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 → - 論文触覚/強化学習/sim2realロボティクス
触覚スキンを用いた2本指間での小物体の制御分離の学習
多目的ロボットハンドの2本指で小物体を掴み、触覚のみを用いて所望の個数だけ指間に残す制御分離タスクを提案・解決した。強化学習をシミュレーションで訓練し、実機への転送も成功させた。
原題: Learning Controlled Separation of Small Objects Between Two Fingers with a Tactile Skin ／ Ulf Kasolowsky, Berthold Bäuml
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
人間フィードバックを活用した意味的に有用なスキル発見
強化学習における教師なしスキル発見に人間のフィードバックを組み込み、意味的に多様で関連性のあるスキルを効率的に発見する手法を提案した。
原題: Leveraging Human Feedback for Semantically-Relevant Skill Discovery ／ Maxence Hussonnois, Thommen George Karimpanal, Santu Rana
日本語で読む → - 論文強化学習機械学習
有界比率強化学習
PPOのヒューリスティックなクリップ目的と信頼領域法の理論的ギャップを埋めるため、有界比率強化学習（BRRL）フレームワークを提案し、解析的最適解と単調性能改善を保証する新しいポリシー最適化アルゴリズムBPOを開発した。
原題: Bounded Ratio Reinforcement Learning ／ Yunke Ao, Le Chen, Bruce D. Lee 他
日本語で読む → - 論文強化学習機械学習
拡張ベスト・オブ・Nサンプリングによる推論時の柔軟なエンパワーメント
強化学習において、エンパワーメントを報酬ボーナスとして与える代わりに、ベスト・オブ・Nサンプリングを適用し、探索と活用のバランスを柔軟に調整する手法を提案した。
原題: Flexible Empowerment at Reasoning with Extended Best-of-N Sampling ／ Taisuke Kobayashi
日本語で読む → - 論文強化学習AI
モデルベース強化学習のためのアドバンテージ誘導拡散
拡散世界モデルを用いたモデルベース強化学習において、報酬ではなくアドバンテージ推定で逆拡散過程を誘導し、長期的なリターンが高い軌道を生成する手法を提案した。
原題: Advantage-Guided Diffusion for Model-Based Reinforcement Learning ／ Daniele Foffano, Arvid Eriksson, David Broman 他
日本語で読む → - 論文強化学習機械学習
GIRL: 情報理論的幻覚制御による生成的想像強化学習
モデルベース強化学習において、想像上のロールアウトのドリフトを防ぐため、凍結された基盤モデルからのクロスモーダルな接地信号と不確実性適応型の信頼領域ボトルネックを導入した新しい潜在世界モデルフレームワークを提案した。
原題: GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control ／ Prakul Sunil Hiremath
日本語で読む → - 論文強化学習機械学習
非定常性で失われるランクと勾配：強化学習における可塑性損失を緩和するサンプル重み減衰
強化学習の可塑性損失をネットワーク最適化の理論的観点から分析し、勾配減衰を補正する軽量な手法「サンプル重み減衰」を提案した。
原題: The Rank and Gradient Lost in Non-stationarity: Sample Weight Decay for Mitigating Plasticity Loss in Reinforcement Learning ／ Zihao Wu, Hongyao Tang, Yi Ma 他
日本語で読む → - 論文強化学習/報酬整形ロボティクス
ファジィ論理に基づく適応的報酬整形によるロバスト強化学習
ファジィ論理を用いて人間の知識を報酬設計に組み込み、状態に応じて報酬を適応的に調整する手法を提案。ドローン競技タスクで収束の高速化と性能ばらつきの低減を実証した。
原題: Fuzzy Logic Theory-based Adaptive Reward Shaping for Robust Reinforcement Learning (FARS) ／ Hürkan Şahin, Van Huyen Dang, Erdi Sayar 他
日本語で読む → - 論文ロボット操作/強化学習ロボティクス
クリップ付き目的関数による後方最適化：生成的方策学習における効率と安定性の橋渡し
ロボット操作のための生成的方策をRLで微調整する際の不安定性とサンプル非効率を解決するため、後方推論として方策改善を定式化するPOCOフレームワークを提案。期待値最大化手順で報酬重み付き暗黙後方を方策に蒸留し、オフラインからオンラインへのパラダイムで事前分布に探索を固定する。
