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: 2025/7/1 ／ 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
視覚言語行動モデルにおける信頼度較正
視覚言語行動（VLA）基盤モデルの信頼度較正を初めて調査し、タスク成功と較正誤差の関係や時間変化を分析。プロンプトアンサンブルと行動別プラットスケーリングという軽量な改善手法を提案した。
原題: Confidence Calibration in Vision-Language-Action Models ／ Thomas P Zollo, Richard Zemel
日本語で読む → - 論文UAV経路計画ロボティクス
地形を考慮した2次元UAV経路計画の適応手法
商用の2次元経路計画アルゴリズムを拡張し、地形に応じて高度とカメラ向きを調整することで、3次元再構成の品質を向上させるモジュール式アルゴリズムを提案した。
原題: Terrain-Aware Adaptation for Two-Dimensional UAV Path Planners ／ Kostas Karakontis, Thanos Petsanis, Athanasios Ch. Kapoutsis 他
日本語で読む → - 論文農業ロボティクスロボティクス
キウイフルーツ収穫・受粉ロボットの開発
キウイ果樹園での受粉と収穫を行う移動ロボットを開発し、新しい果実分離機構が80%以上の果実に到達可能であることや、3D LiDARによるナビゲーション手法を実証した。
原題: Robots for Kiwifruit Harvesting and Pollination ／ Jamie Bell
日本語で読む → - 論文経路計画ロボティクス
視覚入力の価値を評価する：ロボット経路計画のためのマルチモーダル大規模言語モデルのベンチマーク
15のマルチモーダルLLMを2Dグリッド上の経路計画タスクで評価し、テキストのみと視覚追加の入力を比較した結果、小規模グリッドでは視覚入力が有効な場合もあるが、大規模グリッドでは性能が大幅に低下し、スケーラビリティと空間推論に課題があることを示した。
原題: Assessing the Value of Visual Input: A Benchmark of Multimodal Large Language Models for Robotic Path Planning ／ Jacinto Colan, Ana Davila, Yasuhisa Hasegawa
日本語で読む → - 論文VLAロボティクス
LLMの常識推論による人間参加型ロボット行動再計画
単一のRGB動画から生成されたロボット実行計画を、自然言語入力とLLMの常識推論で修正・適応する人間参加型手法を提案した。
原題: A Human-in-the-loop Approach to Robot Action Replanning through LLM Common-Sense Reasoning ／ Elena Merlo, Marta Lagomarsino, Arash Ajoudani
日本語で読む → - 論文制御/モデルベース学習ロボティクス
モデル構造化ニューラルネットワークによる自動運転レースカーのステアリング制御
車両の非線形ダイナミクスの事前知識をニューラルネットワーク構造に組み込んだステアリング制御器を提案し、実車レースデータで汎用NNや優勝チームの制御器より高精度・高汎化性能を示した。
原題: Model-Structured Neural Networks to Control the Steering Dynamics of Autonomous Race Cars ／ Mattia Piccinini, Aniello Mungiello, Georg Jank 他
日本語で読む → - 論文マルチエージェント自律ロボティクス
知識グラフとRAGを統合した水中ミッションにおける共有・マルチエージェント自律性の向上
知識グラフと検索拡張生成（RAG）を組み合わせた大規模言語モデルにより、水中ロボットのマルチエージェント自律意思決定と人間との共有自律を実現し、ミッション検証と行動完全性で100%を達成した研究。
原題: Advancing Shared and Multi-Agent Autonomy in Underwater Missions: Integrating Knowledge Graphs and Retrieval-Augmented Generation ／ Michele Grimaldi, Carlo Cernicchiaro, Sebastian Realpe Rua 他
日本語で読む → - 論文医療ロボティクスロボティクス
深層学習による網膜静脈カニュレーション自律システム：ニワトリ胚モデルでの検証
深層学習とOCT画像を用いて針の位置・接触・穿刺をリアルタイム認識し、網膜静脈カニュレーションを自律的に行うロボットシステムを開発し、ニワトリ胚モデルで有効性を示した。
原題: A Deep Learning-Driven Autonomous System for Retinal Vein Cannulation: Validation Using a Chicken Embryo Model ／ Yi Wang, Peiyao Zhang, Mojtaba Esfandiari 他
日本語で読む → - 論文異常検知ロボティクス
説明可能な深層異常検知と逐次仮説検定によるロボット下水道検査
下水道検査ロボットの映像に対し、説明可能な深層学習による異常検知と逐次確率比検定を組み合わせ、時空間的に頑健な異常検出を実現した。
原題: Explainable Deep Anomaly Detection with Sequential Hypothesis Testing for Robotic Sewer Inspection ／ Alex George, Will Shepherd, Simon Tait 他
日本語で読む → - 論文タスクプランニングロボティクス
LLM推論モデルは古典的プランナーを代替できるか？ベンチマーク研究
様々なLLMにPDDL形式でプランニングを直接プロンプトし、Fast Downwardと成功率や実行可能性を比較評価した。単純なタスクでは良好だが、複雑な資源管理や状態追跡を要する場面では依然として課題が残ることを示した。
