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: 2026/4/1 ／ arXivを3時間ごとに自動収集

• 論文強化学習/フローマッチングロボティクス2026/4/1

  ScoRe-Flow: スコアベース強化学習によるフローマッチングの完全な分布制御

  フローマッチングポリシーを強化学習で微調整する際、スコア関数によるドリフト変調と学習可能な分散予測を組み合わせ、遷移の平均と分散を分離制御する手法を提案。D4RLや操作タスクで高速収束と成功率向上を実証。

  原題: ScoRe-Flow: Complete Distributional Control via Score-Based Reinforcement Learning for Flow Matching ／ Xiaotian Qiu, Lukai Chen, Jinhao Li 他

  日本語で読む →
• 論文強化学習/航空機機械学習2026/4/1

  強化学習を用いた自動対地衝突回避システム

  ジェット練習機向けに、強化学習ベースの自動対地衝突回避システムを設計し、限られた観測空間での安全性と運用効率を向上させる手法を提案した論文。

  原題: An Automatic Ground Collision Avoidance System with Reinforcement Learning ／ Seyyid Osman Sevgili, Atahan Cilan, Mahir Demir 他

  日本語で読む →
• 論文操作/強化学習ロボティクス2026/4/1

  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 →
• 論文探査/強化学習ロボティクス2026/4/1

  ロボット探査アルゴリズムにおける動的グラフの学習ベース間引き

  ロボット探査で用いる動的グラフを強化学習（PPO）で間引き、冗長な情報を削減する手法を提案。RRTによるフロンティア探査のシミュレーションでグラフサイズを最大96%削減し、探索の一貫性が向上することを示した。

  原題: Learning-Based Sparsification of Dynamic Graphs in Robotic Exploration Algorithms ／ Adithya V. Sastry, Bibek Poudel, Weizi Li

  日本語で読む →
• 論文強化学習/自動運転ロボティクス2026/4/1

  実世界アジャイル運転のためのリセットフリー強化学習：実証研究

  物理的な1/10スケール車両を滑りやすい屋内トラックで手動リセットなしに連続学習させるリセットフリー強化学習を実証し、シミュレーションと実世界での性能差を明らかにした。

  原題: Reset-Free Reinforcement Learning for Real-World Agile Driving: An Empirical Study ／ Kohei Honda, Hirotaka Hosogaya

  日本語で読む →
• 論文強化学習ロボティクス2026/4/1

  VA-FastNavi-MARL: マルチメディア駆動メタ強化学習によるリアルタイムロボット制御

  音声と視覚の非同期入力を統一表現に変換し、メタ強化学習で未知の指示に迅速適応するロボット制御フレームワークを提案。マルチアーム環境でサンプル効率とリアルタイム性を実証した。

  原題: VA-FastNavi-MARL: Real-Time Robot Control with Multimedia-Driven Meta-Reinforcement Learning ／ Yang Zhang, Shengxi Jing, Fengxiang Wang 他

  日本語で読む →
• 論文強化学習ロボティクス2026/4/1

  生の状態軌跡からの能動的報酬機械推論

  報酬機械を生の状態軌跡から直接学習する手法を提案し、報酬やラベル、ノードの観測なしで学習可能な条件を示し、能動学習による効率改善も行う。

  原題: Active Reward Machine Inference From Raw State Trajectories ／ Mohamad Louai Shehab, Antoine Aspeel, Necmiye Ozay

  日本語で読む →
• 論文強化学習機械学習2026/4/1

  Vintix II: 事前学習済み決定トランスフォーマーはスケーラブルな文脈内強化学習器である

  文脈内強化学習のスケーラビリティを確立するため、多様なマルチドメイン環境にDecision Pre-Trained Transformerを拡張し、Flow Matchingを用いて訓練した。その結果、未見タスクへの汎化性能が向上し、既存手法を上回る性能を示した。

  原題: Vintix II: Decision Pre-Trained Transformer is a Scalable In-Context Reinforcement Learner ／ Andrei Polubarov, Lyubaykin Nikita, Alexander Derevyagin 他

  日本語で読む →
• 論文協調運転/拡散モデル/強化学習ロボティクス2026/4/1

  SCORP: 協調運転のためのシーン整合型マルチエージェント拡散計画と安定なオンライン強化学習後訓練

  協調運転向けに、シーン整合性を高めたマルチエージェント拡散プランナーを提案し、安定なオンライン強化学習後訓練を実現した。

  原題: SCORP: Scene-Consistent Multi-agent Diffusion Planning with Stable Online Reinforcement Post-Training for Cooperative Driving ／ Haojie Bai, Aimin Li, Ruoyu Yao 他

