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: 2025/11/1 ／ 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再構成画像認識
QAL：3D再構成における再現率と適合率のバランスを取る損失関数
3D再構成の学習で使われるChamfer距離やEarth Mover's距離に代わり、再現率と適合率を分離して調整可能にしたQuality-Aware Loss（QAL）を提案し、薄い構造や過小評価領域の復元を改善して把持スコアも向上させた。
原題: QAL: A Loss for Recall Precision Balance in 3D Reconstruction ／ Pranay Meshram, Yash Turkar, Kartikeya Singh 他
日本語で読む → - 論文カバレッジ計画ロボティクス
GPU上での統計的推論としてのスケーラブルなカバレッジ軌道生成
カバレッジ運動計画をフローマッチングによる統計的推論問題として定式化し、軌道勾配生成と非線形制御の合成を分離することでGPU並列化による大幅な高速化を実現した。
原題: Scalable Coverage Trajectory Synthesis on GPUs as Statistical Inference ／ Max M. Sun, Jueun Kwon, Todd Murphey
日本語で読む → - 論文触覚ロボティクス
空気室を用いた人間-ロボット相互作用向けソフト六軸力覚センサ
シリコーンゴム製の空気室と16チャンネルの気圧センサを用いて、柔らかさを保ちながら六軸の力とトルクを計測できるソフトセンサを開発し、剛柔階層構造に基づく効果的な軸間干渉の分離手法を提案した。
原題: Air-Chamber Based Soft Six-Axis Force/Torque Sensor for Human-Robot Interaction ／ Jun Huo, Hongge Ru, Bo Yang 他
日本語で読む → - 論文VLAロボティクス
自動運転における視覚言語モデルの幻覚を低ランク分解で軽減する手法
複数の視覚言語モデルが生成したキャプションを、文埋め込み行列の低ランク分解で得られるスパース残差の大きさでランク付けし、幻覚の少ないキャプションを選別する手法を提案。
原題: A Low-Rank Method for Vision Language Model Hallucination Mitigation in Autonomous Driving ／ Keke Long, Jiacheng Guo, Tianyun Zhang 他
日本語で読む → - 論文VLAロボティクス
EchoVLA: 宣言的記憶を統合した移動マニピュレーション向け視覚-言語-行動モデル
人間の脳に着想を得たシーン記憶とエピソード記憶を組み合わせ、移動と操作を協調させるメモリ対応VLAモデルを提案し、大規模学習用ベンチマークMoManiも構築した。
原題: EchoVLA: Robotic Vision-Language-Action Model with Synergistic Declarative Memory for Mobile Manipulation ／ Min Lin, Xiwen Liang, Bingqian Lin 他
日本語で読む → - 論文マニピュレーションロボティクス
GPU物理シミュレータを用いたサンプリングベース最適化による双腕マニピュレーション
GPU加速物理シミュレータを世界モデルとして用い、タスク特化型コスト関数で誘導されるMPPIにより、障害物環境での複雑な双腕操作をリアルタイムで解き、sim-to-real転移も実現した。
原題: Sampling-Based Optimization with Parallelized Physics Simulator for Bimanual Manipulation ／ Iryna Hurova, Alinjar Dan, Karl Kruusamäe 他
日本語で読む → - 論文UAV回避ロボティクス
RGB-Dカメラを用いた人間が投げる飛翔体に対する脅威認識型UAV回避
RGB-Dカメラで人間の姿勢と奥行きを推定し、投げられる飛翔体の軌道を予測して、不確実性を考慮した回避戦略でUAVが瞬時に避けるシステムを提案した。
原題: Threat-Aware UAV Dodging of Human-Thrown Projectiles with an RGB-D Camera ／ Yuying Zhang, Na Fan, Haowen Zheng 他
日本語で読む → - 論文VLAロボティクス
SeFA-Policy: 選択的フロー整合による高速で正確な視覚運動ポリシー学習
