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: 2025/8/1 ／ 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 →- 論文動作計画ロボティクス
GPUを用いた産業用ロボットの動作計画：拡張自由度システムへのcuRoboの統合
NVIDIAのcuRoboをVentionのモジュール式自動化プラットフォームに統合し、7軸ガントリーを含む多自由度ロボットのピックアンドプレース作業で高速な軌道生成と動的衝突回避を実現した。
原題: Industrial Robot Motion Planning with GPUs: Integration of cuRobo for Extended DOF Systems ／ Luai Abuelsamen, Harsh Rana, Ho-Wei Lu 他
日本語で読む → - 論文模倣学習ロボティクス
不均衡データセットからのバランスの取れた行動クローニングに向けて
人間のデモンストレーションデータが不均衡な場合に、各状態行動ペアを均等に重み付けすると偏ったポリシーになることを証明し、データセットを自動的に再重み付けする手法を分析・開発した。
原題: Towards Balanced Behavior Cloning from Imbalanced Datasets ／ Sagar Parekh, Heramb Nemlekar, Dylan P. Losey
日本語で読む → - 論文sim2realcs.SE
信頼できるsUAS運用のためのデジタルツインにおける地形モデルの検証
小型無人航空機システム（sUAS）の実運用に向けて、環境デジタルツインの地形モデルを検証する3次元プロセスを提案し、複数sUASプラットフォームで実証した。
原題: Validating Terrain Models in Digital Twins for Trustworthy sUAS Operations ／ Arturo Miguel Russell Bernal, Maureen Petterson, Pedro Antonio Alarcon Granadeno 他
日本語で読む → - 論文マニピュレーションロボティクス
SPGrasp: 動的シーンにおける時空間プロンプト駆動型把持合成
動画ストリーム上でユーザープロンプトと時空間文脈を統合し、低遅延かつ時間的一貫性を保った把持姿勢をリアルタイム生成するフレームワークを提案。
原題: SPGrasp: Spatiotemporal Prompt-driven Grasp Synthesis in Dynamic Scenes ／ Yunpeng Mei, Hongjie Cao, Yinqiu Xia 他
日本語で読む → - 論文軌道計画ロボティクス
微分平坦性を利用した自動駐車のための高速反復軌道計画法
自動駐車向けに、微分平坦性とギアチェンジ点での終端平滑化制約を組み合わせ、衝突回避と制御可能性を両立させた高速反復軌道計画手法を提案した。
原題: A Rapid Iterative Trajectory Planning Method for Automated Parking through Differential Flatness ／ Zhouheng Li, Lei Xie, Cheng Hu 他
日本語で読む → - 論文軌道予測cs.OH
デジタルツイン環境における作業帯安全のための履歴予測注意機構に基づく軌道予測
デジタルツインと協調シミュレーションを用いて、履歴予測注意機構により車両軌道を予測し、高速道路作業帯での予防的安全警告を生成するシステムを提案した。
原題: Historical Prediction Attention Mechanism based Trajectory Forecasting for Proactive Work Zone Safety in a Digital Twin Environment ／ Minhaj Uddin Ahmad, Mizanur Rahman, Alican Sevim 他
日本語で読む → - 論文自動運転画像認識
SpaRC-AD: エンドツーエンド自動運転のためのレーダー・カメラ融合ベースライン
クエリベースのエンドツーエンド自動運転フレームワークで、スパースな3D特徴アライメントとドップラー速度推定によりカメラとレーダーを融合し、検出・追跡・地図生成・運動予測・計画の各タスクで視覚のみの手法を上回る性能を実現した。
原題: SpaRC-AD: A Baseline for Radar-Camera Fusion in End-to-End Autonomous Driving ／ Philipp Wolters, Johannes Gilg, Torben Teepe 他
日本語で読む → - 論文触覚ロボティクス
VR・遠隔操作のための布ベース柔軟温熱ハプティックデバイス