  日本語で読む →
• 論文シミュレーション/義足/強化学習ロボティクス2026/4/1

  柔軟なスポーツ義足を用いた適応的走行の強化学習によるハイブリッドリンク系シミュレーション

  片側下腿切断者の走行運動を、義足の柔軟性を考慮したハイブリッドリンク系と強化学習を用いてシミュレーションし、義足の剛性が走行性能や代謝コストに与える影響を解析した。

  原題: Simulation of Adaptive Running with Flexible Sports Prosthesis using Reinforcement Learning of Hybrid-link System ／ Yuta Shimane, Ko Yamamoto

  日本語で読む →
• 論文強化学習ロボティクス2026/4/1

  長期的ロボットタスクのための一般化可能な密な報酬

  LLMとVLMを用いてタスク進捗を認識する外部報酬と、ポリシーの自己確信度に基づく内部報酬を組み合わせた密な報酬フレームワークVLLRを提案し、長期的タスクにおけるRL微調整を手動報酬設計なしで改善した。

  原題: Generalizable Dense Reward for Long-Horizon Robotic Tasks ／ Silong Yong, Stephen Sheng, Carl Qi 他

  日本語で読む →
• 論文強化学習/制御ロボティクス2026/4/1

  ReinVBC: モデルベース強化学習による車両ブレーキ制御

  オフラインのモデルベース強化学習を用いて、実車のブレーキ制御を学習し、生産グレードのABSに匹敵する性能を実現した。

  原題: ReinVBC: A Model-based Reinforcement Learning Approach to Vehicle Braking Controller ／ Haoxin Lin, Junjie Zhou, Daheng Xu 他

  日本語で読む →
• 論文強化学習ロボティクス2026/4/1

  行動制約付き強化学習と後退地平線クレジット割り当てによる高性能制御

  専門家の行動から逸脱しすぎずに、デモンストレーションを超える高性能な制御ポリシーを学習する強化学習フレームワークを提案した。

  原題: Behavior-Constrained Reinforcement Learning with Receding-Horizon Credit Assignment for High-Performance Control ／ Siwei Ju, Jan Tauberschmidt, Oleg Arenz 他

  日本語で読む →
• 論文強化学習機械学習2026/4/1

  正のみドリフト方策最適化

  オンライン強化学習向けに、負例を使わず正のアドバンテージサンプルのみで方策を更新する生成モデル手法PODPOを提案した論文。

  原題: Positive-Only Drifting Policy Optimization ／ Qi Zhang

  日本語で読む →
• 論文自動運転/強化学習ロボティクス2026/4/1

  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 →
• 論文教育/強化学習/WebRTCロボティクス2026/4/1

  Web-Gewu: ロボット強化学習のためのブラウザベース対話型プレイグラウンド

  WebRTCによるクラウド・エッジ連携アーキテクチャを用いて、ブラウザ上で物理シミュレーションと強化学習トレーニングを低コストで実行できるロボット教育プラットフォームを提案した。

  原題: Web-Gewu: A Browser-Based Interactive Playground for Robot Reinforcement Learning ／ Kaixuan Chen, Linqi Ye

  日本語で読む →
• 論文強化学習機械学習2026/4/1

  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 →
• 論文強化学習機械学習2026/4/1

  水中自律航法のための強化学習におけるタスク特化サブネットワークの発見

  事前学習済みのマルチタスク強化学習ネットワークの内部構造を解析し、タスク間の識別に使われる重みが全体の約1.5%で、その85%が入力層のコンテキスト変数ノードに接続していることを発見した。

  原題: Task-specific Subnetwork Discovery in Reinforcement Learning for Autonomous Underwater Navigation ／ Yi-Ling Liu, Melvin Laux, Mariela De Lucas Alvarez 他

  日本語で読む →
• 論文強化学習機械学習2026/4/1

  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 →
• 論文移動操作/触覚/強化学習ロボティクス2026/4/1

  触覚を活用した四脚ロボットの移動操作ポリシー学習

  四脚ロボットの移動操作において、視覚と自己受容感覚に加えて触覚情報を活用する階層的ポリシー学習手法を提案。実世界の人間デモから触覚条件付き高レベルポリシーを学習し、シミュレーションでの大規模強化学習により全身制御ポリシーを獲得し、実世界へゼロショット転送する。接触を伴うタスクで平均28.54%の性能向上を達成。