原題: Posterior Optimization with Clipped Objective for Bridging Efficiency and Stability in Generative Policy Learning ／ Yuhui Chen, Haoran Li, Zhennan Jiang 他
日本語で読む → - 論文強化学習/波面制御astro-ph.IM
モデルベース強化学習による焦点面波面制御
強化学習を用いて、望遠鏡の焦点面画像から非共通光路収差を自動検出・補正する新しい制御手法を提案した論文。
原題: Focal plane wavefront control with model-based reinforcement learning ／ Jalo Nousiainen, Iremsu Taskin, Markus Kasper 他
日本語で読む → - 論文強化学習/水中ロボットロボティクス
自律サンゴ礁モニタリングのための文脈型マルチタスク強化学習
水中ロボットの不確実な動的環境下での制御を、文脈型マルチタスク強化学習を用いて学習し、サンゴ礁監視タスクの汎用性と堅牢性を向上させる手法を提案・評価した。
原題: Contextual Multi-Task Reinforcement Learning for Autonomous Reef Monitoring ／ Melvin Laux, Yi-Ling Liu, Rina Alo 他
日本語で読む → - 論文操作/強化学習ロボティクス
有界極値探索を用いた分布シフト下でのロボット操作のための深層強化学習
強化学習ポリシーを有界極値探索と組み合わせ、訓練時と異なる環境条件（分布シフト）下でのロボット操作の堅牢性を向上させるハイブリッド制御手法を提案した。
原題: Deep Reinforcement Learning for Robotic Manipulation under Distribution Shift with Bounded Extremum Seeking ／ Shaifalee Saxena, Rafael Fierro, Alexander Scheinker
日本語で読む → - 論文自動運転/強化学習ロボティクス
PALCAS: 連合強化学習を用いた自動運転車向け優先度考慮型インテリジェント車線変更アドバイザリーシステム
自動運転車の車線変更を、目的地への緊急度に基づく優先度を考慮しつつ、連合強化学習とPDQNアルゴリズムで協調的に制御するシステムを提案し、シミュレーションで有効性を示した論文。
原題: PALCAS: A Priority-Aware Intelligent Lane Change Advisory System for Autonomous Vehicles using Federated Reinforcement Learning ／ Yassine Ibork, Nhat Ha Nguyen, Myounggyu Won 他
日本語で読む → - 論文強化学習ロボティクス
GaussFly: 3Dガウス場における視覚運動ポリシーのための対比強化学習
単眼視覚のみを用いた自律航空機の視覚運動ポリシー学習において、3Dガウススプラッティングによる高忠実なシミュレーション環境を構築し、対比表現学習でノイズに頑健な特徴を抽出することで、サンプル効率とsim-to-real転送を向上させるフレームワークを提案した。
原題: GaussFly: Contrastive Reinforcement Learning for Visuomotor Policies in 3D Gaussian Fields ／ Yuhang Zhang, Mingsheng Li, Yujing Shang 他
日本語で読む → - 論文強化学習機械学習
WOMBET: ワールドモデルに基づく経験転移によるロバストでサンプル効率的な強化学習
ソースタスクでワールドモデルを学習し、不確実性ペナルティ付き計画でオフラインデータを生成・フィルタリングしてから、ターゲットタスクでオンライン微調整する経験転移フレームワークを提案した。
原題: WOMBET: World Model-Based Experience Transfer for Robust and Sample-efficient Reinforcement Learning ／ Mintae Kim, Koushil Sreenath
日本語で読む → - 論文強化学習/ビンパッキングロボティクス
拡散強化学習に基づくオンライン3Dビンパッキングの空間戦略最適化
オンライン3Dビンパッキング問題に対し、拡散モデルをアクターネットワークに用いた強化学習アルゴリズムを提案し、従来のDRL手法より詰め込めるアイテム数を大幅に改善した。
原題: Diffusion Reinforcement Learning Based Online 3D Bin Packing Spatial Strategy Optimization ／ Jie Han, Tong Li, Qingyang Xu 他
日本語で読む → - 論文安全制御/強化学習制御
