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: 2025/10/1 ／ 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 →- 論文ブラキエーションロボティクス
単一ロッド式ブラキエーションロボット：跳躍前段階のメカトロニクス制御設計と検証
両端にグリッパを備えた単一剛体ロッドからなる最小構成のブラキエーションロボットを設計し、クランクスライド機構で重心を移動させる最適制御と連続制御を提案、シミュレーションとSTM32実装で振り子・回転動作を検証した。
原題: Single-Rod Brachiation Robot: Mechatronic Control Design and Validation of Prejump Phases ／ Juraj Lieskovský, Hijiri Akahane, Aoto Osawa 他
日本語で読む → - 論文VLAロボティクス
FailSafe: VLAモデルの失敗推論と回復
VLAモデルが実行中に遭遇する失敗を検出し、回復動作を生成できるようにする失敗生成・回復システムFailSafeを提案し、LLaVA-OV-7Bを微調整してロボットアームの失敗検出・回復性能を向上させた。
原題: FailSafe: Reasoning and Recovery from Failures in Vision-Language-Action Models ／ Zijun Lin, Jiafei Duan, Haoquan Fang 他
日本語で読む → - 論文マニピュレーションロボティクス
HJCD-IK: バッチ型ハイブリッドヤコビアン座標降下法によるGPU高速化逆運動学
GPU上でサンプリングとヤコビアン法を組み合わせ、衝突回避を考慮した逆運動学を高速かつ高精度に解くソルバを提案し、実機で検証した。
原題: HJCD-IK: GPU-Accelerated Inverse Kinematics through Batched Hybrid Jacobian Coordinate Descent ／ Cael Yasutake, Andrew H. Liu, Zachary Kingston 他
日本語で読む → - 論文VLAロボティクス
StaMo: コンパクトな状態表現による汎化可能なロボット動作の教師なし学習
軽量エンコーダと事前学習済みDiTデコーダで2トークンの圧縮状態表現を教師なし学習し、その差分が潜在行動として機能することを発見。VLAモデルに統合してLIBEROで14.3%、実世界で30%の性能向上を達成。
原題: StaMo: Unsupervised Learning of Generalizable Robot Motion from Compact State Representation ／ Mingyu Liu, Jiuhe Shu, Hui Chen 他
日本語で読む → - 論文VLAロボティクス
VLAをリアルタイム速度で動かす
単一のコンシューマGPU上でpi0級のマルチビューVLAを30Hzのフレームレート・最大480Hzの軌道周波数で動作させる推論最適化手法を提案し、落下するペンを掴むタスクで100%の成功率を達成した。
原題: Running VLAs at Real-time Speed ／ Yunchao Ma, Yizhuang Zhou, Yunhuan Yang 他
日本語で読む → - 論文ソーシャルナビゲーションロボティクス
オフライン事前学習とオンライン微調整を統合した強化学習によるロボットソーシャルナビゲーション
因果TransformerにReturn-to-Go予測を組み込み、時空間融合モデルとハイブリッド経験サンプリングでオフライン学習からオンライン適応への分布シフトを抑え、人混みでのロボットナビゲーション性能を向上させた研究。
原題: Integrating Offline Pre-Training with Online Fine-Tuning: A Reinforcement Learning Approach for Robot Social Navigation ／ Run Su, Hao Fu, Shuai Zhou 他
日本語で読む → - 論文マルチタスク知覚画像認識
M2H: 単眼空間知覚のための効率的なウィンドウベースクロスタスク注意を用いたマルチタスク学習
単眼画像からセマンティックセグメンテーション・深度・エッジ・表面法線を同時推定する軽量マルチタスク学習フレームワークM2Hを提案し、ウィンドウベースのクロスタスク注意でタスク間の特徴交換を効率化した。
原題: M2H: Multi-Task Learning with Efficient Window-Based Cross-Task Attention for Monocular Spatial Perception ／ U. V. B. L Udugama, George Vosselman, Francesco Nex
日本語で読む → - 論文バイオミメティクス/フィールドロボティクスロボティクス
