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: 2026/1/1 ／ arXivを3時間ごとに自動収集

• 論文強化学習機械学習2026/1/1

  Enhanced-FQL(λ)：新規ファジィ適格度トレースと分割経験再生による効率的で解釈可能な強化学習

  ファジィルールベースを用いた強化学習に、ファジィ化ベルマン方程式と適格度トレース、分割経験再生を組み合わせ、連続制御タスクでサンプル効率と安定性を向上させた手法を提案。

  原題: Enhanced-FQL($\lambda$), an Efficient and Interpretable RL with novel Fuzzy Eligibility Traces and Segmented Experience Replay ／ Mohsen Jalaeian-Farimani, Xiong Xiong, Luca Bascetta

  日本語で読む →
• 論文モデルベース強化学習AI2026/1/1

  オブジェクト中心の世界モデルとモンテカルロ木探索の融合

  物体間の相互作用をグラフニューラルネットで捉えるオブジェクト中心の世界モデルを構築し、モンテカルロ木探索による計画と組み合わせた強化学習手法ObjectZeroを提案した。

  原題: Object-Centric World Models Meet Monte Carlo Tree Search ／ Rodion Vakhitov, Leonid Ugadiarov, Aleksandr Panov

  日本語で読む →
• 論文安全強化学習機械学習2026/1/1

  方策事前分布による安全な探索

  保守的な方策を事前分布として利用し、確率的ダイナミクスモデルで安全を保証しながら最適方策へ収束する強化学習手法SOOPERを提案した。

  原題: Safe Exploration via Policy Priors ／ Manuel Wendl, Yarden As, Manish Prajapat 他

  日本語で読む →
• 論文強化学習/探索機械学習2026/1/1

  価値誘導フローによる高次元連続制御のスケーラブルな探索

  価値関数が誘導する確率フローに沿ってネイティブな高次元行動空間で探索を行う強化学習手法Qflexを提案し、高次元連続制御ベンチマークや全身筋骨格モデルの俊敏な運動制御で優れた性能を示した。

  原題: Scalable Exploration for High-Dimensional Continuous Control via Value-Guided Flow ／ Yunyue Wei, Chenhui Zuo, Yanan Sui

  日本語で読む →
• 論文オフライン強化学習機械学習2026/1/1

  静的データセットを超えて：検証済み合成遷移による堅牢なオフライン方策最適化

  二重再帰ワールドモデルで合成遷移を生成し、VAE・感度分析・MCドロップアウトの階層的不確実性フィルタで検証することで、オフライン強化学習の性能を向上させる手法MoReBRACを提案した。

  原題: Beyond Static Datasets: Robust Offline Policy Optimization via Vetted Synthetic Transitions ／ Pedram Agand, Mo Chen

  日本語で読む →
• 論文強化学習セキュリティロボティクス2026/1/1

  バックドアが部分観測性と出会うとき：実世界強化学習への攻撃

  実世界の強化学習ではLiDARやオドメトリなど制御不能な補助状態が混在するため、条件付き拡散で確率的トリガー分布を学習し、視覚パッチによるバックドア攻撃を安定して発動させる手法を提案した。

  原題: When Backdoors Meet Partial Observability: Attacking Real-World Reinforcement Learning ／ Tairan Huang, Qingqing Ye, Yulin Jin 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2026/1/1

  構造化・非構造化空域における間隔確保のためのTransformerベースマルチエージェント強化学習

  相対極座標状態空間でTransformerエンコーダを訓練し、多様な交通パターンと交差角に適応する航空機の間隔確保手法を提案。単一エンコーダ構成が深い構成より優れ、衝突リスクをほぼゼロにした。

  原題: Transformer-based Multi-agent Reinforcement Learning for Separation Assurance in Structured and Unstructured Airspaces ／ Arsyi Aziz, Peng Wei

  日本語で読む →
• 論文移動ロボット/強化学習ロボティクス2026/1/1

  階層学習フレームワークによる移動ロボットの視覚ベース目標到達制御

  ステレオ視による自己位置推定と強化学習ベースの運動計画、アクチュエータレベルのロバスト適応制御を組み合わせ、大型スキッドステアロボットの安全な目標到達を実現する階層フレームワークを提案した。

  原題: Vision-based Goal-Reaching Control for Mobile Robots Using a Hierarchical Learning Framework ／ Mehdi Heydari Shahna, Pauli Mustalahti, Jouni Mattila

  日本語で読む →
• 論文強化学習機械学習2026/1/1

  RN-D: オンポリシー強化学習のための離散化カテゴリカルアクター

  連続制御のオンポリシー強化学習において、ガウス分布アクターの代わりに各行動次元を離散ビン上の分布として表現するカテゴリカルアクターと正則化ネットワークを組み合わせ、ベンチマークで最先端性能を達成した。

  原題: RN-D: Discretized Categorical Actors for On-Policy Reinforcement Learning ／ Yuexin Bian, Jie Feng, Tao Wang 他

