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: 2026/5/1 ／ 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 →- 論文マルチエージェント強化学習ロボティクス
マルチエージェント強化学習による超人的で安全なアジャイルレーシング
マルチエージェント強化学習を用いて、高速クアッドローターレースで人間のチャンピオンパイロットを上回る性能と安全性を両立させ、ゼロショットで人間との安全な相互作用を実現した。
原題: Superhuman Safe and Agile Racing through Multi-Agent Reinforcement Learning ／ Ismail Geles, Leonard Bauersfeld, Markus Wulfmeier 他
日本語で読む → - 論文強化学習/マニピュレーションロボティクス
協調デルタ・3-RRSパラレルロボット挿入のための運動学認識型レインボー深層Q学習
デルタパラレルロボットと3-RRSパラレルマニピュレータによる協調ペグ挿入タスクを、運動学設計最適化とレインボーDQNを用いた深層強化学習で解決する枠組みを提案した。
原題: Rainbow Deep Q-Learning with Kinematics-Aware Design for Cooperative Delta and 3-RRS Parallel Robot Insertion ／ Hassen Nigatu, Gaokun Shi, Jituo Li 他
日本語で読む → - 論文強化学習機械学習
数分でレースを学習：Mini WheelbotにおけるInfoprop Dyna
実機のMini Wheelbot（一輪車ロボット）が、モデルベース強化学習フレームワークInfoprop Dynaを用いて、実世界でのインタラクションのみから11分でトラックを周回するレースを学習できることを実証した論文。
原題: Learning to Race in Minutes: Infoprop Dyna on the Mini Wheelbot ／ Devdutt Subhasish, Henrik Hose, Sebastian Trimpe
日本語で読む → - 論文強化学習機械学習
適応チャンクサイズのアクタークリティックと因果トランスフォーマーQネットワーク
強化学習における長期的・疎報酬タスク向けに、チャンクサイズを状態に応じて適応的に選択するアクタークリティック法を提案し、オフラインおよびオフラインからオンラインへの設定で最先端性能を達成した。
原題: ACSAC: Adaptive Chunk Size Actor-Critic with Causal Transformer Q-Network ／ Qian Chen, Junqiao Zhao, Hongtu Zhou 他
日本語で読む → - 論文自動運転/強化学習機械学習
CRAFT: 運転ポリシーのための反事実からインタラクティブへの強化学習ファインチューニング
閉ループ運転ポリシーの事後学習を、反事実的利点をプロキシとして使い、実閉ループ利点との残差補正で整合させるオン方策強化学習フレームワークを提案した。
原題: CRAFT: Counterfactual-to-Interactive Reinforcement Fine-Tuning for Driving Policies ／ Keyu Chen, Nanfei Ye, Yida Wang 他
日本語で読む → - 論文ドローン/衝突耐性/強化学習ロボティクス
HoLoArm: 衝突に耐えるクアッドローターのための変形可能アーム
トンボの翅の結節構造に着想を得た柔軟アームを持つクアッドローターを提案し、強化学習制御により衝突後の回復と安定飛行を実現した。
原題: HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight ／ Quang Ngoc Pham, Jonas Eschmann, Yang Zhou 他
日本語で読む → - 論文ドローン/強化学習ロボティクス
強化学習による視覚誘導の屋外飛行と障害物回避
ステレオ深度と視覚慣性オドメトリを用いて、未知環境で障害物を回避しながら目標点へ自律飛行するセンサモータポリシーを提案。シミュレーションで訓練し、実機へゼロショット転送に成功した。
原題: Vision-Guided Outdoor Flight and Obstacle Evasion via Reinforcement Learning ／ Shiladitya Dutta, Aayush Gupta, Varun Saran 他
日本語で読む → - 論文マルチエージェント強化学習/自動運転機械学習
歩行者行動の不確実性下での安全な自動運転のためのマルチエージェント強化学習