拡散・フローベースのポリシー学習において、蒸留後の生成行動が観測とずれる問題を、専門家デモを用いた選択的フロー整合で補正し、推論遅延を98%以上削減しつつ高精度・高ロバストな視覚運動ポリシーを実現した。
原題: SeFA-Policy: Fast and Accurate Visuomotor Policy Learning with Selective Flow Alignment ／ Rong Xue, Jiageng Mao, Mingtong Zhang 他
日本語で読む → - 論文空中画像処理画像認識
UAVのIMUデータを活用した空中画像スティッチング
UAVが撮影した連続画像の位置・姿勢変化をIMUデータで推定し、透視歪み補正とホモグラフィ計算を組み合わせて高精度にスティッチングする手法を提案した論文。
原題: Aerial Image Stitching Using IMU Data from a UAV ／ Selim Ahmet Iz, Mustafa Unel
日本語で読む → - 論文ナビゲーションロボティクス
グラフアテンションを用いた雑然環境の安全探索のためのプラットフォーム非依存強化学習フレームワーク
グラフニューラルネットワークと安全フィルタを組み合わせた強化学習により、障害物の多い環境で安全かつ効率的に探索するプラットフォーム非依存の手法を提案し、シミュレーションと実験で有効性を示した。
原題: Platform-Agnostic Reinforcement Learning Framework for Safe Exploration of Cluttered Environments with Graph Attention ／ Gabriele Calzolari, Vidya Sumathy, Christoforos Kanellakis 他
日本語で読む → - 論文3Dグラウンディング画像認識
3EED: あらゆる場所のあらゆるものを3Dでグラウンディング
車・ドローン・四足歩行ロボットのRGBとLiDARデータを統合した大規模3D視覚グラウンディングベンチマークを構築し、クロスプラットフォーム評価手法を提案した。
原題: 3EED: Ground Everything Everywhere in 3D ／ Rong Li, Yuhao Dong, Tianshuai Hu 他
日本語で読む → - 論文VLAロボティクス
意味と物理の整合を図る連続的視覚-言語-行動の共同学習による行動クローニング
視覚・言語・固有感覚入力を連続的に共同学習し、双方向クロスアテンションで意味と物理のずれを解消することで、行動クローニングの累積誤差を抑え、滑らかで一貫した操作を実現するフレームワークを提案した。
原題: Continuous Vision-Language-Action Co-Learning with Semantic-Physical Alignment for Behavioral Cloning ／ Xiuxiu Qi, Yu Yang, Jiannong Cao 他
日本語で読む → - 論文人間とロボットの協調ロボティクス
描かれた心拍
人間の画家の心拍数に反応して協調的に絵を描くロボットアームAURAを開発し、心拍が高いとロボットが離れ、中立だと描き続ける。
原題: Painted Heart Beats ／ Angshu Adhya, Cindy Yang, Emily Wu 他
日本語で読む → - 論文VLAロボティクス
ExpReS-VLA: 経験再生と検索による視覚言語行動モデルの特化
事前学習済みVLAモデルを、圧縮した経験再生バッファと検索拡張生成で破滅的忘却を防ぎつつ展開環境に高速適応させる手法。
原題: ExpReS-VLA: Specializing Vision-Language-Action Models Through Experience Replay and Retrieval ／ Shahram Najam Syed, Yatharth Ahuja, Arthur Jakobsson 他
日本語で読む → - 論文透明物体認識画像認識
EGSA-PT: 透明物体の単眼深度推定とセグメンテーションのためのエッジ誘導空間注意と漸進的訓練
透明物体の深度推定とセグメンテーションにおいて、境界情報を融合するエッジ誘導空間注意とRGBから深度へのエッジ遷移を段階的に学ぶ訓練戦略を提案し、透明領域での精度を向上させた。
原題: EGSA-PT:Edge-Guided Spatial Attention with Progressive Training for Monocular Depth Estimation and Segmentation of Transparent Objects ／ Gbenga Omotara, Ramy Farag, Seyed Mohamad Ali Tousi 他
日本語で読む → - 論文模倣学習ロボティクス
