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: 2026/3/1 ／ 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/形態制御協調設計機械学習
スタッケルベルグ近位方策最適化による効率的な形態・制御協調設計
ロボットの形態と制御方策を同時に最適化する問題をスタッケルベルグゲームとして定式化し、制御の適応ダイナミクスを明示的に組み込んだ新しいアルゴリズムを提案した。
原題: Efficient Morphology-Control Co-Design via Stackelberg Proximal Policy Optimization ／ Yanning Dai, Yuhui Wang, Dylan R. Ashley 他
日本語で読む → - 論文強化学習/モデル構造ロボティクス
関節剛体ダイナミクスネットワーク：ロボット学習のためのダイナミクス基盤事前知識
関節ロボットの運動学ではなく動力学構造をグラフニューラルネットワークに組み込んだABD-Netを提案し、シミュレーションと実機で学習効率とロバスト性を向上させた。
原題: Articulated-Body Dynamics Network: Dynamics-Grounded Prior for Robot Learning ／ Sangwoo Shin, Kunzhao Ren, Xiaobin Xiong 他
日本語で読む → - 論文強化学習機械学習
条件付き近位方策最適化による拡散ポリシー
拡散モデルを用いたポリシーをオン・ポリシー強化学習で効率的に訓練する新しい手法を提案。拡散過程とポリシー更新を整合させ、単純なガウス確率の評価のみで学習を可能にし、エントロピー正則化も自然に扱える。
原題: Diffusion Policy through Conditional Proximal Policy Optimization ／ Ben Liu, Shunpeng Yang, Hua Chen
日本語で読む → - 論文強化学習/探索ロボティクス
どこで学ぶか：オンポリシーロボット強化学習のための解析的方針勾配による指向的探索
微分可能な力学モデルからの解析的方針勾配を用いて、タスク認識かつ物理に基づくガイダンスを注入し、高報酬領域への探索を促進する新しい指向的探索手法を提案した。
原題: Where-to-Learn: Analytical Policy Gradient Directed Exploration for On-Policy Robotic Reinforcement Learning ／ Leixin Chang, Xinchen Yao, Ben Liu 他
日本語で読む → - 論文VLA/強化学習ロボティクス
π-StepNFT: フローベースVLAのオンライン強化学習における広い空間には細かいステップが必要
フローベースの視覚言語行動モデルに対する新しい強化学習フレームワークを提案し、尤度計算や価値ネットワークを不要にして、単一の順伝播でステップごとのガイダンスを提供する。
原題: $\pi$-StepNFT: Wider Space Needs Finer Steps in Online RL for Flow-based VLAs ／ Siting Wang, Xiaofeng Wang, Zheng Zhu 他
日本語で読む → - 論文強化学習/海上ルーティングAI
物理情報を活用したオフライン強化学習が海上ルーティングにおける壊滅的な燃料浪費を排除
船舶の航路決定に物理情報を組み込んだオフライン強化学習フレームワークPIERを提案し、メキシコ湾の実データで平均CO2排出量を10%削減し、極端な燃料消費の発生率を9分の1に低減した。
原題: Physics-informed offline reinforcement learning eliminates catastrophic fuel waste in maritime routing ／ Aniruddha Bora, Julie Chalfant, Chryssostomos Chryssostomidis
日本語で読む → - 論文ドローンレース/強化学習ロボティクス
ベクトル場拡張によるビジョンベースドローンレースの微分可能ポリシー学習
ドローンレース向けに、微分可能な損失とベクトル場を組み合わせた新しい学習フレームワークDiffRacingを提案し、シミュレーションと実機で高いサンプル効率と堅牢な飛行性能を実証した。
原題: Vector Field Augmented Differentiable Policy Learning for Vision-Based Drone Racing ／ Yang Su, Feng Yu, Yu Hu 他
日本語で読む → - 論文歩行/強化学習ロボティクス
SteadyTray: 残差強化学習による人型ロボットのトレイ運搬における物体バランス学習
人型ロボットが歩行中にトレイ上の物体を安定して運ぶための階層型強化学習フレームワークを提案し、歩行制御と物体安定化を分離することで高い成功率と実機でのゼロショット転移を実現した。
