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: 2026/2/1 ／ 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
制約付きグループ相対方策最適化
GRPOをラグランジュ緩和で拡張し、制約違反率を直接最適化する制約付き方策学習手法を提案。アドバンテージのスカラー化で安定した制約制御を実現し、ロボティクスタスクでの成功率向上も示した。
原題: Constrained Group Relative Policy Optimization ／ Roger Girgis, Rodrigue de Schaetzen, Luke Rowe 他
日本語で読む → - 論文マルチエージェント強化学習ロボティクス
Co-jump: 四足歩行ロボットのマルチエージェント強化学習による協調ジャンプ
2台の四足歩行ロボットが通信なしに同期して、単体では不可能な高さのジャンプを実現する協調制御を、マルチエージェント強化学習とカリキュラム学習で獲得した。
原題: Co-jump: Cooperative Jumping with Quadrupedal Robots via Multi-Agent Reinforcement Learning ／ Shihao Dong, Yeke Chen, Zeren Luo 他
日本語で読む → - 論文強化学習機械学習
因果的報酬整形による交絡に頑健な連続制御
オフラインデータから因果的ベルマン方程式を用いて報酬整形関数を自動学習し、未観測の交絡因子があっても連続制御タスクで安定した性能を実現する手法を提案。
原題: Confounding Robust Continuous Control via Automatic Reward Shaping ／ Mateo Juliani, Mingxuan Li, Elias Bareinboim
日本語で読む → - 論文強化学習/ドローンレースロボティクス
ランダム障害物を伴うクアッドロータレースのためのカリキュラム強化学習
視覚ベースのカリキュラム強化学習で、障害物のあるドローンレースにおいて高速かつ堅牢に飛行する制御器を訓練した研究。
原題: Curriculum Reinforcement Learning for Quadrotor Racing with Random Obstacles ／ Fangyu Sun, Fanxing Li, Yu Hu 他
日本語で読む → - 論文安全強化学習機械学習
摂動下で頑健なニューラルLyapunov障壁証明書の形式的合成
システムダイナミクスの有界な摂動に対して安全性・安定性の保証を維持する頑健なニューラルLyapunov障壁証明書を、敵対的訓練とLipschitz正則化で学習する手法を提案し、倒立振子と2Dドッキングで有効性を示した。
原題: Formal Synthesis of Certifiably Robust Neural Lyapunov-Barrier Certificates ／ Chengxiao Wang, Haoze Wu, Gagandeep Singh
日本語で読む → - 論文医療ロボティクス/強化学習ロボティクス
階層型モジュラー・マルチエージェント強化学習による機械的血栓回収術のAI自律ナビゲーション
大腿動脈から内頸動脈までのカテーテルとガイドワイヤの二デバイス操作を、階層型モジュラー・マルチエージェント強化学習で自律化し、in silicoおよびin vitroで有効性を実証した研究。
原題: Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL) ／ Harry Robertshaw, Nikola Fischer, Lennart Karstensen 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
ベクトル意味表現と記号推論による人間中心の自動緊急ブレーキのための強化学習強化
自動運転の緊急ブレーキにおいて、意味・空間・形状情報を統合したニューロシンボリック特徴表現と、ソフト一階論理による報酬関数を提案し、安全性と政策の堅牢性を向上させた。
原題: Reinforcement Learning Enhancement Using Vector Semantic Representation and Symbolic Reasoning for Human-Centered Autonomous Emergency Braking ／ Vinal Asodia, Iman Sharifi, Saber Fallah
日本語で読む → - 論文強化学習機械学習
MePoly: 最大エントロピー多項式方策最適化
多項式エネルギーベースモデルで方策を表現し、明示的な確率密度と厳密なエントロピー最大化を可能にした新しい強化学習・模倣学習手法を提案。
原題: MePoly: Max Entropy Polynomial Policy Optimization ／ Hang Liu, Sangli Teng, Maani Ghaffari
日本語で読む → - 論文強化学習ロボティクス
フローポリシー勾配によるロボット制御
フローマッチングを用いたポリシー勾配法を改良し、脚式移動やヒューマノイド動作追従、マニピュレーション、sim-to-real転移を実現した研究。
原題: Flow Policy Gradients for Robot Control ／ Brent Yi, Hongsuk Choi, Himanshu Gaurav Singh 他
日本語で読む → - 論文自動運転/強化学習ロボティクス
ハミルトン・ヤコビ到達可能性と強化学習による自転車との安全なインタラクション
自動運転車が自転車と安全かつ効率的に相互作用するため、ハミルトン・ヤコビ到達可能性解析と深層Q学習を組み合わせ、安全性を考慮した報酬設計と自転車の反応モデルを導入したフレームワークを提案。
原題: Interacting safely with cyclists using Hamilton-Jacobi reachability and reinforcement learning ／ Aarati Andrea Noronha, Jean Oh
日本語で読む → - 論文オフライン強化学習機械学習
ReFORM: ノイズ操作によるサポート上オフライン強化学習のための反射フロー
