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: 2026/11/6 ／ 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機械学習
コンピュータ操作エージェントは身体性を持つ汎用エージェントである
身体性タスクをソフトウェア操作として定式化し、単一のコンピュータ操作エージェント(CUA)が複数のECCVワークショップ競技で上位入賞できることを示した論文。
原題: Computer-Use Agents Are Embodied Generalists ／ Pranjal Aggarwal, Sean Welleck
日本語で読む → - 論文自動運転シミュレーションロボティクス
自動運転ポリシー評価のための閉ループシナリオオーケストレーション
自動運転ポリシーの閉ループ評価において、意図した交通シナリオを確実に再現するため、非自車アクターを再タイミング・経路変更・役割再割当で適応制御するシナリオオーケストレータを提案した。
原題: Scenario Orchestration for Closed-loop Policy Evaluation of Autonomous Driving ／ Frieda Rong, Zhaoyue Wang, Veer Kapadia 他
日本語で読む → - 論文連続体ロボット/接触推定ロボティクス
腱計測のみから腱駆動連続体ロボットの接触位置を拘束付き移動ホライズン推定で特定
腱駆動連続体ロボットの接触位置は腱計測だけでは構造的に特定不能だが、障害物形状が既知なら非貫通・相補性条件で局所可同定となることを示し、拘束付きMHEで接触位置と力を高精度に推定した。
原題: Locating Contact on Tendon-Driven Continuum Robots From Tendon Measurements Alone via Constrained Moving Horizon Estimation ／ Haitham El-Hussieny
日本語で読む → - 論文衝突回避ロボティクス
先読み拡張型衝突回避と参照追従による安全クリティカルロボット制御
先読み点を用いた制御バリア関数と緩和型制御リアプノフ関数をQPで統合し、円形障害物と走路境界を扱う自動走行向け衝突回避・追従手法を提案し、小型車両で実証した。
原題: LACART: Lookahead-Augmented Collision Avoidance and Reference Tracking Strategies for Safety-Critical Robots ／ Pedro Lopes, Amit Shivam, Luis Tiago Paiva
日本語で読む → - 論文移動操作ロボティクス
ヘビ型ロボットによる全身協調型移動操作の自律制御
ヘビ型ロボットCOBRAが移動と操作を体全体で同時に行い、物体を目標位置まで押し運ぶ閉ループ制御を実現した。接触を陽に扱う動力学モデルと軌道最適化を組み合わせ、実機で検証した。
原題: Autonomous Whole-body Loco-manipulation Using a Snake Robot ／ Adarsh Salagame, Henry Noyes, Haroon Hublikar 他
日本語で読む → - 論文物理シミュレーションロボティクス
Lodos-v2: 厳密な摩擦接触問題の効率的な主形式定式化
GPUベースの剛体シミュレーションLodosの改良版で、凸緩和を段階的に解くことで厳密な摩擦接触問題を効率的に解き、接触グループ再パラメータ化を主形式に拡張して関節制限などと統合可能にした。
原題: Lodos-v2: An Efficient Primal Formulation of the Exact Frictional Contact Problem ／ Onur Beker, Andreas René Geist, Georg Martius
日本語で読む → - 論文VLAロボティクス
PRISM: 文脈内スキル混合によるプリミティブルーティングで持続的VLA適応を実現
VLAモデルのスキル保持と長期タスク合成のため、スキルを低ランクアダプタとしてプリミティブバンクに保存し、VLM条件付きルータで推論時に組み合わせる手法を提案。
原題: PRISM: Primitive Routing via In-context Skill Mixing for Retentive VLA Adaptation ／ Jiachen Tao, Gengyu Zhang, Haoxuan Wang 他
日本語で読む → - 論文強化学習/報酬モデリングロボティクス
プランナーにおけるグッドハート:サンプリングベース制御は人間選好から学習した報酬を悪用する
