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 →- 論文路側知覚画像認識
路側知覚に適したLiDAR走査パターンはどちらか：反復型か非反復型か
CARLAシミュレーションで反復型と非反復型の路側LiDARデータセットを構築し、3D物体検出性能を比較した結果、非反復型は検出範囲が限られるものの低コストで反復型128線と同等の性能を示した。
原題: Which LiDAR scanning pattern is better for roadside perception: Repetitive or Non-repetitive? ／ Zhiqi Qi, Runxin Zhao, Hanyang Zhuang 他
日本語で読む → - 論文強化学習機械学習
有界サポート進化戦略による方策改善
有界な三角分布ノイズと中心化ランク有限差分推定を組み合わせたTD-ESを提案し、PPO事前学習後の方策改善で成功率を26.5%向上させた。
原題: Harnessing Bounded-Support Evolution Strategies for Policy Refinement ／ Ethan Hirschowitz, Fabio Ramos
日本語で読む → - 論文ISRU/掘削ロボティクス
月面ISRU向けモジュール式バケットドラム掘削機の設計と開発
月面レゴリスの掘削を目的として、モジュール式ロボットMoonBot用のバケットドラムを開発し、3Dプリント試作機による砂場試験で連続掘削速度777.54 kg/hを達成した。
原題: Design and Development of a Modular Bucket Drum Excavator for Lunar ISRU ／ Simon Giel, James Hurrell, Shreya Santra 他
日本語で読む → - 論文VLAロボティクス
ROSBag MCPサーバ：LLMによるロボットデータ解析で実現するエージェント型身体性AI
ROS/ROS 2のbagデータを自然言語で解析・可視化・処理できるMCPサーバを提案し、8種のLLM/VLMのツール呼び出し性能を比較評価した。
原題: ROSBag MCP Server: Analyzing Robot Data with LLMs for Agentic Embodied AI Applications ／ Lei Fu, Sahar Salimpour, Leonardo Militano 他
日本語で読む → - 論文VLAロボティクス
道路状況検出とC-ITSメッセージ生成のためのマルチエージェントAIフレームワーク
マルチモーダル大規模言語モデルと視覚ベース知覚を組み合わせたマルチエージェントAIで、道路状況の検出と協調型ITSメッセージ生成を行う。
原題: Multi-Agent AI Framework for Road Situation Detection and C-ITS Message Generation ／ Kailin Tong, Selim Solmaz, Kenan Mujkic 他
日本語で読む → - 論文VLAロボティクス
RobustVLA: 視覚言語行動モデルのためのロバスト性を考慮した強化学習ポストトレーニング
事前学習済みVLAモデルに対し、ヤコビアン正則化と平滑化正則化を組み込んだオンライン強化学習ポストトレーニングを行い、観測ノイズや行動摂動に対するロバスト性を高める手法を提案した。
原題: RobustVLA: Robustness-Aware Reinforcement Post-Training for Vision-Language-Action Models ／ Hongyin Zhang, Shuo Zhang, Junxi Jin 他
日本語で読む → - 論文sim2realロボティクス
MarketGen: 自動生成される実体化スーパーマーケット環境を備えたスケーラブルなシミュレーションプラットフォーム
スーパーマーケット環境を自動生成するシミュレーションプラットフォームMarketGenを提案し、レジ袋詰めと棚からの商品収集という2つのタスクのベンチマークを構築した。
原題: MarketGen: A Scalable Simulation Platform with Auto-Generated Embodied Supermarket Environments ／ Xu Hu, Yiyang Feng, Junran Peng 他
日本語で読む → - 論文マニピュレーションロボティクス
VacuumVLA: 吸引と把持を統合したエンドエフェクタでVLAの能力を強化する複雑ロボットマニピュレーション