アラインメントに基づくデモンストレーションからの動作学習
デモンストレーション学習において、代表的な平均軌道とのアラインメントを利用することで、時間依存・非依存の欠点を緩和するCALMを提案し、7自由度ロボットで検証した。
原題: An Alignment-Based Approach to Learning Motions from Demonstrations ／ Alex Cuellar, Christopher K Fourie, Julie A Shah
日本語で読む → - 論文SLAM/マッピングロボティクス
軽量・低消費電力な単眼カメラをグリッパ内蔵した脚式クライミングロボットによる3Dマッピング
脚式クライミングロボットの手先に単眼カメラを搭載し、脚の順運動学と単眼SLAMを融合してスケール曖昧性を解消し、実時間でメートルスケールの3D地形マップを構築して凸地形の自律把持を可能にした。
原題: 3D Mapping Using a Lightweight and Low-Power Monocular Camera Embedded inside a Gripper of Limbed Climbing Robots ／ Taku Okawara, Ryo Nishibe, Mao Kasano 他
日本語で読む → - 論文ソフトロボティクスロボティクス
ソフトロボットマニピュレータのための力安全環境マップとリアルタイム検出
ソフトロボットマニピュレータが繊細な障害物に接触する際の力を安全範囲内に保つため、タスク空間の力安全基準を関節空間に写像し、リアルタイムで力安全を検出するフレームワークを提案した。
原題: Force-Safe Environment Maps and Real-Time Detection for Soft Robot Manipulators ／ Akua K. Dickson, Juan C. Pacheco Garcia, Andrew P. Sabelhaus
日本語で読む → - 論文VLAロボティクス
MergeVLA: スキル横断モデルマージによる汎用視覚言語行動エージェント
異なるタスクで訓練したVLAエキスパートを統合する際の非マージ性の原因を分析し、タスクマスク付きLoRAとクロスアテンションのみの行動エキスパートで設計段階からマージ可能にしたVLAアーキテクチャを提案。
原題: MergeVLA: Cross-Skill Model Merging Toward a Generalist Vision-Language-Action Agent ／ Yuxia Fu, Zhizhen Zhang, Yuqi Zhang 他
日本語で読む → - 論文マルチエージェント/交通シミュレーションロボティクス
MDG: 交通環境におけるマルチエージェント行動モデリングのためのマスク付きデノイジング生成
マルチエージェントの行動モデリングを、独立にノイズを加えた時空間テンソルの再構成として定式化し、1回か数回の順伝播で予測・シミュレーション・計画・条件付き生成を統一的に扱える生成フレームワークを提案。
原題: MDG: Masked Denoising Generation for Multi-Agent Behavior Modeling in Traffic Environments ／ Zhiyu Huang, Zewei Zhou, Tianhui Cai 他
日本語で読む → - 論文マニピュレーションロボティクス
Transformer駆動ビジュアルサーボによる双腕マニピュレータでの布地テクスチャマッチング
双腕マニピュレータとグレースケールカメラを用い、Transformerベースのビジュアルサーボとインピーダンス制御を組み合わせて、布片の姿勢を制御しながら張力をかけつつ重ね合わせ、表面テクスチャを高精度に一致させる手法を提案。合成画像のみで学習し実世界へゼロショット展開を実現。
原題: Transformer Driven Visual Servoing for Fabric Texture Matching Using Dual-Arm Manipulator ／ Fuyuki Tokuda, Akira Seino, Akinari Kobayashi 他
日本語で読む → - 論文マニピュレーションロボティクス
大規模な器用なロボットピアノ演奏
人間の実演なしに強化学習と模倣学習を組み合わせ、約1000曲を演奏できるロボットハンドを実現した。
原題: Dexterous Robotic Piano Playing at Scale ／ Le Chen, Yi Zhao, Jan Schneider 他
日本語で読む → - 論文VLAロボティクス
LAVQA: 自動運転車の共有自律のための遅延認識型視覚質問応答フレームワーク
