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VLAロボティクス
VER: 基盤モデル蒸留と動的ルーティングによるロボット学習のための視覚エキスパートトランスフォーマー
複数の視覚基盤モデルを蒸留してエキスパートライブラリを構築し、軽量なルーティングネットワークでタスクに応じた専門家を動的に選択することで、17種類のロボットタスクで最先端性能を達成した。
原題: VER: Vision Expert Transformer for Robot Learning via Foundation Distillation and Dynamic Routing ／ Yixiao Wang, Mingxiao Huo, Zhixuan Liang 他
日本語で読む → - 論文ヒューマノイド制御ロボティクス
Thor: 接触の多い過酷環境における人間レベルの全身反応を目指すヒューマノイドフレームワーク
ヒューマノイドが強い力で環境と接触する際に、人間のような全身反応を実現する強化学習フレームワークThorを提案し、Unitree G1で高い引っ張り力を達成した。
原題: Thor: Towards Human-Level Whole-Body Reactions for Intense Contact-Rich Environments ／ Gangyang Li, Qing Shi, Youhao Hu 他
日本語で読む → - 論文マニピュレーションロボティクス
複数IMUセンサフュージョンによる柔軟マニピュレータのAI強化運動学モデリング
複数の安価なIMUとPSO最適化相補フィルタ、RBFNN補償を組み合わせ、柔軟マニピュレータの位置・姿勢を高精度に推定する手法を提案した。
原題: AI-Enhanced Kinematic Modeling of Flexible Manipulators Using Multi-IMU Sensor Fusion ／ Amir Hossein Barjini, Jouni Mattila
日本語で読む → - 論文ツールエージェント機械学習
TOUCAN: 実世界のMCP環境から150万件のツールエージェントデータを合成
約500の実世界MCP環境から150万件のツール利用軌跡を合成し、オープンソースのツールエージェント学習データを大規模に提供した論文。
原題: TOUCAN: Synthesizing 1.5M Tool-Agentic Data from Real-World MCP Environments ／ Zhangchen Xu, Adriana Meza Soria, Shawn Tan 他
日本語で読む → - 論文ナビゲーションロボティクス
拡散ポリシーとマルチタイムスケール世界モデルによる深層能動推論：実世界探索とナビゲーション
拡散ポリシーとマルチタイムスケール世界モデルを組み合わせた深層能動推論フレームワークを提案し、実世界ナビゲーションで探索と目標指向行動を統合して成功率向上と衝突低減を実現した。
原題: Deep Active Inference with Diffusion Policy and Multiple Timescale World Model for Real-World Exploration and Navigation ／ Riko Yokozawa, Kentaro Fujii, Yuta Nomura 他
日本語で読む → - 論文ハイブリッド制御ロボティクス
サンプルベースハイブリッドモード制御：アルゴリズム的および非微分可能制御モードの漸近的最適切替
非微分可能なアルゴリズム的制御モード間の切替を整数最適化問題として定式化し、サンプルベース探索で効率的に解く手法を提案。長期計画と高頻度制御の反応的切替を要する実機ロボットタスクで有効性を示した。
原題: Sample-Based Hybrid Mode Control: Asymptotically Optimal Switching of Algorithmic and Non-Differentiable Control Modes ／ Yilang Liu, Haoxiang You, Ian Abraham
日本語で読む → - 論文慣性航法/差分プライバシー機械学習
ConvXformer: 差分プライバシーを備えたハイブリッドConvNeXt-Transformerによる慣性航法
ConvNeXtとTransformerを組み合わせた慣性航法モデルに、適応的勾配クリッピングと勾配整合ノイズ注入による差分プライバシー機構を導入し、プライバシーを保護しつつ位置推定精度を40%以上向上させた。
原題: ConvXformer: Differentially Private Hybrid ConvNeXt-Transformer for Inertial Navigation ／ Omer Tariq, Muhammad Bilal, Muneeb Ul Hassan 他
日本語で読む → - 論文経路計画ロボティクス
安全マージンを考慮した区分ベジェ曲線による滑らかな経路計画
移動ロボット向けに、区分二次ベジェ曲線と二次計画法を用いて安全マージンを組み込んだ滑らかなC1連続経路を生成する手法を提案し、従来の区分線形計画より軌道偏差やロバスト性が改善することをシミュレーションで示した。
原題: Smooth path planning with safety margins using Piece-Wise Bezier curves ／ Iancu Andrei, Marius Kloetzer, Cristian Mahulea 他
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sim2realロボティクス
