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: 2026/9/16 ／ 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 →- 論文強化学習ロボティクス
FIERCE: 進捗-失敗フィードバックによる汎用ロボット方策から高速専門家への変換
汎用ロボット方策を初期値とし、進捗と失敗を評価する統一評価器を用いた強化学習で、シミュレータや手動報酬設計なしに接触の多い実タスク向けの小型専門家方策を効率的に学習する手法を提案。
原題: FIERCE: From Generalist Robot Policies to Fast Specialists via Progress-Failure Feedback ／ Runjia Tan, Yuang Tu, Yujie Yan 他
日本語で読む → - 論文強化学習理論機械学習
深層V学習の収束フレームワーク：誤差伝播と鋭い行動ギャップ境界
深層V学習の収束を6つの誤差成分に分解し、L^s集中性の下で政策損失を評価する枠組みを提案。最適なサンプル配分と行動ギャップの鋭い境界も導出した。
原題: A Convergence Framework for Deep $V$-Learning: Error Propagation and Sharp Action-Gap Bounds ／ Yury Kolomeytsev
日本語で読む → - 論文安全強化学習ロボティクス
CALOS: クアッドロータ向け安全深層強化学習のための制御アフィン・リャプノフ多様体上安全層
クアッドロータの姿勢制約をリアルタイムで強制する安全層CALOSを提案し、強化学習方策のトルク出力を最小ノルムで補正することで、制約違反ゼロと追従誤差の大幅低減を実現した。
原題: CALOS: Control-Affine Lyapunov On-manifold Safety Layer for Safe Deep Reinforcement Learning for Quadrotors ／ Fabrizio Cesareo, Sebastiano Mengozzi, Nicola Mimmo 他
日本語で読む → - 論文跳躍/強化学習ロボティクス
バネ脚付きクアッドコプターのエネルギー効率良いターゲットホッピングのための受動ダイナミクス活用学習
バネ脚付き単脚クアッドコプターの跳躍制御において、状態からモーターへ直接指令するPPO方策を学習させ、PID制御と比べ消費電力を30.7%削減しつつ再現性の高い跳躍を実現した。
原題: Learning to Exploit Passive Dynamics for Energy-Efficient Target Hopping of a Spring-Legged Quadcopter ／ Ruigang Chen, Qi Zhang, Zhicheng Zhong 他
日本語で読む → - 論文強化学習/脚式移動ロボティクス
単脚跳躍クアッドコプターの俊敏かつ省エネな移動のための動力学を考慮した強化学習
跳躍するクアッドコプターの制御に、目標比エネルギーを報酬に組み込む動力学情報付き強化学習を適用し、エネルギー効率の良い跳躍歩容を実現した。
原題: Dynamics-Informed Reinforcement Learning for Agile and Energy-Efficient Locomotion of a Monopedal Hopping Quadcopter ／ Ruigang Chen, Qi Zhang, Zhicheng Zhong 他
日本語で読む → - 論文オフライン強化学習ロボティクス
VGFM: フローマッチングにおける密な価値誘導による表現力豊かなロボット方策
フローマッチング方策の各中間ステップで価値誘導を行い、BPTTや追加損失なしにオフライン強化学習を効率化する手法を提案。
原題: VGFM: Expressive Robot Policies via Dense Value Guidance in Flow Matching ／ Prajwal Koirala, Mark Campbell
日本語で読む → - 論文強化学習ロボティクス
脚式ロボット強化学習のためのスキル合成
脚式ロボットの強化学習において、独立に訓練された専門スキルを安全かつ任意のタイミングで切り替え可能にするスキル合成を研究課題として扱い、その重要性と可能性を論じた。
原題: Skill Composition for Legged Robot Reinforcement Learning ／ Daniel Gigliotti, Flavio Maiorana, Fabio Patrizi 他
日本語で読む → - 論文マルチエージェント強化学習/sim2realロボティクス
工場におけるマルチエージェントのタスク割り当てとナビゲーションの学習：シミュレーションから実機ロボットへ