  日本語で読む →
• 論文強化学習機械学習2026/1/1

  随伴マッチングによるQ学習

  拡散・フローマッチング方策をQ関数で効率的に最適化するため、随伴マッチングを活用したTDベース強化学習手法QAMを提案し、疎な報酬タスクで従来法を上回る性能を示した。

  原題: Q-learning with Adjoint Matching ／ Qiyang Li, Sergey Levine

  日本語で読む →
• 論文安全強化学習機械学習2026/1/1

  ナイトメア・ドリーマー：危険状態を夢見て先回りする安全強化学習

  学習した世界モデルで将来の安全違反を予測し、それを避けるように行動計画を立てるモデルベース安全強化学習手法を提案。画像入力のみで安全性と効率を大幅に改善した。

  原題: Nightmare Dreamer: Dreaming About Unsafe States And Planning Ahead ／ Oluwatosin Oseni, Shengjie Wang, Jun Zhu 他

  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2026/1/1

  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 →
• 論文水中ロボティクス/強化学習ロボティクス2026/1/1

  水中音響エネルギー伝送と情報鮮度最小化のためのAUV軌道学習

  自律水中探査機（AUV）の軌道を深層強化学習で最適化し、水中IoT機器への音響エネルギー伝送と情報収集の鮮度（AoI）を同時に改善する手法を提案した。

  原題: AUV Trajectory Learning for Underwater Acoustic Energy Transfer and Age Minimization ／ Mohamed Afouene Melki, Mohammad Shehab, Mohamed-Slim Alouini

  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2026/1/1

  隣接エージェント行動推定によるマルチエージェント強化学習

  各エージェントが局所情報のみから隣接エージェントの行動を推定する軽量モジュールを導入し、明示的な行動共有なしに協調方策を学習するTD3互換のフレームワークを提案。双腕ロボットの協調物体持ち上げタスクで有効性を実証した。

  原題: Multiagent Reinforcement Learning with Neighbor Action Estimation ／ Zhenglong Luo, Zhiyong Chen, Aoxiang Liu

  日本語で読む →
• 論文航空管制/強化学習機械学習2026/1/1

  オンライン行動スタッキングによる航空管制の強化学習性能向上

  強化学習で航空管制を学習する際、推論時に基本行動を組み合わせて複合的な管制指示を生成するオンライン行動スタッキングを提案し、小さな行動空間でも実用的な性能を実現した。

  原題: Online Action-Stacking Improves Reinforcement Learning Performance for Air Traffic Control ／ Ben Carvell, George De Ath, Eseoghene Benjamin 他

  日本語で読む →
• 論文ヒューマン・イン・ザ・ループ強化学習ロボティクス2026/1/1

  E2HiL: エントロピー誘導サンプル選択による効率的な実世界ヒューマン・イン・ザ・ループ強化学習

  方策エントロピーへの影響度を推定し、有益なサンプルを能動的に選ぶことで、人手介入を減らしつつ実世界マニピュレーションタスクの学習を効率化するヒューマン・イン・ザ・ループ強化学習フレームワークを提案した。

  原題: E2HiL: Entropy-Guided Sample Selection for Efficient Real-World Human-in-the-Loop Reinforcement Learning ／ Haoyuan Deng, Yuanjiang Xue, Haoyang Du 他

  日本語で読む →
• 論文拡散方策/強化学習機械学習2026/1/1

  拡張可能なロボット制御のためのオンライン拡散方策強化学習アルゴリズムのレビュー

  拡散方策とオンライン強化学習を組み合わせたアルゴリズムを4系統に分類し、12タスクで性能を比較評価した初の体系的レビュー。

  原題: A Review of Online Diffusion Policy RL Algorithms for Scalable Robotic Control ／ Wonhyeok Choi, Shutong Ding, Minwoo Choi 他

  日本語で読む →
• 論文強化学習/安全制御ロボティクス2026/1/1

  目標到達強化学習に対する進捗保証付き可逆シンプレックス監督

  凍結有限状態方策と目標レベルのロバスト適応回復を組み合わせた可逆シンプレックス枠組みを提案し、外側丸め到達可能性検証と進捗負債の明示的会計により、有限切替と有限サンプル目標到達を保証する。

  原題: Progress-Certified Reversible Simplex Supervision of Goal-Reaching Reinforcement Learning ／ Mehdi Heydari Shahna, Jouni Mattila

  日本語で読む →
• 論文強化学習機械学習2026/1/1

  QUBO最適化による量子インスパイア型エピソード選択を用いたモンテカルロ強化学習

  モンテカルロ強化学習のエピソード選択をQUBO問題として定式化し、量子インスパイア型サンプラーで解くことで、報酬最大化と状態空間カバレッジを両立させ、収束速度と方策品質を改善した。

  原題: Quantum-Inspired Episode Selection for Monte Carlo Reinforcement Learning via QUBO Optimization ／ Hadi Salloum, Ali Jnadi, Yaroslav Kholodov 他

  日本語で読む →
• 論文強化学習/メタ学習機械学習2026/1/1

  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 →
• 論文拡散方策/強化学習機械学習2026/1/1

