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: 2026/10/14 ／ 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/計画機械学習
超球面コントラスティブ表現による計画と探索の実現
コントラスティブ表現を超球面上で学習し、球面線形補間により中間ウェイポイントを閉形式で推論することで、報酬やデモなしに長期タスクを計画・探索する手法を提案。
原題: Hyperspherical Contrastive Representations Unlock Planning and Exploration ／ Jonghae Park, Sungil Son, Jonghun Shin 他
日本語で読む → - 論文強化学習機械学習
双曲空間のゴール条件付き強化学習で1000層のユークリッドネットワークを凌駕
強化学習のコントラスト目的関数をユークリッド距離から双曲空間の測地線距離に置き換えることで、64層の浅いネットワークが1024層のユークリッドネットワークを上回る性能を、12倍高速かつ13倍少ないパラメータで達成した。
原題: Outperforming 1000 Euclidean Layers With Hyperbolic Goal-Conditioned RL ／ Timo Klein, Thomas Lang, Andrii Shkabrii 他
日本語で読む → - 論文自動運転/安全強化学習ロボティクス
安全な実行を超えて：価値校正と適応的ガイダンスによる自動運転のための安全なオンライン強化学習
オフライン初期化されたフローベース運転ポリシーを、CBF-MPCフィルタと価値校正・適応ガイダンスで安全にオンライン微調整するSOAR-Flowを提案し、シミュレーションとUGVで性能向上と安全補正依存の低減を示した。
原題: Beyond Safe Execution: Safe Online Reinforcement Learning for Autonomous Driving with Value Calibration and Adaptive Guidance ／ Zeqiao Li, Yijing Wang, Haoyu Wang 他
日本語で読む → - 論文モデルベース強化学習画像認識
アクションジェット：行動条件付きデータ多様体の局所形状の学習
行動条件付き予測モデルの計算コストを削減するため、局所的な多様体形状をテイラー多項式で近似するAction Jetを提案し、計画の高速化を実現した。
原題: Action Jets: Learning the Local Shape of the Action-conditioned Data Manifold ／ Anton Arapin, Chahyon Ku, Bernadette Bucher
日本語で読む → - 論文強化学習/継続学習ロボティクス
ACCRUE: ロボット基盤モデルのための継続的オフポリシー強化学習
軽量なactor-criticネットワークをタスク間で引き継ぎ、過去の経験を再利用することで、ロボット基盤モデルが新タスクを効率的に学びつつ忘却をほぼゼロに抑える継続的オフポリシー強化学習フレームワークを提案。実機で学習時間を31〜68.5%削減。
原題: ACCRUE: Continual Off-Policy Reinforcement Learning for Robot Foundation Models ／ Changyeon Kim, Kimin Lee, Yashraj Narang 他
日本語で読む → - 論文強化学習機械学習
DEFlow: 深層平衡フロー最大エントロピー強化学習
陰的オイラー積分でフローポリシーを平衡系として解き、ソフトアクター・クリティック内でオフポリシー学習を可能にした手法を提案。
原題: DEFlow: Deep Equilibrium Flow Maximum-Entropy Reinforcement Learning ／ Ruslan Ageev, Huaze Tang, Runqing Miao 他
日本語で読む → - 論文宇宙機制御/強化学習ロボティクス
軌道マッチングからドッキングまで：多段階ランデブー軌道設計のための階層型強化学習アプローチ
軌道マッチングからドッキングまでの多段階ランデブーを自律制御するため、5つのフェーズ別方策とそれらを選択する上位マネージャ方策からなる階層型強化学習フレームワークを提案し、固定順序実行と比較評価した。
原題: From Orbit Matching to Docking: A Hierarchical Reinforcement-Learning Approach to Multiphase Rendezvous Trajectory Design ／ Mariko Storey-Matsutani, Anatoly Zlotnik, Lee Holguin 他
日本語で読む → - 論文安全制約付き強化学習/クアッドロータロボティクス
安全なクアッドロータ航法のための制約付き微分可能方策学習
微分可能シミュレータと主双対勾配法を用いて障害物回避を明示的な制約として定式化し、安全境界付近で有用な勾配を与える有界クリアランス制約とLME集約を導入することで、安全性能のトレードオフを改善するクアッドロータ方策を学習した。
原題: Constrained Differentiable Policy Learning for Safe Quadrotor Navigation ／ Yan Rui Tan, Praveen Krishnapur, Zeyu Feng 他
日本語で読む → - 論文オフライン強化学習機械学習
効率的な拡散オフライン強化学習のための合成的平均速度モデリング
拡散ポリシーの反復サンプリングとBPTTを排除し、平均速度モデリングと合成的メカニズムで単一ステップ生成を実現するInsQLを提案。
原題: Compositional Average Velocity Modeling for Efficient Diffusion Offline Reinforcement Learning ／ Thanh Nguyen, Abu Hanif Muhammad Syarubany, Hwanhee Kim 他
日本語で読む → - 論文マルチエージェント強化学習/群ロボティクス/再現性cs.SE