LiDARとタスク情報を融合する分散型マルチエージェント強化学習FMAPPOを提案し、シミュレーションからROS2経由で実機の移動マニピュレータに展開して、工場での部品配送・回収と機械稼働率を改善した。
原題: Learning Multi-Agent Task Assignment and Navigation in the Factory: from Simulation to Real Robots ／ Abdalwhab Bakheet Mohamed Abdalwhab, Giovanni Beltrame, David St-Onge
日本語で読む → - 論文強化学習AI
SCQ: シグモイド有界エントロピーによる保守的Q学習の安定化
オフラインからオンラインへの強化学習において、負になりうる対数エントロピー項をシグモイドで有界化し常に正に保つことで、方策更新を安定化させる手法SCQを提案。D4RLや実機4種で性能と安定性を検証した。
原題: SCQ: Stabilizing Conservative Q-Learning with Sigmoid-Bounded Entropy ／ Xiefeng Wu, Shu Zhang, Zhaojie Chu 他
日本語で読む → - 論文強化学習/スキル適応ロボティクス
動的環境における安全意識型スキル適応強化学習
ガウス過程によるスキルパラメータ化と安全サブスペース事前分布・距離場クリアランス報酬を組み合わせ、動的環境で安全にロボットスキルを適応させる枠組みを提案。
原題: Safety-aware Skill Adaptation for Reinforcement Learning in Dynamic Environments ／ A K M Nadimul Haque, Sheila Sutjipto, Marc G. Carmichael 他
日本語で読む → - 論文目標条件付き強化学習/トポロジー/クロスエンボディメント機械学習
トポロジー的必然性：異なる身体を持つエージェント間で転移可能な目標条件付き制御のためのメカニズム不変な戦略的サブゴール
成功軌跡からホモロジーを用いて「必ず通らなければならない関門」を抽出し、実行エージェントが変わっても転移可能なサブゴールとして目標条件付き強化学習に組み込む手法を提案。
原題: Topological Necessities: Mechanism-Invariant Strategic Subgoals for Cross-Embodiment Goal-Conditioned Control ／ Hao Shi, Xi Li
日本語で読む → - 論文強化学習制御制御
FDI攻撃と外乱下の入力制約付き未知非線形システムに対する事前定義時間ロバスト積分強化学習：完全データ駆動アプローチ
システムの動力学が未知で入力制約・外乱・敵対的信号がある非線形システムに対し、収束時間を事前に指定できる積分強化学習ベースの最適制御法を提案し、2リンクロボットマニピュレータで有効性を示した。
原題: Predefined-Time Resilient Integral Reinforcement Learning for Input-Constrained Unknown Nonlinear Systems Under FDI Attacks and Disturbances: A Fully Data-Driven Approach ／ Tien Dat Vu, Minh Doan
日本語で読む → - 論文拡散ポリシー/強化学習ロボティクス
DIA: 拡散ポリシー最適化のためのデノイジング中間アドバンテージ
拡散ポリシーの強化学習ファインチューニングにおいて、各デノイジングステップに中間アドバンテージを割り当てる手法を提案し、複数のロボット操作ベンチマークで性能を向上させた。
原題: DIA: Denoising Intermediate Advantage for Diffusion Policy Optimization ／ Arjun Sohal, Yuchi Zhao, Miroslav Bogdanovic 他
日本語で読む → - 論文自動運転/安全強化学習ロボティクス
安全でロバストな自動運転のためのリスク感受性と不確実性を考慮した意思決定・制御フレームワーク
リスク感受性分布強化学習とアンサンブル不確実性推定を組み合わせ、不確実性に応じて制約を適応調整するHOCBF安全補正機構を備えた自動運転意思決定・制御フレームワークを提案。無信号交差点でのシミュレーションで安全性・効率・ロバスト性のバランスを実証。
原題: A Risk-Sensitive and Uncertainty-Aware Decision-Making and Control Framework for Safe and Robust Autonomous Driving ／ Zhuoren Li, Ran Yu, Weiqi Zhang 他
日本語で読む → - 論文マルチエージェント強化学習ロボティクス
山火事対応における自律UAV探査のためのマルチエージェント強化学習
