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: 2026/11/3 ／ 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 →- 論文飛行制御ロボティクス
マルチコプタのエネルギー最適水平飛行における質量スケーリング則
マルチコプタの質量変化に対するエネルギー最適な水平飛行の速度・ピッチ角・単位距離当たりエネルギーが質量の平方根・一定・質量比例になることを理論・数値・実験で示した。
原題: Mass Scaling Laws for Energy-Optimal Horizontal Multirotor Flight ／ Ayush Patnaik, Nicolas Michel, Leonard Baursfeld 他
日本語で読む → - 論文嗅覚ナビゲーションロボティクス
嗅覚と視覚を統合した3D環境内の embodied navigation ベンチマーク「OdorSpaces」
物理ベースのシミュレータで3Dの匂い輸送・拡散を再現し、視覚と嗅覚を併用してガス漏れや火災の発生源を探すナビゲーションタスクのベンチマークを構築した。マルチモーダル強化学習方策を提案し、複数のベースラインを上回る性能を示した。
原題: OdorSpaces: Visual-Olfactory Embodied Navigation in 3D Environments ／ Changyeon Lee, Kelin Yu, Zheng Wei 他
日本語で読む → - 論文強化学習機械学習
保守的な行動ノイズ方向最適化による残差強化学習
凍結した生成ポリシーをノイズ空間の方向学習と行動空間の残差で適応させる強化学習手法を提案し、単一空間最適化より高い成功率を達成した。
原題: CANDO: Conservative Action-Noise Directional Optimization for Residual Reinforcement Learning ／ Zeyu Gao, Chengkai Hou, Chaoyue Li 他
日本語で読む → - 論文安全強化学習ロボティクス
制御バリア関数でマルチエージェント強化学習を安全に：コネクテッド自動運転車のための再帰的実行可能な安全フィルタ
車両が停止するまでのホライズンで安全性を評価するBackup-Horizon CBFを提案し、制御制約下でも再帰的に実行可能で正確な車両・道路形状を考慮した分散型安全フィルタでMARLポリシーを学習から実運用まで一貫して安全化した。
原題: Safeguarding Multi-Agent Reinforcement Learning for Connected and Automated Vehicles with Recursively Feasible Control Barrier Functions ／ Jianye Xu, Yousef Sayed, Bassam Alrifaee
日本語で読む → - 論文マルチエージェントAI
スペクトル固定で長期マルチエージェントAIのドリフトを解消
タスク・役割・状態の隠れ状態が共通の方向からずれることがドリフトの原因だと示し、生成前に隠れ状態を固有方向へ誘導する学習不要の手法ATLASを提案した。
原題: Drift No More: Spectral Locking for Long-Horizon Open-Weight Multi-Agent AI ／ Vishal Pramanik, Maisha Maliha, Susmit Jha 他
日本語で読む → - 論文ナビゲーションロボティクス
WayTrace: 地図から言語、軌跡へとつなぐ階層型都市ナビゲーション
Web地図の経路案内を言語モデルで解釈し、画像上に軌跡を描いてロボットを誘導する階層型システム。GNSSノイズに強く、実都市で1.37kmの走行を達成。
原題: WayTrace: A Map-to-Language-to-Trace Hierarchy for Embodied Urban Navigation ／ Manthan Patel, Jonas Frey, Pascal Roth 他
日本語で読む → - 論文点群セグメンテーション画像認識
不確実性推定を特徴量・損失関数として活用する3D LiDAR点群セマンティックセグメンテーション
3D LiDAR点群のセグメンテーションにおいて、認識的不確実性を入力特徴量や損失の重みとして用いる手法を4つの大規模ベンチマークで評価し、精度向上や少数クラスの回復効果を示した。
原題: Role-based Effectiveness of an Epistemic Uncertainty Estimate in Training Models for Semantic Segmentation of 3D LiDAR Point Clouds ／ Krishnakumar N, Jaya Sreevalsan-Nair