原題: SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport via Residual Reinforcement Learning ／ Anlun Huang, Zhenyu Wu, Soofiyan Atar 他
日本語で読む → - 論文計画/強化学習ロボティクス
ハイブリッドLLM-シンボリック計画とLLM誘導強化学習による新規性適応
動的環境で新規オブジェクトに遭遇したロボットが、LLMの常識推論で欠落オペレータを特定し、シンボリックプランナーで計画を立て、LLMが報酬関数を設計して強化学習で制御ポリシーを学習する神経シンボリックアーキテクチャを提案。連続ロボット領域でのオペレータ発見と学習で最先端を上回る性能を示した。
原題: Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning ／ Hong Lu, Pierrick Lorang, Timothy R. Duggan 他
日本語で読む → - 論文宇宙ロボット/経路計画/強化学習ロボティクス
軌道上自由飛行マルチアームロボットの経路計画と強化学習駆動制御
軌道上サービスにおける自由飛行マルチアームロボットの運動計画と制御に、軌道最適化と強化学習を組み合わせたハイブリッド手法を提案し、シミュレーションで有効性を検証した。
原題: Path Planning and Reinforcement Learning-Driven Control of On-Orbit Free-Flying Multi-Arm Robots ／ Álvaro Belmonte-Baeza, José Luis Ramón, Leonard Felicetti 他
日本語で読む → - 論文モデルベース強化学習機械学習
R2-Dreamer: デコーダやデータ拡張なしの冗長性低減世界モデル
画像ベースのモデルベース強化学習において、デコーダを使わず、データ拡張にも頼らない自己教師ありの冗長性低減目的で表現崩壊を防ぐフレームワークR2-Dreamerを提案し、既存手法と同等以上の性能を達成しつつ学習を高速化した。
原題: R2-Dreamer: Redundancy-Reduced World Models without Decoders or Augmentation ／ Naoki Morihira, Amal Nahar, Kartik Bharadwaj 他
日本語で読む → - 論文強化学習ロボティクス
失敗から学ぶ：エピソディックメモリを用いた効率的な強化学習制御
強化学習の初期訓練で頻発する衝突や転倒などの失敗経験をエピソディックメモリに保存し、類似失敗を回避して長期的な軌道を探索する手法FEMAを提案。モデルフリーRLに容易に組み込め、MuJoCoタスクでサンプル効率を33.11%向上させ、実ロボットの二足歩行タスクでも有効性を確認した。
原題: Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory ／ Chenyang Miao
日本語で読む → - 論文強化学習機械学習
タスクと行動の分離：ロボティクス強化学習における二段階報酬カリキュラム
報酬設計の難しさを解決するため、タスク報酬と行動報酬を分離し、まずタスクのみで学習してから行動報酬を導入する二段階カリキュラムを提案した。
原題: Decoupling Task and Behavior: A Two-Stage Reward Curriculum in Reinforcement Learning for Robotics ／ Kilian Freitag, Knut Åkesson, Morteza Haghir Chehreghani
日本語で読む → - 論文強化学習機械学習
整列とフィルタリング：非同期オン方策強化学習の性能向上
分散学習と高頻度更新によるポリシーラグ（データ生成と学習の不整合）を軽減するため、全変動に基づくアドバンテージ整列制約付きポリシー最適化手法を提案し、古典的RLタスクとLLM数学推論タスクで有効性を検証した。
原題: Align and Filter: Improving Performance in Asynchronous On-Policy RL ／ Homayoun Honari, Roger Creus Castanyer, Michael Przystupa 他
日本語で読む → - 論文強化学習/自動運転ロボティクス
減衰残差方策最適化による実世界自動運転レースの効率化
残差方策学習を拡張し、ベース方策を徐々に減衰させて単独のニューラル方策を得る手法を提案し、1/10スケールの自動運転レースでシミュレーションと実機の両方で性能を向上させた。
原題: Efficient Real-World Autonomous Racing via Attenuated Residual Policy Optimization ／ Raphael Trumpp, Denis Hoornaert, Mirco Theile 他
