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: 2026/10/29 ／ 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3Dシーン生成画像認識
LucidLyra: マルチタスク蒸留によるフィードフォワード生成3Dシーン再構成と統合的理解
動画拡散モデルと2D基盤モデルの知識を蒸留し、単一画像や動画から意味・インスタンス情報を持つ3Dガウシアンシーンをフィードフォワードで生成・理解するフレームワーク。
原題: LucidLyra: Feed-Forward Generative 3D Scene Reconstruction and Joint Understanding via Multi-Task Distillation ／ Oliver Hahn, Rodrigo Marcuzzi, Sangeetha Grama Srinivasan 他
日本語で読む → - 論文4Dシーン生成画像認識
DyCraft: 長期的な4Dシーン生成のためのエージェントシステム
アニメーション制作をキーポーズの3Dストーリーボードに分解し、コーディングエージェントが局所的な動きを検証しながら生成することで、物理的に整合した長期的4Dシーンを実現するシステム。
原題: DyCraft: An Agentic System for Long-Horizon 4D Scene Generation ／ Jeff Tan, Hang Dai, Zeqian Long 他
日本語で読む → - 論文VLAロボティクス
行動に影響する視覚経路を狙う攻撃：PASA-KV
World Action Modelの内部視覚表現のうち、行動生成に実際に影響するK/V経路を特定して攻撃する手法を提案し、実機ロボットでも有効性を示した。
原題: PASA-KV: Attacking Action-Facing Visual Routes in World Action Models ／ Zhongbo Wu, Jiakai Huang, Zheng Zhang 他
日本語で読む → - 論文手とシーンの相互作用画像認識
EgoHSI3R: 一人称動画からのオンライン4D手とシーン相互作用の再構成
一人称単眼動画から、カメラ運動・密なシーン形状・両手のMANO姿勢・手と物体の接触を単一のフィードフォワードネットワークで因果的に同時推定する手法を提案した。
原題: EgoHSI3R: Online 4D Hand-Scene Interaction Reconstruction from Egocentric Video ／ Mingzhi Pei, Zhangchen Ye, Ruoqu Chen 他
日本語で読む → - 論文VLAロボティクス
トークンではなく幾何を解読：ロボットのアフォーダンスと軌道予測のための効率的VLM
小型VLMの凍結バックボーンに軽量な幾何予測ヘッドを付けて、座標を自己回帰生成せず連続値として直接回帰し、軌道誤差を大幅削減した研究。
原題: Decoding Geometry, Not Tokens: Efficient VLMs for Robot Affordance and Trajectory Prediction ／ Akila Ayanthi, Darshana Priyasad, Tharindu Fernando 他
日本語で読む → - 論文生成モデル誘導AI
AegisFlow: 学習不要の非近視眼的経路安全誘導フローマッチング
拡散・フローマッチング生成を安全制約付き最適制御問題として定式化し、時間変化バリア関数を大域コストに組み込むことで経路全体の制約を満たす学習不要の誘導手法を提案。画像編集とロボット計画で有効性を示した。
原題: AegisFlow: Training-Free Non-Myopic Path-Safe Guided Flow Matching ／ Kunpeng Liu, Boshi Zhang, Keyou You
日本語で読む → - 論文敵対的ロバスト性画像認識
LiDAR-SHIELD：LiDARベース3D知覚モデルのためのDocker化された敵対的ロバスト性評価フレームワーク
任意のLiDAR 3D知覚モデルをHTTPエンドポイント経由で接続し、セグメンテーションと物体検出の敵対的攻撃を統一的に評価できるDocker化フレームワークを提案した。
原題: LiDAR-SHIELD: A Fully Dockerized Adversarial Robustness Assessment Framework for LiDAR-Based 3D Perception Models ／ Alexandros Gkillas, Ioulia Kapsali, Christos Anagnostopoulos 他
