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 → - 論文ソーシャルナビゲーションロボティクス
ロボットのソーシャルナビゲーションのための軽量群衆モデル
歩行者流の特性を活かして空間・時間処理を簡素化した軽量なマクロ群衆予測モデルを提案し、推論時間を3.6倍短縮しつつ予測精度を3.1%向上させ、社会的に配慮したロボットナビゲーションを実現した。
原題: A Lightweight Crowd Model for Robot Social Navigation ／ Maryam Kazemi Eskeri, Thomas Wiedemann, Ville Kyrki 他
日本語で読む → - 論文群制御ロボティクス
海洋環境におけるテザー結合マルチロボットシステム
AUVとASVをテザーで繋いだマルチロボットシステムの運動制御を評価するため、GazeboSimとArduPilot SITLを用いた高忠実度シミュレーションフレームワークを提案した。
原題: Tethered Multi-Robot Systems in Marine Environments ／ Markus Buchholz, Ignacio Carlucho, Michele Grimaldi 他
日本語で読む → - 論文データ生成ロボティクス
QuaDreamer: 四足歩行ロボットのための制御可能なパノラマ動画生成
四足歩行ロボットの動きを模倣し、垂直振動特性を考慮した制御可能なパノラマ動画を生成する初のデータ生成エンジンを提案。
原題: QuaDreamer: Controllable Panoramic Video Generation for Quadruped Robots ／ Sheng Wu, Fei Teng, Hao Shi 他
日本語で読む → - 論文SLAMロボティクス
Inland-LOAM: 内陸水路航行のためのボクセルベース構造的セマンティックLiDARオドメトリとマッピング
内陸水路でのLiDAR SLAMにおける垂直ドリフトを水面平面制約で抑え、3D点群をボクセル解析で2Dセマンティックマップに変換して橋梁クリアランス等の航行パラメータをリアルタイム算出するフレームワークを提案。
原題: Inland-LOAM: Voxel-Based Structural Semantic LiDAR Odometry and Mapping for Inland Waterway Navigation ／ Zhongbi Luo, Yunjia Wang, Jan Swevers 他
日本語で読む → - 論文VLA機械学習
Spec-VLA：緩和された受理基準による視覚-言語-行動モデルの投機的デコーディング
視覚-言語-行動モデルの推論を高速化するため、行動トークン間の相対距離を利用して受理基準を緩和した投機的デコーディングフレームワークを提案し、成功率を維持しつつ1.42倍の高速化を実現した。
原題: Spec-VLA: Speculative Decoding for Vision-Language-Action Models with Relaxed Acceptance ／ Songsheng Wang, Rucheng Yu, Zhihang Yuan 他
日本語で読む → - 論文動作生成・評価機械学習
CoMPAS3D: インタラクティブ動作のためのデータセットとベンチマーク
社交ダンスのサルサを題材に、ペアで即興する人間の動作を3時間分・18人分収録し、動作の明瞭さや相手の熟練度への適合性を評価するフレームワークとベンチマークを提案した。
原題: CoMPAS3D: A Dataset and Benchmark for Interactive Motion ／ Bermet Burkanova, Yasaman Etesam, Payam Jome Yazdian 他
日本語で読む → - 論文強化学習AI
強化学習に推論に基づく道徳的意思決定を統合する
強化学習エージェントに事例ベースのフィードバックから理由理論を学習させ、規範的な推論に基づく道徳的意思決定を行わせる枠組みを提案した研究。
原題: Integrating Reason-Based Moral Decision-Making in the Reinforcement Learning Architecture ／ Lisa Dargasz
日本語で読む → - 論文オフライン強化学習AI
Decision Transformerはオフライン強化学習で本当に好ましいのか？
ロボット操作と歩行のベンチマークで、低性能軌道を除去して模倣学習するFBCがDecision Transformerと同等以上の性能を達成し、DTの優位性に疑問を投げかけた。
