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: 2026/9/26 ／ arXivを3時間ごとに自動収集

• 論文VLAロボティクス2026/9/26

  非IIDマルチロボットマニピュレーションのための連合部分空間誘導型視覚-言語-行動ポリシー蒸留

  複数ロボットが非IID環境で連合学習する際に、低ランク部分空間と行動分布の蒸留、および互換性に基づくクラスタリングで表現ドリフトを抑え、マニピュレーションポリシーの知識転移を改善する手法を提案。

  原題: Federated Subspace Guided Vision-Language-Action Policy Distillation for Non-IID Multi-Robot Manipulation ／ Biprodip Pal, Kaushik Roy, Yanming Zhu 他

  日本語で読む →
• 論文VLA画像認識2026/9/26

  CausalDriveBench: 自動運転向けVLAモデルの因果推論を評価するベンチマーク

  自動運転向けVision-Language-Actionモデルが、シーンの因果構造を捉えた推論を行えているかを評価するため、nuScenes上に因果シーングラフを構築し、Pearlの因果階層に沿ったQAと反事実軌道予測からなるベンチマークを提案した。

  原題: CausalDriveBench: Evaluating Causal Reasoning in Vision-Language-Action Models for Autonomous Driving ／ Narendiran Chembu, Navvrat Rao, Shreedhar Shreeshail Kodate 他

  日本語で読む →
• 論文VLAロボティクス2026/9/26

  FINE: 未来情報を活用したナビゲーション符号化によるデータ効率的な視覚言語ナビゲーション

  既存の実演軌道から未来の観測情報を補助監督として抽出し、視覚言語ナビゲーションのデータ効率を高める手法を提案。

  原題: FINE: Future-Informed Navigation Encoding for Data-Efficient Vision-Language Navigation ／ Khang H. Nguyen, Hoang Pham Quang Nguyen, Ha Phuong Nguyen 他

  日本語で読む →
• 論文VLAAI2026/9/26

  Vision-Language-Actionモデルは一歩の観測摂動に頑健か？

  VLAモデルに対する一時的な観測ノイズの影響を調査し、予測アクションの一貫性に基づいて実行長を動的に調整するCAREを提案した研究。

  原題: Are Vision-Language-Action Models Robust to One-Step Observation Perturbations? ／ Shojiro Yamabe, Jun Sakuma

  日本語で読む →
• 論文VLAロボティクス2026/9/26

  RoboFFT：順過程を用いたオンライン強化学習による生成ロボット方策のファインチューニング

  生成モデルベースの方策を、順過程ノイズ付加とスコアマッチング損失でPPO的にファインチューニングする手法を提案し、模倣学習の限界を強化学習で改善する。

  原題: RoboFFT: Finetuning generative robot policy via online reinforcement learning with forward process ／ Yu Li, Shenghe Hu, Yuhan Wang 他

  日本語で読む →
• 論文VLAロボティクス2026/9/26

  CAPEX: 経験適応型推論による基盤モデル行動の展開可能なロボットポリシーへの効率的蒸留

  マルチモーダル基盤モデルを自律的な実演者として使い、過去の実行経験に応じて再計画の頻度を適応させることで、低コストでロボットポリシー学習用データを収集するフレームワークCAPEXを提案した。

  原題: CAPEX: Efficiently Distilling Foundation Model Behavior into Deployable Robot Policies through Experience-Adaptive Reasoning ／ Shivam Aarya, Zhang Xi-Jia, Chengyue Huang 他

  日本語で読む →
• 論文VLA機械学習2026/9/26

  マルチエージェント討論蒸留における認識的信頼性のブラックボックス監査

  討論蒸留後の検証器が、監視タスクでは性能を保ちつつ隠しタスクで正解支持を失う「認識的信頼性劣化」を検出するため、凍結チェックポイントを比較する二段階ブラックボックス監査フレームワークER-Auditを提案。

  原題: Black-Box Auditing of Epistemic Reliability in Multi-Agent Debate Distillation ／ Derui Wang, Zewei Shi, Rayne Holland 他