オフライン強化学習において、フローポリシーを用いてサポート制約を構造的に満たしつつ、反射フローでノイズを操作して性能を最大化する手法を提案。
原題: ReFORM: Reflected Flows for On-support Offline RL via Noise Manipulation ／ Songyuan Zhang, Oswin So, H. M. Sabbir Ahmad 他
日本語で読む → - 論文強化学習機械学習
単一表現で全ての報酬を最適化することは本当に可能か？
強化学習における教師なし事前学習の理論的理解を深め、後退・前進表現学習の新しい変種を提案し、ゼロショット性能を大幅に改善した。
原題: Can We Really Learn One Representation to Optimize All Rewards? ／ Chongyi Zheng, Royina Karegoudra Jayanth, Benjamin Eysenbach
日本語で読む → - 論文強化学習/ドローン制御ロボティクス
幾何学的対称性を活用したドローンのアクロバット飛行のマルチタスク強化学習
ドローンのアクロバット飛行をマルチタスクで学習するため、機体の回転対称性をポリシーネットワークに組み込んだ強化学習フレームワークGEARを提案し、高い成功率と実機での複雑な機動を実現した。
原題: Multi-Task Reinforcement Learning of Drone Aerobatics by Exploiting Geometric Symmetries ／ Zhanyu Guo, Zikang Yin, Guobin Zhu 他
日本語で読む → - 論文制御/強化学習ロボティクス
自律走行レースにおけるPure PursuitのパラメータをPPOでオンライン調整
強化学習(PPO)を用いてPure Pursuitの先読み距離とステアリングゲインをオンラインで同時調整し、地図ごとの再調整なしに追従性能を向上させる手法を提案。
原題: Learning to Tune Pure Pursuit in Autonomous Racing: Joint Lookahead and Steering-Gain Control with PPO ／ Mohamed Elgouhary, Amr S. El-Wakeel
日本語で読む → - 論文強化学習/報酬設計機械学習
生成的エピソードガイダンスによる二重粒度コントラスト報酬で効率的な身体性RL
大規模動画生成モデルを活用し、少数の専門家動画から各RLエピソード用のタスクガイダンスを生成して、粗い探索と細かいマッチングを両立する二重粒度コントラスト報酬を与えることで、人手アノテーションなしにサンプル効率の高い身体性強化学習を実現した研究。
原題: Dual-Granularity Contrastive Reward via Generated Episodic Guidance for Efficient Embodied RL ／ Xin Liu, Yixuan Li, Yuhui Chen 他
日本語で読む → - 論文強化学習ロボティクス
戦術的リソース制御と後続機動生成のための時間的行動表現学習
リソース使用と機動の因果関係を対比学習で捉え、離散コードブックで政策を条件付けるTARTを提案。迷路ナビと空戦シミュレータで有効性を示す。
原題: Temporal Action Representation Learning for Tactical Resource Control and Subsequent Maneuver Generation ／ Hoseong Jung, Sungil Son, Daesol Cho 他
日本語で読む → - 論文強化学習機械学習
空間平滑化による価値学習
オフライン目標条件付き強化学習において、距離的制約を局所空間測度の期待値として再解釈し、微分演算子を必要とせずに構造化された価値表現を学習する手法を提案。
原題: Mollified Value Learning ／ Hrishikesh Viswanath, Juanwu Lu, S. Talha Bukhari 他
日本語で読む → - 論文マルチエージェント強化学習/自動運転ロボティクス
TSC: 相互作用運転のためのトポロジー条件付きシュタッケルベルク型マルチエージェント強化学習
軌跡の編み込み関係から動的な優先度グラフを抽出し、局所的なリーダー・フォロワー関係に基づくシュタッケルベルク型協調方策をCTDEで学習する、通信不要の分散型自動運転フレームワークを提案。
原題: TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving ／ Xiaotong Zhang, Gang Xiong, Yuanjing Wang 他
日本語で読む → - 論文強化学習/ナビゲーションロボティクス
ManeuverNet: ダブルアクカーマン操舵ロボットの精密操縦のための報酬関数最適化を伴うSoft Actor-Criticフレームワーク
農業向けダブルアクカーマン操舵ロボットの精密操縦のため、Soft Actor-CriticとCrossQを組み合わせた深層強化学習フレームワークを提案し、4つの専用報酬関数で専門家データなしに学習を実現した。
原題: ManeuverNet: A Soft Actor-Critic Framework for Precise Maneuvering of Double-Ackermann-Steering Robots with Optimized Reward Functions ／ Kohio Deflesselle, Mélodie Daniel, Aly Magassouba 他
日本語で読む → - 論文医療ロボティクス/強化学習ロボティクス
オンライン専門家補正を用いたサンプル効率の良い血管分岐ナビゲーションのための自律カテーテル操作
血管内分岐ナビゲーションにおいて、オンライン専門家補正とファジィ制御・構造化報酬を組み合わせた強化学習フレームワークを提案し、少ない訓練エピソードで高精度な自律カテーテル操作を実現した。
原題: Sample-Efficient Learning with Online Expert Correction for Autonomous Catheter Steering in Endovascular Bifurcation Navigation ／ Hao Wang, Tianliang Yao, Bo Lu 他
