界モデルを、微調整データのポイズニングによって操作し、計画を破綻させる攻撃手法SWAAPを提案した。

  原題: Stealthy World Model Manipulation via Data Poisoning ／ Yibin Hu, Xiaolin Sun, Zizhan Zheng

  日本語で読む →