  日本語で読む →
• 論文VLAロボティクス2026/9/26

  SEES: 失敗から自己進化するVLAポリシー適応システム

  長期的タスクで失敗するVLAポリシーを、専門家の追加デモなしに自己改善するシステム。失敗した原子スキルを自動検出し、シミュレーションでRL学習してポリシーを進化させる。

  原題: SEES: A Self-Evolving Embodied System via Failure-Guided VLA Policy Adaptation ／ Ziwen Li, Hanlue Zhang, Zhenyang Ren 他

  日本語で読む →
• 論文VLAロボティクス2026/9/26

  樹状突起に着想を得た頑健な行動制御のための視覚-言語-行動モデルDS-VLA

  脳の樹状突起の動態を模したアクションニューロン構造をVLAモデルに導入し、行動が一時的に乱される状況でも高い成功率を維持できる頑健な制御を実現した。

  原題: DS-VLA: A Dendritic-inspired Vision-Language-Action Model for Robust Action Control ／ Yaxing Lyu, Jingyi Li, Mingkun Xu 他

  日本語で読む →
• 論文VLAロボティクス2026/9/26

  RE-0: 局所オンポリシー蒸留による身体性コード・アズ・ポリシーエージェントの検証済み再帰的改善

  教師の失敗を考慮し、学生の失敗履歴に対する教師の局所修正を環境で検証してからオンポリシー蒸留の監督に使うことで、コード生成型身体性エージェントを再帰的に改善する手法を提案。

  原題: RE-0: Verified Recursive Improvement of Embodied Code-as-Policy Agents through Local On-Policy Distillation ／ Jiawei Zhang, Xiangrong Zhang, Rui Song 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  Causeway: VLAポリシーにおける指示切替時のタスク到達性回復

  VLAポリシーで別タスク実行後に新しい指示を与えると失敗しやすい問題に対し、学習不要の推論時介入で目標タスクの再開を可能にする手法を提案。

  原題: Causeway: Restoring Task Accessibility for Instruction Switching in VLA Policies ／ Qingzi Wang, Kaixi Feng, Guangyao Shi 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  NavGen: 視覚生成モデルを身体性3Dナビゲーションのスケーラブルなデータエンジンとして活用

  テキストから動画を生成するモデルをデータエンジンとして使い、屋内・屋外の視覚言語ナビゲーション（VLN）エピソードを約40万件生成し、実世界のドローン飛行実験で75%の成功率を達成した。

  原題: NavGen: Visual Generative Models as a Scalable Data Engine for Embodied 3D Navigation ／ Xijie Huang, Yongyang Wan, Chengbin Dong 他

  日本語で読む →
• 論文VLA画像認識2026/9/25

  SatNav: 衛星画像を用いた長距離UAV視覚言語ナビゲーションのためのスケーラブルなベンチマーク

  高解像度衛星画像から都市規模の長距離UAV視覚言語ナビゲーション用ベンチマークを構築し、18都市59シーンから11.8万エピソードを自動生成した研究。

  原題: SatNav: A Scalable Benchmark for Long-Horizon UAV Vision-Language Navigation from Satellite Imagery ／ Jiajun Jiang, Chunliang Hua, Zichun Chen 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  Kintsugi-VLA: 失敗ロールアウトを介入的回復可能性で回復データに変換

  シミュレーションで失敗したロールアウトを、状態復元と分岐を利用して回復用の合成データに変換する枠組みを提案し、Frankaマニピュレーションで回復成功率を向上させた。

  原題: Kintsugi-VLA: Turning Failed Robot Rollouts into Recovery Data through Interventional Recoverability ／ Ivan Snegirev, Elizaveta Semenyakina, Dmitrii Maliukov 他

  日本語で読む →
• 論文VLA/ロボットセキュリティロボティクス2026/9/25

  AuthGuard-R：LLM制御ロボットの安全準拠型ミッションハイジャックと二重ゲート防御

  物理的に安全でもユーザー認可ミッションを逸脱する「安全準拠型ミッションハイジャック」攻撃を定式化し、署名付きミッションに実行を束縛する認可層AuthGuard-Rと適応的攻撃MissionPAIRを提案・検証した論文。

  原題: AuthGuard-R: Safety-Compliant Mission Hijacking and Dual-Gate Defense for LLM-Controlled Robots ／ Saidattu Chepuri, Vikas Srivastava

