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 →- 論文拡散計画AI
混合密度ディフューザー：非一様時間解像度による効率的計画
拡散計画において、軌道の時間密度を計画ホライズン全体で調整可能にし、Maze2DやFranka KitchenなどでSOTAを達成した手法を提案。
原題: Mixed-Density Diffuser: Efficient Planning with Non-Uniform Temporal Resolution ／ Crimson Stambaugh, Rajesh P. N. Rao
日本語で読む → - 論文群制御ロボティクス
カリキュラムベース反復自己対戦によるスケーラブルなマルチドローン競走
カリキュラム学習と自己対戦を組み合わせた強化学習フレームワークCRUISEを提案し、マルチドローン競走において既存手法を大幅に上回る速度と成功率を達成した。
原題: Curriculum-Based Iterative Self-Play for Scalable Multi-Drone Racing ／ Onur Akgün
日本語で読む → - 論文マニピュレーションロボティクス
勾配を勾配で積み上げる：双腕ロボット組立のための分散型エネルギー関数
適応的ポテンシャル関数を自動合成して区分連続なエネルギー関数を作り、近視的最適化だけで双腕ロボットの組立を分散的に計画・再計画するフレームワークを提案。
原題: Building Gradient by Gradient: Decentralised Energy Functions for Bimanual Robot Assembly ／ Alexander L. Mitchell, Joe Watson, Ingmar Posner
日本語で読む → - 論文マニピュレーションロボティクス
ManiDP: 姿勢依存型両腕マニピュレーションのための可操作度を考慮した拡散ポリシー
専門家のデモから両腕の可操作度を抽出し、リーマン幾何に基づく確率モデルで姿勢特徴を符号化して条件付き拡散過程に組み込むことで、姿勢依存の力・速度要件を満たす両腕動作を生成する模倣学習手法を提案。
原題: ManiDP: Manipulability-Aware Diffusion Policy for Posture-Dependent Bimanual Manipulation ／ Zhuo Li, Junjia Liu, Dianxi Li 他
日本語で読む → - 論文VLA画像認識
マルチモーダル言語モデルの身体性能力をスキル単位で評価・診断するベンチマークBEAR
身体性タスクを14の原子スキルに分解してMLLMを細粒度評価するベンチマークBEARを提案し、知覚と時空間モデリングがボトルネックであることを示すとともに、視覚・空間推論ツールを組み込んだBEAR-Agentで性能を改善した。
原題: Dissecting Embodied Abilities in Multimodal Language Models through Skill-level Evaluation and Diagnosis ／ Yu Qi, Haibo Zhao, Ziyu Guo 他
日本語で読む → - 論文群制御ロボティクス
解析的スウォームケミストリー：創発的群れ行動の特性評価と解析
群れロボットのパラメータ空間を相図として可視化し、ミリングや拡散などの創発行動が生じる条件を体系的に明らかにするフレームワークを提案し、実機で検証した。
原題: Analytical Swarm Chemistry: Characterization and Analysis of Emergent Swarm Behaviors ／ Ricardo Vega, Connor Mattson, Kevin Zhu 他
日本語で読む → - 論文ロボティクス/農業ロボティクス
ロボット攪拌による水トラップ内の害虫自動計数：遮蔽処理のための能動的アプローチ
ロボットアームで水トラップを攪拌して害虫の遮蔽を解消し、画像ベースの計数精度を高める手法を提案。攪拌パターンと適応速度制御を評価し、静的画像より高密度で誤差を低減。
原題: Automated Pest Counting in Water Traps through Active Robotic Stirring for Occlusion Handling ／ Xumin Gao, Mark Stevens, Grzegorz Cielniak
日本語で読む → - 論文ソフトグリッパロボティクス
ANGEL：多様な果実を優しく収穫する新型グリッパ
紐で絞る仕組みを応用したケーブル駆動のソフトグリッパを開発し、サイズの異なる果実を傷つけずに収穫できることをトマト実験で示した。
原題: ANGEL: A Novel Gripper for Versatile and Light-touch Fruit Harvesting ／ Dharmik Patel, Antonio Rafael Vazquez Pantoja, Jiuzhou Lei 他
日本語で読む → - 論文経路計画ロボティクス
大規模グリッドマップの経路計画のための1000倍高速なLLM強化アルゴリズム
LLM-A*を改良し、A*の最適化・LLMのインクリメンタル学習・適切なウェイポイント選択を組み合わせることで、大規模グリッドマップの経路計画を平均1000倍以上高速化した。
原題: A $1000\times$ Faster LLM-enhanced Algorithm For Path Planning in Large-scale Grid Maps ／ Junlin Zeng, Xin Zhang, Xiang Zhao 他
日本語で読む → - 論文医療ロボティクスロボティクス
模倣学習による軟体ロボットの血管内自律ナビゲーションに向けて
血管内治療用の軟体ガイドワイヤを、Transformerベースの模倣学習で自律的に動かし、未見の血管形状でも動脈瘤へ到達できるようにした研究。
原題: Toward Autonomous Soft Robotic Endovascular Navigation via Imitation Learning ／ Noah Barnes, Ji Woong Kim, Lingyun Di 他