深層強化学習を用いてUAVエージェントが模擬山火事環境を航行・監視する枠組みを開発し、学習の安定化と火災境界追跡などの有効な行動獲得を示した。
原題: Multi-Agent Reinforcement Learning for Autonomous UAV Exploration in Wildfire Response ／ Caden Chandra, Jerry Ng
日本語で読む → - 論文モデルベース強化学習ロボティクス
CAST: 交互状態価値目標と拡張方策勾配によるモデルベース強化学習
モデルベース強化学習において、プランナー誘導行動と現在の方策を交互に用いた状態価値目標を導入し、価値学習を改善する手法CASTを提案。シミュレーションと実機の四足ロボットで有効性を実証。
原題: CAST: Alternating State-Value Targets and Expanded Policy Gradients for Model-Based Reinforcement Learning ／ Pietro Noah Crestaz, Mohamed Yassine Kabouri, Nicolas Mansard 他
日本語で読む → - 論文強化学習/建設ロボティクスロボティクス
連続調整による被覆構造の構築学習
事前計画なしに強化学習で構造物を適応的に組み上げる手法を提案し、シミュレーションと実機2台のロボットでアーチ構造の構築に成功した。
原題: Learning to build covering structures with continuous adjustments ／ Gabriel Vallat, Maryam Kamgarpour, Stefana Parascho
日本語で読む → - 論文強化学習機械学習
SACにおけるtanhヤコビアンの解放：バンバン制御とMetaDriveに関する負の結果
SACのtanh圧縮による勾配消失を補正するバイパスを試したが、極端な行動が最適なタスクでも性能改善は見られず、むしろ悪化することを示した負の結果。
原題: Unthrottling the Tanh Jacobian in SAC: A Negative Result on Bang-Bang Control and MetaDrive ／ Faiq Shamass
日本語で読む → - 論文強化学習機械学習
SUN: 強化学習における新規性への到達
強化学習の探索において、新規性と到達可能性を同時に考慮した目標選択フレームワークSUNを提案し、到達不能な状態を含む環境で既存手法を上回る性能を示した。
原題: SUN: Reaching for Novelty in Reinforcement Learning ／ Wenyan Yang, Arsenii Mustafin, Dominik Baumann 他
日本語で読む → - 論文マルチエージェント強化学習制御
予測シールディングによる分散型安全マルチエージェント強化学習
複数ロボットが独立にタスクを実行する環境で、訓練時と異なる状態に直面しても安全に適応できるよう、予測シールディングとモデルベースの有限地平Q学習を組み合わせた分散型フレームワークを提案した。対称シナリオでのライブロックを緩和する通信不要のプロトコルも導入している。
原題: Decentralized Safe Multi-Agent Reinforcement Learning via Predictive Shielding ／ Yacine El Yamani, Hanna Krasowski, Elena Vanneaux
日本語で読む → - 論文セキュリティ/強化学習機械学習
TrojanWorld: 想像力の誘導によるワールドモデルエージェントへのバックドア攻撃
物理的な物体をトリガーとして、ワールドモデルエージェントの内部想像を操作し、攻撃者が指定した行動を誘発するバックドア攻撃フレームワークを提案した。
原題: TrojanWorld: Backdooring World-Model Agents via Imagination Steering ／ Wenkai Huang, Siyuan Liang, Gaolei Li 他
日本語で読む → - 論文強化学習/手術操作ロボティクス
疎な報酬強化学習のための位相・初到達VLMフィードバック：手術操作への応用
手術操作の疎な報酬強化学習において、失敗した試行から部分的な成功段階を再利用できるよう、VLMを用いて各エピソードの到達段階とその初到達時刻を特定するフィードバック手法を提案し、シミュレーションと実機で有効性を示した。
原題: Phase-and-First-Arrival VLM Feedback for Sparse-Reward Reinforcement Learning in Surgical Manipulation ／ Wanli Liuchen, Fangyuan Wang, Bin Li 他
日本語で読む → - 論文オフライン強化学習機械学習
オフライン強化学習における拡散ポリシーのためのノイズ空間ポリシー勾配