人間の選好から学習した報酬モデルに対するMPPIやbest-of-N探索が、真の目的関数を最大76%悪化させることを実証し、スコアラ誤差に基づく温度設定のχ²正則化MPPIが最悪ケースで最適であることを証明した論文。
原題: Goodhart in the Planner: Sampling-Based Control Exploits Rewards Learned from Human Preferences ／ Soovadeep Bakshi, Apurba Bose
日本語で読む → - 論文VLA画像認識
HiMEM：海馬に着想を得たVLAモデル向け記憶の統合・剪定・構成
3Dシーンで動くVLAモデルの記憶ノイズを減らすため、海馬に倣ってエピソード記憶を意味記憶へ統合し、冗長な記憶を剪定し、複数記憶を組み合わせる仕組みを提案した。LIBEROでpi_0の成功率を91.88%から98.20%に向上。
原題: HiMEM: Hippocampus-Inspired Memory Consolidation, Pruning, and Composition for Vision-Language-Action Models in 3D Scenes ／ Boran Zhao, Yanbin Hu, Jun Ye 他
日本語で読む → - 論文VLAロボティクス
時空間不確実性を考慮したデータ効率の高い視覚-言語-行動学習フレームワークSURE
操作タスクにおける行動の空間的・時間的な不確実性を明示的にモデル化し、少ないデモデータでも高い成功率を達成するVLA学習手法を提案した。
原題: SURE:Spatiotemporal Uncertainty Representation for Efficient Vision-Language-Action Learning ／ Jingye Zhang, Choo Sin Wai, Dake Zhong 他
日本語で読む → - 論文マニピュレーションロボティクス
重要なものを見極める：マニピュレーションのためのタスク条件付き行動可能な空間信念のベンチマーク
卓上マニピュレーションにおいて、指令を実行可能にする証拠を取得するための視点選択能力を評価するベンチマークを提案し、視覚言語モデルが低性能であることを示した。
原題: Seeing What Matters: Benchmarking Task-Conditioned Actionable Spatial Belief for Manipulation ／ Yina Jian, Mingkun Xu
日本語で読む → - 論文モデルベース強化学習機械学習
テスト時モデルベース強化学習による世界モデルへの記憶の符号化
テスト時に勾配降下でエピソード観測の記憶を世界モデルのパラメータに書き込み、各エピソード固有の世界モデルを学習することで長期記憶を実現するTT-MBRLを提案した論文。
原題: Encoding Memory in World Models with Test-Time Model-Based Reinforcement Learning ／ Maxime Burchi, Fayaz Ali Dharejo, Radu Timofte
日本語で読む → - 論文人体メッシュ復元画像認識
スマホでリアルタイムに人体メッシュを復元するInstantHMR
単一画像からスマホ上でリアルタイムに3D人体メッシュを復元する軽量モデル群を提案し、Galaxy S23のNPUで1人あたり5.5msという高速推論を実現した。
原題: InstantHMR : Real-Time Human Mesh Recovery on Your Phone ／ Mohamed Adjel, Kahina Chalabi, Vincent Bonnet
日本語で読む → - 論文触覚画像認識
一人称視点映像から触覚を推定するマルチソース教師あり学習モデル
手袋・ロボット触覚など複数データ源の触覚情報と特権視点の蒸留を用い、一人称映像のみから接触・圧力を密に推定するTouchAnnotatorを提案した。
原題: TouchAnnotator: Multi-Source Tactile Supervision with Privileged-View Distillation ／ Ao Li, Zhihao Yuan, Chubin Zhang 他
日本語で読む → - 論文移動操作ロボティクス
把持選択と移動操作を統合するタスク認識型把持推薦フレームワーク
大きな物体の移動操作において、複数の初期把持候補から下流タスクの成功率を予測する軽量ネットワークを強化学習のcritic蒸留で学習し、接触前に最適な把持を選ぶ手法を提案した。