Phys2Real: VLMの事前知識と対話型オンライン適応を融合した不確実性を考慮したSim-to-Realマニピュレーション
VLMが推定した物理パラメータの事前分布と、実機での対話データから得られるオンライン推定を不確実性を考慮して統合し、シミュレーションで学習したマニピュレーションポリシーを実世界に転移させる手法を提案。
原題: Phys2Real: Fusing VLM Priors with Interactive Online Adaptation for Uncertainty-Aware Sim-to-Real Manipulation ／ Maggie Wang, Stephen Tian, Aiden Swann 他
日本語で読む → - 論文協調知覚eess.SP
確率的最適化に基づく協調知覚のためのトラック間関連付け
複数の自動運転車の環境モデルを統合する協調知覚において、トラック間の関連付けを確率的最適化で行う手法を提案し、曖昧な状況でも高尤度の関連付けを計算できることを示した。
原題: Track-to-Track Association for Collective Perception based on Stochastic Optimization ／ Laura M. Wolf, Vincent Albert Wolff, Simon Steuernagel 他
日本語で読む → - 論文VLA機械学習
VLAモデルの視覚表現を劣化させない：OOD汎化のためのアラインメント
VLAモデルのファインチューニングで視覚表現が劣化する問題を分析し、視覚表現をアラインメントする簡便な手法でOOD汎化を改善した。
原題: Don't Blind Your VLA: Aligning Visual Representations for OOD Generalization ／ Nikita Kachaev, Mikhail Kolosov, Daniil Zelezetsky 他
日本語で読む → - 論文固定翼UAV/オートパイロットロボティクス
ROSplane 2.0: 研究向け固定翼オートパイロット
研究向けに設計されたオープンソースの固定翼自律飛行スタックROSplaneをROS 2に対応させ、推定・制御アルゴリズムやモジュール性、空力モデリングを改善した。
原題: ROSplane 2.0: A Fixed-Wing Autopilot for Research ／ Ian Reid, Joseph Ritchie, Jacob Moore 他
日本語で読む → - 論文計画検証ロボティクス
RepV: 安全分離可能な潜在空間によるスケーラブルなニューロシンボリック計画検証
安全・不安全な計画が線形分離可能な潜在空間を学習し、自然言語ルールに対する計画の遵守を確率的保証付きで検証するニューロシンボリック検証器を提案。
原題: RepV: Safety-Separable Latent Spaces for Scalable Neurosymbolic Plan Verification ／ Yunhao Yang, Neel P. Bhatt, Pranay Samineni 他
日本語で読む → - 論文VLAロボティクス
Butter-Bench：LLM制御ロボットの実践的知能を評価するベンチマーク
LLMが制御するロボットの実践的知能を評価するベンチマークを提案し、人間とLLMの性能差や空間計画・社会的理解の課題を明らかにした。
原題: Butter-Bench: Evaluating LLM Controlled Robots for Practical Intelligence ／ Callum Sharrock, Lukas Petersson, Hanna Petersson 他
日本語で読む → - 論文マルチロボット計画ロボティクス
意図駆動型LLMアンサンブル計画による柔軟なマルチロボット分解：EVバッテリーでの実証
人間の言語指示と視覚情報をもとに、複数のLLMを組み合わせてロボットアームの分解動作手順を計画するパイプラインを提案し、EVバッテリーの分解タスクで評価した。
原題: Intent-Driven LLM Ensemble Planning for Flexible Multi-Robot Disassembly: Demonstration on EV Batteries ／ Cansu Erdogan, Cesar Alan Contreras, Alireza Rastegarpanah 他
日本語で読む → - 論文自動操縦/ROS 2ロボティクス
ROSflight 2.0: 無人航空機向けの軽量ROS 2ベース自動操縦システム
研究向けに設計された軽量なオープンソース自動操縦エコシステムROSflightをROS 2に対応させ、モジュール性と使いやすさを向上させた。シミュレーションから実機への移行を加速する。
原題: ROSflight 2.0: Lean ROS 2-Based Autopilot for Unmanned Aerial Vehicles ／ Jacob Moore, Phil Tokumaru, Ian Reid 他
日本語で読む → - 論文VLA機械学習
意味論的ワールドモデル
未来のピクセルを再構成する代わりに、タスクに関連する意味情報を視覚的質問応答として予測するワールドモデルを提案し、VLMを活用してロボット制御の汎化性能を向上させた。
原題: Semantic World Models ／ Jacob Berg, Chuning Zhu, Yanda Bao 他
日本語で読む → - 論文点群処理画像認識
モバイルレーザースキャンポイントクラウドの点単位不確実性評価
モバイルレーザースキャン点群の点ごとの不確実性を、局所幾何特徴から機械学習で推定するフレームワークを提案し、RFとXGBoostでROC-AUC 0.87以上を達成した。