拡散ポリシーを強化学習に統合するため、ノイズ空間で価値関数を定義し、クリーンな行動空間の価値推定のみを用いてノイズ潜在変数を最適化するポリシー勾配法を提案した。
原題: Noisy-Space Policy Gradient for Diffusion Policies in Offline Reinforcement Learning ／ Mahmoud Selim, Cristina Cipriani, Karl H. Johansson
日本語で読む → - 論文組立/強化学習ロボティクス
知識誘導型階層ポリシー学習による高精度円筒組立
0.1mmの厳しい公差を持つ円筒部品の高精度組立を実現するため、階層型強化学習フレームワークを提案。下層は行動クローニングとTD3を統合し、上層はヒューリスティックルールで調整する。シミュレーションで学習後、実世界に転移し、高い成功率と安定性を示した。
原題: Knowledge-Guided Hierarchical Policy Learning for High-Precision Cylindrical Assembly under Tight Tolerances ／ Binbin Lian, Xinyu Liu, Tao Sun
日本語で読む → - 論文歩行/強化学習ロボティクス
SkillX: ヒューマノイドサッカーのための統合マルチスキルポリシー学習
ヒューマノイドサッカーにおいて、単一のコマンド条件付きポリシーでドリブル、トラップ、シュートなどの複数のスキルを学習・切り替え可能にする統一強化学習フレームワークを提案した。
原題: SkillX: Unified Multi-Skill Policy Learning for Humanoid Soccer ／ Zhangchen Ye, Enxuan Ruan, Yifei Bao 他
日本語で読む → - 論文強化学習ロボティクス
SCoCaT: 成功条件付き制約強化学習による宇宙機ドッキング
終端ナビゲーションタスクにおける制約付き強化学習の「実現可能性崩壊」問題を特定し、補助価値批判による成功信号の追加で解決する手法を提案・実証した。
原題: SCoCaT: Success Conditioned Constrained Reinforcement Learning for Spacecraft Docking ／ Aman Arora, Ricard Marsal I Castan, Matteo El-Hariry 他
日本語で読む → - 論文オフライン強化学習機械学習
オフライン方策改善に1ステップで十分か？
オフライン強化学習における方策改善を多段近接方策改善（MPI）として定式化し、固定全ホライズンでの分割と局所ホライズンでの追加精緻化の効果を分析した。TD3+BCとIQLで実験し、分割が有用な全ホライズンの範囲を広げ、追加精緻化がリターンを改善することを示した。
原題: Is One Step Enough for Offline Policy Improvement? ／ Soohyun Choi, Seonvin Cho, Songnam Hong
日本語で読む → - 論文VLA/強化学習ロボティクス
VLA-Precision: 非対称共同ブートストラップによる視覚言語行動モデルの効率的な実世界オンライン強化学習
実世界のオンライン強化学習を用いて、精密な操作タスクにおける視覚言語行動モデルの性能を向上させるフレームワークを提案した。
原題: VLA-Precision: Asymmetric Co-Bootstrapping for Efficient Real-World Online RL of Vision-Language-Action Models ／ Chenyu Su, Zhaolong Shen, Yuan Qian 他
日本語で読む → - 論文強化学習機械学習
長期的オフライン目標条件付き強化学習のための再帰的価値学習
長期的な目標達成タスクを効率的に学習するため、軌跡を二分木に再帰的に分解し、葉から根へ価値を学習する手法DCRLを提案した。
原題: Recursive Value Learning for Long-Horizon Offline Goal-Conditioned RL ／ Hyeonseong Jeon, Youngwoon Lee
日本語で読む → - 論文強化学習/MPCロボティクス
MPCソルバー勾配ガイダンスによる強化学習の加速：重み可変MPC向け
モデル予測制御（MPC）のコスト重みを適応的に学習する際、強化学習のサンプル効率を向上させるため、微分可能MPCのソルバー勾配を補助ガイダンスとして利用するSG-RL手法を提案した。自動レースプラットフォームで最大70.6%のサンプル削減を実証した。
原題: Accelerating Reinforcement Learning via MPC Solver-Gradient Guidance for Weights-varying MPC ／ Baha Zarrouki, Arslan Thobani, Jasper Hoffmann 他
日本語で読む →