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
RoboBrain 2.0 技術報告
視覚と言語を統合し、実環境での知覚・推論・計画を担う具現化基盤モデルRoboBrain 2.0を提案。7Bと32Bの2種類で、空間理解や時系列意思決定タスクで高い性能を示す。
原題: RoboBrain 2.0 Technical Report ／ BAAI RoboBrain Team, Mingyu Cao, Huajie Tan 他
日本語で読む → - 論文マニピュレーションロボティクス
GraspGen: オブジェクト把持のための拡散モデルフレームワーク
拡散モデルを用いて6自由度の把持を生成し、識別器でフィルタリングするフレームワークを提案。5300万把持のデータセットを公開し、実機でも高い性能を示した。
原題: GraspGen: A Diffusion-based Framework for 6-DOF Grasping with On-Generator Training ／ Adithyavairavan Murali, Balakumar Sundaralingam, Yu-Wei Chao 他
日本語で読む → - 論文医療ロボティクス/ヒューマンロボットインタラクションHCI
インテリジェント仮想超音波技師（IVS）：医師・ロボット・患者間のコミュニケーションを強化
XR上の会話型仮想エージェントが、医師への専門的な対応と患者への共感的な説明を行いながら、ロボット超音波システムを操作して医師の指示を実行し、その動作を患者に伝えることで、三者間のコミュニケーションを円滑にするシステムを提案した。
原題: Intelligent Virtual Sonographer (IVS): Enhancing Physician-Robot-Patient Communication ／ Tianyu Song, Feng Li, Yuan Bi 他
日本語で読む → - 論文マニピュレーションロボティクス
視覚と触覚の能動的探索によるガウス過程距離場表現
視覚と触覚の観測を統合したガウス過程距離場（GPDF）を提案し、不確実性に基づく能動的探索で物体形状を高精度に復元する。
原題: Gaussian Process-Based Active Exploration Strategies in Vision and Touch ／ Ho Jin Choi, Nadia Figueroa
日本語で読む → - 論文群制御cs.MA
マルチエージェントカリキュラム学習のためのグラフベース複雑度指標：協調環境におけるタスク順序付けの検証済み手法
エージェント間の依存関係や空間干渉、目標重複をグラフで解析して協調タスクの難易度を予測する複雑度指標を提案し、MADDPGのカリキュラム学習で性能向上を実証した。
原題: Graph-Based Complexity Metrics for Multi-Agent Curriculum Learning: A Validated Approach to Task Ordering in Cooperative Coordination Environments ／ Farhaan Ebadulla, Dharini Hindlatti, Srinivaasan NS 他
日本語で読む → - 論文群制御ロボティクス
不確実性を考慮した分散型マルチエージェント衝突回避：Model Predictive Path Integralの活用
MPPIと確率的ORCAを組み合わせ、ノイズのある局所観測下でも安全な分散型マルチエージェント衝突回避を実現する手法を提案し、シミュレーションで有効性を示した。
原題: Decentralized Uncertainty-Aware Multi-Agent Collision Avoidance with Model Predictive Path Integral ／ Stepan Dergachev, Konstantin Yakovlev
日本語で読む → - 論文状態推定ロボティクス
C-ZUPT：静止性を利用した空中ホバリング
空中プラットフォームでも準静的平衡状態を検出して速度更新を行うC-ZUPTを提案し、慣性ドリフトを抑えてホバリングの安定性とエネルギー効率を向上させた。
原題: C-ZUPT: Stationarity-Aided Aerial Hovering ／ Daniel Engelsman, Itzik Klein
日本語で読む → - 論文疲労検出ロボティクス
異種マルチソースデータ統合とクロスドメイン欠損補完による疲労検出の強化
実環境で高品質センサが使えない状況でも、制御環境の異種ソースデータを活用し、共有モダリティに基づくクロスドメイン欠損補完で疲労検出を改善する枠組みを提案した。