  原題: Learning Tactile-Aware Quadrupedal Loco-Manipulation Policies ／ Pokuang Zhou, Yuhao Zhou, Quan Khanh Luu 他

  日本語で読む →
• 論文強化学習/UAVロボティクス2026/4/1

  限られたシミュレーション訓練下での捜索救助UAVミッションにおける目標条件付き強化学習のためのルールベース高レベルコーチング

  固定ルールの高レベルアドバイザとオンライン学習する低レベル強化学習コントローラを組み合わせた階層型意思決定フレームワークを提案し、限られた訓練環境でも早期の安全性とサンプル効率を向上させる。

  原題: Rule-based High-Level Coaching for Goal-Conditioned Reinforcement Learning in Search-and-Rescue UAV Missions Under Limited-Simulation Training ／ Mahya Ramezani, Holger Voos

  日本語で読む →
• 論文強化学習機械学習2026/4/1

  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 →
• 論文模倣学習/強化学習機械学習2026/4/1

  不完全なデモンストレーションからの学習：時間行動木ガイドによる軌道修復

  不完全なデモンストレーションを時間行動木（TBT）仕様に基づいて修復し、修復された軌道から報酬関数を抽出して強化学習を効率的に導くフレームワークを提案した。

  原題: Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair ／ Aniruddh G. Puranic, Sebastian Schirmer, John S. Baras 他

  日本語で読む →
• 論文進化ロボティクス/強化学習機械学習2026/4/1

  ターゲットネットワーク不要の分布価値推定によるロバストな品質多様性最適化

  品質多様性(QD)アルゴリズムのサンプル効率を改善するため、ターゲットネットワークを使わない分布価値推定を導入した新しいQD-RLアルゴリズムQDHUACを提案し、高次元環境で少ないサンプル数で同等以上の性能を達成した。

  原題: Distributional Value Estimation Without Target Networks for Robust Quality-Diversity ／ Behrad Koohy, Jamie Bayne

  日本語で読む →
• 論文強化学習/探索ロボティクス2026/4/1

  表形式基盤モデルはロボット方策学習の探索を導けるか？

  高次元連続制御における方策最適化の探索を改善するため、局所更新と表形式基盤モデルによる大域的探索を組み合わせたハイブリッド手法TFM-S3を提案し、限られたロールアウト予算で収束を加速し最終性能を向上させることを示した。

  原題: Can Tabular Foundation Models Guide Exploration in Robot Policy Learning? ／ Buqing Ou, Frederike Dümbgen

  日本語で読む →
• 論文物理推論/LLM/強化学習機械学習2026/4/1

  物理シミュレータ上での強化学習による物理オリンピック問題解決

  物理シミュレータでランダムなシーンを生成し、合成の問答データを作ってLLMを強化学習で訓練し、実世界の物理ベンチマーク（IPhOなど）へのゼロショット転移を実証した論文。

  原題: Solving Physics Olympiad via Reinforcement Learning on Physics Simulators ／ Mihir Prabhudesai, Aryan Satpathy, Yangmin Li 他

  日本語で読む →
• 論文計画・強化学習ロボティクス2026/4/1

  運動学から動力学へ：物理的に実行可能なハイブリッド計画の学習による洗練

  ハイブリッドプランナーが生成した一次（運動学的）計画を、強化学習を用いて二次（動的）制約を満たす物理的に実行可能な軌道へと洗練する手法を提案した論文。

  原題: From Kinematics to Dynamics: Learning to Refine Hybrid Plans for Physically Feasible Execution ／ Lidor Erez, Shahaf S. Shperberg, Ayal Taitler

  日本語で読む →
• 論文強化学習ロボティクス2026/4/1

  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2026/4/1

  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 →
• 論文自動運転/強化学習ロボティクス2026/4/1

  物理情報強化学習による空間密度速度ポテンシャルを用いたマップ不要レーシング

  事前マップなしの自動運転レーシングにおいて、深度測定のスペクトル分布から非線形車両ダイナミクスをパラメータ化し、物理情報に基づく報酬でDRLエージェントを訓練する手法を提案。シミュレーションから実機への転移を改善し、人間のデモより12%高い性能を達成。

  原題: Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing ／ Shathushan Sivashangaran, Apoorva Khairnar, Sepideh Gohari 他

  日本語で読む →