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: 2025/12/1 ／ arXivを3時間ごとに自動収集

• 論文安全強化学習機械学習2025/12/1

  サンプリングベースの重み空間射影による制約付き方策最適化

  微分不可能な安全制約をサンプリングで評価し、パラメータ空間で射影することで、安全性を保ちながら方策を改善する手法SCPOを提案した。

  原題: Constrained Policy Optimization via Sampling-Based Weight-Space Projection ／ Shengfan Cao, Francesco Borrelli, Eunhyek Joa

  日本語で読む →
• 論文強化学習/制御ロボティクス2025/12/1

  強化学習による低レベルクアッドコプター制御における動的エントロピーチューニング：確率性と決定性の比較

  強化学習でクアッドコプターを制御する際、動的エントロピーチューニングが確率的方策の性能を向上させ、壊滅的忘却を防ぎ探索効率を高めることを示した。

  原題: Dynamic Entropy Tuning in Reinforcement Learning Low-Level Quadcopter Control: Stochasticity vs Determinism ／ Youssef Mahran, Zeyad Gamal, Ayman El-Badawy

  日本語で読む →
• 論文目標条件付き強化学習機械学習2025/12/1

  アイコナール制約付き階層的準距離強化学習による目標到達

  目標到達タスクをアイコナール方程式で連続時間化した準距離強化学習（Eik-QRL）を提案し、さらに階層化したEik-HiQRLでナビゲーションやマニピュレーションの性能を向上させた論文。

  原題: Goal Reaching with Eikonal-Constrained Hierarchical Quasimetric Reinforcement Learning ／ Vittorio Giammarino, Ahmed H. Qureshi

  日本語で読む →
• 論文オフライン強化学習/計画ロボティクス2025/12/1

  降下としての計画：学習されたエネルギー地形における目標条件付き潜在軌道合成

  オフライン目標条件付き強化学習において、潜在軌道全体に対するエネルギー関数を学習し、勾配降下による軌道精錬として計画を行う手法を提案。キューブ操作タスクで95%の成功率を達成した。

  原題: Planning as Descent: Goal-Conditioned Latent Trajectory Synthesis in Learned Energy Landscapes ／ Carlos Vélez García, Miguel Cazorla, Jorge Pomares

  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 →
• 論文強化学習/ワールドモデルロボティクス2025/12/1

  RoboScape-R: 報酬と観測を統合したワールドモデルによる汎化可能なロボティクス強化学習

  ワールドモデルを汎用環境プロキシとして用い、状態遷移の理解から報酬を生成する強化学習フレームワークを提案し、多様なシーンへの汎化性能を向上させた。

  原題: RoboScape-R: Unified Reward-Observation World Models for Generalizable Robotics Training via RL ／ Yinzhou Tang, Yu Shang, Yinuo Chen 他

  日本語で読む →
• 論文モデルベース強化学習機械学習2025/12/1

  勾配ベース計画のための世界モデルにおける訓練・テストギャップの解消

  世界モデルの訓練時とテスト時の目的のずれを埋めるため、訓練時のデータ合成手法を提案し、勾配ベース計画の性能を向上させた。物体操作やナビゲーションタスクで、従来のCEMと同等以上の性能を10%の時間で達成した。

  原題: Closing the Train-Test Gap in World Models for Gradient-Based Planning ／ Arjun Parthasarathy, Nimit Kalra, Rohun Agrawal 他

  日本語で読む →
• 論文自動運転/世界モデル/強化学習ロボティクス2025/12/1

  WorldRFT: 強化学習ファインチューニングによる潜在世界モデル計画法

  自動運転向けに、シーン表現学習を計画タスクに整合させる階層的計画分解と局所的な反復改善を導入し、GRPOによる強化学習ファインチューニングで安全性を高めた潜在世界モデルフレームワークを提案。nuScenesとNavSimでSOTA性能を達成。

  原題: WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving ／ Pengxuan Yang, Ben Lu, Zhongpu Xia 他

  日本語で読む →
• 論文強化学習ロボティクス2025/12/1

  Symphony: ヒューマノイドロボットのためのヒューリスティック正規化較正アドバンテージアクター・クリティックアルゴリズム

  ヒューマノイドロボットをゼロから効率的かつ安全に学習させるため、弱いパラメトリックノイズとアクション強度の抑制、および双曲線正接を用いたフェーディングリプレイバッファを組み合わせたアクター・クリティック手法を提案。

  原題: Symphony: A Heuristic Normalized Calibrated Advantage Actor and Critic Algorithm in application for Humanoid Robots ／ Timur Ishuov, Michele Folgheraiter, Madi Nurmanov 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2025/12/1