原題: Can LLM-Reasoning Models Replace Classical Planning? A Benchmark Study ／ Kai Goebel, Patrik Zips
日本語で読む → - 論文VLA画像認識
VITA: 視覚から行動へのフローマッチングポリシー
視覚表現から直接潜在行動へ流すノイズ・条件付け不要のフローマッチング方策を提案し、行動オートエンコーダとフロー潜在デコーディングで学習を安定化、従来比1.5〜2倍高速な推論を実現した。
原題: VITA: Vision-to-Action Flow Matching Policy ／ Dechen Gao, Boqi Zhao, Andrew Lee 他
日本語で読む → - 論文共有制御/車椅子ロボティクス
CoNav Chair: 共有制御に基づく車椅子の開発と評価
ROSを用いた共有制御ナビゲーションと障害物回避を備えたスマート車椅子を開発し、手動・共有・完全自律の3モードを比較評価した。
原題: CoNav Chair: Development and Evaluation of a Shared Control based Wheelchair for the Built Environment ／ Yifan Xu, Qianwei Wang, Jordan Lillie 他
日本語で読む → - 論文自己位置推定画像認識
VISTA: 見た目と視点に不変な大域自己位置推定のための単眼セグメンテーションベースマッピング
単眼カメラのセグメンテーションと物体追跡、サブマップ対応探索を組み合わせ、季節変化や視点変化に頑健な大域自己位置推定を実現した。
原題: VISTA: Monocular Segmentation-Based Mapping for Appearance and View-Invariant Global Localization ／ Hannah Shafferman, Annika Thomas, Jouko Kinnari 他
日本語で読む → - 論文マルチセンサフュージョンロボティクス
SmartPNT-MSF: 測位・ナビゲーション研究のためのマルチセンサフュージョンデータセット
GNSS・IMU・カメラ・LiDARを統合したマルチセンサデータセットを構築し、SLAMアルゴリズムで検証した論文。
原題: SmartPNT-MSF: A Multi-Sensor Fusion Dataset for Positioning and Navigation Research ／ Feng Zhu, Zihang Zhang, Kangcheng Teng 他
日本語で読む → - 論文自動運転/MPC/不確かさ推定ロボティクス
DRO-EDL-MPC: 証拠深層学習に基づく分布ロバストモデル予測制御による安全な自動運転
知覚の不確かさを証拠深層学習で推定し、その信頼度に応じて保守性を動的に調整する分布ロバストMPCを提案し、CARLAで有効性を示した。
原題: DRO-EDL-MPC: Evidential Deep Learning-Based Distributionally Robust Model Predictive Control for Safe Autonomous Driving ／ Hyeongchan Ham, Heejin Ahn
日本語で読む → - 論文衝突検出ロボティクス
森林クレーン向け長尺リンクの効率的衝突検出：ユークリッド距離場における新手法
森林クレーンのような長く細いリンクを持つマニピュレータの衝突検出を、従来の球近似より効率的かつ正確に行うアルゴリズムを提案し、実LiDARデータで検証した。
原題: Efficient Collision Detection for Long and Slender Robotic Links in Euclidean Distance Fields: Application to a Forestry Crane ／ Marc-Philip Ecker, Bernhard Bischof, Minh Nhat Vu 他
日本語で読む → - 論文音源定位ロボティクス
ロボティクスにおける音源定位のレビュー：深層学習手法に焦点を当てて
ロボットの音源定位技術について、古典的手法から深層学習ベースの最新手法までを体系的に整理し、ロボット特有の制約や応用分野、課題をまとめたレビュー論文。
原題: A Review on Sound Source Localization in Robotics: Focusing on Deep Learning Methods ／ Reza Jalayer, Masoud Jalayer, Amirali Baniasadi
日本語で読む → - 論文連合学習ロボティクス
混雑環境における把持姿勢検出のための通信効率の良いモジュール単位連合学習
把持姿勢検出モデルを連合学習で訓練する際、収束の遅いモジュールを特定して重点的に通信・集約することで、通信コストを抑えつつ精度と実機での把持成功率を向上させた。
原題: Communication-Efficient Module-Wise Federated Learning for Grasp Pose Detection in Cluttered Environments ／ Woonsang Kang, Joohyung Lee, Seungjun Kim 他
日本語で読む → - 論文HRI/プライバシーロボティクス
家庭用ロボットの意思決定におけるLLMのプライバシー認識のベンチマーク
家庭用ロボットのプライバシー関連シナリオをContextual Integrityフレームワークで作成し、人間と最先端LLMのプライバシー判断の一致度を比較評価した。
原題: Benchmarking LLM Privacy Recognition for Social Robot Decision Making ／ Dakota Sullivan, Shirley Zhang, Jennica Li 他
日本語で読む → - 論文状態推定ロボティクス
左不変と右不変拡張カルマンフィルタの違い
左不変と右不変の拡張カルマンフィルタ（IEKF）がリセットステップを含めば同一であることを示し、リセットステップが性能を向上させることをシミュレーションで実証した。