日本語で読む → - 論文ヒューマノイド/移動操作ロボティクス
行動条件付き潜在予測によるヒューマノイドの移動操作の協調
実行前に行動候補列を潜在空間で先読み評価するworld-actionモデルを提案し、ヒューマノイドの移動操作の成功率をシミュレーション・実機の両方で向上させた。
原題: Coordinating Humanoid Loco-Manipulation through Action-Conditioned Latent Foresight ／ Ju Dong, Xinyu Xiao, Yiming Zhou 他
日本語で読む → - 論文自動車レーダー認識ロボティクス
AI推定車両パラメータの物理整合性評価：自動車レーダー衝突前シナリオ向けフレームワーク
AIがレーダーから推定した車両パラメータを、物理モデルで生成した期待レーダー署名と実測点群のWasserstein距離で照合し、物理的に妥当かを評価する手法を提案した。
原題: Physics-Based Plausibility Assessment of AI-Predicted Vehicle Parameters for Automotive Radar in Pre-Crash Scenarios ／ Rainer Engert, Patrick Zaumseil, Thomas Brandmeier
日本語で読む → - 論文VLAAI
人間のデモをロボットVLAポリシーへ橋渡しする共同学習フレームワーク
人間とロボットの非ペアデモから、表現と行動空間の両面で身体性ギャップを橋渡しし、事前学習済みVLAポリシーを適応させるH2RBを提案した。実世界タスクで物体・スキル転移性能を大幅に向上させた。
原題: Human-to-Robot Transfer via Bridging Representation and Action Space in VLAs ／ Junhyeong Park, Wook Jung, Taeyoung Kim 他
日本語で読む → - 論文ワールドモデルロボティクス
PrimeSim: 大規模クロスエンボディメント実演から構築する汎用ワールドモデルシミュレータ
22種類のロボット実演3万時間超で学習し、行動追従・多視点一貫性・長期的整合性を備えた行動条件付きワールドモデルシミュレータを構築した論文。
原題: PrimeSim: A Generalist World Model Simulator from Large-Scale Cross-Embodiment Demonstrations ／ Travis Davies, Wentao Ma, Lihao Guo 他
日本語で読む → - 論文VLAロボティクス
想像された未来を信頼する：VLA事後学習のための想像報酬監査
映像世界モデルが予測する報酬の過大評価を実行フィードバックで監査し、VLA事後学習のオフライン監督選択を改善する手法TIFを提案。
原題: Trusting Imagined Futures: Auditing Imagined Rewards for VLA Post-Training ／ Zicheng Kong, Zhenbo Xu, Haoyan Zhang 他
日本語で読む → - 論文世界モデル機械学習
読めるだけでは操作できない：学習された流体表現における物理構造の事前登録検証
自己教師あり世界モデルの潜在表現が物理量を組織化するかを流体シミュレーションで事前登録的に検証し、表現に含まれる情報と操作可能性が乖離することを示した。
原題: Readable Is Not Steerable: Pre-Registered Tests of Physical Structure in Learned Fluid Representations ／ Manvendra Modgil
日本語で読む → - 論文マルチモーダル自己教師あり学習画像認識
DenseTwins：マルチモーダル自己教師あり学習のための密なモダリティ分離
密な特徴空間を共有成分とモダリティ固有成分に明示的に分離し、冗長性削減とクロスモーダル対応を組み合わせてマルチモーダル自己教師あり学習を行うフレームワークを提案した。
原題: DenseTwins: Dense Modality Decoupling for Multimodal Self-Supervision ／ Carlo Sgaravatti, Daniele Kopyshevskiy, Davide Secco 他
日本語で読む → - 論文データ生成ロボティクス
LLMエージェントによる低コスト遠隔操作代替のロボットデータ生成
コーディングエージェントがキャリブレーション1回からシミュレーションでタスクを再構築し、映像モデルで実写風データを生成、実機ポリシー学習を可能にする手法。