2本指グリッパと真空吸引ユニットを組み合わせた低コストなハイブリッドエンドエフェクタを開発し、DexVLAやPi0といったVLAフレームワークに組み込むことで、従来困難だった複雑な操作タスクを実現した。
原題: VacuumVLA: Boosting VLA Capabilities via a Unified Suction and Gripping Tool for Complex Robotic Manipulation ／ Hui Zhou, Siyuan Huang, Minxing Li 他
日本語で読む → - 論文マニピュレーションロボティクス
一般物体に対するロバストな微分可能衝突検出
凸凹物体に対応した微分可能な衝突検出フレームワークを提案し、距離ベースの平滑化と適応サンプリングで勾配計算を安定化、把持合成に応用した。
原題: Robust Differentiable Collision Detection for General Objects ／ Jiayi Chen, Wei Zhao, Liangwang Ruan 他
日本語で読む → - 論文VLA画像認識
Target-Bench：動画世界モデルは意味的ターゲットへの地図なし経路計画を達成できるか？
動画世界モデルの意味的推論・空間推定・計画能力を評価する初のベンチマークTarget-Benchを提案し、既存モデルの性能不足と実ロボットデータでの微調整による改善を示した。
原題: Target-Bench: Can Video World Models Achieve Mapless Path Planning with Semantic Targets? ／ Dingrui Wang, Zhihao Liang, Hongyuan Ye 他
日本語で読む → - 論文sim2realロボティクス
軌道レベルメタ学習による文脈認識型メッシュベースシミュレーション
メッシュベースの変形シミュレーションを軌道レベルのメタ学習問題として捉え、Conditional Neural ProcessesとMovement Primitivesを組み合わせることで、限られた初期データから新しいシナリオに迅速に適応し、高速かつ高精度なシミュレーションを実現する手法M3GNを提案した。
原題: Context-aware Learned Mesh-based Simulation via Trajectory-Level Meta-Learning ／ Philipp Dahlinger, Niklas Freymuth, Tai Hoang 他
日本語で読む → - 論文VLAAI
QuickLAP: 半自律エージェントのための高速言語-行動選好学習
物理的な修正と言語によるフィードバックをベイズ的に統合し、LLMを用いて報酬関数をリアルタイムに学習する手法を提案。半自律運転シミュレータで報酬学習誤差を70%以上削減し、ユーザスタディでも高い理解度と協調性が示された。
原題: QuickLAP: Quick Language-Action Preference Learning for Semi-Autonomous Agents ／ Jordan Abi Nader, David Lee, Nathaniel Dennler 他
日本語で読む → - 論文VLAロボティクス
分離型アクションエキスパート：タスク知識を条件付け経路に閉じ込める
拡散ポリシーの行動生成バックボーンはタスク非依存にできることを示し、条件付け経路のみを学習させる分離型学習法を提案。244MのU-Netを5MのMLPに置き換えても同等以上の性能を達成した。
原題: Decoupled Action Expert: Confining Task Knowledge to the Conditioning Pathway ／ Jian Zhou, Sihao Lin, Shuai Fu 他
日本語で読む → - 論文マルチオブジェクト追跡画像認識
OmniTrack++: 大視野軌道フィードバック学習による全方向マルチオブジェクト追跡
360度視野のパノラマ動画で複数物体を追跡するため、軌道情報をフィードバックして知覚を段階的に改善するフレームワークを提案し、四足・二足ロボットで収集した新ベンチマークEmboTrackを構築した。
原題: OmniTrack++: Omnidirectional Multi-Object Tracking by Learning Large-FoV Trajectory Feedback ／ Kai Luo, Hao Shi, Kunyu Peng 他
日本語で読む → - 論文空中マニピュレーションロボティクス
AERMANI-VLM: 視覚言語モデルによる空中マニピュレーションのための構造化プロンプトと推論
事前学習済みVLMを微調整なしで空中マニピュレータに適用し、高レベル推論と低レベル制御を分離して安全な飛行スキル選択を行うフレームワークを提案した。