  日本語で読む →
• 論文VLAAI2026/9/25

  DriveHierarchy: VLM自動運転能力を開放ループ理解から閉ループ実行まで診断するベンチマーク

  VLMベース自動運転を「知覚的接地・文脈記憶・心的推論・閉ループ実行」の4階層で評価する統一ベンチマークを構築し、15モデルの能力構造と開放ループ理解と閉ループ運転の関係を分析した。

  原題: DriveHierarchy: A Benchmark for Diagnosing VLM Driving Capabilities from Open-Loop Understanding to Closed-Loop Execution ／ Chengkai Xu, Jiaqi Liu, Yicheng Guo 他

  日本語で読む →
• 論文VLA画像認識2026/9/25

  会話は不要、視覚に再注力：マルチモーダル大規模言語モデルにおける推論セグメンテーションのための潜在推論

  明示的なChain-of-Thoughtの代わりに学習可能な潜在トークンを用いて推論セグメンテーションを行うLIRSegを提案し、セグメンテーション精度と推論効率を向上させた。

  原題: Skip the Talk, Re-Focus on Vision: Latent Reasoning for Reasoning Segmentation in Multimodal Large Language Models ／ Tianhang Guo, Yulin He, Wei Chen 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  できないことを見つけよう：自己改善型VLAモデルのためのエージェント的実世界強化学習

  視覚言語行動モデルが実世界で自律的に練習し、失敗から学んで自己改善する強化学習フレームワークFINDを提案。人間によるリセットや報酬ラベルなしで成功率を55%から71.9%に向上させた。

  原題: Find Something You Can't Do: Agentic Real-World Reinforcement Learning for Self-Improving VLA Models ／ Yuan Fang, Zechu Li, Haolei Tong 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  InternW0-Δ: 予測ダイナミクスと行動を橋渡しする20K時間超のオープンデータによるワールドアクションモデル

  視覚ダイナミクスと行動生成を統合したワールドアクションモデルを、20,000時間超の異種オープンデータで事前学習し、シミュレーションと実機で従来手法を上回る性能を達成した。

  原題: InternW0-$Δ$: A World Action Model Bridging Predictive Dynamics and Actions with 20K+ Hours of Open Data ／ Xingyu Miao, Zizun Li, Baole Fang 他

  日本語で読む →
• 論文VLA画像認識2026/9/25

  CLIPの埋め込み空間バックドアに対する領域レベルのブラックボックス防御

  CLIPエンコーダの埋め込み空間バックドアに対し、セグメント単位の埋め込み摂動を測って疑わしい領域だけを意味的インペインティングで浄化する、完全ブラックボックスの軽量防御CLIPGuardを提案した。

  原題: Region-Level Black-Box Defense Against Stealthy Embedding-Space Backdoors in CLIP ／ Ahmed Abdelnaby, Mohamed Elmahallawy

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  VLaRL: シミュレーション学習の潜在条件付き残差RLによる視覚言語行動モデルの拡張

  凍結したVLAモデルに残差強化学習を適用し、シミュレーションで学習した制御を実機に転移する手法を提案。VLAの内部潜在表現を条件とすることで、実機での追加学習なしに接触の多い操作タスクの成功率を向上させた。

  原題: VLaRL: Augmenting Vision-Language-Action Models with Simulation-Trained Latent-Conditioned Residual RL ／ Namiko Saito, Kinam Kim, Heecheol Kim 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  VLA-Dreamerに向けて：世界モデルによるVLA行動の洗練

  VLAの視覚エンコーダの埋め込み空間で世界モデルを学習し、データ効率の改善と推論時の短期計画を目指す構想論文。

  原題: Towards VLA-Dreamer: Refining VLA Behavior Using World Models ／ Parsa Mastouri Kashani, Jan-Gerrit Habekost, Stefan Wermter

  日本語で読む →
• 論文VLA機械学習2026/9/25

  視覚言語行動モデルにおける線形表現仮説

  視覚言語行動モデル（VLA）において、物理量の未来の変化を線形に読み出し・操作できる表現が存在することを理論的に示し、ナビゲーション実験で検証した。

  原題: The Linear Representation Hypothesis for Vision-Language-Action Models ／ Minseok Jeong, Hyewon Choi, Hiroyasu Tsukamoto 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  CognitiveReality: LLMエージェントによるロボット非依存の意味的ガウスマッピングと没入型協調VRテレオペレーション

