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: 2026/8/31 ／ 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 →- 論文マルチタスク強化学習機械学習
T3S: タスク固有特徴セレクタとスケジューラによるマルチタスク強化学習の改善
マルチタスク強化学習におけるタスク間干渉を解決するため、ハイパーネットワークでタスク固有のソフトマスクを生成する特徴セレクタと、タスクの進捗と学習速度に基づいて学習タスクを選択するスケジューラを提案した。ロボット操作タスクで既存手法より優れた性能を示した。
原題: T3S: Improving Multi-Task Reinforcement Learning with Task-Specific Feature Selector and Scheduler ／ Yuanqiang Yu, Tianpei Yang, Yongliang Lv 他
日本語で読む → - 論文ソフトロボティクス/強化学習ロボティクス
ソフトロボットにおける全身インタラクションによる推論と操作の学習
ソフトロボットの腕全体を使った接触から物体情報を推論し、把持操作を行う強化学習フレームワークを提案。探索と把持を統合したリカレントポリシーとsim-to-real適応により、視覚なしでの把持を実現。
原題: Learning to infer and manipulate through distributed whole-arm interaction in a soft robot ／ Chuhan Zhang, Ebrahim Shahabi, Kseniia Khomenko 他
日本語で読む → - 論文強化学習/探索戦略ロボティクス
CIG-RL: 不確実な環境下での発生源推定のための好奇心駆動型情報誘導強化学習
ガス発生源の特性を推定する問題に対し、好奇心による探索と不確実性適応型報酬を組み合わせた強化学習手法を提案し、高ノイズ環境でのロバスト性を実証した。
原題: CIG-RL: Curiosity-Driven Information-Guided Reinforcement Learning for Source Term Estimation in Uncertain Environments ／ Junhee Lee, Seunghwan Kim, Hongro Jang 他
日本語で読む → - 論文強化学習ロボティクス
SmoothRL: 非同期実行中のオンライン強化学習
事前学習済みロボットポリシーを非同期推論ループ内でオンライン強化学習により微調整するフレームワークを提案。非同期実行を考慮した学習により、高レイテンシ環境でもスムーズな制御を実現する。
原題: SmoothRL: Online Reinforcement Learning During Asynchronous Execution ／ Guang Gao, Yuxuan Nong, Baifu Huang 他
日本語で読む → - 論文強化学習機械学習
PathBridger: オフライン目標条件付き強化学習のためのサブゴール橋渡し
オフライン目標条件付き強化学習において、サブゴール選択と短期実行を明示的に橋渡しする階層的手法を提案し、多物体操作タスクで大きな性能向上を達成した。
原題: PathBridger: Subgoal Bridges for Offline Goal-Conditioned Reinforcement Learning ／ Soohyun Choi, Seonvin Cho, Songnam Hong
日本語で読む → - 論文移動操作/強化学習ロボティクス
接触誘導探索による多批判的強化学習を用いた非把持移動操作
非把持操作のための接触誘導探索戦略を多批判的強化学習フレームワークに組み込み、接触を求める報酬で探索を促進し、時間とともにその影響を減衰させてタスク最適な方策を獲得する手法を提案。箱押し、椅子運搬、食洗機開閉などのタスクで評価し、実機の四足移動マニピュレータで椅子運搬を実証した。
原題: Contact-Guided Exploration for Non-Prehensile Locomanipulation with Multi-Critic RL ／ Simone Tolomei, Mayank Mittal, Franco Angelini 他
日本語で読む → - 論文強化学習機械学習
到達して生き残る：1ビットの失敗信号からの安全な目標条件付きポリシー学習のスケーリング
失敗終了型マルコフ決定過程における対比強化学習の理論的欠陥を指摘し、質量重み付きInfoNCEと対数生存質量スコアによる修正を加えたSafe-CRLを提案。12のロボットナビゲーション・歩行タスクで生存率と目標到達性能を向上させた。
原題: Arrive and Survive: Scaling Safe Goal-Conditioned Policy Learning from One-Bit Failure Signals ／ Guopeng Li, Yiyang Duan, Yiru Jiao 他
