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: 2026/11/9 ／ 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 →- 論文ベンチマーク/エージェントロボティクス
実世界デビュー前の統一試験：コーディングエージェントによるロボット制御ベンチマーク
コーディングエージェントが多様なロボットを物理制約下で制御できるかを評価するため、47体のロボット・35スイート・1,156タスクからなる統一ベンチマーク「Embodied First Exam」を提案した。
原題: Embodied First Exam ／ Kangrui Wang, Qineng Wang, Changhe Chen 他
日本語で読む → - 論文sim2realロボティクス
HolidayFactory 1.0：産業用ロボット作業のシミュレーション・生成・評価フレームワーク
産業用ロボットの反復作業をリセットなしで大規模評価するため、接触・アクチュエータ・触覚モデルを備えたシミュレータと、シーン構築の自動生成、7種の産業タスクベンチマークを統合したフレームワークを提案。
原題: HolidayFactory 1.0: Simulating, Generating, and Evaluating Industrial Robot Tasks ／ Holiday Robotics, :, Jeongmin Lee 他
日本語で読む → - 論文VLAロボティクス
Thermo-VLA: 熱画像対応の視覚-言語-行動モデルとゲート付き残差変調によるロボットマニピュレーション
熱画像を冷・熱属性に分解し言語条件付き残差変調でRGBトークンに注入するVLAモデルを提案し、双腕ロボットの実タスクで熱に依存する操作の成功率と汎化性能を向上させた。
原題: Thermo-VLA: A Thermal-Aware Vision-Language-Action Model with Gated Residual Modulation for Robotic Manipulation ／ Jingxuan Chen, Junshi Luo, Chencheng Dong 他
日本語で読む → - 論文マニピュレーションロボティクス
把持分類ラベルをモード切替として用いるクライミングホールドの巧みな把持
クライミングホールド把持において、4種類の把持ラベルを点群ポリシーの条件として与えることで把持動作を切り替え、滑り力と把持成功率を大幅に改善した研究。
原題: Grasp-Taxonomy Conditioning as a Mode Switch for Dexterous Grasping of Climbing Holds ／ Rumi Loghmani, Abraham George, Amir Barati Farimani
日本語で読む → - 論文ベンチマーク/評価ロボティクス
コネクテッドロボティクスにおける証拠に基づく共有信念更新のベンチマークと階層的評価プロトコル
ロボットやIoTセンサーの観測を統合する共有信念更新を『証拠から信念への軌跡』として評価するCREGベンチマークを提案し、関係情報の寄与やモデルの弱点を分析した。
原題: A Benchmark and Layered Evaluation Protocol for Evidence-Grounded Shared Belief Updating in Connected Robotics ／ Ranulfo Bezerra, Kimitoshi Yamazaki
日本語で読む → - 論文VLAロボティクス
実データとシミュレーションデータによるVLA適応：ロボットチェスを事例に
VLAモデルをチェス操作タスクにファインチューニングし、データ量・学習更新回数・チェックポイント選択・シミュレーション活用の実践的課題を検証した事例研究。
原題: VLA Adaptation with Real and Simulated Data: A Case Study on Robotic Chess ／ Matěj Kripner, Milan Straka
日本語で読む → - 論文触覚ロボティクス
異種触覚センサを統合する汎用巧緻操作のための触覚基盤モデル
圧抵抗・磁気・視覚触覚など異なる触覚センサのデータを統一表現に変換する基盤モデルLingBot-Touchを開発し、拡散ポリシーやVLAモデルに組み込むことで巧緻操作性能を向上させた。
原題: Learning Heterogeneous Tactile Representation for General Dexterous Manipulation ／ Bing Han, Yichuan Peng, Haoyu Dong 他
日本語で読む → - 論文sim2real機械学習
