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VLA画像認識
IRef-VLA: 不完全な言語指示を用いた3Dシーンにおける対話的参照グラウンディングのベンチマーク
不完全・曖昧な自然言語指示で3D屋内をナビゲートするタスク向けに、11.5Kの3Dスキャン部屋と470万件の参照文を含む大規模ベンチマークデータセットを構築し、既存モデルの性能評価基盤を提供した。
原題: IRef-VLA: A Benchmark for Interactive Referential Grounding with Imperfect Language in 3D Scenes ／ Haochen Zhang, Nader Zantout, Pujith Kachana 他
日本語で読む → - 論文自動運転VLA画像認識
AlphaDrive：強化学習と推論で自動運転におけるVLMの能力を引き出す
自動運転向けにGRPOベースの強化学習報酬と2段階の計画推論訓練を組み合わせたVLMフレームワークを提案し、計画性能と訓練効率を改善した。
原題: AlphaDrive: Unleashing the Power of VLMs in Autonomous Driving via Reinforcement Learning and Reasoning ／ Bo Jiang, Shaoyu Chen, Qian Zhang 他
日本語で読む → - 論文義手/把持生成ロボティクス
義手のための把持生成器：ロボット把持生成を活用した義手把持
深度カメラなしで対象物の3D形状を再構成し、手の動きを追跡してユーザ意図に応じた把持姿勢を自動選択する、アイインハンド型の義手把持システムを提案。健常者と切断者で検証し、従来の多自由度制御より速く簡単に把持できることを示した。
原題: Bring Your Own Grasp Generator: Leveraging Robot Grasp Generation for Prosthetic Grasping ／ Giuseppe Stracquadanio, Federico Vasile, Elisa Maiettini 他
日本語で読む → - 論文VLA画像認識
トラッキング情報を活用した大規模マルチモーダルモデルによる運転シーン理解
自動運転向けLMMに3Dトラッキング情報を追加入力し、時空間理解を強化する手法を提案。DriveLM-nuScenesで精度9.5%向上を達成。
原題: Tracking Meets Large Multimodal Models for Driving Scenario Understanding ／ Ayesha Ishaq, Jean Lahoud, Fahad Shahbaz Khan 他
日本語で読む → - 論文触覚ロボティクス
摩擦スケール振動触覚フィードバックによるロボット第六指でのリアルタイム滑り検出
ロボット第六指で物体を把持する際、滑り始めの摩擦情報を振動触覚で提示し、ユーザーが摩擦を認識して把持力を調整できる手法を提案した。
原題: Friction-Scaled Vibrotactile Feedback for Real-Time Slip Detection in Manipulation using Robotic Sixth Finger ／ Naqash Afzal, Basma Hasanen, Lakmal Seneviratne 他
日本語で読む → - 論文自動運転インタラクションロボティクス
対話と指示で改善する：自動運転車の相互理解を促すLLM駆動型並列Actor-Reasonerフレームワーク
LLMを用いて自動運転車と人間運転車の双方向インタラクションを実現するため、推論役(Reasoner)と記憶データベース(Actor)を並列に組み合わせたフレームワークを提案し、安全性と効率を向上させた。
原題: Interact, Instruct to Improve: A LLM-Driven Parallel Actor-Reasoner Framework for Enhancing Autonomous Vehicle Interactions ／ Shiyu Fang, Jiaqi Liu, Chengkai Xu 他
日本語で読む → - 論文SLAMロボティクス
KISS-SLAM: シンプルで堅牢かつ高精度な3D LiDAR SLAMシステム
LiDARのみを用いたSLAMにおいて「Keep It Small and Simple」の原則に基づき、追加センサや複雑な調整なしで高精度な自己位置推定と地図構築を実現するシステムを提案した。
原題: KISS-SLAM: A Simple, Robust, and Accurate 3D LiDAR SLAM System With Enhanced Generalization Capabilities ／ Tiziano Guadagnino, Benedikt Mersch, Saurabh Gupta 他
日本語で読む → - 論文故障復旧/制御ロボティクス
姿勢操作と推力ベクトル制御を統合したNMPCによる故障復旧
マルチロータのアクチュエータ故障時に、姿勢操作と推力ベクトル制御を統合した非線形モデル予測制御で飛行を回復させる手法を提案し、M4の高忠実度シミュレーションで実証した。
原題: NMPC-based Unified Posture Manipulation and Thrust Vectoring for Fault Recovery ／ Adarsh Salagame, Shashwat Pandya, Ioannis Mandralis 他