原題: Should We Ever Prefer Decision Transformer for Offline Reinforcement Learning? ／ Yumi Omori, Zixuan Dong, Keith Ross
日本語で読む → - 論文適応的センシングAI
AIはスケール拡大より適応的センシングを重視すべき：パラダイムシフトの提案
生物の感覚系に倣い、入力段階でセンサーを動的に調整する「適応的センシング」を提唱し、小規模モデルが大規模モデルを凌駕する可能性を示して、そのロードマップと課題を論じた。
原題: AI Should Sense Better, Not Just Scale Bigger: Adaptive Sensing as a Paradigm Shift ／ Eunsu Baek, Keondo Park, Jeonggil Ko 他
日本語で読む → - 論文最適化機械学習
確率的自然進化戦略：ベイズ求積法によるサンプル効率の向上
自然進化戦略（NES）にベイズ求積法を組み込み、サンプル効率を改善したProbNESを提案し、ベンチマークや歩行タスクで既存手法を上回ることを示した。
原題: Natural Evolutionary Search meets Probabilistic Numerics ／ Pierre Osselin, Masaki Adachi, Xiaowen Dong 他
日本語で読む → - 論文マルチタスク強化学習機械学習
クロスタスク方策ガイダンスによる効率的なマルチタスク強化学習
タスク間の類似性を活かし、習得済みタスクの方策が未習得タスクを明示的にガイドする枠組みを提案し、操作・歩行ベンチマークで性能を向上させた。
原題: Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance ／ Jinmin He, Kai Li, Yifan Zang 他
日本語で読む → - 論文移動マニピュレーションロボティクス
MoDeSuite：変形可能物体を用いた移動マニピュレーションを評価するロボット学習タスクスイート
変形可能物体を扱う移動マニピュレーションのための8つのタスクからなる初の標準ベンチマークを提案し、強化学習・模倣学習アルゴリズムの評価とSpotロボットへのsim-to-real転移を示した。
原題: MoDeSuite: Robot Learning Task Suite for Benchmarking Mobile Manipulation with Deformable Objects ／ Yuying Zhang, Kevin Sebastian Luck, Francesco Verdoja 他
日本語で読む → - 論文歩行リハビリ・外骨格ロボティクス
理学療法士と患者の相互作用を実現する外骨格による歩行リハビリテーション
理学療法士と脳卒中患者がそれぞれ下肢外骨格を装着し、バネ-ダンパで仮想的に接続することで双方向の力覚フィードバックを可能にする歩行リハビリ手法を提案し、従来の理学療法士主導のトレッドミル歩行より関節可動域や筋活動が向上することを示した。
原題: Therapist-Exoskeleton-Patient Interaction for Gait Therapy ／ Emek Barış Küçüktabak, Matthew R. Short, Lorenzo Vianello 他
日本語で読む → - 論文エージェント計画AI
世界モデルによるシミュレーティブ推論を通じた汎用エージェント計画
LLMベースの世界モデルで将来状態を内的にシミュレーションするSiRAを提案し、反応的な方策より最大124%高いタスク達成率を示した。
原題: General Agentic Planning Through Simulative Reasoning with World Models ／ Mingkai Deng, Jinyu Hou, Zhiting Hu 他
日本語で読む → - 論文SLAMロボティクス
LIVE-GS: LiDAR・慣性・視覚のオンライン状態推定と3Dガウシアンスプラッティングによる大域的整合マッピング
LiDARのsurfelと3Dガウシアンスプラッティングを密結合し、深度不変な初期化とシグモイド制約でスパースデータでも高精度かつ効率的にオンラインSLAMと写実的マップ構築を実現した。
原題: LIVE-GS: Online LiDAR-Inertial-Visual State Estimation and Globally Consistent Mapping with 3D Gaussian Splatting ／ Jaeseok Park, Chanoh Park, Minsu Kim 他
日本語で読む → - 論文セグメンテーションロボティクス
ASC-SW: エッジモバイルロボット向けの軽量Atrousストリップ畳み込みによるDLOセグメンテーション
