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: 2025/3/1 ／ 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 →- 論文触覚ロボティクス
TacCap: 人間からロボットへの技能転移を可能にするウェアラブルFBG触覚センサ
Fiber Bragg Gratingを用いた軽量・耐久性のあるウェアラブル触覚センサTacCapを開発し、人間の把持データをロボットへ転移できることを把持安定性予測で示した論文。
原題: TacCap: A Wearable FBG-Based Tactile Sensor for Seamless Human-to-Robot Skill Transfer ／ Chengyi Xing, Hao Li, Yi-Lin 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
GIFT: 幾何学誘導によるカテゴリーレベル物体操作のための機能転移
単一の人間の実演から、物体の幾何学的表現と機能マップを用いて、形状が異なる同カテゴリ物体への操作スキル転移を実現するフレームワークを提案。
原題: GIFT: Geometry-Induced Functional Transfer for Category-level Object Manipulation ／ Cristiana de Farias, Luis Figueredo, Riddhiman Laha 他
日本語で読む → - 論文データセット画像認識
OnSiteVRU: 高密度な交通弱者向け高解像度軌道データセット
交差点や道路区間など多様なシーンで歩行者・自転車などの交通弱者約17,429件の軌道を0.04秒精度で収集し、自動運転システムの開発や交通流モデリングを支援するデータセットを構築した。
原題: OnSiteVRU: A High-Resolution Trajectory Dataset for High-Density Vulnerable Road Users ／ Zhangcun Yan, Jianqiang Li, Peng Hang 他
日本語で読む → - 論文VLAロボティクス
Being-0: 視覚言語モデルとモジュール型スキルを統合したヒューマノイドロボットエージェント
基盤モデルによる高レベルな指示理解・計画と、モジュール型スキルライブラリによる歩行・マニピュレーションを、軽量VLMのConnectorで橋渡しする階層型エージェントを提案し、実機ヒューマノイドで長期的タスクを実現した。
原題: Being-0: A Humanoid Robotic Agent with Vision-Language Models and Modular Skills ／ Haoqi Yuan, Yu Bai, Yuhui Fu 他
日本語で読む → - 論文歩行ロボティクス
四足歩行のためのSim-to-Real同時転移を実現する統合ロコモーションTransformer
特権情報を活用しつつ知識転移と方策最適化を単一のTransformerネットワークで統合し、1段階の学習でゼロショット実機展開を可能にした四足歩行制御フレームワークを提案。
原題: Unified Locomotion Transformer with Simultaneous Sim-to-Real Transfer for Quadrupeds ／ Dikai Liu, Tianwei Zhang, Jianxiong Yin 他
日本語で読む → - 論文歩行ロボティクス
感情を考慮した二足歩行ロボットの社会ナビゲーションのための深層強化学習フレームワーク
二足歩行ロボットが感情を含む社会的な環境で安全に歩行できるよう、LiDARグリッドマップから感情的不快感領域などを抽出し、深層強化学習で軌道計画を行うフレームワークを提案した。
原題: EmoBipedNav: Emotion-aware Social Navigation for Bipedal Robots with Deep Reinforcement Learning ／ Wei Zhu, Abirath Raju, Abdulaziz Shamsah 他
日本語で読む → - 論文能動的探索ロボティクス
閉鎖空間の能動的検査のためのグラフ上での時間割引エルゴード性の急速収束
連続空間をグラフで離散化し、情報の多いノードへの早期訪問を重視する時間割引エルゴード性指標を導入。凸計画で合成したマルコフ連鎖が従来より速く収束し、SLAMベースのベイズ仮説検定と階層的枠組みで閉鎖空間の異常検出を高精度化。
原題: Rapidly Converging Time-Discounted Ergodicity on Graphs for Active Inspection of Confined Spaces ／ Benjamin Wong, Ryan H. Lee, Tyler M. Paine 他