原題: Enhancing Fatigue Detection through Heterogeneous Multi-Source Data Integration and Cross-Domain Modality Imputation ／ Luobin Cui, Yanlai Wu, Tang Ying 他
日本語で読む → - 論文マニピュレーションロボティクス
並列伝達を考慮したコデザイン：アクチュエーション空間最適化によるマニピュレータ性能向上
並列ベルト駆動マニピュレータの伝達比を設計変数とし、アクチュエーション空間での軌道最適化と組み合わせるコデザイン手法を提案し、動的可搬重量を向上させた。
原題: Parallel Transmission Aware Co-Design: Enhancing Manipulator Performance Through Actuation-Space Optimization ／ Rohit Kumar, Melya Boukheddimi, Dennis Mronga 他
日本語で読む → - 論文LiDAR表現学習画像認識
単一視点・単一ショットを超えて：LiDAR表現学習のためのクロスビュー・長期蒸留
LiDARシーケンスの時空間的手がかりを活用し、複数カメラ視点と長期フレームの画像特徴を統合してLiDAR表現学習を強化するLiMAを提案。セグメンテーションと3D物体検出を改善。
原題: Beyond One Shot, Beyond One Perspective: Cross-View and Long-Horizon Distillation for Better LiDAR Representations ／ Xiang Xu, Lingdong Kong, Song Wang 他
日本語で読む → - 論文sim2real画像認識
SaLF: 実時間マルチセンサレンダリングのためのスパースローカルフィールド
カメラとLiDARの両方に対応した新しいボリュメトリック表現SaLFを提案し、高速な学習とレンダリングを実現して自動運転のセンサシミュレーションを効率化した。
原題: SaLF: Sparse Local Fields for Multi-Sensor Rendering in Real-Time ／ Yun Chen, Matthew Haines, Jingkang Wang 他
日本語で読む → - 論文タスクプランニングロボティクス
UniDomain: 実世界デモンストレーションからの統一PDDLドメイン事前学習による汎化可能なロボットタスクプランニング
12,393本の操作動画から原子PDDLドメインを抽出し、統一ドメインを事前学習して、未知タスクをゼロショットで計画できるフレームワークを提案した。
原題: UniDomain: Pretraining a Unified PDDL Domain from Real-World Demonstrations for Generalizable Robot Task Planning ／ Haoming Ye, Yunxiao Xiao, Cewu Lu 他
日本語で読む → - 論文ヒューマンロボットインタラクションロボティクス
知的ヒューマンロボットシステムのためのロバストな音声ワークロード推定
遠隔操作などの高負荷タスク環境で、オペレータの音声ワークロードをリアルタイムに推定し、望ましくない負荷状態を軽減するアルゴリズムを提案し、その精度と個人・人間機械チーム間での汎化性を検証した。
原題: Robust Speech-Workload Estimation for Intelligent Human-Robot Systems ／ Julian Fortune, Julie A. Adams, Jamison Heard
日本語で読む → - 論文sim2realロボティクス
EmbodieDreamer: 身体性ワールドモデリングによるReal2Sim2Real転送の促進
物理パラメータ最適化と動画拡散モデルでシミュレーションと実世界のギャップを埋め、ロボット政策学習を高精度化するフレームワークを提案。
原題: EmbodieDreamer: Advancing Real2Sim2Real Transfer for Policy Training via Embodied World Modeling ／ Boyuan Wang, Xinpan Meng, Xiaofeng Wang 他
日本語で読む → - 論文環境ロボティクスロボティクス
LanternNet: スポッテッドランタンフライ個体群を探索・抑制するハブアンドスポークシステム
樹木型ハブと3種のロボットスポークで構成される自律システムを開発し、YOLOv8による侵入害虫スポッテッドランタンフライの検出と抑制を実現、野外実験で個体群減少と樹木健康改善を確認した。
原題: LanternNet: A Hub-and-Spoke System to Seek and Suppress Spotted Lanternfly Populations ／ Vinil Polepalli
日本語で読む → - 論文VLA画像認識