無線遅延と人間の応答時間を考慮した衝突リスクマップを視覚質問応答に組み込み、遠隔操作者が安全に自動運転車を支援できる枠組みを提案し、CARLAシミュレーションで衝突率を8倍以上削減した。
原題: LAVQA: A Latency-Aware Visual Question Answering Framework for Shared Autonomy in Self-Driving Vehicles ／ Shuangyu Xie, Kaiyuan Chen, Wenjing Chen 他
日本語で読む → - 論文医療ロボティクスロボティクス
ロボット支援経カテーテル心内手技のための操舵可能バルーン内視鏡の閉ループ制御
心臓内を直接観察するための操舵可能バルーン型心臓鏡を開発し、バルーン内圧のみで直径と屈曲角度を独立制御する設計と、画像ベースの閉ループ屈曲制御を実証した。
原題: Closed-loop Control of Steerable Balloon Endoscopes for Robot-assisted Transcatheter Intracardiac Procedures ／ Max McCandless, Jonathan Hamid, Sammy Elmariah 他
日本語で読む → - 論文マニピュレーションロボティクス
接触の多いロボット強化学習のための自己教師ありマルチセンサ事前学習
マスク付きオートエンコーディングで視覚・力・固有感覚を統合する表現を事前学習し、非対称なActor-Critic構造で接触の多いマニピュレーションを効率的に学習する手法を提案。
原題: Self-Supervised Multisensory Pretraining for Contact-Rich Robot Reinforcement Learning ／ Rickmer Krohn, Vignesh Prasad, Gabriele Tiboni 他
日本語で読む → - 論文タスク・モーションプランニングロボティクス
SLAP: 抽象プランニングのためのショートカット学習
既存のタスク・モーションプランニングの選択肢を活用し、強化学習で新たなショートカット行動を自動発見することで、より短い計画と高い成功率を実現する手法を提案。
原題: SLAP: Shortcut Learning for Abstract Planning ／ Y. Isabel Liu, Bowen Li, Benjamin Eysenbach 他
日本語で読む → - 論文協調自動運転ロボティクス
協調自動運転を検証するための小型テストベッド
スマートインフラを備えた1:15スケールの小型テストベッドCIVATを構築し、V2V/V2I通信を用いた協調自動運転の機能を検証した。
原題: Miniature Testbed for Validating Multi-Agent Cooperative Autonomous Driving ／ Hyunchul Bae, Eunjae Lee, Jehyeop Han 他
日本語で読む → - 論文物体検索ロボティクス
時空間を探索する：オープンワールド物体検索のための統合メモリ・行動ループ
ロボットが過去の状態や空間的文脈を手がかりに物体を探すため、長期記憶と行動を単一のループで統合するフレームワークSTARを提案し、新ベンチマークで有効性を示した。
原題: Searching in Space and Time: Unified Memory-Action Loops for Open-World Object Retrieval ／ Taijing Chen, Sateesh Kumar, Junhong Xu 他
日本語で読む → - 論文データセット/セマンティック占有ロボティクス
MobileOcc: 移動ロボットのための人間認識型セマンティック占有データセット
歩行者が多い環境で動作する移動ロボット向けに、静的物体と変形する人間の形状をLiDARで最適化して注釈付けした3Dセマンティック占有データセットを構築し、占有予測と歩行者速度予測のベンチマークを提供した。
原題: MobileOcc: A Human-Aware Semantic Occupancy Dataset for Mobile Robots ／ Junseo Kim, Guido Dumont, Xinyu Gao 他
日本語で読む → - 論文群制御ロボティクス
SO(3)埋め込みによる3次元軌道の分散群制御
Lie群SO(3)を用いた幾何学的埋め込みで、位置情報のみから多様な安定周期軌道を生成する分散型群制御手法を提案し、位相制御と安定性証明、シミュレーション・実験で有効性を示した。
原題: Decentralized Swarm Control via SO(3) Embeddings for 3D Trajectories ／ Dimitria Silveria, Kleber Cabral, Peter Jardine 他
日本語で読む →