日本語で読む → - 論文マニピュレーションロボティクス
RGBSQGrasp: 単眼RGB画像からの局所スーパークアドリック推定による把持可能領域を考慮したビンピッキング
単眼RGB画像から基礎モデルで物体の点群を推定し、スーパークアドリック形状を当てはめて把持姿勢を生成する、深度センサー不要のビンピッキング手法を提案。
原題: RGBSQGrasp: Inferring Local Superquadric Primitives from Single RGB Image for Graspability-Aware Bin Picking ／ Yifeng Xu, Fan Zhu, Ye Li 他
日本語で読む → - 論文VLAロボティクス
GR00T N1: 汎用人型ロボットのためのオープン基盤モデル
視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。
原題: GR00T N1: An Open Foundation Model for Generalist Humanoid Robots ／ NVIDIA, :, Johan Bjorck 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
ヘビ型ロボットによる視覚誘導型移動マニピュレーション
ヘビ型ロボットCOBRAにYOLOv8とステレオカメラを搭載し、対象物の6自由度姿勢を推定して目標位置まで運搬する閉ループ移動マニピュレーションを実現した。
原題: Vision-Guided Loco-Manipulation with a Snake Robot ／ Adarsh Salagame, Sasank Potluri, Keshav Bharadwaj Vaidyanathan 他
日本語で読む → - 論文計画/制御制御
都市交通におけるコネクテッドEVのためのエネルギー認識型車線計画：設計と車両インザループ検証
V2I通信を活用し、縦方向の速度制御と横方向の車線変更を統合的に最適化するエネルギー認識型運動計画フレームワークを提案し、車両インザループ実験で人間ドライバー比最大24%のエネルギー削減を実証した。
原題: Energy-Aware Lane Planning for Connected Electric Vehicles in Urban Traffic: Design and Vehicle-in-the-Loop Validation ／ Hansung Kim, Eric Yongkeun Choi, Eunhyek Joa 他
日本語で読む → - 論文モデルベース強化学習機械学習
微分可能情報を活用したモデルベース強化学習の強化
微分可能環境の情報を活用し、Sobolev損失でモデル予測精度を高め、混合長さの切り詰め学習で方策勾配の分散を抑えるMBRL手法MB-MIXを提案。ヒューマノイド制御や変形物体操作で既存手法を上回る。
原題: Differentiable Information Enhanced Model-Based Reinforcement Learning ／ Xiaoyuan Zhang, Xinyan Cai, Bo Liu 他
日本語で読む → - 論文VLAロボティクス
PointVLA: 3D世界をVision-Language-Actionモデルに注入する
事前学習済みVLAモデルを再学習せずに、軽量モジュールで点群入力を注入し3D空間推論能力を付与するフレームワークを提案。
原題: PointVLA: Injecting the 3D World into Vision-Language-Action Models ／ Chengmeng Li, Junjie Wen, Yan Peng 他
日本語で読む → - 論文sim2realロボティクス
剛体と材料点法の凸定式化とGPU非同期連成によるインタラクティブシミュレーション
材料点法と剛体力学を摩擦接触で弱連成する凸定式化を提案し、GPU並列化と非同期時間分割で最大500倍の高速化を達成、ロボット操作のインタラクティブシミュレーションを可能にした。
原題: A Convex Formulation of Material Points and Rigid Bodies with GPU-Accelerated Async-Coupling for Interactive Simulation ／ Chang Yu, Wenxin Du, Zeshun Zong 他
日本語で読む → - 論文歩行ロボティクス
QuietPaw: 多様なノイズ選好に適応する四足歩行の学習