日本語で読む → - 論文マニピュレーションロボティクス
物体中心表現による汎化可能な階層的スキル学習
物体中心のスキルプリミティブを介して視覚言語モデルと低次視覚運動ポリシーを橋渡しし、少ないデモでロボット操作の汎化とサンプル効率を大幅に向上させる階層的学習フレームワークを提案。
原題: Generalizable Hierarchical Skill Learning via Object-Centric Representation ／ Haibo Zhao, Yu Qi, Boce Hu 他
日本語で読む → - 論文VLAロボティクス
ContextVLA：マルチフレーム文脈を効率的に活用する視覚-言語-行動モデル
過去の観測を1つの文脈トークンに圧縮することで、計算コストを抑えつつマルチフレームの時間的文脈を活用してロボットタスクの成功率を高めるVLAモデルを提案。
原題: ContextVLA: Vision-Language-Action Model with Amortized Multi-Frame Context ／ Huiwon Jang, Sihyun Yu, Heeseung Kwon 他
日本語で読む → - 論文VLA画像認識
OmniSAT: コンパクトな行動トークンによる高速自己回帰VLA
行動をBスプライン符号化と多段残差量子化で圧縮トークン化し、自己回帰型VLAの系列長を6.8倍短縮して学習効率を高める手法を提案。
原題: OmniSAT: Compact Action Token, Faster Auto Regression ／ Huaihai Lyu, Chaofan Chen, Senwei Xie 他
日本語で読む → - 論文群制御cs.MA
部分的に観測可能な都市環境における人間中心の火災避難を支援する協調自律ドローン
火災避難時に人間のパニック行動を考慮し、2種類のUAVが協調して避難者を探索・誘導するPOMDPベースの強化学習フレームワークを提案。
原題: Coordinated Autonomous Drones for Human-Centered Fire Evacuation in Partially Observable Urban Environments ／ Maria G. Mendoza, Addison Kalanther, Daniel Bostwick 他
日本語で読む → - 論文歩行ロボティクス
強化学習による強磁性環境での堅牢な壁面登攀移動制御
磁気吸着の不確実性を考慮した四脚壁面登攀ロボットの強化学習フレームワークを提案し、カリキュラム学習と現実的な吸着モデルによりシミュレーションから実機への転移を実現した。
原題: Reinforcement Learning-based Robust Wall Climbing Locomotion Controller in Ferromagnetic Environment ／ Yong Um, Young-Ha Shin, Joon-Ha Kim 他
日本語で読む → - 論文群制御ロボティクス
触覚センサと分散最適化を用いた未知環境探索・マッピングのマルチロボットシステム
ゴキブリの触角に着想を得た触覚センサを搭載した複数ロボットが、衝突点を記録しながら分散的に未知環境を探索し、2Dマップを構築する手法を提案・検証した。
原題: Multi-Robot Distributed Optimization for Exploration and Mapping of Unknown Environments using Bioinspired Tactile-Sensor ／ Roman Ibrahimov, Jannik Matthias Heinen
日本語で読む → - 論文強化学習機械学習
単体埋め込みによるActor-Criticエージェントのサンプル効率改善
Actor-Critic強化学習において、埋め込みを単体構造に制約する軽量な表現層を導入し、サンプル効率と最終性能を向上させる手法を提案。
原題: Simplicial Embeddings Improve Sample Efficiency in Actor-Critic Agents ／ Johan Obando-Ceron, Walter Mayor, Samuel Lavoie 他
日本語で読む → - 論文軌道予測ロボティクス
弱い選好アライメントによる制御可能な生成的軌道予測
弱い選好ペアを用いてCVAEの潜在変数に意味的属性を付与し、精度を落とさずに制御可能な多様軌道予測を実現した。
原題: Controllable Generative Trajectory Prediction via Weak Preference Alignment ／ Yongxi Cao, Julian F. Schumann, Jens Kober 他
日本語で読む → - 論文触覚ロボティクス
センサ間触覚生成
触覚センサの形状差を超えてモデルを転用するため、ペアデータを使うTouch2Touchと中間深度表現を介するT2D2の2手法を提案し、手内姿勢推定や行動クローニングで有効性を示した。
原題: Cross-Sensor Touch Generation ／ Samanta Rodriguez, Yiming Dou, Miquel Oller 他
日本語で読む → - 論文モバイルマニピュレーションロボティクス
全体像を見る：モバイルマニピュレーション方策学習のための3D潜在マップ
3D潜在特徴マップ上で直接動作するエンドツーエンドの方策学習手法SBPを提案し、画像のみに頼る方策よりも空間的・時間的推論に優れ、未知シーンでも高い成功率を示した。
原題: Seeing the Bigger Picture: 3D Latent Mapping for Mobile Manipulation Policy Learning ／ Sunghwan Kim, Woojeh Chung, Zhirui Dai 他
日本語で読む → - 論文VLAロボティクス
検証器不要のテスト時サンプリングによる視覚-言語-行動モデル
VLAモデルが追加学習や外部検証器なしに、内部のマスキング分布を利用してテスト時に複数候補から最適な行動を選択する手法を提案。