自動運転車と歩行者をマルチエージェント強化学習で同時訓練し、現実的な横断行動を生成して安全性評価を向上させる手法を提案した。
原題: Multi-Agent Reinforcement Learning for Safe Autonomous Driving Under Pedestrian Behavioral Uncertainty ／ Prakash Aryan, Kaushik Raghupathruni, Timo Kehrer 他
日本語で読む → - 論文安全強化学習機械学習
サンプリングに基づく安全強化学習
モデルベース強化学習において、動的モデルの不確かさを有限サンプルで近似し、学習中の安全性を保証するアルゴリズムを提案した。シミュレーションと実ロボットで安全な探索を実証した。
原題: Sampling-Based Safe Reinforcement Learning ／ Luca Vignola, Bruce D. Lee, Manish Prajapat 他
日本語で読む → - 論文模倣学習/逆強化学習ロボティクス
拡散ベースのポリシーにおける隠れた報酬の回復
拡散モデルと逆強化学習を統合し、スコア関数が専門家のソフトQ関数の勾配を回復することを利用して、敵対的学習なしで報酬を抽出するフレームワークを提案した。
原題: Recovering Hidden Reward in Diffusion-Based Policies ／ Yanbiao Ji, Qiuchang Li, Yuting Hu 他
日本語で読む → - 論文強化学習機械学習
マインドドリーマー：潜在多様体への能動的因果介入による想像力の解放
モデルベース強化学習において、観測状態からではなく生成的初期状態から想像を開始することで、歴史的束縛を打破し、探索と報酬最適化の非対称性を解消する新しいフレームワークを提案した。
原題: Mind Dreamer: Untethering Imagination via Active Causal Intervention on Latent Manifolds ／ Shaojun Xu, Xiaoling Zhou, Yihan Lin 他
日本語で読む → - 論文強化学習/不確実性/能動的知覚制御
認識の罠を打ち破る：複合不確実性下での能動的知覚
強化学習において、状態推定と動的モデルの不確実性が相互に絡み合う「認識の罠」が性能を大幅に劣化させることを示し、情報量に基づく能動的探索と適応的安全制約を備えたアーキテクチャを提案した論文。
原題: Breaking the Epistemic Trap: Active Perception Under Compound Uncertainty ／ Chayan Banerjee, Ethan Goan
日本語で読む → - 論文強化学習/ロコモーションロボティクス
ARC-RL: ARC Raidersに着想を得た強化学習プレイグラウンド
ゲームNPC向けの多様なロボット形態（ヘキサポッドや四足など）を備えたMuJoCo連続制御環境スイートを構築し、統一報酬関数とCPGデモを提供して、オンラインおよびオフラインからオンラインへの強化学習アルゴリズムを比較評価した。
原題: ARC-RL: A Reinforcement Learning Playground Inspired by ARC Raiders ／ Carlo Romeo, Andrew D. Bagdanov
日本語で読む → - 論文強化学習/操作ロボティクス
ハイブリッド接触ダイナミクス下での物理情報を活用した目標条件付き強化学習
接触を伴う操作タスクで物理情報を活用した目標条件付き強化学習(Pi-GCRL)が劣化する問題を分析し、接触を考慮した階層的定式化を提案して性能を改善した。
原題: Physics-informed Goal-Conditioned Reinforcement Learning under Hybrid Contact Dynamics ／ Vittorio Giammarino, Anastasios Manganaris, Ahmed H. Qureshi
日本語で読む → - 論文強化学習/スタント制御ロボティクス
LineRides: ライン誘導型強化学習による自転車ロボットのスタント動作獲得
ユーザーが指定した空間的なガイドラインと疎なキー姿勢のみから、デモなしで自転車ロボットに多様なスタント動作を学習させるフレームワークを提案した。
原題: LineRides: Line-Guided Reinforcement Learning for Bicycle Robot Stunts ／ Seungeun Rho, Shamel Fahmi, Jeonghwan Kim 他
日本語で読む → - 論文強化学習/自動運転ロボティクス
安全フィルタリングを超えて：制御バリア関数を活用した連結自動運転車の強化学習