ノイズ低減レベルを条件として与えることで、単一の四足歩行ポリシーが再学習なしに機敏さと足音の静かさのトレードオフを連続的に調整できる学習手法を提案し、実機で検証した。
原題: QuietPaw: Learning Quadrupedal Locomotion with Versatile Noise Preference Alignment ／ Yuyou Zhang, Yihang Yao, Shiqi Liu 他
日本語で読む → - 論文群制御ロボティクス
AirSwarm: 市販ドローンで低コストなマルチUAV研究を実現
TelloやAnafiなどの安価な市販ドローンを使い、外部測位なしの視覚SLAMと階層制御でセンチメートル級の編隊飛行・軌道追従を可能にしたオープンソースの群制御フレームワーク。
原題: AirSwarm: Enabling Cost-Effective Multi-UAV Research with COTS drones ／ Xiaowei Li, Kuan Xu, Fen Liu 他
日本語で読む → - 論文歩行ロボティクス
生成的運動事前分布による人型ロボットの自然な歩行・移動
人間の全身運動をロボットに転移し、条件付きVAEで未来の参照運動を生成するモデルを学習、その生成運動を方策学習時の密な監督として用いることで、人型ロボットの自然な移動を実現した研究。
原題: Natural Humanoid Robot Locomotion with Generative Motion Prior ／ Haodong Zhang, Liang Zhang, Zhenghan Chen 他
日本語で読む → - 論文VLAAI
VARP: 視覚言語モデルのフィードバックとエージェント正則化選好による強化学習
軌跡スケッチを重ねた画像でVLMの選好ラベル精度を高め、エージェントの性能で報酬学習を正則化することで、連続制御タスクの成功率とリターンを大幅に改善した手法。
原題: VARP: Reinforcement Learning from Vision-Language Model Feedback with Agent Regularized Preferences ／ Anukriti Singh, Amisha Bhaskar, Peihong Yu 他
日本語で読む → - 論文オフライン強化学習機械学習
離散拡散スキルによるオフライン強化学習
トランスフォーマーエンコーダと拡散デコーダで離散スキル空間を構築し、階層型オフライン強化学習を実現した手法を提案。長距離タスクで既存手法を上回る性能を示す。
原題: Offline Reinforcement Learning with Discrete Diffusion Skills ／ RuiXi Qiao, Jie Cheng, Xingyuan Dai 他
日本語で読む → - 論文ヒューマノイドロボティクス
FLAM: 基盤モデルによるヒューマノイドの移動・操作のための身体安定化
ヒューマノイドの姿勢を3D仮想人体モデルに写像し、人体動作再構成モデルで安定化した前後の姿勢から安定化報酬を計算することで、強化学習による全身制御の学習を効率化する手法を提案した。
原題: FLAM: Foundation Model-Based Body Stabilization for Humanoid Locomotion and Manipulation ／ Xianqi Zhang, Hongliang Wei, Wenrui Wang 他
日本語で読む → - 論文VLAロボティクス
GPT-4とリアルタイム状態フィードバックによるロボットエージェント戦略の探索
GPT-4に目標を与えてヒューマノイドロボットの行動を生成させる手法を提案し、安全性やタスク遷移、状態フィードバックを考慮した実世界・シミュレーション実験で有効性を示した。
原題: Exploring GPT-4 for Robotic Agent Strategy with Real-Time State Feedback and a Reactive Behaviour Framework ／ Thomas O'Brien, Ysobel Sims
日本語で読む → - 論文歩行ロボティクス
AcL: 関節故障に耐える四足歩行制御のための行動学習器
複数の関節が故障しても、教師方策のスタイル報酬を活用した生徒方策の蒸留により、四足ロボットが自動で跛行歩容に切り替えて安定歩行できる強化学習フレームワークを提案した。
原題: AcL: Action Learner for Fault-Tolerant Quadruped Locomotion Control ／ Tianyu Xu, Yaoyu Cheng, Pinxi Shen 他
日本語で読む → - 論文軌道計画ロボティクス
ターゲットファネルを用いた自動運転の軌道計画