MARGoS: ARGoSにおける再現可能なマルチエージェント強化学習実験のための構成駆動型プラットフォーム
ARGoSシミュレータ上でのマルチエージェント強化学習実験の再現性と再利用を容易にするため、設定のハッシュ化やシード伝播、不変設定、構造化ログ、環境フィンガープリント、実験バンドルのエクスポートなどの機能を備えた軽量な構成駆動型プラットフォームを提案した。
原題: MARGoS: A Configuration-Driven Platform for Reproducible MARL Experiments in ARGoS ／ Tom Philipp Backert, Mohammad D. Soorati, Javad Ghofrani
日本語で読む → - 論文ゼロショット強化学習機械学習
Sparse-TD-JEPA: スパース潜在タスク表現によるゼロショット強化学習の改善
後継特徴量ベースのゼロショット強化学習において、タスクエンコーダの潜在表現にL1スパース性ペナルティを加えることで報酬信号を集中させ、TD-JEPAの性能を向上させる手法を提案。
原題: Sparse-TD-JEPA: Improving Zero-Shot Reinforcement Learning With Sparse Latent Task Representations ／ Duaa Nakshbandi, Zhiyu An, Wan Du
日本語で読む → - 論文強化学習機械学習
不動点フローマッチングによる強化学習
オンライン強化学習において、訓練データを必要とせずにフローポリシーを学習・微調整する不動点フローマッチング（FFM）を提案し、その有効性を実験的に示した。
原題: Reinforcement Learning via Fixed-point Flow Matching ／ Denis Blessing, Onur Celik, Gerhard Neumann
日本語で読む → - 論文強化学習AI
エージェントの価値関数に潜む世界モデルの可視化
強化学習エージェントの価値関数が環境のルールや概念を内部に獲得しているかを、反事実的介入によって可視化・検証した研究。
原題: Visualizing the World Model in an Agent's Value Function ／ Shawheen Naderi, Fatemeh Akherati, Yubei Chen
日本語で読む → - 論文強化学習機械学習
時間的近接性を超えて：強化学習におけるクレジット割り当てのための説明可能な世界モデル
説明を用いて遠い過去の行動への報酬割り当てを改善するEWMを提案し、長距離タスクや推薦システムで性能向上を示した。
原題: Beyond Temporal Proximity: Explanatory World Models for Credit Assignment in Reinforcement Learning ／ Oriol Corcoll, Qiyao Wei, Ciarán Mark Gilligan-Lee
日本語で読む → - 論文模倣学習/強化学習ロボティクス
高次行動監督による強力な方策クラス
模倣学習や強化学習において、0次（行動ラベル）だけでなく1次（行動の時間変化）も同時に監督する損失を提案し、既存の方策モデルに構造変更なしで組み込めるようにした。連続制御タスクで性能とロバスト性が大幅に向上。
原題: Higher-Order Action Supervision Makes A Strong Policy Class ／ Peng Cheng, Yunxian Hou, Zhi Zhou 他
日本語で読む → - 論文安全強化学習ロボティクス
FAITH: 高次元システムのための実行可能性を考慮した安全フィルタ付き強化学習
タスク方策と安全フィルタを分離し、学習した安全価値で最小介入フィルタを近似することで、高次元ヒューマノイドでも高い安全性とタスク性能を両立するモデルフリー強化学習フレームワークを提案。
原題: FAITH: Feasibility-Aware Safety-Filtered RL for High-Dimensional Systems ／ Songyuan Zhang, Baljeet Singh, Sarthak Ranjeet Kaingade 他
日本語で読む → - 論文連合強化学習機械学習
いつ介入すべきか？連合強化学習における状態認識型スパースマニピュレーション
連合強化学習において、攻撃の介入タイミングが攻撃効果を大きく左右することを示し、局所方策の不確実性に基づいてスパースな介入状態を選ぶ新たな攻撃手法V-BSAを提案した。
原題: When to Intervene? State-Aware Sparse Manipulation in Federated Reinforcement Learning ／ Shutong Zheng, Sijia Chen
日本語で読む → - 論文強化学習ロボティクス
バランスの取れたデータダイエット：ロボット制御のための超大規模強化学習における探索ボトルネックの解消
強化学習の大規模並列シミュレーションにおいて、ポリシーの能力の限界付近のタスク設定に学習を集中させる適応的サンプリング手法を提案し、四足歩行などの難タスクを効率的に学習できるようにした。
原題: A Balanced Data Diet: Addressing the Exploration Bottleneck in Mega-Scale RL for Robot Control ／ Octi Zhang, Mateo Guaman Castro, Patrick Yin 他
日本語で読む → - 論文解釈可能な強化学習機械学習
時間的に解釈可能な微分可能決定木
行動チャンキングと情報理論的な木再構築により、逐次意思決定タスクにおける微分可能決定木の時間的解釈性を向上させる手法を提案した。
原題: Temporally Interpretable Differentiable Decision Trees ／ Eisuke Hirota, Aarav Sane, Rohan Paleja
日本語で読む → - 論文制約学習/逆強化学習ロボティクス
未知の制約を安全に学習する最適性と反事実正則化
局所最適な専門家デモと学習したダイナミクスから、危険な探索なしに未知の制約を復元するCF-KKTフレームワークを提案。