  ロボットのRGB-D映像から意味的に索引付けされたガウス-TSDFマップを生成し、VR上の操作者とツール利用型言語エージェントが共有して、音声やポインティングをロボット行動に変換するシステムを提案。2台の四足歩行ロボットで実証した。

  原題: CognitiveReality: Robot-Agnostic Semantic Gaussian Mapping with an LLM Agent for Immersive Collaborative VR Teleoperation ／ Timofei Kozlov, Dmitrii Maliukov, Andrey Marchenko 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  RoboMonitor: 予測表現学習によるラベル効率的なロボットタスク実行モニタリング

  ロボット政策学習用データセットを活用し、行動条件付き未来特徴予測などで事前学習した視覚言語モデルを因果モニタに転移することで、少数のラベル付きエピソードで実行フェーズ・失敗・完了を高精度に監視できる手法を提案。

  原題: RoboMonitor: Label-Efficient Runtime Monitoring of Robot Task Execution via Predictive Representation Learning ／ Abhiroop Ajith, Gokul Narayanan, Kyle Coelho 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  高速計画と忠実な行動：階層型視覚言語行動モデルにおける計画・実行ギャップの解消

  階層型VLAの計画器と実行器の不一致を分析し、ブロック自己回帰デコーディングと正規化ゴール変調で計画遅延を8.7倍削減しつつ計画の活用を改善した。

  原題: Fast Plans, Faithful Actions: Closing the Planning-Execution Gap in Hierarchical Vision-Language-Action Models ／ Chuanliang Xie, Boyu Ma, Gen Li 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  FRAM: 軌道ガイドによる視覚特徴選択で実現するコンパクトな言語条件付きロボットマニピュレーション

  将来のエンドエフェクタ軌道を画像上のポインタとして使い、必要な局所視覚特徴だけを読む小型のVLAポリシーを提案。LIBEROで92.2%の成功率を達成し、実機UR5eでもカップ積みを実現した。

  原題: FRAM: Trajectory-Guided Visual Feature Selection for Compact Language-Conditioned Robot Manipulation ／ Hiroshi Ito, Hyogo Hiruma, Yoshiki Kanai 他

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  GT-VLA: 汎化可能なロボットマニピュレーションのための目標条件付きトレース誘導

  汎用VLMが生成する2D視覚トレースを条件としてVLAの行動生成を誘導し、未見タスクや長期的操作への汎化性能を高めるフレームワークを提案。

  原題: GT-VLA: Target-Conditioned Trace Guidance for Generalizable Robotic Manipulation ／ Ninghan Zhong, Jing-Chen Peng, Sriram Vishwanath

  日本語で読む →
• 論文VLAロボティクス2026/9/25

  SeA-RVINS: 都市ナビゲーションのための相関保持型ロバスト推定を用いた意味認識密結合RTK-視覚慣性システム

  都市環境でのGNSSマルチパスや視覚の誤対応に対処するため、意味認識ステレオフロントエンドと相関構造を保持するロバスト推定、曖昧性継続戦略を統合したRTK-視覚慣性ナビゲーションシステムを提案し、都市部を含む20kmの走行で高精度・高可用性を達成した。

  原題: SeA-RVINS: Semantic-Aware Tightly Coupled RTK-Visual-Inertial System with Correlation-Preserving Robust Estimation for Urban Navigation ／ Wang Hu, Bo Wu

  日本語で読む →
• 論文VLA画像認識2026/9/25

  MVVBench：視覚言語モデルの4D推論を評価するベンチマーク

  複数カメラの映像を統合して時空間的に推論する能力を測るMVVBenchを提案し、現行の視覚言語モデルの失敗傾向と推論時戦略による改善を分析した。

  原題: MVVBench: Benchmarking 4D Reasoning in Vision-Language Models ／ Hyungjin Chung, Byeongjun Park, Joonseok Lee 他

  日本語で読む →