日本語で読む → - 論文リハビリテーションロボット/強化学習/制御ロボティクス
外乱とパラメータ不確かさ下におけるケーブル駆動下肢リハビリロボットのための残差深層強化学習に基づく計算トルク制御
ケーブル駆動下肢リハビリロボットの軌道追従精度を向上させるため、モデルベースの計算トルク制御に深層強化学習による補償トルクを追加する残差制御手法を提案し、シミュレーションで外乱や不確かさに対する頑健性を検証した。
原題: Residual Deep Reinforcement Learning-Based Computed Torque Control for a Cable-Driven Lower-Limb Rehabilitation Robot under Disturbances and Parametric Uncertainties ／ Mohammad-Hossein Fakouri, Ali Keymasi-Khalaji
日本語で読む → - 論文駐車計画/強化学習ロボティクス
NeuralParker: 不規則な駐車環境のための強化学習プランナー
配送車両などが不規則な環境で任意の姿勢に駐車するための強化学習ベースのハイブリッドプランナーを提案。環境全体の障害物と境界を目標相対表現で符号化し、長距離の経路計画を可能にした。
原題: NeuralParker: A Reinforcement Learning Planner for Irregular Parking Environments ／ Zihan Wang, Bai Huang, Yang Guan 他
日本語で読む → - 論文オフライン強化学習機械学習
CoDrift: オフライン強化学習のための合成的ドリフト
オフライン強化学習の複数の目的をアクション空間の運動場として捉え、それらを合成して一つの生成ポリシーを学習するフレームワークCoDriftを提案。73タスクで最先端手法と同等以上の性能を達成。
原題: CoDrift: Compositional Drifting for Offline Reinforcement Learning ／ Xiewei Ni, Ruofeng Mei, Xiangyu Xu
日本語で読む → - 論文強化学習機械学習
WarpSAC: 探索と活用の再考によるスケーラブルなオフ方策強化学習の頂点を目指して
データ量に応じて安定化手法を適応させるオフ方策RLアルゴリズムWarpSACを提案し、CPU/GPU並列環境で既存手法を大幅に上回る性能を達成した。
原題: WarpSAC: Towards the Pinnacle of Scalable Off-policy RL by Rethinking Exploration and Exploitation ／ Zihao Wu, Hongyao Tang, Yi Ma 他
日本語で読む → - 論文強化学習/故障適応ロボティクス
特権的批評家トレーニングによるセンサ不要のスラスタ故障適応：エンドツーエンド強化学習
スラスタ駆動ロボットの故障耐性ナビゲーションにおいて、訓練中にのみ真の故障状態を価値関数へ与える特権的批評家トレーニングにより、センサなしで故障適応を実現する手法RAFTを提案した。
原題: Privileged Critic Training Enables Sensor-Free Thruster Fault Adaptation in End-to-End RL ／ Ricard Marsal I Castan, Miguel A. Olivares-Méndez
日本語で読む → - 論文強化学習/適応ロボティクス
報酬なし連続適応による耐障害宇宙ロボット
宇宙ロボットのハードウェア劣化に対応するため、報酬信号なしで適応可能な報酬フリー連続学習フレームワークを提案。事前学習した世界モデルの遷移ダイナミクスのみを更新し、想像上の軌道でポリシーを訓練する。
原題: Reward-Free Continual Adaptation for Resilient Space Robots ／ Andrej Orsula, Miguel Olivares-Mendez, Carol Martinez
日本語で読む → - 論文VLA/強化学習ロボティクス
CounterAlign: 視覚言語行動モデルのための反事実的監督
専門家のデモンストレーションのみから、指示を入れ替えることで反事実的なデータを合成し、オフライン強化学習の報酬モデルを学習する手法を提案。ロボット操作の堅牢性を向上させる。
原題: CounterAlign: Counterfactual Supervision for Vision-Language-Action Models ／ Haru Kondoh, Kei Ota, Asako Kanezaki 他
日本語で読む → - 論文強化学習自然言語
EDGE: エージェント強化学習における誘導探索のための経験蒸留