布と空気圧で指先に圧力と温度を提示する超軽量（指1本あたり2g）ウェアラブルデバイスを開発し、VR把持作業の成功率と力制御精度が向上することを示した。
原題: A Soft Fabric-Based Thermal Haptic Device for VR and Teleoperation ／ Rui Chen, Domenico Chiaradia, Antonio Frisoli 他
日本語で読む → - 論文マニピュレーションロボティクス
空間ポリシー：空間認識モデリングと推論による視覚運動ロボット操作の誘導
空間認識能力を欠く既存の視覚中心階層型モデルを改善するため、空間条件付き動画生成とフロー型行動予測、空間推論フィードバックを統合した操作フレームワークを提案し、23タスクで大幅な性能向上を達成した。
原題: Spatial Policy: Guiding Visuomotor Robotic Manipulation with Spatial-Aware Modeling and Reasoning ／ Yijun Liu, Yuwei Liu, Yuan Meng 他
日本語で読む → - 論文検出・予測統合画像認識
ForeSight: マルチビューストリーミングによる物体検出と軌道予測の統合
自動運転向けに、物体検出と軌道予測をクエリメモリで共有しながら双方向に学習する追跡不要の統合フレームワークを提案し、nuScenesで最先端性能を達成した。
原題: ForeSight: Multi-View Streaming Joint Object Detection and Trajectory Forecasting ／ Sandro Papais, Letian Wang, Brian Cheong 他
日本語で読む → - 論文航空ビジョン画像認識
予測不確かさを活用した実時間着陸システムの実行時保証
滑走路画像から航空機の姿勢を推定する視覚パイプラインを提案し、不確かさの校正とRAIMによる故障検出で安全性を高めた。
原題: Predictive Uncertainty for Runtime Assurance of a Real-Time Computer Vision-Based Landing System ／ Romeo Valentin, Sydney M. Katz, Artur B. Carneiro 他
日本語で読む → - 論文SLAMロボティクス
SLAMに基づく安全な屋内探索戦略
IMU・LiDAR・RGB-Dカメラを搭載した二輪差動駆動ロボットが、障害物から最大限離れる安全な骨格経路を用いて屋内平面空間を探索する手法を提案。
原題: SLAM-based Safe Indoor Exploration Strategy ／ Omar Mostafa, Nikolaos Evangeliou, Anthony Tzes
日本語で読む → - 論文形態的計算ロボティクス
形態的認知：形態的計算のみによるMNIST数字の分類
固定された振る舞いをするシミュレーション上のボクセルを組み合わせてロボットを作り、MNISTの数字0と1の画像に応じて左右に移動することを示した。神経回路なしで画像分類を達成した初の例。
原題: Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone ／ Alican Mertan, Nick Cheney
日本語で読む → - 論文自動運転知覚画像認識
新たな始まりへ：自動運転ソフトウェアにおける統合知覚のサーベイ
自動運転の知覚タスクを単一アーキテクチャで統合する「統合知覚」の研究を、タスク統合・追跡定式化・表現フローの観点から分類し、既存手法やデータセット、課題を体系的に整理した初のサーベイ。
原題: To New Beginnings: A Survey of Unified Perception in Autonomous Vehicle Software ／ Loïc Stratil, Felix Fent, Esteban Rivera 他
日本語で読む → - 論文自動運転/知識蒸留ロボティクス
DistillDrive: 等方異種ソース計画モデルによるエンドツーエンド多モード自動運転蒸留
構造化シーン表現に基づく計画モデルを教師として知識蒸留を行い、多様な計画インスタンスを模倣することでエンドツーエンド自動運転の多モード運動学習を強化した。
原題: DistillDrive: End-to-End Multi-Mode Autonomous Driving Distillation by Isomorphic Hetero-Source Planning Model ／ Rui Yu, Xianghang Zhang, Runkai Zhao 他
日本語で読む → - 論文群制御ロボティクス
故障多発・通信途絶環境における行動適応型マルチロボット危険源マッピング