日本語で読む → - 論文VLA/強化学習ロボティクス
SmoothVLA: 内在的滑らかさ最適化による物理的制約へのVLAモデル整合
ロボット操作のためのVLAモデルに対し、軌道の滑らかさを内在報酬として組み込んだ強化学習フレームワークを提案し、タスク性能と物理的実現性を両立させた。
原題: SmoothVLA: Aligning Vision-Language-Action Models with Physical Constraints via Intrinsic Smoothness Optimization ／ Jiashun Li, Xiaoyu Shi, Hong Xie 他
日本語で読む → - 論文VLA/強化学習/蒸留ロボティクス
VLA-OPD: オフラインSFTとオンラインRLを架橋する、オンポリシー蒸留による視覚言語行動モデル
視覚言語行動モデルの事後学習において、オフラインSFTの分布ずれや破滅的忘却と、オンラインRLのスパース報酬や非効率性を解決するため、専門家教師による密なトークンレベル監督を学生の自己生成軌道に適用し、Reverse-KL目的で安定した学習を実現するフレームワークを提案した。
原題: VLA-OPD: Bridging Offline SFT and Online RL for Vision-Language-Action Models via On-Policy Distillation ／ Zhide Zhong, Haodong Yan, Junfeng Li 他
日本語で読む → - 論文強化学習/共有制御/リハビリテーションロボティクス
分離タスク空間におけるイベント駆動型人-ロボット共適応のためのデュアルエージェント・マルチモデル強化学習
上肢リハビリロボットの共有制御において、人間のバイナリ指令とロボットの自律補正をイベント駆動で切り替え、デュアルエージェント強化学習により人間の速度-精度トレードオフとロボットの動作ステップを適応させる手法を提案した。
原題: Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces ／ Yaqi Li, Zhengqi Han, Huifang Liu 他
日本語で読む → - 論文安全強化学習機械学習
LTL制約をPPOに統合した安全な強化学習
線形時相論理(LTL)で記述された安全制約をPPOに統合し、制約違反を監視してペナルティ信号に変換することで、安全な強化学習を実現するフレームワークを提案した。
原題: Integrating LTL Constraints into PPO for Safe Reinforcement Learning ／ Maifang Zhang, Hang Yu, Qian Zuo 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
強化学習と対戦車両の姿勢推定を用いた自動追い越し軌道最適化
LiDARと深度カメラのセンサ融合と強化学習により、自動運転レースでの追い越し軌道を最適化する手法を提案し、シミュレーションと実機で有効性を確認した。
原題: Autonomous overtaking trajectory optimization using reinforcement learning and opponent pose estimation ／ Matej Rene Cihlar, Luka Šiktar, Branimir Ćaran 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
スカラー報酬を超えて：安全で信頼性の高い自動運転のための事前順序付き目的を持つ分布強化学習
複数の競合する目的（安全性、効率性、快適性）を扱うため、報酬成分に事前順序を導入したPr-MOMDPと、分布を単一統計量に縮約せず比較するQuantile Dominance指標を提案し、自動運転タスクで安全性と成功率を向上させた。
原題: Beyond Scalar Rewards: Distributional Reinforcement Learning with Preordered Objectives for Safe and Reliable Autonomous Driving ／ Ahmed Abouelazm, Jonas Michel, Daniel Bogdoll 他
日本語で読む → - 論文手術ロボティクス/オフライン強化学習ロボティクス
SutureFormer: ピクセル空間における目標条件付きオフライン強化学習による手術軌道の学習
内視鏡映像から針先の軌道を逐次意思決定問題として捉え、スプライン補間で疎な注釈を密な報酬に変換する目標条件付きオフライン強化学習フレームワークを提案した。
原題: SutureFormer: Learning Surgical Trajectories via Goal-conditioned Offline RL in Pixel Space ／ Huanrong Liu, Chunlin Tian, Tongyu Jia 他
日本語で読む → - 論文強化学習ロボティクス