原題: AERMANI-VLM: Structured Prompting and Reasoning for Aerial Manipulation with Vision Language Models ／ Sarthak Mishra, Rishabh Dev Yadav, Avirup Das 他
日本語で読む → - 論文UAV探査/3D再構築ロボティクス
再構築品質に基づくUAV表面探査計画
再構築品質を目的関数として明示的に用いるモジュール型Next-Best-View計画法を提案し、TSDFの不確かさを活用して効率的な視点生成・選択を行う。シミュレーションで従来法より被覆率・地図品質・経路効率が優れることを示した。
原題: Quality-guided UAV Surface Exploration for 3D Reconstruction ／ Benjamin Sportich, Kenza Boubakri, Olivier Simonin 他
日本語で読む → - 論文自己運動推定画像認識
運動成分を識別的に扱うことで深度と自己運動の統合学習を進化させる
動画から深度と自己運動を教師なしで同時に学ぶ際、運動を回転・並進などの成分に分けて幾何学的制約を個別に課すことで、精度と頑健性を高めるフレームワークDiMoDEを提案した。
原題: Discriminately Treating Motion Components Evolves Joint Depth and Ego-Motion Learning ／ Mengtan Zhang, Zizhan Guo, Hongbo Zhao 他
日本語で読む → - 論文歩行ロボティクス
二足歩行のための記述的モデルベース学習と制御
二足歩行のバランス維持に必要な最小限の低次元記述モデルを用い、残りの自由度を高次元空間で自由に動かすことで、効率的で人間らしい歩行を実現する制御手法を提案した。
原題: Descriptive Model-based Learning and Control for Bipedal Locomotion ／ Suraj Kumar, Andy Ruina
日本語で読む → - 論文社会的支援ロボットロボティクス
社交不安に対応する社会的支援ロボットのための価値抽出：参加型デザインアプローチ
社交不安支援ロボットの設計に向け、精神保健研究者との参加型デザインワークショップで適応性・受容性・有効性などの設計価値を抽出した。
原題: Value Elicitation for a Socially Assistive Robot Addressing Social Anxiety: A Participatory Design Approach ／ Vesna Poprcova, Iulia Lefter, Martijn Warnier 他
日本語で読む → - 論文ソフトロボティクス/剛性制御ロボティクス
機械的層ジャミングシステムの実験的特性評価
歯状突起を持つ二層構造の機械的層ジャミングについて、曲げ・ねじり荷重下での剛性変化や層分離力を測定し、設計パラメータの影響を明らかにした。
原題: An Experimental Characterization of Mechanical Layer Jamming Systems ／ Jessica Gumowski, Krishna Manaswi Digumarti, David Howard
日本語で読む → - 論文深度推定画像認識
BoRe-Depth：境界精緻化を備えた組込みシステム向け自己教師あり単眼深度推定
組込みシステム上で高精度かつ物体境界が鮮明な深度推定を実現するため、8.7Mパラメータの軽量モデルBoRe-Depthを提案し、Jetson Orinで50.7FPSで動作することを示した。
原題: BoRe-Depth: Self-supervised Monocular Depth Estimation with Boundary Refinement for Embedded Systems ／ Chang Liu, Juan Li, Sheng Zhang 他
日本語で読む → - 論文自動運転VLA画像認識
DeeAD: 自動運転のための視覚言語行動モデルにおける動的早期終了
自動運転向けVLAモデルの推論を、中間軌道の物理的妥当性に基づいて早期終了させることで、再学習なしに最大29%の遅延削減を実現した。
原題: DeeAD: Dynamic Early Exit of Vision-Language Action for Efficient Autonomous Driving ／ Haibo HU, Lianming Huang, Nan Guan 他
日本語で読む → - 論文SLAM/状態推定ロボティクス