行動エントロピーに基づく情報論的計画法BAPPを提案し、高リスク・通信途絶環境でロボットチームが危険源を効率的に探索・マッピングする手法を実現した。
原題: Behaviorally Adaptive Multi-Robot Hazard Localization in Failure-Prone, Communication-Denied Environments ／ Alkesh K. Srivastava, Aamodh Suresh, Carlos Nieto-Granda
日本語で読む → - 論文自己位置推定ロボティクス
SignLoc: ナビゲーションサインと公開地図を用いたロバストな自己位置推定
ナビゲーションサインと公開地図（間取り図やOpenStreetMap）を利用し、事前のセンサマッピングなしでロボットの大域自己位置推定を行う手法を提案。モンテカルロフレームワーク内で確率的観測モデルによりサインの方向・位置情報を地図グラフにマッチングさせ、1〜2個のサイン観測で高精度に位置推定できることを大学キャンパス、ショッピングモール、病院で実証した。
原題: SignLoc: Robust Localization using Navigation Signs and Public Maps ／ Nicky Zimmerman, Joel Loo, Ayush Agrawal 他
日本語で読む → - 論文SLAM画像認識
Monado SLAMデータセット：自己中心視覚慣性トラッキング向け
複数のVRヘッドセットで収録した実世界シーケンスを集めたSLAMデータセットを公開し、頭部装着型トラッキングの難場面に対応する研究を促進する。
原題: The Monado SLAM Dataset for Egocentric Visual-Inertial Tracking ／ Mateo de Mayo, Daniel Cremers, Taihú Pire
日本語で読む → - 論文アフォーダンス予測ロボティクス
自己中心視点での指示に基づくアフォーダンス予測：大規模マルチモーダルモデルによるアプローチ
指示に依存するアフォーダンス予測のための自己中心視点データセットを構築し、大規模マルチモーダルモデルに「検証者に対する探索」パイプラインを適用して予測能力を実現した。
原題: Egocentric Instruction-oriented Affordance Prediction via Large Multimodal Model ／ Bokai Ji, Jie Gu, Xiaokang Ma 他
日本語で読む → - 論文自動運転ロボティクス
文脈認識型リスク評価と自動運転への応用
物体の運動学と空間関係に基づいて方向別リスクを定量化し、リアルタイムで制御を調整する軽量フレームワークCRIを提案し、自動運転の衝突率を低減できることを示した。
原題: Context-aware Risk Assessment and Its Application in Autonomous Driving ／ Boyang Tian, Weisong Shi
日本語で読む → - 論文マニピュレーションロボティクス
合法行動マスク付きDQNと安全なZYZ再把持によるSoma Cube組立学習：Doosan M0609への応用
合法行動マスク付きDQNと特異点回避の再把持戦略を組み合わせ、6自由度協働ロボットでSoma Cubeを自律組立する手法を提案。階層型Q関数で計算量を削減し、カリキュラム学習で高成功率を達成した。
原題: Learning to Assemble the Soma Cube with Legal-Action Masked DQN and Safe ZYZ Regrasp on a Doosan M0609 ／ Jaehong Oh, Seungjun Jung, Sawoong Kim
日本語で読む → - 論文ナビゲーションロボティクス
OVSegDT: オープンボキャブラリ物体目標ナビゲーションのためのセグメンテーションTransformer
自由記述の言語で指定された物体へ到達するナビゲーションにおいて、セグメンテーション補助損失とエントロピー適応型損失調整を組み合わせた軽量Transformer方策を提案し、未見カテゴリへの汎化と衝突削減を実現した。
原題: OVSegDT: Segmenting Transformer for Open-Vocabulary Object Goal Navigation ／ Tatiana Zemskova, Aleksei Staroverov, Dmitry Yudin 他
日本語で読む → - 論文VLAAI
スケールアップしても薄まらない：RLベース汎用計画のためのゴール認識スパースGNN
PDDLで記述された計画問題を強化学習とグラフニューラルネットワークで解く際、状態を全結合グラフで表すと大規模環境で情報が薄まり学習が困難になる問題に対し、局所関係とゴール関連の空間特徴を選択的に符号化するスパースでゴール認識型のGNN表現を提案し、大規模グリッドでのドローンミッション計画で有効性を示した。