原題: Point-level Uncertainty Evaluation of Mobile Laser Scanning Point Clouds ／ Ziyang Xu, Olaf Wysocki, Christoph Holst
日本語で読む → - 論文VLAロボティクス
多タスク介護ロボットのためのスケーラブルな予測処理フレームワーク
自由エネルギー原理に基づく階層型マルチモーダルRNNを用い、次元削減なしに視覚・固有感覚入力を統合して、介護タスク（体位変換とタオル拭き）をタスク特化の特徴設計なしに学習できることを示した。
原題: Scalable predictive processing framework for multitask caregiving robots ／ Hayato Idei, Tamon Miyake, Tetsuya Ogata 他
日本語で読む → - 論文医療ロボティクスロボティクス
STITCH 2.0: EKFによる針位置推定と糸管理で拡張縫合を強化
手術用縫合ロボットの改良版で、EKFによる針姿勢推定や糸のもつれ解消、3D縫合アライメント自動化など7つの改善を導入し、従来より多くの縫合を短時間で実現した。
原題: STITCH 2.0: Extending Augmented Suturing with EKF Needle Estimation and Thread Management ／ Kush Hari, Ziyang Chen, Hansoul Kim 他
日本語で読む → - 論文マニピュレーションロボティクス
VO-DP: 視覚のみのロボットマニピュレーションのための意味・幾何適応拡散ポリシー
視覚基盤モデルを活用し、意味特徴と幾何特徴を融合する視覚のみの拡散ポリシーを提案。点群ベース手法に匹敵または凌駕する成功率を実世界タスクで達成。
原題: VO-DP: Semantic-Geometric Adaptive Diffusion Policy for Vision-Only Robotic Manipulation ／ Zehao Ni, Yonghao He, Lingfeng Qian 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 → - 論文カバレッジ経路計画ロボティクス
3D-CovDiffusion: カバレッジ経路計画のための3D認識拡散ポリシー
生の3D点群から直接連続的なカバレッジ経路を生成する幾何条件付き拡散モデルを提案し、従来の学習ベース手法より高精度・高平滑・高被覆率を実現した。
原題: 3D-CovDiffusion: 3D-Aware Diffusion Policy for Coverage Path Planning ／ Chenyuan Chen, Haoran Ding, Ran Ding 他
日本語で読む → - 論文ロボット制御/視覚表現/拡散モデル画像認識
拡散モデルをロボット制御に活用するための条件の探求
事前学習済みテキスト画像拡散モデルを微調整せずにロボット制御のためのタスク適応的な視覚表現として利用する手法ORCAを提案し、制御タスクに適した条件設計の重要性を示した。
原題: Exploring Conditions for Diffusion models in Robotic Control ／ Heeseong Shin, Byeongho Heo, Dongyoon Han 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 → - 論文強化学習ロボティクス
TGPO: 信号時相論理タスクのための時間的根拠付き方策最適化
信号時相論理（STL）で記述された複雑な長期タスクを、時間割り当てを階層的に探索する強化学習手法で解く。
原題: TGPO: Temporal Grounded Policy Optimization for Signal Temporal Logic Tasks ／ Yue Meng, Fei Chen, Chuchu Fan
日本語で読む → - 論文強化学習/メモリ機械学習
ELMUR: 長期的RL問題のための更新/書き換え可能な外部層メモリ
トランスフォーマの各層に外部メモリを持たせ、LRUで更新・書き換えすることで、部分観測・長期ホライズンの強化学習タスクにおける性能を大幅に向上させた手法。
原題: ELMUR: External Layer Memory with Update/Rewrite for Long-Horizon RL Problems ／ Egor Cherepanov, Alexey K. Kovalev, Aleksandr I. Panov
日本語で読む → - 論文VLAロボティクス
自己改善VLAのための反省ベースタスク適応
VLMの因果推論で失敗から報酬を自動生成し強化学習を加速、成功軌道の模倣で報酬ハッキングを防ぐ二経路フレームワークを提案。
原題: Reflection-Based Task Adaptation for Self-Improving VLA ／ Baicheng Li, Dong Wu, Zike Yan 他
日本語で読む → - 論文VLA画像認識
RobustVLA: マルチモーダル摂動に対する視覚-言語-行動モデルのロバスト性
VLAモデルの17種類の摂動に対するロバスト性を評価し、行動が最も脆弱であることを発見。出力と入力の両方に対するロバスト化手法を提案し、LIBEROで大幅な性能向上を達成。
原題: RobustVLA: On Robustness of Vision-Language-Action Model against Multi-Modal Perturbations ／ Jianing Guo, Zhenhong Wu, Chang Tu 他
日本語で読む →