スライディングウィンドウ因子グラフ最適化の反復拡張カルマンフィルタへの退化
スライディングウィンドウ因子グラフ最適化が、マルコフ仮定と単一状態ウィンドウの下で反復拡張カルマンフィルタと理論的に等価になることを示し、GNSS/INS融合実験で検証した。
原題: Degeneration of Sliding-Window Factor Graph Optimization into Iterated Extended Kalman Filtering ／ Baoshan Song, Ruijie Xu, Zhi Zhan 他
日本語で読む → - 論文歩行ロボティクス
参照不要のサンプリングベースモデル予測制御
手作り歩容や接触系列に頼らず、サンプリングベースMPCで歩行・走行・跳躍・逆立ちなどの多様な運動を創発的に獲得する手法を提案。
原題: Reference-Free Sampling-Based Model Predictive Control ／ Fabian Schramm, Pierre Fabre, Nicolas Perrin-Gilbert 他
日本語で読む → - 論文計画・制御ロボティクス
PlaCo: QPベースのロボット計画・制御フレームワーク
ロボットの計画と制御のためのQP問題を、モジュール化された直感的なインターフェースで定式化・解決できるソフトウェアフレームワークを提案。PythonとC++の両方に対応。
原題: PlaCo: a QP-based robot planning and control framework ／ Marc Duclusaud, Grégoire Passault, Vincent Padois 他
日本語で読む → - 論文形式手法/検証cs.LO
pacSTL: データ駆動型到達可能性解析によるPAC有界信号時相論理
PAC有界な到達可能集合予測と区間拡張STLを組み合わせ、不確実性下でも仕様レベルのロバスト性区間を効率的に評価するフレームワークを提案。
原題: pacSTL: PAC-Bounded Signal Temporal Logic from Data-Driven Reachability Analysis ／ Hanna Krasowski, Elizabeth Dietrich, Emir Cem Gezer 他
日本語で読む → - 論文ナビゲーションロボティクス
TP-MDDN: タスク優先度付きマルチ要求駆動ナビゲーションと自律的意思決定
複数の要求とタスク優先度を考慮した長期的ナビゲーションの新ベンチマークTP-MDDNを提案し、指示分解・目標選択・タスク監視を行う自律意思決定システムAWMSystemで解決する。
原題: TP-MDDN: Task-Preferenced Multi-Demand-Driven Navigation with Autonomous Decision-Making ／ Shanshan Li, Da Huang, Yu He 他
日本語で読む → - 論文VLAロボティクス
MiMo-Embodied: クロス身体性基盤モデル技術報告
自動運転と身体性AIを統合した初のクロス身体性基盤モデルを開発し、両分野で最先端性能を達成した。
原題: MiMo-Embodied: X-Embodied Foundation Model Technical Report ／ Xiaoshuai Hao, Lei Zhou, Zhijian Huang 他
日本語で読む → - 論文意味的占有予測ロボティクス
OneOcc: 単一パノラマカメラによる脚式ロボットの意味的占有予測
脚式ロボット向けに、単一のパノラマカメラ映像から360度の3D意味的占有を予測するフレームワークOneOccを提案。歩行時の揺れ補償や二重投影融合などの工夫で高精度を実現し、新たなベンチマークも公開。
原題: OneOcc: Semantic Occupancy Prediction for Legged Robots with a Single Panoramic Camera ／ Hao Shi, Ze Wang, Shangwei Guo 他
日本語で読む → - 論文身体性ベンチマーク画像認識
SWITCH: 長期的身体環境における実体インターフェースのモデリングと操作のベンチマーク
家電パネルやエレベーターなどの実体操作インターフェースを対象に、言語指示から行動・状態変化の追跡・結果検証・エラー回復までの閉ループ推論を評価するベンチマークSWITCHを提案。
原題: SWITCH: Benchmarking Modeling and Handling of Tangible Interfaces in Long-horizon Embodied Scenarios ／ Juntao Cheng, Wanyue Zhang, Zhiwei Yu 他
日本語で読む →