敵対的強化学習による最大ロバスト制御バリア関数の合成と展開
一般の非線形システムに対して、動的計画法とQ関数を用いた新しいロバスト制御バリア関数を提案し、敵対的強化学習で合成・展開する手法を導入した。
原題: Synthesis and Deployment of Maximal Robust Control Barrier Functions through Adversarial Reinforcement Learning ／ Donggeon David Oh, Duy P. Nguyen, Haimin Hu 他
日本語で読む → - 論文強化学習機械学習
FlashSAC: 高次元ロボット制御のための高速かつ安定なオフポリシー強化学習
オフポリシー強化学習の不安定性を解決するため、勾配更新を削減しつつモデル規模とデータ処理量を増やし、ノルム制約で安定化したFlashSACを提案。60以上のタスクでPPO等を上回る性能と効率を示した。
原題: FlashSAC: Fast and Stable Off-Policy Reinforcement Learning for High-Dimensional Robot Control ／ Donghu Kim, Youngdo Lee, Minho Park 他
日本語で読む → - 論文安全強化学習ロボティクス
ブラックボックスハイブリッド力学系におけるハードアフィン制約を証明付きで満たす制御ポリシーの学習
未知の非線形ダイナミクスを持つハイブリッドシステムに対し、制約境界付近でアフィンかつ反発的なポリシーを強制することで、閉ループで安全制約を証明付きで満たす強化学習ポリシーを学習する手法を提案した。
原題: Learning Control Policies to Provably Satisfy Hard Affine Constraints for Black-Box Hybrid Dynamical Systems ／ Aayushi Shrivastava, Kartik Nagpal, Sairam Jinkala 他
日本語で読む → - 論文強化学習/ロバスト制御機械学習
動的不確実性下でのロバストな敵対的方策最適化
強化学習の方策が訓練時と異なる動的環境で失敗する問題に対し、双対問題に基づく温度パラメータを敵対的ネットワークで近似し、軌道レベルとモデルレベルの両方で敵対的サンプリングを行うロバストな方策最適化手法を提案した。
原題: Robust Adversarial Policy Optimization Under Dynamics Uncertainty ／ Mintae Kim, Koushil Sreenath
日本語で読む → - 論文組立/強化学習ロボティクス
複合ロボット組立スキル適応のための学習ベース戦略
位置制御マニピュレータによるペグ・イン・ホール組立を対象に、残差強化学習を用いて接触リッチな作業中の適応を実現する、再利用可能な複合スキル戦略を提案した。
原題: Learning-Based Strategy for Composite Robot Assembly Skill Adaptation ／ Khalil Abuibaid, Aleksandr Sidorenko, Achim Wagner 他
日本語で読む → - 論文強化学習機械学習
時間変動ダイナミクス下での制御のためのモデルベース強化学習
システムダイナミクスが時間とともに変化する環境で、古いデータの影響を制限する適応バッファ機構を持つ楽観的モデルベース強化学習アルゴリズムを提案し、非定常な連続制御ベンチマークでの性能向上を示した。
原題: Model-Based Reinforcement Learning for Control under Time-Varying Dynamics ／ Klemens Iten, Bruce Lee, Chenhao Li 他
日本語で読む → - 論文強化学習機械学習
強化学習ロボットエージェントのための視覚言語行動ジャンプスタート
本論文では、視覚言語行動モデルを強化学習の初期探索に活用し、学習効率を向上させる手法を提案する。
原題: Vision-Language-Action Jump-Starting for Reinforcement Learning Robotic Agents ／ Angelo Moroncelli, Roberto Zanetti, Marco Maccarini 他
日本語で読む → - 論文強化学習機械学習
占有報酬整形：オフライン目標条件付き強化学習におけるクレジット割り当ての改善
生成世界モデルから最適輸送を用いて幾何学的情報を抽出し、報酬関数を整形することで、スパース報酬環境でのクレジット割り当て問題を緩和する手法を提案。13の長距離タスクで2.2倍の性能向上を実証し、核融合制御にも応用。
原題: Occupancy Reward Shaping: Improving Credit Assignment for Offline Goal-Conditioned Reinforcement Learning ／ Aravind Venugopal, Jiayu Chen, Xudong Wu 他
日本語で読む →