原題: Scaling Up without Fading Out: Goal-Aware Sparse GNN for RL-based Generalized Planning ／ Sangwoo Jeon, Juchul Shin, Gyeong-Tae Kim 他
日本語で読む → - 論文VLAロボティクス
リアルタイム3D視覚言語埋め込みマッピング
視覚言語モデルの2次元埋め込みを、実時間でメートル精度の3次元表現に統合する手法を提案し、自然言語による対象物の位置特定を可能にした。
原題: Real-Time 3D Vision-Language Embedding Mapping ／ Christian Rauch, Björn Ellensohn, Linus Nwankwo 他
日本語で読む → - 論文sim2realロボティクス
ロボットがロボットを訓練：ヒューマノイドのための実世界ポリシー自動適応と学習
ロボットアームの教師がヒューマノイドの生徒を保護・誘導しながら、実世界で効率的に強化学習を行うフレームワークを提案し、歩行速度追従や起き上がり動作で有効性を示した。
原題: Robot Trains Robot: Automatic Real-World Policy Adaptation and Learning for Humanoids ／ Kaizhe Hu, Haochen Shi, Yao He 他
日本語で読む → - 論文HRIロボティクス
ヒューマノイドと子どものストーリーテリング：LLMを活用した物語型ヒューマンロボットインタラクションのユーザビリティ研究
iCubヒューマノイドにChatGPTなどの生成モデルを組み込み、人間と交互にキューブを交換しながら即興の物語を作るストーリーテリング課題を実施し、そのユーザビリティと体験の質を評価した研究。
原題: Would you let a humanoid play storytelling with your child? A usability study on LLM-powered narrative Human-Robot Interaction ／ Maria Lombardi, Carmela Calabrese, Davide Ghiglino 他
日本語で読む → - 論文制御/ドローンロボティクス
反復学習MPCによるドローン競技性能の向上
適応的コスト関数や安全集合の工夫を取り入れた反復学習モデル予測制御により、ドローンレースの周回時間を最大60.85%短縮し、実機でも最先端制御手法を6.05%上回る性能を実現した。
原題: Improving Drone Racing Performance Through Iterative Learning MPC ／ Haocheng Zhao, Niklas Schlüter, Lukas Brunke 他
日本語で読む → - 論文ナビゲーションロボティクス
HALO: 人間の選好に整合したオフライン報酬学習によるロボットナビゲーション
人間の直感を視覚ベースの報酬関数として定量化するオフライン報酬学習手法HALOを提案し、学習ベースとMPCベースのナビゲーションに適用して成功率や軌道精度を大幅に改善した。
原題: HALO: Human Preference Aligned Offline Reward Learning for Robot Navigation ／ Gershom Seneviratne, Jianyu An, Sahire Ellahy 他
日本語で読む → - 論文VLA画像認識
大規模視覚言語モデルによる経路指示追従：低レベル行動空間とパノラマ行動空間の比較
市販の大規模視覚言語モデルQwen2.5-VL-3BをR2Rデータセットでファインチューニングし、低レベル行動空間とパノラマ行動空間の両方で視覚言語ナビゲーションの性能を評価・比較した。
原題: Following Route Instructions using Large Vision-Language Models: A Comparison between Low-level and Panoramic Action Spaces ／ Vebjørn Haug Kåsene, Pierre Lison
日本語で読む → - 論文マニピュレーションロボティクス
ロボットマニピュレーションのための物理ベース照明生成
実世界のロボット操作デモの最初のフレームを逆レンダリングで分解し、異なる照明下の映像を生成するフレームワークを提案。模倣学習の性能を38.75%向上させた。
原題: Physically-based Lighting Generation for Robotic Manipulation ／ Shutong Jin, Lezhong Wang, Ben Temming 他
日本語で読む →