日本語で読む → - 論文長期タスク実行ロボティクス
LOGIV: 長期ロボットタスクのためのグラフ検証付き実行と因果的局所修復
タスクグラフで計画・検証・実行を結び、失敗時に依存関係をたどって必要な条件だけを局所修復するフレームワークを提案。既存のVLA/WAMポリシーの上で動作し、双腕タスクや実機で成功率を向上させた。
原題: LOGIV: Graph-Verified Execution with Causal Local Repair for Long-Horizon Robot Tasks ／ Enqiao Lu, Yuxiang Xie, Xingrui Yu 他
日本語で読む → - 論文地図構築画像認識
バイアス付き事前地図に頑健なオンライン・ベクトル化地図構築フレームワークPriorMaskMap
古い情報や一時的な道路変化で誤りを含む事前地図でも、その信頼度を推定して活用し、オンラインで高精度かつ頑健にベクトル化地図を構築する手法を提案した。
原題: PriorMaskMap: Robust Online Vectorized Map Construction with Biased Priors ／ Haoming Xu, Wei Li, Yu Hu
日本語で読む → - 論文ベンチマークAI
PAPERBENCHX：AIは分野を超えて科学を再現できるか
電磁気・フォトニクス・化学・材料・生物・ロボティクスなど12分野93件の論文再現タスクを構築し、AIエージェントが専門ソフトを用いて実験を再現・検証できるかを評価するベンチマークを提案した。
原題: PAPERBENCHX: Can AI Reproduce Science Across Disciplines? ／ Ruoyu Wu, Zengji Tu, Aolong Sun 他
日本語で読む → - 論文画像編集/3D制御画像認識
RADI3N: パラメトリック3D制御による幾何学的画像編集
パーツ単位のパラメトリック3D制御で画像を編集するフレームワーク。境界の回転場不連続を抑える変形モジュールと、位置バイアスを抑えたテクスチャ転写で高忠実な編集を実現する。
原題: RADI3N: GeometRic ImAge EDiting via ParametrIc 3D CoNtrol ／ Abdul Wasi, Akhil Gorugantu, Mahesh Bhosale 他
日本語で読む → - 論文VLAロボティクス
未来予測が引き起こす行動変化を補正するUtility-WAM
視覚的未来予測を条件にしたロボット行動生成が精度タスクで性能を大きく劣化させる問題を分析し、凍結したWAMに残差アダプタを付けて未来由来の速度変化を補正する手法を提案した。
原題: Utility-WAM: Correcting Future-Induced Action Changes ／ Feihong Zhang, Xi Lin, Yulong Shi 他
日本語で読む → - 論文ロボット学習データセットロボティクス
RoboAtom：ロボット学習のための大規模原子行動アノテーション
複数データ源の軌跡に統一的な原子行動（サブタスク）アノテーションを付与した大規模データセットとベンチマークを構築し、スキル認識・境界定位・階層制御の性能向上を示した。
原題: RoboAtom: Large-scale Atomic-Action Supervision for Robot Learning ／ Xueyuan Wei, Xuanxu Wang, Xudong Li 他
日本語で読む → - 論文世界モデル画像認識
WorldFlow：大規模事前学習による動画と3D運動の同時予測
動画とクエリベースの3D軌道を同時に生成する世界モデルを提案し、144万サンプルで学習して3D運動予測精度で既存手法を大きく上回った。
原題: WorldFlow: Joint Video and 3D Motion Prediction via Large-Scale Pretraining ／ Yuhao Lu, Jiongxu Chen, Hexiang Wei 他
日本語で読む → - 論文両腕巧緻操作ロボティクス
AcrossDEX 1.0：人間動作の事前学習から異なるハンド身体への両腕巧緻操作へ
人間の両手動作動画で事前学習し、シミュレーションでの専門家学習と実機デモ収集を経て、6チャンネルInspireハンドと16関節Allegroハンドの両方で視覚閉ループの両腕巧緻操作を実現した学習システム。
原題: AcrossDEX 1.0: From Human Motion Pretraining to Bimanual Dexterous Manipulation across Hand Embodiments ／ Xiaoyu Yang, Nan Wu