原題: The Difference between the Left and Right Invariant Extended Kalman Filter ／ Yixiao Ge, Giulio Delama, Martin Scheiber 他
日本語で読む → - 論文VLA画像認識
Talk2Event: イベントカメラによる動的シーンの言語接地理解
イベントカメラの非同期ストリームを言語と結びつける大規模ベンチマークTalk2Eventを構築し、属性を考慮した接地フレームワークEventReferを提案した。
原題: Talk2Event: Grounded Understanding of Dynamic Scenes from Event Cameras ／ Lingdong Kong, Dongyue Lu, Ao Liang 他
日本語で読む → - 論文宇宙機姿勢推定画像認識
厳しい照明下での宇宙機姿勢推定のためのイベント-RGB融合
RGBカメラとイベントセンサをビームスプリッタで融合し、厳しい照明下でも宇宙機の姿勢推定を可能にする手法を提案。RANSACベースの融合と不確かさ推定で両モダリティの強みを活かす。
原題: Event-RGB Fusion for Spacecraft Pose Estimation Under Harsh Lighting ／ Mohsi Jawaid, Marcus Märtens, Tat-Jun Chin
日本語で読む → - 論文把持・吸着ロボティクス
形状柔軟設計による産業把持向け自己閉鎖型吸着グリッパ
ジャミングと吸着を組み合わせた柔軟グリッパを提案し、開口部より大きい・小さい物体も自己閉鎖で密閉把持できることを示した。
原題: Self-Closing Suction Grippers for Industrial Grasping via Form-Flexible Design ／ Huijiang Wang, Holger Kunz, Timon Adler 他
日本語で読む → - 論文VLAロボティクス
ロボットマニピュレーションにおける視覚言語行動モデル：系統的レビュー
視覚・言語・制御を統合するVLAモデル102件、基盤データセット26件、シミュレーション環境12件を体系的に整理し、アーキテクチャやデータの分類枠組みと今後の課題を示したレビュー論文。
原題: Vision Language Action Models in Robotic Manipulation: A Systematic Review ／ Muhayy Ud Din, Waseem Akram, Lyes Saad Saoud 他
日本語で読む → - 論文VLAロボティクス
ロボットとのマルチモーダルな社会的会話に向けて：視覚言語モデルの活用
社会的ロボットが視覚情報を活用してマルチモーダルな会話を行うための要件を整理し、視覚言語モデルを適応させる方法と課題を論じた論文。
原題: Towards Multimodal Social Conversations with Robots: Using Vision-Language Models ／ Ruben Janssens, Tony Belpaeme
日本語で読む → - 論文sim2realロボティクス
近接・触覚センシングを用いた人間の実演による道具使用スキルの少数ショット転移
シミュレーションで接触状態を事前学習し、実世界での人間の実演で微調整することで、ロボットが多様な道具を使った表面追従タスクを少数の実演で習得できるフレームワークを提案した。
原題: Few-shot transfer of tool-use skills using human demonstrations with proximity and tactile sensing ／ Marina Y. Aoyama, Sethu Vijayakumar, Tetsuya Narita
日本語で読む → - 論文姿勢制御eess.SP
バランスマットによる姿勢安定性測定の信頼性と妥当性の評価：ロボットとヒトを組み合わせたアプローチ
低コストで携帯可能な光ファイバー式バランスマットの信頼性と妥当性を、ロボットアームによる制御された揺れパターンと51名の健常若年被験者のバランス課題で評価した。
原題: Assessing the Reliability and Validity of a Balance Mat for Measuring Postural Stability: A Combined Robot-Human Approach ／ Abishek Shrestha, Damith Herath, Angie Fearon 他
日本語で読む → - 論文慣性オドメトリ画像認識
IONext：慣性オドメトリの次世代を切り拓く
Transformerの弱点を補う新しいCNNモジュール（DADMとSTGU）を提案し、慣性オドメトリの精度と汎化性能を向上させたバックボーンIONextを開発した。
原題: IONext: Unlocking the Next Era of Inertial Odometry ／ Shanshan Zhang, Qi Zhang, Siyue Wang 他
日本語で読む → - 論文組合せ最適化機械学習
車両経路問題のためのセグメンテーション学習
反復解法における安定部分をセグメント化して集約し、不安定部分のみを探索することで大規模車両経路問題を2〜7倍高速化する学習フレームワークを提案。
原題: Learning to Segment for Vehicle Routing Problems ／ Wenbin Ouyang, Sirui Li, Yining Ma 他
日本語で読む → - 論文位置予測/VLM画像認識
目を閉じる前に：視覚地図フィードバックによる強化学習を用いた次GPS位置予測モデル
道路網と軌跡を画像化し、視覚言語モデルに強化学習を適用して人間のように地図を推論する次地点予測手法を提案した論文。
原題: Eyes Will Shut: A Vision-Based Next GPS Location Prediction Model by Reinforcement Learning from Visual Map Feed Back ／ Ruixing Zhang, Yang Zhang, Tongyu Zhu 他
日本語で読む →