原題: PyRUA-DataFarm: LLM Agent as a Cost-Efficient Teleoperator for Real-Ready Robot Data ／ Kewei Zhang, Juncheng Ma, Guodong Lv 他
日本語で読む → - 論文VLAロボティクス
曖昧な指示を対話で明確化する認知駆動型ロボット整理フレームワークCLARA
「部屋を片付けて」のような曖昧な指示に対し、人間のように質問を投げかけて整理の詳細を引き出し、拡散モデルで最終シーンの画像を生成して確認する枠組みを提案した論文。
原題: CLARA: A Cognitively-Driven Clarification Framework for Grounding Ambiguous Requests ／ Dimitrios Bekris, Marios Glytsos, Panagiotis P. Filntisis 他
日本語で読む → - 論文手術3D知覚画像認識
iMED: ロボット支援手術向けマルチ内視鏡3D知覚データセット
2台の独立したステレオ内視鏡で同時収録した初の同期マルチ内視鏡手術データセットを構築し、片方で学習してもう片方で評価する新ベンチマークで23手法を比較した。
原題: iMED: A Multi-Endoscope Dataset for Surgical 3D Perception ／ Sierra Bonilla, Fengyi Jiang, Chinedu Nwoye 他
日本語で読む → - 論文自動運転ロボティクス
言語ワールドモデルによる先見性を備えた安全な言語誘導自動運転
言語指示に従う自動運転のため、候補行動ごとに周辺車両の将来2秒の動きを予測する言語ワールドモデルを組み合わせ、衝突率を大幅に低減した。
原題: Jev with Foresight: Safe Language-Guided Autonomous Driving via a Language World Model ／ Yansong Qu, Jiancong Chen, Samuel Labi
日本語で読む → - 論文バックドア攻撃画像認識
シーングラフ生成におけるバックドア攻撃：グローバル文脈経路の役割の解明
シーングラフ生成モデルに対するバックドア攻撃を初めて体系的に研究し、グローバル文脈経路が攻撃の主要な媒介となっていることを明らかにした。
原題: Understanding Backdoor Attacks in Scene Graph Generation via Global Context Pathway ／ Xiaoguang Chang, Tuo Chen, Chengze Jiang 他
日本語で読む → - 論文位置推定画像認識
変化する環境における視覚的マルチセッション位置合わせのためのスパースアンカー
大きく変化する環境でも再訪時に自己位置を推定できるよう、信頼できる少数の絶対姿勢アンカーとセッション内の相対姿勢制約を組み合わせて軌道全体を参照マップに位置合わせする手法を提案した。
原題: Sparse Anchors for Visual Multi-Session Registration in Changing Environments ／ Yunus Talha Erzurumlu, Niklas Trekel, Saurabh Gupta 他
日本語で読む → - 論文歩行ロボティクス
パラメータ化可能な不整地における動的二足歩行のための接触陰的全身軌道最適化
地面形状を滑らかな曲面で近似し、接触順序を事前に与えずに全身ダイナミクスを考慮した接触陰的軌道計画を提案。段差やスロープを含む不整地での動的歩行をシミュレーションと実機ErgoCubで予備検証した。
原題: Contact-Implicit Whole-Body Trajectory Optimization for Dynamic Humanoid Locomotion on Parameterizable Uneven Terrain ／ Roberto Mauceri, Stefano Dafarra, Giulio Romualdi 他
日本語で読む → - 論文VLAロボティクス
非エピソード型強化学習によるロボット操作のベンチマークCRONOS
シーンリセットを頻繁に行わない非エピソード設定でVLAモデルを強化学習ファインチューニングするためのシミュレーションベンチマークを構築し、素朴なファインチューニングの失敗要因とその緩和策、長期的操作や未知配置への汎化向上を示した。
原題: CRONOS: Benchmarking Non-Episodic Reinforcement Learning for Robotic Manipulation ／ Po-Yi Wu, Djengo Cyun-Jyun Fang, Dian Cheng 他
日本語で読む → - 論文BCI/デコーディング機械学習