バイオインスパイアードロボット・フーバラ：行動研究のための開発からフィールド展開まで
フーバラ bustard の雌を模したロボットを開発し、砂漠の飼育場で行動研究に用いた。3Dスキャンと3Dプリントで作製し、Jetsonによるリアルタイム知覚と頭部追従を実現した。
原題: Bio-Inspired Robotic Houbara: From Development to Field Deployment for Behavioral Studies ／ Lyes Saad Saoud, Irfan Hussain
日本語で読む → - 論文軌道生成ロボティクス
高密度交通と多様なエージェント相互作用シナリオのための軌道生成器
道路環境をグリッド表現し、ルールベースの意思決定とFrenet軌道平滑化を組み合わせて、高密度で多様な相互作用を含む現実的な走行軌道を生成するフレームワークを提案。
原題: A Trajectory Generator for High-Density Traffic and Diverse Agent-Interaction Scenarios ／ Ruining Yang, Yi Xu, Yixiao Chen 他
日本語で読む → - 論文社会的ロボティクスHCI
「何もしないよりマシ」を超えて：高齢者向け共感型AIロボットコンパニオンの設計戦略
高齢者ケアロボットに共感を組み込む設計指針を、修辞理論と公開資料の分析から提案した論文。
原題: Better Than "Better Than Nothing": Design Strategies for Enculturated Empathetic AI Robot Companions for Older Adults ／ Isabel Pedersen, Andrea Slane
日本語で読む → - 論文マニピュレーションロボティクス
U-LAG: 不確実性を考慮した遅延適応型目標再設定によるロボットマニピュレーション
知覚遅延やノイズがある環境で、物体の位置変化に応じて実行中に目標を再設定するモジュールU-LAGを提案し、ピック・プッシュ・積み重ね・ペグ挿入タスクで有効性を示した。
原題: U-LAG: Uncertainty-Aware, Lag-Adaptive Goal Retargeting for Robotic Manipulation ／ Anamika J H, Anujith Muraleedharan
日本語で読む → - 論文VLAロボティクス
SoraNav: ゼロショットVLM推論によるUAVの適応的タスク中心ナビゲーション
3D幾何情報をVLMの2D入力に統合し、探索履歴に基づく適応的意思決定でドローンを自然言語指示に従ってナビゲートするフレームワークを提案。
原題: SoraNav: Adaptive UAV Task-Centric Navigation via Zeroshot VLM Reasoning ／ Hongyu Song, Rishabh Dev Yadav, Cheng Guo 他
日本語で読む → - 論文世界モデル機械学習
ヒューマノイドのための生成的世界モデリング：1X World Model Challenge 技術報告
ヒューマノイドの実世界インタラクションを対象とした世界モデルベンチマークに取り組み、動画生成基盤モデルと時空間Transformerで未来予測タスクの両部門1位を達成した。
原題: Generative World Modelling for Humanoids: 1X World Model Challenge Technical Report ／ Riccardo Mereu, Aidan Scannell, Yuxin Hou 他
日本語で読む → - 論文食事支援ロボティクスロボティクス
WAFFLE: ウェアラブルセンサによるロボット食事支援のための一口タイミング推定
ウェアラブルセンサのデータからユーザの頭の動きや咀嚼・会話を検出し、ロボットが食べ物を口に運ぶ適切なタイミング（一口タイミング）を予測するシステムを開発した。健常者15名と運動障害者2名の実験で、制御感や作業負荷の面で従来法と同等以上、多くの参加者に好まれることを示した。
原題: WAFFLE: A Wearable Approach to Bite Timing Estimation in Robot-Assisted Feeding ／ Akhil Padmanabha, Jessie Yuan, Tanisha Mehta 他
日本語で読む → - 論文歩行ロボティクス
脚式ロボットの歩行のためのGPU加速高解像度3Dボクセルマッピングに基づくリアルタイム複数平面セグメンテーション
GPU並列計算を活用し、高解像度3Dボクセルマップから平面領域を30Hz以上で抽出する手法を提案し、脚式ロボットの歩行制御に有効性を示した。
原題: Real-time Multi-Plane Segmentation Based on GPU Accelerated High-Resolution 3D Voxel Mapping for Legged Robot Locomotion ／ Shun Niijima, Ryoichi Tsuzaki, Noriaki Takasugi 他