原題: Grasp-TAGS: Task-Aware Grasp Selection via Critic Distillation for Prehensile Loco-Manipulation ／ Xun Tu, Minghao Zou, Karthik Desingh
日本語で読む → - 論文VLAロボティクス
DobotTrack: 目標接地型視覚-言語-行動学習による身体化人物追跡
参照記述から対象人物を特定し追従する移動エージェント向けに、マスク・バウンディングボックス等の補助接地監督と履歴圧縮モジュールを統合したVLAフレームワークを提案し、四脚ロボット実データも構築した。
原題: DobotTrack: Target-Grounded Vision-Language-Action Learning for Embodied Person Tracking ／ Shengjun Deng, Yinghan Zhang, Chengrui Wei 他
日本語で読む → - 論文マニピュレーションロボティクス
エージェント型マニピュレーション政策の研究
汎用AIモデルがマニピュレータを直接制御するエージェント型政策を提案し、実演なしでVLAやWAMを上回る成功率を達成した。
原題: On Agentic Manipulation Policies ／ Chen Chen, Omid Bagherieh, Naveen Nikamanth Appiah Balaji 他
日本語で読む → - 論文カメラ再定位画像認識
文脈条件付きエキスパートルーティングによるカメラ再定位向けコンパクトシーン座標回帰
シーン座標回帰のMixture-of-Expertsにおいて、文脈適応器とグローバル文脈エンコーダでルーティング入力を再校正し、屋外の大規模シーンでも高精度なカメラ位置推定を実現した。
原題: DAC-MACE: Context-Conditioned Expert Routing for Compact Scene Coordinate Regression in Camera Relocalization ／ Dingying Fan, Mingkai Liu, Haohua Que 他
日本語で読む → - 論文自己位置推定ロボティクス
BIMを信頼すべき時：施工誤差下での識別可能性を考慮したLiDAR慣性-BIM融合
スキャンとBIMの不一致が姿勢誤差・施工誤差・部屋のずれのどれに起因するか識別可能な条件を幾何学的に導出し、識別可能な時のみ帰属を報告する手法を提案した。
原題: When to Trust the BIM: Identifiability-Aware LiDAR-Inertial--BIM Fusion under As-Built Deviations ／ Yujie Zhang, Yuxuan Guo, Xinbao Sun 他
日本語で読む → - 論文VLAロボティクス
VLAハンドオーバー：失敗予測に基づくオンボット・サーバー間VLA切替
小型VLAでロボットを動かし、失敗しそうな時だけサーバー上の大型VLAに切り替える手法を提案し、成功率を保ちつつ通信リクエストを大幅に削減した。
原題: VLA Handover: Failure-Prediction-Based Switching from On-Robot to Server VLA Models ／ Takayuki Nishio
日本語で読む → - 論文3D再構成ロボティクス
OfficeTwin: 部分視点知覚による冗長シーンの3D再構成
ロボット搭載カメラの限られた視点から、オフィスの反復構造を利用して欠損のない水密なデジタルツインを構築するフレームワーク。
原題: OfficeTwin: Realizing 3D Reconstruction of Redundant Scenes through Partial Viewpoint Perception ／ Quanyun Wu, Kyle Gao, Daisy Li 他
日本語で読む → - 論文オフライン模倣学習機械学習
安全性と性能を両立する二重エキスパート・オフライン模倣学習
安全重視のデモと高性能重視のデモを組み合わせ、安全領域を守りつつ高リターン行動を学習するオフライン模倣学習手法DexDICEを提案した。
原題: DexDICE: Reconciling Safety and Performance via Dual-Expert Offline Imitation Learning ／ Seokin Seo, Sung Kuk Shyn, Minji Seo 他
日本語で読む → - 論文キャリブレーションロボティクス
自然光を用いた魚眼カメラの偏光キャリブレーション
魚眼レンズと偏光子の特性を8パラメータで統合モデル化し、自然の空光下で手持ち撮影するだけで偏光計測を高精度に校正する手法を提案した。