床ケーブルなどの変形可能な線状物体(DLO)をモバイルロボットの斜め視点から検出するため、軽量で幾何学的なASCNetと時間的スライディングウィンドウを組み合わせたセグメンテーション手法を提案し、エッジデバイス上で高精度・高速に動作することを示した。
原題: ASC-SW: A Lightweight Atrous Strip Convolution Network for DLOs Segmentation on Edge mobile Robots ／ Cheng Liu, Fan Zhu, Yifeng Xu 他
日本語で読む → - 論文ナビゲーション画像認識
見ることから経験することへ：強化学習によるナビゲーション基盤モデルのスケーリング
大規模動画での事前学習とシミュレーションでの強化学習を組み合わせ、都市ナビゲーションにおける対話的で安全な行動を実現するS2Eフレームワークを提案。
原題: From Seeing to Experiencing: Scaling Navigation Foundation Models with Reinforcement Learning ／ Honglin He, Yukai Ma, Brad Squicciarini 他
日本語で読む → - 論文触覚ロボティクス
転がる触覚センサ：イベントカメラ搭載ローラーによる大面積表面の高速検査
イベントカメラをローラー機構に組み込んだ触覚センサを提案し、従来の連続触覚センシングより11倍速い最大0.5 m/sの走査速度で100μm以下の精度を実現した。
原題: They See Me Rolling: High-Speed Event Vision-Based Tactile Roller Sensor for Large Surface Inspection ／ Akram Khairi, Hussain Sajwani, Abdallah Mohammad Alkilany 他
日本語で読む → - 論文医療ロボティクスロボティクス
眼科手術における遠隔操作手術ロボットシステムのツール制御モード
眼科手術用遠隔操作ロボットにおいて、術者がツール先端を操作する「内側制御モード」と根元を操作する「外側制御モード」を比較し、内側制御と大きなスケーリング係数が精度と組織損傷低減に優れることを示した。
原題: Control Modes of Teleoperated Surgical Robotic System's Tools in Ophthalmic Surgery ／ Haoran Wang, Yasamin Foroutani, Matthew Nepo 他
日本語で読む → - 論文VLAロボティクス
villa-X：Vision-Language-Actionモデルにおける潜在行動モデリングの強化
VLA事前学習に潜在行動（2フレーム間の動きの抽象表現）を組み込み、その学習方法と統合方法を改善したViLLAフレームワークvilla-Xを提案。未見の身体でもゼロショットで潜在行動計画を生成でき、シミュレーションと実機のグリッパー・多指ハンド操作で高性能を示した。
原題: villa-X: Enhancing Latent Action Modeling in Vision-Language-Action Models ／ Xiaoyu Chen, Hangxing Wei, Pushi Zhang 他
日本語で読む → - 論文VLAロボティクス
StreamVLN：スローファスト文脈モデリングによるストリーミング視覚言語ナビゲーション
視覚と言語の入力からリアルタイムに行動を生成するVLN向けに、高速な対話文脈と低速更新の記憶文脈を組み合わせたストリーミングフレームワークを提案し、低遅延で最先端性能を達成した。
原題: StreamVLN: Streaming Vision-and-Language Navigation via SlowFast Context Modeling ／ Meng Wei, Chenyang Wan, Xiqian Yu 他
日本語で読む → - 論文歩行ロボティクス
歩みを止めず：選択的敵対的訓練による頑健なヒューマノイド運動スキルの学習
脆弱な状態と行動を選択的に攻撃する敵対的訓練手法を提案し、ヒューマノイドの長期運動・全身体制御の頑健性を向上させた。
原題: Keep on Going: Learning Robust Humanoid Motion Skills via Selective Adversarial Training ／ Yang Zhang, Zhanxiang Cao, Buqing Nie 他
日本語で読む → - 論文マニピュレーションロボティクス
CLAR: マスク再構成と多段階コントラスト整合を融合したロボットマニピュレーション向け3D表現学習