制御バリア関数（CBF）の制約値を報酬信号に変換し、マルチエージェント強化学習の安全性を高める手法を提案。交差点シナリオで既存手法より高い性能とロバスト性を示した。
原題: Beyond Safety Filtering: Control Barrier Function-Informed Reinforcement Learning for Connected and Automated Vehicles ／ Jianye Xu, Bassam Alrifaee
日本語で読む → - 論文オフライン強化学習機械学習
フローアンカー型ノイズ条件付きQ学習による効率的で表現力豊かなオフライン強化学習
オフライン強化学習において、フローポリシーと分布批判器の計算コストを削減しつつ高性能を実現するFANアルゴリズムを提案した。
原題: Towards Efficient and Expressive Offline RL via Flow-Anchored Noise-conditioned Q-Learning ／ Sungyoung Lee, Dohyeong Kim, Eshan Balachandar 他
日本語で読む → - 論文強化学習機械学習
動的デカップリング球面ラジアルスカッシングに基づく制約強化強化学習
アクチュエータごとに異なる速度制約を正確に扱うため、位置適応型半径を独立に計算するDD-SRad法を提案し、制約違反ゼロで高いタスク報酬を達成した。
原題: Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing ／ Qijun Liao, Zhaoxin Yu, Jue Yang
日本語で読む → - 論文自動運転/強化学習画像認識
MTA-RL: マルチモーダルトランスフォーマーによる3Dアフォーダンスと強化学習を用いた堅牢な都市運転
RGB画像とLiDAR点群をトランスフォーマーで融合し、幾何学的な3Dアフォーダンスを予測して強化学習の観測空間とすることで、解釈可能でサンプル効率の高い都市自動運転を実現した。CARLAシミュレーションでゼロショット汎化性能が向上することを示した。
原題: MTA-RL: Robust Urban Driving via Multi-modal Transformer-based 3D Affordances and Reinforcement Learning ／ Guangli Chen, Dianzhao Li, Wenjian Zhong 他
日本語で読む → - 論文強化学習/時間論理ロボティクス
時間論理のための価値関数：最適方策と安全フィルタ
時間論理仕様に対する価値関数の最適性と方策の最適性の微妙な関係を解明し、非マルコフ方策を用いて病理を回避する最適方策を構築するとともに、Q関数を複雑な時間論理仕様の安全フィルタとして利用する方法を示した論文。
原題: Value Functions for Temporal Logic: Optimal Policies and Safety Filters ／ Oswin So, William Sharpless, Sylvia Herbert 他
日本語で読む → - 論文遠隔操作/強化学習ロボティクス
確率的遅延下でのロボット遠隔操作のための残差強化学習
確率的通信遅延による信号不連続性に対処するため、LSTMによる状態推定と残差強化学習を組み合わせたハイブリッド制御フレームワークを提案し、遅延下でも安定した遠隔操作を実現した。
原題: Residual Reinforcement Learning for Robot Teleoperation under Stochastic Delays ／ Kaize Deng, Zewen Yang
日本語で読む → - 論文逆強化学習機械学習
信頼領域逆強化学習：局所方策更新を用いた明示的双対上昇法
逆強化学習において、毎回RL問題を完全に解くことなく、信頼領域制約付きの局所更新で双対目的を明示的に最適化する手法を提案し、安定性と単調改善を両立した。
原題: Trust Region Inverse Reinforcement Learning: Explicit Dual Ascent using Local Policy Updates ／ Anish Diwan, Davide Tateo, Christopher E. Mower 他
日本語で読む → - 論文強化学習機械学習
FLAG: 潜在拡張ガイダンスによるフローポリシーMaxEnt-RL
最大エントロピー強化学習において、重要度重みの崩壊を避けるためサンプリング領域を局所化し、フロー潜在変数で状態空間を拡張して代理目的を最適化する手法FLAGを提案。高次元制御タスクでSOTA性能を達成。
原題: FLAG: Flow Policy MaxEnt-RL by Latent Augmented Guidance ／ Sungha Kim, Gawon Lee, Jusuk Lee 他