日本語で読む → - 論文軌道予測ロボティクス
異種エージェントの軌道予測：小規模・不均衡データセットにおける性能分析
ロボットや自動運転の軌道予測において、エージェントのクラスラベルを条件に用いる手法を2つのデータセットで比較し、データが少ない・クラス不均衡な状況ではパターンベース手法が優位であることを示した。
原題: Trajectory prediction for heterogeneous agents: A performance analysis on small and imbalanced datasets ／ Tiago Rodrigues de Almeida, Yufei Zhu, Andrey Rudenko 他
日本語で読む → - 論文ナビゲーション画像認識
行動記述予測を補助タスクに用いた身体性ナビゲーション
ナビゲーションの強化学習に、視覚言語モデルからの知識蒸留を利用して行動を言語で記述する補助タスクを組み込み、説明可能性と高性能を両立させた。
原題: Embodied Navigation with Auxiliary Task of Action Description Prediction ／ Haru Kondoh, Asako Kanezaki
日本語で読む → - 論文ドローン計画画像認識
SketchPlan: 人間のスケッチからの拡散モデルによるドローン計画
人間が描いた2Dスケッチと深度画像から、拡散モデルを用いてドローンの3D飛行経路を生成する手法を提案し、実環境でのゼロショットsim-to-real転移を実現した。
原題: SketchPlan: Diffusion Based Drone Planning From Human Sketches ／ Sixten Norelius, Aaron O. Feldman, Mac Schwager
日本語で読む → - 論文3D占有予測画像認識
LOC: 言語誘導によるオープンセット3D占有予測の汎用フレームワーク
LiDAR点群とCLIP特徴空間を活用し、テキスト誘導で未知クラスも認識できる3D占有予測フレームワークLOCを提案。教師あり・自己教師あり両方に対応。
原題: LOC: A General Language-Guided Framework for Open-Set 3D Occupancy Prediction ／ Yuhang Gao, Xiang Xiang, Sheng Zhong 他
日本語で読む → - 論文マニピュレーションロボティクス
点群条件付きフローマッチングによるロボットマニピュレータの最適化ベース動作計画のウォームスタート
単視点の点群を条件としたフローマッチングで最適化初期解を生成し、マニピュレータの動作計画を高速化・高成功率化する手法を提案。
原題: Warm-Starting Optimization-Based Motion Planning for Robotic Manipulators via Point Cloud-Conditioned Flow Matching ／ Sibo Tian, Minghui Zheng, Xiao Liang
日本語で読む → - 論文自動運転/エンドツーエンド計画画像認識
RAP: 3Dラスタライゼーションで強化するエンドツーエンド計画
フォトリアルな描画の代わりに注釈付きプリミティブの軽量ラスタライズで走行データを拡張し、特徴空間アライメントで実環境に転移する計画手法を提案。4つの主要ベンチマークで最高性能を達成。
原題: RAP: 3D Rasterization Augmented End-to-End Planning ／ Lan Feng, Yang Gao, Eloi Zablocki 他
日本語で読む → - 論文交通シミュレーションロボティクス
IntersectioNDE: 相互作用分離戦略に基づく複雑な都市交通ダイナミクスの学習
都市交差点における自動車・自転車・歩行者が混在する複雑な交通を再現するため、大規模データセットCiCrossを構築し、相互作用分離戦略を用いたデータ駆動型シミュレータIntersectioNDEを提案した。
原題: IntersectioNDE: Learning Complex Urban Traffic Dynamics based on Interaction Decoupling Strategy ／ Enli Lin, Ziyuan Yang, Qiujing Lu 他
日本語で読む → - 論文脳型ナビゲーションロボティクス
従来型PNTと脳型PNTの差異と融合に関する予備的検討
従来の機械的PNTと生物の脳に着想を得たPNTの違いを多層的に整理し、両者を統合する4層フレームワークを提案したロードマップ論文。
原題: A Preliminary Exploration of the Differences and Conjunction of Traditional PNT and Brain-inspired PNT ／ Xu He, Xiaolin Meng, Wenxuan Yin 他
日本語で読む → - 論文ナビゲーションロボティクス