不確実な道路認識に対応するため、単一の参照軌道ではなく「ターゲットファネル」と呼ばれる参照集合を追従する軌道計画法を提案し、実車データで操舵の安定性向上を実証した。
原題: Trajectory Planning for Automated Driving using Target Funnels ／ Benjamin Bogenberger, Johannes Bürger, Vladislav Nenchev
日本語で読む → - 論文モデルベース強化学習機械学習
ブートストラップ型モデル予測制御
MPCの専門家を模倣する方策学習とモデルベースTD学習を組み合わせ、MPC自体をブートストラップ的に改善する連続制御アルゴリズムを提案した。
原題: Bootstrapped Model Predictive Control ／ Yuhang Wang, Hanwei Guo, Sizhe Wang 他
日本語で読む → - 論文占有予測画像認識
UniOcc: 自動運転における占有予測・予測のための統合ベンチマーク
複数の実世界データセットとシミュレータを統合し、2D/3D占有ラベルとボクセル単位のフローを提供するベンチマークを構築。ラベル不要の評価指標を導入し、大規模多様データとフロー情報が占有予測性能を向上させることを示した。
原題: UniOcc: A Unified Benchmark for Occupancy Forecasting and Prediction in Autonomous Driving ／ Yuping Wang, Xiangyu Huang, Xiaokang Sun 他
日本語で読む → - 論文6D姿勢推定画像認識
マルチビューRGB画像を用いたテクスチャレス物体の能動的6D姿勢推定
テクスチャのない物体の6D姿勢推定を、RGB画像のみを用いてマルチビューかつ能動的に行うフレームワークを提案。姿勢推定を並進と回転に分離し、次に最適な視点を予測することで精度と効率を向上させた。
原題: Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames ／ Jun Yang, Wenjie Xue, Sahar Ghavidel 他
日本語で読む → - 論文テスト生成cs.NE
探索ベース自律ロボットテストのための潜在空間表現改善
自動運転車やドローンのテストシナリオ生成を効率化するため、変分オートエンコーダの潜在空間でテスト表現を改善するRILaSTを提案し、ベースラインより3〜4.6倍多くの失敗を発見した。
原題: Representation Improvement in Latent Space for Search-Based Testing of Autonomous Robotic Systems ／ Dmytro Humeniuk, Foutse Khomh
日本語で読む → - 論文3Dシーングラフロボティクス
REACT: 更新可能な3Dシーングラフのためのリアルタイム効率的属性クラスタリングと転移
3Dシーングラフの物体ノードを再定位するため、三重項損失で学習した埋め込みモデルによるインスタンスのクラスタリングとマッチングをリアルタイムで行うフレームワークREACTを提案した。
原題: REACT: Real-time Efficient Attribute Clustering and Transfer for Updatable 3D Scene Graph ／ Phuoc Nguyen, Francesco Verdoja, Ville Kyrki
日本語で読む → - 論文マニピュレーション自然言語
AlphaSpace: 意味トークン化と記号推論によるロボット動作の実現
物体の属性・位置・高さを構造化トークンで符号化し、LLMが3D空間で正確に物体を操作できるようにする手法を提案。従来手法を上回る精度を達成した。
原題: AlphaSpace: Enabling Robotic Actions through Semantic Tokenization and Symbolic Reasoning ／ Alan Dao, Dinh Bach Vu, Bui Quang Huy
日本語で読む → - 論文3Dシーングラフ画像認識
FunGraph: 機能を考慮した3Dシーングラフによる言語プロンプトに基づくシーン操作
3Dリソースから2Dデータを生成して学習した検出器で、アフォーダンスに関わる部位を細粒度で検出し、3Dシーングラフ生成パイプラインを拡張することで、言語指示に基づく機能的なシーン操作を可能にした研究。
原題: FunGraph: Functionality Aware 3D Scene Graphs for Language-Prompted Scene Interaction ／ Dennis Rotondi, Fabio Scaparro, Hermann Blum 他
日本語で読む →