日本語で読む → - 論文歩行/リハビリ/強化学習ロボティクス
片側筋力低下による歩行非対称性と足関節アシストによる改善：強化学習に基づくシミュレーション研究
強化学習と筋骨格シミュレーションを用いて、片脚の筋力低下が歩行の非対称性をどの程度引き起こすかを定量化し、足関節外骨格によるアシストが非対称性を改善できるかを検証した。
原題: Gait Asymmetry from Unilateral Weakness and Improvement With Ankle Assistance: a Reinforcement Learning based Simulation Study ／ Yifei Yuan, Ghaith Androwis, Xianlian Zhou
日本語で読む → - 論文オフライン強化学習機械学習
因果フローQ学習：頑健なオフライン強化学習
オフラインデータに潜む未測定の交絡バイアスに対処するため、因果的視点から最悪ケース性能を最適化する新たな目的関数を提案し、フローマッチング方策と組み合わせて頑健なオフライン強化学習を実現した。
原題: Causal Flow Q-Learning for Robust Offline Reinforcement Learning ／ Mingxuan Li, Junzhe Zhang, Elias Bareinboim
日本語で読む → - 論文強化学習機械学習
PolicyFlow: 連続正規化フローを用いた強化学習のための方策最適化
PPOに連続正規化フロー(CNF)方策を組み込み、全軌道の尤度評価を避けて速度場の変化で重要度比を近似する新手法を提案し、多様な環境で有効性を示した。
原題: PolicyFlow: Policy Optimization with Continuous Normalizing Flow in Reinforcement Learning ／ Shunpeng Yang, Ben Liu, Hua Chen
日本語で読む → - 論文モデルベース強化学習機械学習
観測からイベントへ：強化学習のためのイベント認識型ワールドモデル
人間が連続的な知覚をイベントに区切って意思決定する仕組みに着想を得て、生の観測から自動でイベント境界を抽出し、イベント予測で表現を学習するワールドモデルEAWMを提案。複数のベンチマークでMBRLの性能を10〜45%向上させた。
原題: From Observations to Events: Event-Aware World Model for Reinforcement Learning ／ Zhao-Han Peng, Shaohui Li, Zhi Li 他
日本語で読む → - 論文強化学習機械学習
確率的環境のための分布型価値勾配
確率的環境でも機能するよう、価値関数の分布だけでなくその勾配の分布もモデル化する分布型ソボレフ訓練を提案し、MuJoCoで有効性を示した。
原題: Distributional value gradients for stochastic environments ／ Baptiste Debes, Tinne Tuytelaars
日本語で読む → - 論文選好ベース強化学習機械学習
信頼・不信・反転：複数専門家フィードバックによる頑健な選好ベース強化学習
複数のアノテータからの選好フィードバックを統合し、各専門家の信頼度を学習して敵対的フィードバックを自動的に反転・活用する選好ベース強化学習フレームワークを提案。
原題: Trust, Don't Trust, or Flip: Robust Preference-Based Reinforcement Learning with Multi-Expert Feedback ／ Seyed Amir Hosseini, Maryam Abdolali, Amirhosein Tavakkoli 他
日本語で読む → - 論文マルチエージェント強化学習AI
パズルを解くように：オフライン協調強化学習のための局所から大域への世界モデル
マルチエージェント系の局所予測から大域状態を推定する世界モデルを構築し、不確実性を考慮した合成データでオフライン強化学習の汎化性能を高める手法を提案。
原題: Puzzle it Out: Local-to-Global World Model for Offline Multi-Agent Reinforcement Learning ／ Sijia Li, Xinran Li, Shibo Chen 他
日本語で読む → - 論文多目的強化学習機械学習
後知恵選好リプレイによる選好条件付き多目的強化学習の改善
多目的強化学習において、保存された遷移を別の選好で再ラベル付けする後知恵選好リプレイ（HPR）を提案し、CAPQLの性能を向上させた。
原題: Hindsight Preference Replay Improves Preference-Conditioned Multi-Objective Reinforcement Learning ／ Jonaid Shianifar, Michael Schukat, Karl Mason
日本語で読む → - 論文強化学習/メタ学習機械学習
効率的探索のための教師なし学習：自己設定目標による適応的方策の事前学習
エージェントが自ら目標を設定・追求して効率的な探索と適応を学ぶ教師なしメタ学習手法ULEEを提案し、新規タスクへのゼロショット・少数ショット性能を向上させた。
原題: Unsupervised Learning of Efficient Exploration: Pre-training Adaptive Policies via Self-Imposed Goals ／ Octavio Pappalardo
日本語で読む → - 論文キャリブレーション/強化学習ロボティクス
D最適性に基づく強化学習を用いた3自由度足首リハビリロボットの効率的な開ループキャリブレーション
3自由度足首リハビリロボットのキャリブレーションにおいて、D最適性基準に基づく姿勢選択を強化学習（PPO）で行い、少数の姿勢で高精度なパラメータ同定を実現した。
原題: D-Optimality-Guided Reinforcement Learning for Efficient Open-Loop Calibration of a 3-DOF Ankle Rehabilitation Robot ／ Qifan Hu, Branko Celler, Weidong Mu 他
日本語で読む →