マスク付きオートエンコーダとクロスモーダルなコントラスト学習を組み合わせ、局所的な変形可能注意で3D形状と2D視覚特徴を精密に対応付ける3D事前学習フレームワークを提案し、視覚運動ポリシー学習で最高性能を達成した。
原題: CLAR: Learning 3D Representations for Robotic Manipulation by Fusing Masked Reconstruction with Multi-Level Contrastive Alignment ／ Wenbo Cui, Chengyang Zhao, Yuhui Chen 他
日本語で読む → - 論文VLAロボティクス
VLA-Touch：二段階の触覚フィードバックで視覚-言語-行動モデルを強化
ベースのVLAモデルを微調整せずに、触覚言語モデルによる高レベル計画と拡散ベース制御器による行動修正の二段階で触覚フィードバックを統合し、接触を伴うタスクの計画効率と実行精度を向上させた。
原題: VLA-Touch: Enhancing Vision-Language-Action Models with Dual-Level Tactile Feedback ／ Jianxin Bi, Kevin Yuchen Ma, Ce Hao 他
日本語で読む → - 論文ソフトロボティクスロボティクス
モジュール式繊維強化ソフト連続アームの設計・対話型制御・実機展開のためのデジタルツイン
空気圧式繊維強化エラストマー筐体（FREE）を用いたモジュール式ソフト連続アームのデジタルツインを構築し、Cosseratロッドネットワークで3次元再構成を高精度にシミュレーション、対話型制御設計とsim-to-real展開を可能にした。
原題: Digital twins for the design, interactive control, and deployment of modular, fiber-reinforced soft continuum arms ／ Seung Hyun Kim, Jiamiao Guo, Arman Tekinalp 他
日本語で読む → - 論文VLAcs.SE
視覚言語行動ロボットの不確実性と実行品質の評価
VLAロボットの操作タスクにおいて、タスク成功率だけでなく実行品質とモデルの自信を評価するため、8つの不確実性指標と5つの品質指標を適用し、人間の専門家による評価との相関を大規模実験で検証した。
原題: Evaluating Uncertainty and Quality of Visual Language Action-enabled Robots ／ Pablo Valle, Chengjie Lu, Shaukat Ali 他
日本語で読む → - 論文マニピュレーション画像認識
AnyPos: 双腕マニピュレーションのためのタスク非依存動作の自動生成
タスクに依存しない動作データを大規模に自動収集し、逆動力学学習で身体ダイナミクスをモデル化することで、様々なタスクやプラットフォームに転用可能な双腕マニピュレーション基盤を構築した研究。
原題: AnyPos: Automated Task-Agnostic Actions for Bimanual Manipulation ／ Hengkai Tan, Yao Feng, Xinyi Mao 他
日本語で読む → - 論文キャリブレーションロボティクス
一般化ロボット-世界・ハンドアイキャリブレーションのための証明可能に正しいアルゴリズム
複数のセンサとターゲットの姿勢を同時推定でき、単眼カメラも扱える一般化RWHEC問題に対し、大域的最適性を保証する高速アルゴリズムを提案し、識別可能性条件と誤差有界時の最適性保証を与えた。
原題: A Certifably Correct Algorithm for Generalized Robot-World and Hand-Eye Calibration ／ Emmett Wise, Pushyami Kaveti, Qilong Chen 他
日本語で読む → - 論文自動運転/VLAロボティクス
NavigScene：視覚範囲を超えた自動運転のための局所知覚とグローバルナビゲーションの橋渡し
局所的な視覚情報とグローバルなナビゲーション情報を統合する補助データセットNavigSceneを提案し、ナビゲーション誘導の推論・選好最適化・視覚言語行動モデルの3手法で自動運転の知覚・予測・計画・QA性能を向上させた。
原題: NavigScene: Bridging Local Perception and Global Navigation for Beyond-Visual-Range Autonomous Driving ／ Qucheng Peng, Chen Bai, Guoxiang Zhang 他
日本語で読む →