日本語で読む → - 論文関節アセット生成画像認識
RFW-A: エージェントによる400K関節アセットの手続き的生成（500カテゴリ以上）
カテゴリ単位で再利用可能な生成プログラムをエージェントが構築・検証し、手続き的実行で50万カテゴリ超・40万点の関節アセットを低コスト生成する手法を提案。
原題: RFW-A: Agentic Procedural Generation of 400K Articulated Assets over 500 Categories ／ Yuanbo Lyu, Changjian Pan, Saining Zhang 他
日本語で読む → - 論文触覚ロボティクス
触覚と姿勢を同時計測する手袋型デバイスTactus：自然な巧みな手の動作データ収集を実現
布地に統合した触覚センサとIMU融合姿勢追跡を備えた手袋型ウェアラブルを開発し、自然な手の操作データを高精度に収集できることを示した。
原題: Tactus: Tactile & Pose Sensing Glove for Natural Dexterity Data Collection ／ Li Guan, Rachael Granberry, Sahar Aseeri 他
日本語で読む → - 論文ワールドモデル画像認識
静的・動的を分離した長期一貫性映像ワールドモデル
映像ワールドモデルの長期一貫性を保つため、履歴を静的シーンと動的エンティティに分解して保持・検索し、学習なしで注入するフレームワークGROMEを提案した。
原題: GROME: GROunding Factorized MEmory into Video World Models ／ Fang Yu, Xiaoxue Wu, Haiyu Zhang 他
日本語で読む → - 論文経路計画ロボティクス
圧縮方位到達性マップによるロボット針穿刺のサブ秒エントリーポイント計画
6自由度マニピュレータの到達可能性を事前計算した83MBの方位ベース到達性マップを構築し、JITコンパイルで参照することで経皮的肝インターベンションの穿刺点計画を13〜27秒から約0.3秒に短縮した。
原題: Compressed Orientation Reachability Maps for Sub-Second Robotic Needle Entry Point Planning ／ Prabhu Nithin Gollapudi, Andreas Maier, Franziska Mathis-Ullrich 他
日本語で読む → - 論文世界モデルRL機械学習
密度誘導ブートストラップ境界による潜在世界モデル強化学習
スコア推定に基づく相対密度プロキシで想像軌跡の信頼度を測り、リターン展開の深さを適応的に打ち切るゲーティング機構を提案。Dreamer V3に実装し連続制御とAtari Pongで有効性を示した。
原題: Density-Guided Bootstrap Boundaries for Latent World-Model Reinforcement Learning ／ Shashank Gupta, Pilhwa Lee
日本語で読む → - 論文マニピュレーションロボティクス
遠隔操作から長期的な器用さへ：視覚運動スキルとオフライン指標による器用な操作の評価
281の模倣学習ポリシーを実機約1700回のRJ45コネクタ把持・挿入試験で評価し、観察・行動表現の設計が実世界性能を支配すること、オフライン指標は一部のみ成功と相関することを示した。
原題: From Teleoperation to Long-Horizon Dexterity: Evaluating Visuomotor Skills and Offline Proxies for Dexterous Manipulation ／ Ammar N. Abbas, Aayush Jain, Prashanth Viswanath 他
日本語で読む → - 論文群制御ロボティクス
情報駆動型の異種UAV/UGV協調自律システム
UAVの空中センシングとUGVの地上経路計画を統合し、未知の危険目標を探索・回避する分散協調手法を提案。エルゴディック制御とベイズ推論で情報密度に基づく探索を行い、確率制約付き経路計画を分散最適化で解く。
原題: Information-Driven Collaborative Autonomy for Heterogeneous UAV/UGV Teams ／ Joshua Yuriv Pilipovsky
日本語で読む → - 論文ヒューマノイド/強化学習ロボティクス
ヒューマノイドドッジボール：高速動的障害物回避動作の学習
強化学習でヒューマノイドが飛来する物体を素早く回避する全身動作を獲得するフレームワークを提案し、シミュレーションと実機で有効性を示した。