原題: Learning Unknown Constraints without Unsafe Data via Optimality and Counterfactual Regularization ／ Zhouyu Zhang, Chih-Yuan Chiu, Glen Chou
日本語で読む → - 論文強化学習機械学習
スカラー随伴マッチングによるQ学習
フローポリシーのファインチューニングにおいて、各ステップのヤコビアン計算を不要にするスカラー随伴を提案し、OGBenchの難タスクで成功率を大幅に改善した。
原題: Q-Learning with Scalar Adjoint Matching ／ Yonghoon Dong, Minsung Yoon, Jaehyuk Kim 他
日本語で読む → - 論文安全強化学習機械学習
平均では安全、裾では危険：エピソードコストの裾はいつ制御可能か
安全強化学習において、平均コスト制約を満たす方策が最悪エピソードで危険になる問題をCVaRで評価し、裾の制御可能性を複数タスクで検証した。
原題: Safe on Average, Unsafe in the Tail: When Is the Episodic-Cost Tail Controllable? ／ Samuel Tetteh, Cody Fleming
日本語で読む → - 論文目標条件付き強化学習機械学習
目標条件付き強化学習のための世界モデル政策アービター
複数の凍結済み目標条件付き政策をポートフォリオとして活用し、学習した世界モデルで各政策の将来を想像評価して最適な政策を選択するテスト時フレームワークを提案。
原題: World-Model Policy Arbiter for Goal-Conditioned Reinforcement Learning ／ Junwei Quan, Evgenii Opryshko, Nicholas Rhinehart 他
日本語で読む → - 論文オフライン強化学習機械学習
対話制約付きオフライン強化学習による自動運転
自動運転向けに、自車と周囲エージェントの相互作用レベルの分布シフトを制御するオフライン強化学習フレームワークICDPを提案。
原題: Beyond Policy Support: Interaction Constrained Offline Reinforcement Learning for Autonomous Driving ／ Mahmoud Selim, Cristina Cipriani, Karl Henrik Johansson
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
サポート保持蒸留によるマルチエージェント協調
オフラインMARLの生成ポリシー蒸留において、教師のノイズ割り当てを最適輸送で修正し、モード間の誤り伝播を防ぐ手法を提案。
原題: Multi-Agent Coordination via Support-Preserving Distillation ／ Sangmin Lee, Youngju Na, Chanmi Lee 他
日本語で読む → - 論文強化学習ロボティクス
QF3: フィルタリングされたQ勾配による高速フロー強化学習
フローポリシーを強化学習で訓練する際、批評家の行動勾配を1ステップ予測に逆伝播し、信頼できる行動次元のみに適用するオフポリシー手法を提案。ヒューマノイド歩行をゼロから学習し実機にゼロショット転移、既存手法より10倍高速化を実現。
原題: QF3: Fast Flow RL with Filtered Q-Gradients ／ Chung Min Kim, Brent Yi, David McAllister 他
日本語で読む → - 論文オフライン強化学習機械学習
LASER: 潜在空間随伴マッチングによるサポート制約付きエントロピー正則化オフライン強化学習
フローマッチングで学習した振る舞いクローンポリシーの潜在空間内で、エントロピー正則化付きオフラインRLを行うLASERを提案し、OGBenchの40タスクで最先端性能を達成した。
原題: LASER: Latent Space Adjoint Matching for Support-Constrained Entropy-Regularized Offline RL ／ Songyuan Zhang, Oswin So, Eric Yang Yu 他
日本語で読む → - 論文マルチエージェント強化学習AI
未来の協力者と協調する：参加タイミングがずれるマルチエージェント強化学習
エージェントの参加タイミングがずれる協調マルチエージェント強化学習において、早期エージェントが将来有用な情報を残し後続エージェントがそれを活用するための訓練手法SPLを提案し、複数環境で性能を向上させた。
原題: Cooperating with Future Collaborators: Multi-Agent RL under Staggered Participation ／ Jianglin Qiao, Siyi Hu, Thien Hoang Nguyen 他
日本語で読む → - 論文強化学習機械学習
深層強化学習における滑らかな制御のための時間的正則化の再検討
時間的ペナルティが空間的な滑らかさももたらすことを証明し、線形ランプアップと組み合わせたCATSを提案。シミュレーションと実機で行動振動を抑えつつタスク性能を維持できることを示した。
原題: Revisiting Temporal Regularization for Smooth Control in Deep Reinforcement Learning ／ SungJae Ahn, Jeong Woon Lee, Kyoleen Kwak 他
日本語で読む → - 論文拡散方策/安全強化学習機械学習
到達可能性を考慮した拡散方策最適化
拡散方策を用いた強化学習において、動力学モデルなしで予測的な初回到達可能性推定と累積コスト予算フィードバックを組み合わせ、安全性を考慮した方策最適化手法RADPOを提案した。
原題: Reachability-Aware Diffusion Policy Optimization ／ Hikmet Simsir, Kutay Demiray, Ozgur S. Oguz
日本語で読む →