制御変数を用いたシミュレーション支援強化学習
シミュレータのデータを学習目標の直接的な形成ではなく分散低減にのみ用いる制御変数ベースの手法を提案し、方策評価・actor-critic・オフラインRLへ拡張してMuJoCoで有効性を示した論文。
原題: Simulation-aided Reinforcement Learning with Control Variates ／ Omer Hemo, Ido Sefi, Mirco Mutti 他
日本語で読む → - 論文ウェアラブルロボティクスロボティクス
ExoStack：ROS 2を用いたウェアラブルロボティクスのためのモジュール式再構成可能ソフトウェアフレームワーク
ウェアラブルロボット向けに、ESP32のmicroROSハブとホストPCを連携させ、歩行イベント検出やアシスト生成、人間参加型最適化をモジュール式に実装できるROS 2フレームワークを提案し、2種類の空気圧式エクソスーツで再利用性を実証した。
原題: ExoStack: A Modular and Reconfigurable Software Framework for Wearable Robotics Using ROS 2 ／ Debadrata Sarkar, Upamanyu Ray, Soumen Sen 他
日本語で読む → - 論文ロボティクス/幾何学的学習機械学習
LawKAN: 既知の法則を層に組み込む群法則レイヤー
ロボットの回転合成など既知の群法則をニューラル層のノードに厳密に埋め込み、残差のみを学習することで少ないパラメータで高精度な変換合成を実現した論文。
原題: LawKAN: Group-Law Layers for Composition -- When Imposing a Known Law Pays Off ／ Anna Mishchenko, Nikolai Gavrilin
日本語で読む → - 論文触覚ロボティクス
力の色変化を直接捉えるフォトニック結晶触覚センサーPCTac
メカノクロミックなフォトニック結晶を指先触覚センサーとして用い、荷重を色相の変化として直接観測して拡散ポリシーに組み込み、実機マニピュレーションでRGBや視覚のみより高い成功率を示した研究。
原題: PCTac: Mechanochromic Photonic-Crystal Tactile Sensor for Dexterous Manipulation ／ Ruilin Zhang, Xuanshuo Liu, Junzhe Dai 他
日本語で読む → - 論文VLAロボティクス
推論から軌道幾何条件を学習する自動運転VLA
自動運転VLA計画において、離散的な軌道幾何条件(TrajCond)を推論から学習し、連続軌道予測の精度を向上させる手法を提案した論文。
原題: AutoVLA-D: Learn a Trajectory-Geometric Condition from Reasoning for Autonomous Driving VLA ／ Yuguang Yang, Zhewen Tan, Canyu Chen 他
日本語で読む → - 論文一人称視点/自動ラベリング画像認識
EgoLabel: クロスモーダル整合性を備えたゼロショット一人称自動ラベリング
既存モデルを組み合わせ、深度・カメラ姿勢・物体・人物姿勢の整合性を診断するゼロショット一人称ラベリングパイプラインを提案し、手の深度アンカリングで残差を23%削減した。
原題: EgoLabel: Zero-Shot Egocentric Auto-Labeling with Cross-Modal Consistency ／ Xiaozhi Zhang, Changjia Xu, Yaoyuan Yan 他
日本語で読む → - 論文ロボット実験自動化ロボティクス
BioMARS 2.0：生物実験の立案と適応を行うロボット生物学者
知識に基づく実験計画・ロボット実行・生物学的フィードバックを統合したヒューマンインザループ型マルチエージェントロボットシステムを提案し、プロトコル生成や培養条件選択、創薬候補の選定まで実証した。
原題: BioMARS 2.0: a robotic biologist for formulating and adapting biological experiments ／ Yibo Qiu, Zan Huang, Yilin Qiao 他
日本語で読む → - 論文経験学習AI
小型モデル優先の概念抽象化とLLMによる経験内化フレームワークSCALE
小型モデルが日常判断を担い、誤りや蓄積経験に応じて選択的にLLM推論を呼び出して概念仮説を生成・検証し、階層的ニューラル表現へ内化する枠組みを提案した論文。