GaussianVLM: 言語対応ガウシアンスプラットによるシーン中心3D視覚言語モデル
3Dガウシアンスプラットに言語特徴を直接埋め込み、物体検出器に依存せずに3Dシーン理解と身体性推論を行う視覚言語モデルを提案した。
原題: GaussianVLM: Scene-centric 3D Vision-Language Models using Language-aligned Gaussian Splats for Embodied Reasoning and Beyond ／ Anna-Maria Halacheva, Jan-Nico Zaech, Xi Wang 他
日本語で読む → - 論文医療ロボティクスロボティクス
骨盤固定術用S字トンネルを掘削する同心管ステアラブルドリルロボットの設計と開発
骨盤の複雑な解剖学的形状に沿ったS字状の掘削経路を実現する4自由度の同心管ステアラブルドリルロボットを設計・開発し、模擬骨ファントムでの掘削実験で性能を評価した。
原題: Towards Design and Development of a Concentric Tube Steerable Drilling Robot for Creating S-shape Tunnels for Pelvic Fixation Procedures ／ Yash Kulkarni, Susheela Sharma, Sarah Go 他
日本語で読む → - 論文マルチエージェント強化学習AI
Assistax: 支援ロボティクス向けマルチエージェント・ハードウェア加速強化学習ベンチマーク
JAXとMuJoCo-MJX上でGPU加速された支援ロボティクスタスク群を提供し、人間役のヒューマノイドエージェントとロボットをマルチエージェント強化学習で共訓練できるベンチマークを構築した。
原題: Assistax: A Multi-Agent Hardware-Accelerated Reinforcement Learning Benchmark for Assistive Robotics ／ Leonard Hinckeldey, Elliot Fosong, Rimvydas Rubavicius 他
日本語で読む → - 論文群制御ロボティクス
敵対環境における分散型耐故障マルチロボット協調自己位置推定
敵対的なセンサ攻撃や通信妨害に耐えるため、通信品質に応じて閾値を適応させるイベントトリガ型通信を導入した分散協調自己位置推定フレームワークを提案し、収束性と安定性を解析するとともにRobotarium実験で有効性を示した。
原題: Distributed Fault-Tolerant Multi-Robot Cooperative Localization in Adversarial Environments ／ Tohid Kargar Tasooji, Ramviyas Parasuraman
日本語で読む → - 論文経路計画ロボティクス
産業4.0におけるロボット品質検査のための量子支援自動経路計画
CADモデルから得た検査経路を3次元TSPとして定式化し、D-Waveの量子ソルバーが従来手法と比べて計算時間を大幅に短縮しつつ同等の解品質を達成することを示した。
原題: Quantum-Assisted Automatic Path-Planning for Robotic Quality Inspection in Industry 4.0 ／ Eneko Osaba, Estibaliz Garrote, Pablo Miranda-Rodriguez 他
日本語で読む → - 論文自動運転画像認識
DIVER: 強化学習と拡散モデルで模倣学習の限界を突破するエンドツーエンド自動運転
拡散モデルによる多様な軌道生成と強化学習による安全性・多様性の誘導を組み合わせ、単一専門家の模倣学習が抱えるモード崩壊を解消するエンドツーエンド自動運転フレームワークを提案した。
原題: DIVER: Reinforced Diffusion Breaks Imitation Bottlenecks in End-to-End Autonomous Driving ／ Ziying Song, Lin Liu, Hongyu Pan 他
日本語で読む → - 論文自動運転/VLMロボティクス
VLAD: 階層的計画と解釈可能な意思決定プロセスを備えたVLM拡張自動運転フレームワーク
微調整した視覚言語モデル(VLM)と既存のEnd-to-End自動運転システムVADを統合し、高レベルなナビゲーション指示の生成と自然言語による意思決定の説明を可能にした。nuScenesデータセットでの評価で衝突率を31.82%削減した。
原題: VLAD: A VLM-Augmented Autonomous Driving Framework with Hierarchical Planning and Interpretable Decision Process ／ Cristian Gariboldi, Hayato Tokida, Ken Kinjo 他