強化学習で得た経験を一時的な学習支援として使い、徐々にパラメータに内化させるフレームワークEDGEを提案。推論時の外部依存をなくし、複数タスクで性能を向上させた。
原題: EDGE: Experience-Distillation for Guided Exploration in Agentic Reinforcement Learning ／ Can Xie, Yuyi Zhou, Wen Yang 他
日本語で読む → - 論文オフライン強化学習機械学習
オフライン強化学習のためのポリシー抽出の分離
オフライン強化学習では、アクターと批評家を同時に訓練する従来の手法が、固定データによる過大評価やOOD行動の問題を引き起こす。本論文では、アクターを行動分布のモデリングに限定し、推論時に批評家が候補行動を再ランク付けする「分離ポリシー抽出」パラダイムを提案し、性能向上を実証した。
原題: Decoupling Policy Extraction for Offline Reinforcement Learning ／ Xuyao Lin, Yixiang Shan, Jinru Duan 他
日本語で読む → - 論文VLA/強化学習AI
EXIMO: VLMによるVLAポリシー探索のガイド
VLAポリシーの効率的なファインチューニング手法EXIMOを提案。VLMをプランナーとして使い、長期的なタスクを分解してデータ収集し、模倣学習とオフポリシーRLで最適化する。
原題: EXIMO: VLM Guided Exploration of VLA Policies ／ Bhavya Sukhija, Oliver Groth, Mohit Shridhar 他
日本語で読む → - 論文強化学習AI
階層的スキルポリシーの学習：オフライン品質多様性強化学習によるアプローチ
事前収集データから多様で高品質なスキルを抽出し、オンライン学習を強化する統合パイプラインQDOSを提案。アドバンテージ重み付き品質多様性事前学習とデータ再利用戦略により、操作タスクで優れた性能を達成。
原題: Learning Hierarchical Skill Policies with Offline Quality-Diversity Reinforcement Learning ／ Tanachai Anakewat, Takayuki Osa, Tatsuya Harada
日本語で読む → - 論文オフライン強化学習画像認識
RoMAN-Flow: ロボット操作におけるオフライン強化学習のための自己回帰正規化フローの制御
自己回帰正規化フローを用いたオフライン強化学習フレームワークを提案し、サンプリング不要の尤度目的と一段階蒸留により推論遅延を削減しつつ、ロボット操作の性能を維持する。
原題: RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation ／ Shaoxuan Wang, Guangting Zheng, Rui Huang 他
日本語で読む → - 論文階層型強化学習/四足歩行ロボティクス
狭い空間を跳び越える四足ロボットの高ダイナミックスキル遷移学習
四足ロボットが狭いゲートを動的に通過するための階層型強化学習パイプラインを提案。低レベル方策は模倣学習で動物の多様なスキルを獲得し、高レベル制御が視覚情報とスキル能力を考慮して衝突回避軌道を選択する。
原題: Learning Highly Dynamic Skills Transition for Quadruped Jumping Through Constrained Space ／ Zeren Luo, Jiahui Zhang, Yimin Han 他
日本語で読む → - 論文強化学習/器用操作/sim2realロボティクス
ADEPT: 事前学習と強化学習による事後学習で器用さを加速する
高自由度ロボットの器用な操作を、事前学習と事後学習を組み合わせた強化学習フレームワークで実現し、シミュレーションから実機への転移を可能にした。
原題: ADEPT: Accelerating Dexterity via Pre-Training and Post-Training using Reinforcement Learning ／ Jayjun Lee, Jessica Yin, Asif Rana 他
日本語で読む → - 論文モデルベース強化学習AI
ニューロシンボリック世界モデルによるゼロショットタスク転送に向けて
報酬予測を潜在状態のシンボリックな部分に依存させる新しい世界モデルを提案し、同じシンボリック状態空間上の新しい報酬関数へ環境相互作用なしで適応できることを示した。
原題: Towards Zero-Shot Task Transfer with Neurosymbolic World Models ／ Isidoro Tamassia, Lennert De Smet, Giuseppe Marra
日本語で読む → - 論文強化学習機械学習
反復による強化：強化学習における即時エピソード反復によるサンプル効率の向上