原題: SCALE: Small-Model-First Concept Abstraction with LLM-Guided Experience Internalization ／ Hong Su
日本語で読む → - 論文微分可能シミュレーションcs.GR
同じ物理、異なる勾配：微分可能物理シミュレーションの最新動向報告
微分可能物理シミュレーションにおける「何を微分するか（参照対象）」と「どう実装するか（実現方式）」を分離して整理し、接触の非平滑性や勾配消失のメカニズムも検証したサーベイ。
原題: Same Physics, Different Gradients: A State-of-the-Art Report on Differentiable Physics Simulation ／ Lei Shu, Zizhou Huang, Yunuo Chen 他
日本語で読む → - 論文マニピュレーションロボティクス
エージェント型ロボティクスによる自己学習で物体を反転させる
コーディングエージェントが物理シミュレーション上で反復学習し、多様な物体を両腕ロボットで反転させる戦略を自律的に獲得・洗練させる手法を提案した。
原題: Flip Anything with Agentic Robotics Self-Learning ／ Shuangyu Xie, Kaiyuan Chen, Ken Goldberg
日本語で読む → - 論文両腕マニピュレーションロボティクス
言語指示による両腕マニピュレーションのためのタスク計画と実行の橋渡し
言語指示で両腕ヒューマノイドに作業させるため、物体関係と実行制約を統合したシーン表現で計画し、階層的検証で失敗から回復するゼロショット枠組みを提案した。
原題: Bridging Task Planning and Execution for Language-Conditioned Bimanual Manipulation ／ Emanuele Cuzzocrea, Giuseppina Iannotti, Luca Rossini 他
日本語で読む → - 論文物理推論意思決定ロボティクス
動作信念行動：視覚シーンマップから物理的判断へ
物体の移動頻度や必要な力・負荷・遮蔽状態をシーンマップ上で推定し、力制限下で「見直す・押す・開ける・支える・断る」をコストに応じたリスクで選択する意思決定層MBAを提案。実キッチンや扉・引き出し操作、シミュレーションで既存手法より良い判断を示した。
原題: Motion Belief Action: From a Visual Scene Map to Physical Decisions ／ Dibyendu Ghosh
日本語で読む → - 論文走行可能性セグメンテーションロボティクス
SAM-VTP: 映像メモリと計測幾何学による連続走行可能性セグメンテーション
SAM2の映像メモリ経路を微調整し、深度から計測した地形幾何学を融合して時間的に一貫した走行可能性セグメンテーションを実現した研究。
原題: SAM-VTP: Video Memory and Measured Geometry for Continuous Traversability Segmentation ／ Lucas Hoefs, Hui Xie, Senjian An 他
日本語で読む → - 論文世界モデル機械学習
1ステップ世界モデルに必要な候補数は？凍結DINOトークン上の最近傍-of-m学習のランダムコードブック的解釈
凍結DINO特徴量上の1ステップ世界モデルで、m個の候補のうち観測に最も近いものだけを学習する最近傍-of-m目的を検証し、mの選択がランダムコードブックの期待歪みで決まることを示した研究。
原題: How Many Candidates Does a One-Step World Model Need? A Random-Codebook Account of Nearest-of-m Training on Frozen DINO Tokens ／ Yong Hwi Song, Keon Myung Lee
日本語で読む → - 論文物体ゴールナビゲーションロボティクス
信頼度対応の意味・幾何融合によるロバスト探索と高精度ゼロショット物体ゴールナビゲーション
検出信頼度や多視点の空間的信頼度、深度による3D位置推定を融合し、幻覚による方向バイアスや誤停止を抑えたゼロショット物体ゴールナビゲーション手法を提案した論文。
原題: CSG-Nav: Confidence-Aware Semantic-Geometric Fusion for Robust Exploration and Accurate Zero-Shot Object-Goal Navigation ／ Shoubin Chen, Rui Xu, Zehao Wu 他
日本語で読む → - 論文3D知覚ロボティクス
予算対応型対応点駆動ビュー選択による移動ロボットのリアルタイム3D知覚