日本語で読む → - 論文コンピュータビジョン/医療応用ロボティクス
手術環境における顔面ランドマーク定位性能の評価
ロボットアームで位置を調整し、手術用照明下でMediaPipeによる顔面ランドマーク検出精度を評価した。手術照明下ではヨー・ピッチ角が大きい場合の検出性能が向上することを示した。
原題: Evaluation of facial landmark localization performance in a surgical setting ／ Ines Frajtag, Marko Švaco, Filip Šuligoj
日本語で読む → - 論文義足制御ロボティクス
多様な障害物環境における環境認識と人間協調型の下肢義足スイング制御
搭載カメラで障害物を検知し、早期スイングで高さを確保しつつ後期スイングではユーザーの生体力学的意図に委ねる、下肢義足の新しい制御戦略を提案し、非切断者3名での実験で高い成功率を示した。
原題: Environment-Aware and Human-Cooperative Swing Control for Lower-Limb Prostheses in Diverse Obstacle Scenarios ／ Haosen Xing, Haoran Ma, Sijin Zhang 他
日本語で読む → - 論文データ拡張/農業ロボティクスロボティクス
CA-Cut: 作物列に沿ったカットアウトによるデータ拡張で、よりロバストな作物下ナビゲーションを実現
作物下の視覚ナビゲーションにおいて、作物列の側方領域をランダムにマスクする新しいデータ拡張手法CA-Cutを提案し、遮蔽物や不均一な作物配置に対するモデルのロバスト性を向上させた。
原題: CA-Cut: Crop-Aligned Cutout for Data Augmentation to Learn More Robust Under-Canopy Navigation ／ Robel Mamo, Taeyeong Choi
日本語で読む → - 論文マニピュレーション画像認識
DexVLG: 大規模巧みな視覚-言語-把持モデル
単視点RGBD入力から言語指示に沿った巧みな手の把持姿勢を予測する大規模モデルを提案し、1.7億の把持データで学習してゼロショット汎化性能を実証した。
原題: DexVLG: Dexterous Vision-Language-Grasp Model at Scale ／ Jiawei He, Danshi Li, Xinqiang Yu 他
日本語で読む → - 論文LiDARオドメトリロボティクス
LiDARオドメトリ技術の包括的評価
LiDARオドメトリのパイプラインを構成する要素技術を多数のデータセットで比較評価し、高精度・高信頼な設計のための実証的な指針を示した。
原題: A Comprehensive Evaluation of LiDAR Odometry Techniques ／ Easton Potokar, Michael Kaess
日本語で読む → - 論文マニピュレーションロボティクス
モジュラー身体知能による構造化タスク解決：ルービックキューブを事例として
知識ベース・視覚言語モデル・大規模言語モデルを組み合わせ、実演データなしでルービックキューブを解くロボットシステムを構築し、実機で79%の成功率を達成した。
原題: Structured Task Solving via Modular Embodied Intelligence: A Case Study on Rubik's Cube ／ Chongshan Fan, Shenghai Yuan
日本語で読む → - 論文VLAロボティクス
VQ-VLA：ベクトル量子化アクショントークナイザのスケーリングによる視覚-言語-行動モデルの改善
大規模な行動軌跡データセットで学習したベクトル量子化アクショントークナイザを提案し、ゼロショットで多様なロボットタスクに適応可能で、長期的タスクの成功率を最大30%向上させた。
原題: VQ-VLA: Improving Vision-Language-Action Models via Scaling Vector-Quantized Action Tokenizers ／ Yating Wang, Haoyi Zhu, Mingyu Liu 他
日本語で読む → - 論文非ホロノミック車両ロボティクス
受動操舵関節を有するロータ駆動トイストカー車両の動力学と多重安定性
受動的に回転する操舵関節を持つトイストカー車両において、ロータの周期的振動で駆動した際の非線形動力学を解析し、対称・非対称な周期解の多重性や分岐、安定性遷移を明らかにした。
原題: Dynamics and multi-stability of a rotor-actuated Twistcar robot with passive steering joint ／ Anna Zigelman, Zitao Yu, Rom Levy 他
日本語で読む →