日本語で読む → - 論文VLA/強化学習/巧緻操作ロボティクス
BORA: オフライン強化学習とオンライン残差適応を橋渡しする実世界巧緻操作VLAモデル
実世界の巧緻操作向けに、オフライン学習で価値関数を構築し、オンラインで人間介入による残差適応を行うVLAモデルの後訓練フレームワークを提案した。
原題: BORA: Bridging Offline Reinforcement Learning and Online Residual Adaptation for Real-World Dexterous VLA Models ／ Zhongxi Chen, Yifan Han, Yanming Shao 他
日本語で読む → - 論文強化学習/転移学習ロボティクス
カスタムカーレース環境のための転移学習
深層強化学習において、あるサーキットで訓練したエージェントを別のカスタム環境に転移させ、ゼロショット転移や微調整で速いラップタイムを達成する手法を探求した。モデルベース手法がモデルフリー手法より性能と収束速度で優れることを示した。
原題: Transfer Learning for Customized Car Racing Environments ／ Benedict Florance Arockiaraj, Richard Chang, Wesley Yee
日本語で読む → - 論文ロボット操作/強化学習機械学習
マルチモーダル生成ポリシーの微調整のための行動モード発見
強化学習による生成ポリシーの微調整で行動の多様性が失われる問題に対し、潜在的な行動モードを教師なしで発見し、相互情報量を内在報酬として利用することで、タスク成功率を保ちつつ多様な行動を維持する手法を提案した。
原題: Behavioral Mode Discovery for Fine-tuning Multimodal Generative Policies ／ Alberta Longhini, David Emukpere, Jean-Michel Renders 他
日本語で読む → - 論文強化学習AI
D-VLA: 視覚言語行動モデルのための高並列分散非同期強化学習フレームワーク
大規模VLAモデルへの強化学習適用時のリソース競合を解決するため、物理分離と非同期パイプラインを備えた分散RLフレームワークD-VLAを提案し、スループットとサンプリング効率を大幅に向上させた。
原題: D-VLA: A High-Concurrency Distributed Asynchronous Reinforcement Learning Framework for Vision-Language-Action Models ／ Yucheng Guo, Yongjian Guo, Zhong Guan 他
日本語で読む → - 論文自動運転/VLA/強化学習ロボティクス
MAPLE: 潜在マルチエージェントプレイによるエンドツーエンド自動運転
VLAモデルを閉ループで訓練するため、潜在空間でマルチエージェントのロールアウトを行い、強化学習で安全・進捗・多様性を最適化するフレームワークを提案。外部シミュレータ不要でスケーラブルな閉ループ訓練を実現し、Bench2DriveでSOTAを達成。
原題: MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving ／ Rajeev Yasarla, Deepti Hegde, Hsin-Pai Cheng 他
日本語で読む → - 論文強化学習/連続制御ロボティクス
ZAPS-DA: ゼロ位相アクション平滑化と分離アクターによる強化学習の連続制御
強化学習で訓練された連続制御ポリシーの高周波なアクションジッタを、位相遅れをほぼ生じさせずに低減する新しい手法を提案。主アクターとは別の分離アクターをゼロ位相フィルタ済みターゲットへの模倣学習で訓練し、推論時はフィルタ不要で平滑なアクションを出力する。
原題: ZAPS-DA: Zero-Phase Action Policy Smoothing with Decoupled Actor for Continuous Control in Reinforcement Learning ／ Faiq Shamass
日本語で読む → - 論文マルチエージェント強化学習AI
調整には時としてランダム性が必要である
協調マルチエージェント強化学習において、対称な観測下で決定的方策が役割分化できない問題を、エージェントごとに乱数をサンプリングして順位付けし注意をマスクするDiamond Attentionで解決し、ゼロショット転移を実現した。
原題: Randomness is sometimes necessary for coordination ／ Rohan Patil, Jai Malegaonkar, Henrik I. Christensen
日本語で読む →