原題: Polarization calibration of fisheye cameras using skylight in the wild ／ Shuo Wang, Shiqi Che, Dianze Dong 他
日本語で読む → - 論文マニピュレーションロボティクス
タングラム組み立てのためのマルチエージェント物体中心強化学習
各パーツをエージェントとして扱い、グラフニューラルネットワークと共有方策で連続的な組み立て制御を学習する物体中心強化学習フレームワークを提案し、平面タングラム組み立てで実機転移まで示した。
原題: It Takes Two to Tangram: Multi-Agent Object Centric Reinforcement Learning for Assembly ／ Paul Knaußt, Kay Pompetzki, Nico Bohlinger 他
日本語で読む → - 論文VLAロボティクス
行動に基づく視覚トークン枝刈りでVLAモデルを高速化するActPrune
ロボットの前回行動から得られる幾何学的事前情報を使い、視覚エンコーダ前で視覚トークンを枝刈りする学習不要の手法を提案し、成功率をほぼ保ちつつ最大1.61倍の高速化を実現した。
原題: ActPrune: Action-Grounded Visual Token Pruning for Efficient Vision-Language-Action Models ／ Sungwon Moon, Minji Kim, Hyemin Boo 他
日本語で読む → - 論文走行可能性推定ロボティクス
実行接地型走行可能性：学習した閉ループ軌道分布による評価
車両と制御器のペアが候補経路を追従・前進できる確率を、地形特徴と車両姿勢から閉ループ軌道分布を予測して推定する手法を提案し、実環境にもゼロショット転移した。
原題: EGT: Execution-Grounded Traversability through Learned Closed-Loop Trajectory Distributions ／ Chinmay Mundane, Amith Manoharan, Arun Kumar Singh
日本語で読む → - 論文分子生成機械学習
スパース表現編集による制御可能な分子生成：解釈可能性駆動のアプローチ
大規模言語モデルの分子生成において、表現をスパースな特徴空間に分解し編集することで、原子や官能基の局所配置や物性の全体制御を可能にする解釈可能性駆動フレームワークSpaREを提案した。
原題: Controllable Molecule Generation via Sparse Representation Editing: An Interpretability-Driven Perspective ／ Zhuoran Li, Xu Sun, Chang Wen Chen 他
日本語で読む → - 論文強化学習機械学習
順序付き方策最適化
PPOの固定クリッピング範囲をサンプルごとに適応させ、重要度比をソートして裾の極端な比を制御するOPOを提案。MuJoCoとAtariで高い性能を示した。
原題: Ordered Policy Optimization ／ Dongkyu Derek Cho, Pan Xu
日本語で読む → - 論文歩行ロボティクス
障害物環境における捕捉可能性を考慮した足配置計画：軸平行安全回廊上の再帰的実行可能逐次MPC
LIPモデルのヒューマノイド足配置計画において、交差矩形列からなる安全回廊で障害物回避と捕捉可能性制約を統合し、再帰的実行可能性を保証する逐次MPCを提案。予期せぬ閉扉時にはその場歩行に切替え、Digitの高忠実度シミュレーションで有効性を示した。
原題: Capturability-Aware Footstep Planning in Cluttered Environments: A Recursively Feasible Sequential MPC on Axis-Aligned Safe Corridors ／ Athanasios Kyriakopoulos, Shubham S. Kumbhar, Kunal S. Narkhede 他
日本語で読む → - 論文動作転移ロボティクス
人間からロボットへの動作転移のための手と物体の接触軌道抽出
人間の動画から手と物体の接触軌道を抽出し、ロボットが追従可能な動作へ変換する手法HOC2Rを提案。接触検出と位置推定の精度を向上させ、ロボット評価でも有効性を示した。
原題: HOC2R: Hand-Object Contact Trajectories for Human-to-Robot Motion Transfer ／ Hongkun Yu, Francisco M. López, Francisco Cruz
日本語で読む →