原題: Verifier-free Test-Time Sampling for Vision-Language-Action Models ／ Suhyeok Jang, Dongyoung Kim, Changyeon 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
ランダムなおもちゃで遊んで何でも掴めるようになる学習
球・直方体・円柱・リングの4つの基本形状をランダムに組み合わせた「おもちゃ」で訓練することで、実世界の多様な物体をゼロショットで掴める汎化可能な把持方策を実現した研究。
原題: Learning to Grasp Anything by Playing with Random Toys ／ Dantong Niu, Yuvan Sharma, Baifeng Shi 他
日本語で読む → - 論文自動運転/VLMロボティクス
工事区間におけるVLM軌道計画の課題：緩和策と堅牢な自動運転に向けて
VLMによる工事区間の軌道計画を初めて体系的に調査し、失敗パターンを特定した上で、RAGを統合したREACT-Driveを提案して精度と推論速度を改善した。
原題: Work Zones challenge VLM Trajectory Planning: Toward Mitigation and Robust Autonomous Driving ／ Yifan Liao, Zhen Sun, Xiaoyun Qiu 他
日本語で読む → - 論文VLAロボティクス
RoboBench：マルチモーダル大規模言語モデルを身体化脳として評価する包括的ベンチマーク
マニピュレーションの意思決定を担う「身体化脳」としてのマルチモーダルLLMを、指示理解・知覚推論・汎化計画・アフォーダンス予測・失敗分析の5次元で評価するベンチマークを提案した。
原題: Robobench: A Comprehensive Evaluation Benchmark for Multimodal Large Language Models as Embodied Brain ／ Yulin Luo, Chun-Kai Fan, Menghang Dong 他
日本語で読む → - 論文群制御ロボティクス
LOMORO: 資源制約下で最小ロボット群による動的ターゲットの長期監視
限られたバッテリーやメモリの制約下で、動的な多数のターゲットを監視するために、必要最小限のロボット群をオンラインで協調制御する手法を提案し、大規模シミュレーションで有効性を示した。
原題: LOMORO: Long-term Monitoring of Dynamic Targets with Minimum Robotic Fleet under Resource Constraints ／ Mingke Lu, Shuaikang Wang, Meng Guo
日本語で読む → - 論文連続体ロボットロボティクス
複数チューブ・腱駆動同心管ロボットの包括的汎用モデル
n本の同心管と各管を駆動する腱を考慮したCosseratロッドベースの汎用モデルを提案し、先端予測誤差4%未満で検証した。
原題: A Comprehensive General Model of Tendon-Actuated Concentric Tube Robots with Multiple Tubes and Tendons ／ Pejman Kheradmand, Behnam Moradkhani, Raghavasimhan Sankaranarayanan 他
日本語で読む → - 論文スケジューリング制御
自動運転システムにおける融合パターンのモデリングとスケジューリング（拡張版）
自動運転システムのDAGスケジューリングにおいて、タイマー起動・全待ち・即時融合の3種類の融合タスクをモデル化し、ILPで複数のリアルタイム指標を最適化するフレームワークを提案した。
原題: Modeling and Scheduling of Fusion Patterns in Autonomous Driving Systems (Extended Version) ／ Hoora Sobhani, Hyoseung Kim
日本語で読む → - 論文データセットロボティクス
RoadSens-4M: 包括的道路分析のためのマルチモーダルスマートフォン・カメラデータセット
スマートフォンの各種センサーとカメラ映像、GIS・気象データを統合し、道路の凹凸や穴などの問題を多角的に分析するための新しいデータセットを構築した。
原題: RoadSens-4M: A Multimodal Smartphone & Camera Dataset for Holistic Road-way Analysis ／ Amith Khandakar, David Michelson, Shaikh Golam Rabbani 他
日本語で読む → - 論文マニピュレーションロボティクス
ConPoSe: LLMガイドによる協調物体押し出しのための接触点選択のスケーラブル化
複数ロボットで物体を押す際の接触点選択に、大規模言語モデルの推論と局所探索を組み合わせる手法を提案し、従来の解析的手法よりスケーラブルで高性能なことを示した。
原題: ConPoSe: LLM-Guided Contact Point Selection for Scalable Cooperative Object Pushing ／ Noah Steinkrüger, Nisarga Nilavadi, Wolfram Burgard 他
日本語で読む → - 論文VLAロボティクス
VLA^2: エージェントフレームワークで視覚言語行動モデルを強化し未知の概念操作を実現
OpenVLAを実行基盤とし、Web検索や物体検出などの外部モジュールを活用して未知物体の視覚・言語知識を補完するエージェントフレームワークを提案。LIBERO環境での新ベンチマークで、ハードレベル成功率を44.2%向上させた。
原題: VLA^2: Empowering Vision-Language-Action Models with an Agentic Framework for Unseen Concept Manipulation ／ Han Zhao, Jiaxuan Zhang, Wenxuan Song 他
日本語で読む →