大規模報酬モデル：視覚言語モデルによる汎用的なオンラインロボット報酬生成
ロボット操作の強化学習において、視覚言語モデルをオンライン報酬生成器として活用し、模倣学習で初期化した方策を少数の反復で改善する枠組みを提案した。
原題: Large Reward Models: Generalizable Online Robot Reward Generation with Vision-Language Models ／ Yanru Wu, Weiduo Yuan, Ang Qi 他
日本語で読む → - 論文逆強化学習ロボティクス
逆強化学習による人間動作のグローバル意図推定に向けて
単一の統一コスト関数で人間の到達動作を説明・予測できるかを、逆強化学習を用いて検証し、時間変化するコスト重みが軌道再構成を大幅に改善することを示した論文。
原題: Toward Global Intent Inference for Human Motion by Inverse Reinforcement Learning ／ Sarmad Mehrdad, Maxime Sabbah, Vincent Bonnet 他
日本語で読む → - 論文安全なオフライン強化学習機械学習
ハード制約を超えて：安全なオフライン強化学習のための予算条件付き到達可能性
累積コスト制約を扱う安全なオフライン強化学習の新しい手法を提案。安全条件付き到達可能性集合を定義し、不安定なmin/max最適化を避けつつ安全ポリシーを学習する。
原題: Beyond Hard Constraints: Budget-Conditioned Reachability For Safe Offline Reinforcement Learning ／ Janaka Chathuranga Brahmanage, Akshat Kumar
日本語で読む → - 論文強化学習AI
正則化潜在ダイナミクス予測は行動基盤モデルの強力なベースラインである
ゼロショット強化学習のための状態特徴学習において、複雑な表現学習目的が本当に必要かを検証し、潜在空間での次状態予測に直交性正則化を加えたシンプルな手法RLDPが、既存の複雑な手法と同等以上の性能を達成することを示した。
原題: Regularized Latent Dynamics Prediction is a Strong Baseline For Behavioral Foundation Models ／ Pranaya Jajoo, Harshit Sikchi, Siddhant Agarwal 他
日本語で読む → - 論文強化学習ロボティクス
MO-Playground: ロボティクスのための大規模並列多目的強化学習
GPU上で高速に動作する多目的強化学習アルゴリズムと環境群を開発し、従来比25〜270倍の高速化でパレート最適方策を学習可能にした。
原題: MO-Playground: Massively Parallelized Multi-Objective Reinforcement Learning for Robotics ／ Neil Janwani, Ellen Novoseller, Vernon J. Lawhern 他
日本語で読む → - 論文オフライン強化学習ロボティクス
一段階フローポリシーによる潜在方針の操縦
オフライン強化学習において、元の行動空間のQ勾配を微分可能な一段階MeanFlowポリシーを通じて逆伝播させ、潜在行動空間のアクターを更新する新しい手法LPSを提案。代理の潜在批評家を排除し、行動制約付き生成事前分布として機能させることで、最小限のチューニングで高い性能を達成した。
原題: Latent Policy Steering through One-Step Flow Policies ／ Hokyun Im, Andrey Kolobov, Jianlong Fu 他
日本語で読む → - 論文SLAM/強化学習ロボティクス
能動的SLAMのための大規模並列深層強化学習
能動的SLAMのためのスケーラブルなエンドツーエンド深層強化学習フレームワークを提案し、大規模並列トレーニングを可能にしてトレーニング時間を短縮し、連続行動空間をサポートする。
原題: Massive Parallel Deep Reinforcement Learning for Active SLAM ／ Martín Arce Llobera, Julio A. Placed, Mariano De Paula 他
日本語で読む → - 論文強化学習機械学習
オンライン強化学習制御アルゴリズム解釈のためのCritic適合損失景観の可視化
オンライン強化学習のCriticネットワークの学習過程を低次元部分空間に射影して損失景観を可視化し、定量的指標で性能を比較する手法を提案。
原題: Visualizing Critic Match Loss Landscapes for Interpretation of Online Reinforcement Learning Control Algorithms ／ Jingyi Liu, Jian Guo, Eberhard Gill
日本語で読む →