  IPPOはチームではなくゲームを学ぶ：異種エージェントチームにおける汎化の研究

  異種エージェント環境で、自己対戦PPO（IPPO）が未知のチームメイトアルゴリズムに汎化できるかを検証し、多様なチームメイトに触れるRotating Policy Trainingと同等の性能を示した。

  原題: IPPO Learns the Game, Not the Team: A Study on Generalization in Heterogeneous Agent Teams ／ Ryan LeRoy, Jack Kolb

  日本語で読む →
• 論文強化学習ロボティクス2025/12/1

  深層強化学習によるヒューマノイドロボットの自己保護転倒ポリシーの発見

  深層強化学習とカリキュラム学習を用いて、ヒューマノイドロボットが転倒時に自己保護するためのポリシーを学習させ、三角形の姿勢を形成することで損傷を大幅に低減できることを発見し、実機に転移した。

  原題: Discovering Self-Protective Falling Policy for Humanoid Robot via Deep Reinforcement Learning ／ Diyuan Shi, Shangke Lyu, Donglin Wang

  日本語で読む →
• 論文制御/強化学習ロボティクス2025/12/1

  TD3によるツインロータ航空システムの制御

  強化学習アルゴリズムTD3を用いてツインロータ航空システムの姿勢制御と軌道追従を行い、外乱下でのPID制御との比較や実機実験で有効性を確認した論文。

  原題: Control of a Twin Rotor using Twin Delayed Deep Deterministic Policy Gradient (TD3) ／ Zeyad Gamal, Youssef Mahran, Ayman El-Badawy

  日本語で読む →
• 論文マルチエージェント強化学習cs.MA2025/12/1

  信念不一致と限られた通信下でのDec-POMDPにおける最適性能と行動一貫性の保証に向けて

  各エージェントが異なる信念を持つ分散型POMDPにおいて、信念の不一致を考慮した最適な共同行動選択フレームワークを提案し、行動一貫性と性能の確率的保証を提供するとともに、必要な時のみ通信をトリガーする手法を開発した。

  原題: Towards Optimal Performance and Action Consistency Guarantees in Dec-POMDPs with Inconsistent Beliefs and Limited Communication ／ Moshe Rafaeli Shimron, Vadim Indelman

  日本語で読む →
• 論文制御/強化学習機械学習2025/12/1

  リアプノフ証明を用いたマルチステップアクター・クリティック学習による指数安定化制御

  オフポリシー最大エントロピー強化学習に指数安定性を統合し、マルチステップサンプルとリアプノフ証明で効率的に安定化制御を学習する手法を提案。

  原題: MSACL: Multi-Step Actor-Critic Learning with Lyapunov Certificates for Exponentially Stabilizing Control ／ Yongwei Zhang, Yuanzhe Xing, Quanyi Liang 他

  日本語で読む →
• 論文強化学習/誘導制御ロボティクス2025/12/1

  滑空弾の誘導制御のための強化学習

  光学誘導滑空機の制御則を強化学習で構築し、カメラで検出した目標を高精度に追跡・誘導できることを示した研究。

  原題: Reinforcement Learning for Gliding Projectile Guidance and Control ／ Joel Cahn, Antonin Thomas, Philippe Pastor

  日本語で読む →
• 論文制御/強化学習ロボティクス2025/12/1

  Soft Actor-Criticを用いたクアッドロータの強化学習位置制御

  推力ベクトルを直接制御する強化学習エージェントと姿勢PIDを組み合わせ、従来のRPM制御より高速な学習と滑らかな経路追従を実現した。

  原題: Reinforcement Learning Position Control of a Quadrotor Using Soft Actor-Critic (SAC) ／ Youssef Mahran, Zeyad Gamal, Ayman El-Badawy

  日本語で読む →
• 論文強化学習/ドッキング/微小重力ロボティクス2025/12/1

  微小重力環境における6自由度ドッキングのための強化学習：ISS-JEM内のInt-Ball2を用いたシミュレーション研究

  JAXAのInt-Ball2ロボットの6自由度ドッキングを、Isaac Sim上の高忠実度JEMモデルでPPOを用いて強化学習し、ドメインランダム化と観測ノイズ下で安定したドッキングを実現した。

  原題: Reinforcement Learning based 6-DoF Maneuvers for Microgravity Intravehicular Docking: A Simulation Study with Int-Ball2 in ISS-JEM ／ Aman Arora, Matteo El-Hariry, Miguel Olivares-Mendez

  日本語で読む →
• 論文自動運転/安全強化学習機械学習2025/12/1

  予測的安全表現を用いた安全な自動運転ポリシーの学習

  将来の制約違反を予測する安全表現を強化学習に組み込み、自動運転の性能と安全性のトレードオフを改善する手法を実データで検証した。

  原題: Learning Safe Autonomous Driving Policies Using Predictive Safety Representations ／ Mahesh Keswani, Raunak Bhattacharyya