ポーズ推定不要でCPU上22FPS以上動作する対応点ベースのビュー選択アルゴリズムBCVSを提案し、冗長な画像列から再構成精度を保ちつつ効率的にフレームを選別できることを示した。
原題: Budget-aware Correspondence-driven View Selection for Real-time 3D Perception of Mobile Robots ／ Vaishnav Ramesh, Jacob Carter, Shivali J. Patel 他
日本語で読む → - 論文模倣学習/視点ロバストロボティクス
固有感覚で画像と視線を整列させる視点ロバスト操作の表現学習
ロボットの固有感覚を手がかりに画像とカメラ視線の表現を対比学習で揃え、視点が変わっても頑健に操作できる視覚運動方策を実現するフレームワークPAIRを提案した。
原題: PAIR: Proprioception-Aligned Image-Ray Representations for Viewpoint-Robust Manipulation ／ Sung-Wook Lee, Xuhui Kang, Dylan Losey 他
日本語で読む → - 論文モデルベース制御ロボティクス
ディザ付き低ビット世界モデル：決定論的誤差を逆手に取るプランナ
低ビット量子化した世界モデルでMPPI/CEMプランニングが崩壊する原因を解析し、候補間で共有し毎反復引き直すディザにより同ビット幅で精度を回復できることを示した研究。
原題: Planners Exploit Deterministic Error: Dithered Low-Bit World Models ／ Yong Hwi Song, Keon Myung Lee
日本語で読む → - 論文ワールドモデル機械学習
表形式基盤モデルを訓練不要のワールドモデルとして評価する
事前学習済みの表形式基盤モデル(TabFM)を、遷移ペアに対する文脈内回帰として次状態予測に用い、訓練不要のダイナミクスモデルとしてどこで有効でどこで破綻するかを合成力学系とロボット歩行ベンチマークで検証した。
原題: An Evaluation of Tabular Foundation Models as Training-Free World Models ／ Xian Yeow Lee, Ryoichi Takase, Ahmed Farahat
日本語で読む → - 論文ナビゲーション画像認識
Compass 1：単眼RGB動画からのオープンワールド持続型身体性ナビゲーションに向けて
言語理解と動画生成を統合し、約2分の視覚履歴を記憶として遡れる身体性ナビゲーション基盤モデルを提案。大規模データセットも公開し、多様なロボット形態で汎化する。
原題: Compass 1: Towards Open-World and Persistent Embodied Navigation from Monocular RGB Videos ／ Hai Zhang, Siqi Liang, Yanjun Guo 他
日本語で読む → - 論文模倣学習機械学習
表現整合型模倣学習：生徒互換の教師方策を実現するRAIL
教師と生徒の観測を対照学習で共有潜在空間に整列させ、教師方策をその空間で訓練することで、報酬設計や追加強化学習なしに模倣ギャップを大幅に削減する手法を提案。
原題: RAIL: Representation-Aligned Imitation Learning for Student-Compatible Teacher Policies ／ Meraj Mammadov, Pedro Zuidberg Dos Martires, Johannes Andreas Stork
日本語で読む → - 論文マニピュレーション画像認識
世界インコンテキスト学習によるエージェント型ロボットマニピュレーション
シミュレータでタスクをリハーサルし、そのフィードバックをモデルの重みではなくコンテキストに書き込むことで、単一のデモからロボット操作タスクを学習・展開する手法を提案した論文。
原題: World In-Context Learning for Agentic Robot Manipulation ／ Heng Fang, Zehui Guo, Yuehan Zhang 他
日本語で読む → - 論文動画偽造検出画像認識
MARS: 動画偽造検出のためのマルチスケール外観・残差ストリーム
固定の時空間差分フィルタによる残差特徴と外観特徴を組み合わせた二経路動画検出器を提案し、顔操作と生成動画の両方で高い検出性能と転移性を示した。
原題: MARS: Multiscale Appearance-Residual Streams for Video Forgery Detection ／ Ahmed Y. Radwan, Shaina Raza
日本語で読む →