LaViRA: 連続環境におけるゼロショット視覚言語ナビゲーションのための言語・視覚・ロボット行動翻訳
自然言語指示に基づき未学習の連続環境をナビゲートするゼロショット手法。行動を言語・視覚・ロボットの3階層に分解し、各段階で異なる規模のマルチモーダル大規模言語モデルを活用することで、汎化性能と実機制御の効率を両立した。
原題: LaViRA: Language-Vision-Robot Actions Translation for Zero-Shot Vision Language Navigation in Continuous Environments ／ Hongyu Ding, Ziming Xu, Yudong Fang 他
日本語で読む → - 論文VLAロボティクス
MM-Nav: マルチビューVLAモデルによるマルチエキスパート学習を用いた堅牢な視覚ナビゲーション
360度視野のマルチビューVLAモデルを強化学習エキスパートのデータから教師あり学習し、到達・すり抜け・回避の能力を統合して実世界でも汎化する視覚ナビゲーションを実現した。
原題: MM-Nav: Multi-View VLA Model for Robust Visual Navigation via Multi-Expert Learning ／ Tianyu Xu, Jiawei Chen, Jiazhao Zhang 他
日本語で読む → - 論文マニピュレーションロボティクス
ポイント・アンド・ゴー：支援ロボティクスにおけるモード切替の直感的参照座標系再配置
車椅子搭載マニピュレータの操作を直感的にするため、グリッパを向けた方向に移動軸を再定義する「ポイント・アンド・ゴー」モード切替を提案し、従来のカルテシアンモード切替や学習手法より作業時間・停止・切替回数を削減した。
原題: Point and Go: Intuitive Reference Frame Reallocation in Mode Switching for Assistive Robotics ／ A. Wang, C. Jiang, M. Przystupa 他
日本語で読む → - 論文医療ロボティクスロボティクス
FBG-EM先端センシングを用いた左心耳オクルーダーのロボット支援展開における力-変位プロファイリング
左心耳閉鎖術において、FBGと電磁トラッキングを統合した力覚シースを用い、ロボット支援下でのオクルーダー展開時の力と変位を計測し、手順を同定する手法を提案した。
原題: Force-Displacement Profiling for Robot-Assisted Deployment of a Left Atrial Appendage Occluder Using FBG-EM Distal Sensing ／ Giovanni Battista Regazzo, Wim-Alexander Beckers, Xuan Thao Ha 他
日本語で読む → - 論文マニピュレーションロボティクス
LangGrasp: 微調整済みLLMを活用した曖昧な指示への言語対話型ロボット把持
微調整した大規模言語モデルで曖昧な指示から暗黙の意図を推論し、2D部位セグメンテーションに導かれた点群定位で物体レベルから部位レベルまでの高精度把持を実現するフレームワークを提案。
原題: LangGrasp: Leveraging Fine-Tuned LLMs for Language Interactive Robot Grasping with Ambiguous Instructions ／ Yunhan Lin, Wenqi Wu, Zhijie Zhang 他
日本語で読む → - 論文UAV着陸/ニューロシンボリックロボティクス
人間に着想を得たニューロシンボリック世界モデリングと論理推論による解釈可能な安全UAV着陸地点評価
軽量セグメンテーションで確率的意味シーングラフを構築し、LLMで生成した記号的安全ルールを実行することで、説明可能なUAV着陸地点評価を実現したニューロシンボリック手法。
原題: Human-Inspired Neuro-Symbolic World Modeling and Logic Reasoning for Interpretable Safe UAV Landing Site Assessment ／ Weixian Qian, Tianyi Yang, Sebastian Schroder 他
日本語で読む → - 論文LiDAR/点群処理画像認識
ALICE-LRI: キャリブレーション情報不要でスピニングLiDARの可逆レンジ画像を生成する汎用手法
メーカーのキャリブレーション情報なしでスピニングLiDARの点群から内部幾何を自動推定し、点を一切失わない可逆なレンジ画像生成を実現した手法。
原題: ALICE-LRI: A General Method for Lossless Range Image Generation for Spinning LiDAR Sensors without Calibration Metadata ／ Samuel Soutullo, Miguel Yermo, David L. Vilariño 他
日本語で読む →