原題: Humanoid Dodgeball: Learning Fast Dynamic Obstacle Avoidance Motions for Humanoids ／ Aoqian Zhang, Chunzheng Wang, Haoran Chen 他
日本語で読む → - 論文身体性ナビゲーションロボティクス
問いかけて進化する：ハイブリッド行動空間と永続メモリを備えた生涯身体性ナビゲーションの統合ハーネス
マルチモーダル身体性エージェントが経路探索・局所調整・ピクセル移動・物体指向移動を組み合わせ、曖昧な状況では能動的に質問し、空間メモリに経験を蓄積しながら生涯学習する統合ナビゲーション基盤EvoLifeを提案した。
原題: Ask to Evolve: A Unified Harness for Lifelong Embodied Navigation with Hybrid Action Space and Persistent Memory ／ Kai Sheng, Liuyi Wang, Jinlong Li 他
日本語で読む → - 論文VLAロボティクス
推論時に行動表現を誘導するSTAR
学習不要の推論手法STARを提案し、VLAモデルの後層の行動表現に物体認識的な更新方向を引き継がせて操作タスクの成功率を平均4.0ポイント向上させた。
原題: STAR: Steering Action Representations during Inference ／ Guangyu Zhao, Yongchang Zhang, Haoxuan Ru 他
日本語で読む → - 論文遠隔操作ロボティクス
月面ロボットアーム遠隔操作のための視線支援スーパーバイザリ制御
視線で対象を指定し確認で把持・配置を自律実行させる半自律制御をVR実験で検証し、手動操作より作業時間と負荷を大幅に削減できることを示した。
原題: Gaze-Assisted Supervisory Control for Lunar Robotic Arm Teleoperation Under Concurrent Monitoring ／ Jiayu He, Yifan Li, Oliver R. Runswick 他
日本語で読む → - 論文タスク計画ロボティクス
進捗認識型クローズドループによる長期的ロボットタスク計画
目標状態と実行状態の関係からサブゴールの進捗を明示的に推定し、実行を適応制御する枠組みを提案。成功率を向上させつつ環境との相互作用を削減した。
原題: ProLoop: Progress-Aware Closed-Loop Framework via Structured State Relations for Long-Horizon Robotic Task Planning ／ Runxin Zou, Qingmiao Liang, Jiatao Zhang 他
日本語で読む → - 論文MPC×RL機械学習
強化学習による終端コスト推定を組み込んだ自動運転トラックの短期MPC
高速道路での大型トラック自動運転のため、MPCの終端コストを事前学習した強化学習モデルで推定するハイブリッド手法を提案し、衝突ゼロかつ最小コストを達成した。
原題: Learned Terminal Costs for Short-Horizon Model Predictive Control of Autonomous Trucks in Interactive Highway Traffic ／ Hooman Hamze, Benjamin Houshmand, Deepthi Pathare 他
日本語で読む → - 論文点群動画/解釈性画像認識
運動か形状かを切り分けるブラックボックス帰属手法
4D点群動画モデルが運動と形状のどちらに依存しているかを、モデル出力のみを使って事後的に切り分けるブラックボックス介入型帰属手法KCAを提案し、複数のバックボーンで有効性を検証した。
原題: Kinematic Causal Attribution: Black-Box Explanations of Motion versus Geometry for 4D Point-Cloud Video Models ／ Zerui Wang
日本語で読む → - 論文群制御cs.GT
通信できない集団が敵を通じて自己を知る仕組み
互いに通信できないチームでも、敵が集団全体に反応する様子を観察することで各メンバーが単独では知り得ない情報を学習できることを示し、信頼の配分や事前コミットメントの効果を理論的に解析した論文。
原題: How a group that cannot communicate knows itself by its enemy ／ Gregory Falco
日本語で読む →