  二分的拡散方策最適化

  拡散方策の強化学習において、報酬最大化と最小化の二つの方策に分解し、推論時にスコアを線形結合することで安定かつ制御可能な最適化を実現する手法を提案。

  原題: Dichotomous Diffusion Policy Optimization ／ Ruiming Liang, Yinan Zheng, Kexin Zheng 他

  日本語で読む →
• 論文継続強化学習機械学習2025/12/21

  動的環境におけるデモンストレーション誘導型継続強化学習

  過去の知識を自己進化するデモンストレーションリポジトリに保存し、それを直接活用して探索と適応を導く継続強化学習手法を提案。2DナビゲーションとMuJoCoで性能・知識転移・忘却抑制・効率の向上を示した。

  原題: Demonstration-Guided Continual Reinforcement Learning in Dynamic Environments ／ Xue Yang, Michael Schukat, Junlin Lu 他

  日本語で読む →
• 論文強化学習AI2025/12/14

  世界モデルが強化学習エージェントの最適採餌戦略を実現する

  学習した世界モデルを持つ人工採餌エージェントが、限界価値定理に沿ったパッチ離脱行動を自然に獲得することを示し、予測的世界モデルが生物学的に妥当な意思決定の基盤となる可能性を提示した。

  原題: World Models Unlock Optimal Foraging Strategies in Reinforcement Learning Agents ／ Yesid Fonseca, Manuel S. Ríos, Nicanor Quijano 他

  日本語で読む →
• 論文オフライン強化学習機械学習2025/12/4

  明示的な保守性なしの長期ホライズンモデルベースオフライン強化学習

  ベイズ的アプローチにより明示的な保守性を使わずに長期ホライズンのロールアウトを可能にし、D4RLとNeoRLで最先端性能を達成したNEUBAYを提案。

  原題: Long-Horizon Model-Based Offline Reinforcement Learning Without Explicit Conservatism ／ Tianwei Ni, Esther Derman, Vineet Jain 他

  日本語で読む →
• 論文強化学習/生成ポリシー機械学習2025/12/2

  事前分布マッピング共進化による拡散ポリシーの学習

  強化学習において、最適化しやすい潜在空間で方策を訓練しつつ、条件付き生成デコーダで行動を合成するフレームワークGoRLを提案。複雑な連続制御タスクで既存手法を大幅に上回る性能を達成した。

  原題: Training Diffusion Policies via Prior-Mapping Co-Evolution ／ Chubin Zhang, Zhenglin Wan, Feng Chen 他

  日本語で読む →
• 論文強化学習ロボティクス2025/12/1

  ノイズを含むセンサ入力からヒューマノイドサッカーロボットの俊敏なキック技能を学習

  ノイズの多いセンサ入力下でも、ヒューマノイドロボットが連続してボールを蹴り、多様な配置でゴールを決められる強化学習システムを開発した。

  原題: Learning Agile Striker Skills for Humanoid Soccer Robots from Noisy Sensory Input ／ Zifan Xu, Myoungkyu Seo, Dongmyeong Lee 他

  日本語で読む →
• 論文マイクロロボット/強化学習ロボティクス2025/12/1

  オンデバイス計算制約下での強化学習によるマイクロロボット制御

  サブセンチメートル四足歩行マイクロロボットの強化学習制御を超小型SoC上に実装し、量子化と歩容スケジューリングで電力制約下の推論周波数を最適化した。

  原題: Control of Microrobots with Reinforcement Learning under On-Device Compute Constraints ／ Yichen Liu, Kesava Viswanadha, Zhongyu Li 他

  日本語で読む →
• 論文宇宙ロボティクス/強化学習ロボティクス2025/12/1

  宇宙空間における強化学習による自由飛行ロボットの自律制御：ISSでのAstrobee実証実験

  強化学習を用いて国際宇宙ステーション上のAstrobeeロボットを制御し、宇宙空間で初めて自由飛行ロボットの強化学習制御を実証した。

  原題: Autonomous Planning In-space Assembly Reinforcement-learning free-flYer (APIARY) International Space Station Astrobee Testing ／ Samantha Chapin, Kenneth Stewart, Roxana Leontie 他

  日本語で読む →
• 論文強化学習ロボティクス2025/12/1

  深層強化学習と模倣学習の入門

  ロボットなどの身体性エージェント向けに、深層強化学習（DRL）と深層模倣学習（DIL）の基礎アルゴリズムを自己完結的に解説した入門資料。

  原題: An Introduction to Deep Reinforcement and Imitation Learning ／ Pedro Santana

  日本語で読む →
• 論文強化学習機械学習2025/12/1

  対称性が部分的に破れる環境における部分同変強化学習

  対称性が局所的にしか成り立たない環境向けに、対称な箇所だけ群同変ベルマン更新を適用するPI-MDPを提案し、PE-DQNとPE-SACとして実装してサンプル効率と汎化性能を向上させた。

  原題: Partially Equivariant Reinforcement Learning in Symmetry-Breaking Environments ／ Junwoo Chang, Minwoo Park, Joohwan Seo 他

  日本語で読む →