  日本語で読む →
• 論文オフライン強化学習機械学習2025/12/1

  非定常環境におけるオフライン強化学習のための予測手法

  オフライン強化学習において、時間変化するずれによる部分観測性に対処するため、拡散モデルによる候補状態生成とゼロショット時系列予測を統合したFORLを提案し、非定常環境での性能向上を実証した。

  原題: Forecasting in Offline Reinforcement Learning for Non-stationary Environments ／ Suzan Ece Ada, Georg Martius, Emre Ugur 他

  日本語で読む →
• 論文強化学習/流体制御AI2025/12/1

  強化学習で技能獲得におけるフィードバックの役割を探る

  回転円柱を水中に置き、強化学習エージェントに抗力の最大化・最小化を学習させた結果、流れのフィードバックなしでも同じ行動系列で同等の性能が得られ、技能実行にフィードバックは必須でないことを示した。

  原題: Using reinforcement learning to probe the role of feedback in skill acquisition ／ Antonio Terpin, Raffaello D'Andrea

  日本語で読む →
• 論文ニューロモーフィック/強化学習ロボティクス2025/12/1

  Intel Loihi 2ニューロモーフィックハードウェアによる自律強化学習ロボット制御

  シミュレーションで訓練した強化学習方策をスパイキングニューラルネットワークに変換し、Intel Loihi 2上でAstrobeeロボットの制御を実現した。

  原題: Autonomous Reinforcement Learning Robot Control with Intel's Loihi 2 Neuromorphic Hardware ／ Kenneth Stewart, Roxana Leontie, Samantha Chapin 他

  日本語で読む →
• 論文強化学習/フォトニックコンピューティングロボティクス2025/12/1

  ロボット連続制御のためのフォトニックスパイキング強化学習のハードウェア・ソフトウェア協調コンピューティング

  光スパイキング強化学習（TD3とSNNの融合）をシリコンフォトニックMZIチップで実行するハードウェア・ソフトウェア協調推論システムを提案し、ロボット連続制御タスクで高効率・低遅延を実現した。

  原題: Hardware-Software Collaborative Computing of Photonic Spiking Reinforcement Learning for Robotic Continuous Control ／ Mengting Yu, Shuiying Xiang, Changjian Xie 他

  日本語で読む →
• 論文強化学習機械学習2025/12/1

  分離型Qチャンキング：批評家と方策のチャンク長を分離した強化学習

  批評家のチャンク長と方策のチャンク長を分離し、短い行動チャンクで方策を最適化することで、長期的な目標条件付きタスクにおけるオフライン強化学習の性能を向上させる手法を提案した。

  原題: Decoupled Q-Chunking ／ Qiyang Li, Seohong Park, Sergey Levine

  日本語で読む →
• 論文強化学習AI2025/12/1

  強化学習仕様の自動精緻化フレームワークAutoSpec

  強化学習の論理仕様を探索に基づいて自動的に精緻化し、複雑なタスクの学習を容易にするフレームワークAutoSpecを提案。

  原題: Automating the Refinement of Reinforcement Learning Specifications ／ Tanmay Ambadkar, Đorđe Žikelić, Abhinav Verma

  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 →
• 論文マルチエージェント強化学習機械学習2025/11/22

  MOMA-AC: 選好駆動型アクター・クリティックによる連続多目的マルチエージェント強化学習

  連続状態・行動空間の多目的マルチエージェント強化学習向けに、選好条件付けと集中型クリティックを組み合わせたアクター・クリティック枠組みを提案し、TD3/DDPGに適用して協調歩行タスクで有効性を示した。

  原題: MOMA-AC: A preference-driven actor-critic framework for continuous multi-objective multi-agent reinforcement learning ／ Adam Callaghan, Karl Mason, Patrick Mannion

  日本語で読む →
• 論文強化学習/世界モデル機械学習2025/11/18

  因果関係を考慮した強化学習のためのオブジェクト中心の世界モデル

  観測をオブジェクト単位のトークンに分解し、Transformerベースの世界モデルと因果関係を考慮した方策・価値ネットワークを統合したSTICAを提案。物体が多い環境での強化学習において、サンプル効率と最終性能で既存手法を上回ることを示した。

  原題: Object-Centric World Models for Causality-Aware Reinforcement Learning ／ Yosuke Nishimoto, Takashi Matsubara

  日本語で読む →
• 論文オフライン強化学習stat.ML2025/11/13

  連続時間オフライン強化学習のための作用素モデル

  連続時間の制御拡散過程を再生核ヒルベルト空間で学習し、作用素論に基づく動的計画法でオフライン強化学習の価値関数の大域的収束と有限サンプル保証を与えた論文。

  原題: Operator Models for Continuous-Time Offline Reinforcement Learning ／ Nicolas Hoischen, Petar Bevanda, Max Beier 他

  日本語で読む →