精度を超えて：潜在意図下での情報理論的解码器評価
脳からロボットへの制御をPOMDPとして定式化し、最悪ペアのChernoff情報が計画の後悔の境界を決めることを示すとともに、混同行列から後悔を予測する閉形式指標を提案した。
原題: Beyond Accuracy: Information-Theoretic Decoder Evaluation Under Latent Intent ／ Tasha Kim, Benjamin Ballyk, Anson Lei 他
日本語で読む → - 論文VLA機械学習
同じ言葉、異なる行動：推論型VLAにおけるテキストと行動の乖離を診断・制御する
推論型VLAモデルにおいて、生成される言語的根拠を一語も変えずに視覚摂動で物理行動だけを変えられることを示し、その乖離方向を診断・誘導する手法TNASを提案した研究。
原題: Say the Same, Act Differently: Diagnosing and Steering Text-Action Divergence in Reasoning VLAs ／ Zihao Feng, Qingzhao Zhang, Chunyu Xia 他
日本語で読む → - 論文触覚ロボティクス
OUCH: 神経学的評価を自動化する客観的・均一・制御された触覚刺激装置
空気圧アクチュエータと剛体圧子を組み合わせたウェアラブル装置で、従来の手動圧迫より少ない力で均一な侵害刺激を与え、意識障害患者の神経評価のばらつきを低減する。
原題: OUCH: Objective, Uniform, Controlled Haptic Stimulation for Automated Neurological Assessment ／ Sherry Choi, Sitao Sunny Li, Joseph Romero 他
日本語で読む → - 論文ヒューマノイド/移動操作ロボティクス
力で操るヒューマノイドの移動操作フレームワークCtrl-F
接触部位に加える3次元力を指令として与え、参照動作の追従と物体への力の印加を両立させる階層型の動作・力制御フレームワークを提案し、20kgの箱の押し・蹴り・持ち上げを実機で実現した。
原題: Ctrl-F: Force as an Interface for Humanoid Loco-Manipulation ／ Mengjie Zhao, Yuxin Chen, Yiyang Shao 他
日本語で読む → - 論文Video-LLM画像認識
SPOD：単一パス直交分解によるVideo-LLMの抑制された時間的証拠の回復
Video-LLMの隠れ状態に既に含まれるが推論時に活用されていない時間的証拠を、再学習なしの単一フォワードパスで直交分解により抽出・強調する手法を提案。
原題: SPOD: Recovering Suppressed Temporal Evidence in Video-LLMs via Single-Pass Orthogonal Decomposition ／ Yangguang Lin, Quan Fang, Xiaoyan Liu 他
日本語で読む → - 論文模倣学習ロボティクス
動画デモから潜在行動をエンドツーエンドで学習する手法ELA
動画デモから潜在行動表現を政策学習と行動デコードのために同時最適化し、少量の行動ラベル付きデータでロボット操作を学習するフレームワークを提案した。
原題: ELA: End-to-End Latent Action Policy Learning from Video Demonstrations ／ Cheng-Chun Hsu, Peter Stone
日本語で読む → - 論文手術世界モデル画像認識
手術世界モデルにおける多段階潜在行動モデリングによる行動転移
手術動画から文脈に依存しない潜在行動を多段階で学習し、異なる手術状況間で専門技術を転移できるフレームワークを提案した論文。
原題: SurgTransfer: Multi-Step Latent Action Modeling for Action Transfer in Surgical World Model ／ Saurabh Koju, Love Panta, Deepak Thapa 他
日本語で読む → - 論文リターゲティングロボティクス
接触を伴う物理ベース動作リターゲティングのための勾配誘導サンプリング
微分可能シミュレータ不要で、サンプリング探索と勾配誘導の精緻化を組み合わせ、接触ダイナミクス下で人間の動作をロボット制御に再現する手法GRASPを提案。巧みな手やヒューマノイドで高精度なリターゲティングを実現した。
原題: GRASP: Gradient-Guided Sampling for Contact-Rich Physics-Based Motion Retargeting ／ Yang Liu, Tong Wang, Yiming Bao 他
日本語で読む →