成功したエピソードの行動系列を即座に繰り返す新しいメカニズム「Instant Episode Repetition (IER)」を提案し、SACやTD3に統合してサンプル効率を向上させた。
原題: Repetition as Reinforcement: Enhancing Sample Efficiency via Instant Episode Repetition in Reinforcement Learning ／ Hoda Yamani, Yuning Xing, Koen van Rijnsoever 他
日本語で読む → - 論文強化学習機械学習
世界モデルを用いたQ学習
Q学習に世界モデルを組み合わせ、実データのみで学習しつつ想像上の軌道で探索を行うことで、サンプル効率と性能を向上させる手法を提案した。
原題: Q-Learning With World Models ／ Perry Dong, Yueru Jia, Chelsea Finn 他
日本語で読む → - 論文ヒューマノイド/VLA/強化学習ロボティクス
HAF: 階層的アクションフローとスペクトル潜在RLによる汎用VLAのヒューマノイド全身移動操作への適応
汎用VLA基盤モデルをヒューマノイドの全身移動操作に適応させるための2部構成フレームワークHAFを提案。階層的なアクション生成とオンラインRLによるポリシー改善を実現する。
原題: HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL ／ Langzhe Gu, Chengkai Hou, Meng Li 他
日本語で読む → - 論文自動運転/倫理/強化学習機械学習
倫理的判断ヘッド：人間のフィードバックからの強化学習による自動運転車の規範倫理の実装
自動運転車の倫理的判断を強化学習で実装するフレームワークを提案し、功利主義とカント主義の二つの規範を評価した。人間の好みに基づく報酬モデルを用いて訓練し、倫理フレームワークの学習可能性の非対称性を明らかにした。
原題: The Ethical Decision Head: Operationalizing Normative Ethics in Autonomous Vehicles via Reinforcement Learning from Human Feedback ／ Thomas Mbrice, Ammar Ali, Sami Mian 他
日本語で読む → - 論文強化学習/ヒューマノイドロボティクス
RoboStriker: 自律型ヒューマノイドボクシングのための潜在空間戦略ゲーム
ヒューマノイドボクシングを2プレイヤーの潜在空間ゼロサムマルコフゲームとして定式化し、戦略的探索と物理的実現性の矛盾を解決する階層的フレームワークを提案した。
原題: RoboStriker: Latent-Space Strategic Games for Autonomous Humanoid Boxing ／ Kangning Yin, Kaige Liu, Zhe Cao 他
日本語で読む → - 論文強化学習/ベンチマークAI
クロノクックド：強化学習エージェントにおける暗黙の区間タイミングのベンチマーク
調理シナリオを通じて、強化学習エージェントの時間知覚能力を評価するベンチマークスイートを提案し、時間情報が明示されない環境での性能を検証する。
原題: Chronocooked: A Benchmark for Implicit Interval Timing in Reinforcement Learning Agents ／ Amrapali Pednekar, Alvaro Garrido-Perez, Yara Khaluf 他
日本語で読む → - 論文介入学習/強化学習ロボティクス
GAINS: 強化学習における不整合な人間介入信号の活用
人間の介入信号の遅延や不整合性を扱うため、分布強化学習と悲観的探索を用いた介入ベースのロボット操作学習フレームワークを提案し、シミュレーションと実機で高い成功率を達成した。
原題: GAINS: Leveraging Inconsistent Human Intervention Signals in Reinforcement Learning ／ Xinyi Zhang, Yinuo Zhao, Pei Ren 他
日本語で読む → - 論文強化学習ロボティクス
時間論理に基づく普遍的なタスク表現による強化学習
LTL式からタスクの意味を抽出する新しい表現アーキテクチャを提案し、任意の強化学習アルゴリズムに統合可能な普遍的なタスク表現フレームワークLOTUSを導入した。双模倣距離による理論的保証で、学習効率と汎化性能を大幅に向上させる。
原題: Temporal Logic Guided Universal Task Representations for Reinforcement Learning ／ Hao Zhang, Zhangli Zhou, Zhen Kan
日本語で読む →