日本語で読む → - 論文VLAロボティクス
CognitiveDrone: UAVのリアルタイム認知タスク解決と推論のためのVLAモデルと評価ベンチマーク
ドローンの複雑な認知タスク向けに、一人称視点の画像とテキスト指示からリアルタイム4D行動指令を生成するVLAモデルと、推論モジュールを組み合わせた改良版、および認知タスク評価用ベンチマークを提案した論文。
原題: CognitiveDrone: A VLA Model and Evaluation Benchmark for Real-Time Cognitive Task Solving and Reasoning in UAVs ／ Artem Lykov, Valerii Serpiva, Muhammad Haris Khan 他
日本語で読む → - 論文運動予測画像認識
CoT-Drive: LLMと思考連鎖プロンプティングによる自動運転の効率的な運動予測
大規模言語モデルと思考連鎖プロンプティングを知識蒸留で軽量モデルに転移し、エッジ上でリアルタイムに動作する自動運転の運動予測手法を提案した。
原題: CoT-Drive: Efficient Motion Forecasting for Autonomous Driving with LLMs and Chain-of-Thought Prompting ／ Haicheng Liao, Hanlin Kong, Bonan Wang 他
日本語で読む → - 論文ソフトロボティクスロボティクス
ソフトバイオハイブリッドアームのニューラルリザバー制御
筋肉と腱で駆動する柔軟なバイオハイブリッドアームを、リザバーコンピューティングで制御し、自己モデリングと省エネを両立させた研究。
原題: Neural reservoir control of a soft bio-hybrid arm ／ Noel Naughton, Arman Tekinalp, Keshav Shivam 他
日本語で読む → - 論文水中SLAMロボティクス
RUSSO: 視覚劣化に強いソナー最適化融合型水中SLAM
ステレオカメラ・IMU・イメージングソナーを融合し、視覚が劣化する水中環境でもロバストに6DoF自己位置推定を行うSLAMシステムを提案。ソナーを併用した初期化とソナー慣性推定により、視覚困難時でも高精度な定位を実現した。
原題: RUSSO: Robust Underwater SLAM with Sonar Optimization against Visual Degradation ／ Shu Pan, Ziyang Hong, Zhangrui Hu 他
日本語で読む → - 論文視覚慣性オドメトリロボティクス
PL-VIWO: 軽量でロバストな点・線特徴を用いた単眼視覚慣性車輪オドメトリ
地上ロボット向けに、点と線の幾何関係を活用した線特徴マッチングと動的点除去(MCC)を組み込んだ、軽量・高精度な単眼視覚慣性車輪オドメトリシステムを提案。
原題: PL-VIWO: A Lightweight and Robust Point-Line Monocular Visual Inertial Wheel Odometry ／ Zhixin Zhang, Wenzhi Bai, Liang Zhao 他
日本語で読む → - 論文マニピュレーションロボティクス
人間との協調作業における安全な把持のための品質重視型能動的敵対ポリシー
把持品質スコアを操作する敵対的パッチと勾配降下法を組み合わせ、人の手やその周辺物体の把持優先度を下げることで、緊急停止なしに安全な把持を実現する手法を提案した論文。
原題: Quality-focused Active Adversarial Policy for Safe Grasping in Human-Robot Interaction ／ Chenghao Li, Razvan Beuran, Nak Young Chong
日本語で読む → - 論文sim2real画像認識
Cosmos-Transfer1：適応的マルチモーダル制御による条件付きワールド生成
セグメンテーション・深度・エッジなど複数モダリティの空間制御入力を場所ごとに重み付けして世界シミュレーションを生成するモデルを提案し、ロボティクスのSim2Realや自動運転データ拡張への応用とリアルタイム推論を実証した。
原題: Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control ／ NVIDIA, :, Hassan Abu Alhaija 他
日本語で読む → - 論文sim2realロボティクス
カリキュラム強化学習による回転卓球ボールのシミュレーション捕球
カリキュラム強化学習とReal2Sim転移を用いて、強い回転がかかった卓球ボールをロボットが捕球できるようにする手法を提案した論文。
原題: Catching Spinning Table Tennis Balls in Simulation with End-to-End Curriculum Reinforcement Learning ／ Xiaoyi Hu, Yue Mao, Gang Wang 他
日本語で読む → - 論文制御最適化機械学習
性能制約付きMPCのための最適自動チューナー
MPCのコスト関数パラメータを、性能制約を常に満たしながら有限時間で最適化する自動チューニング手法COAT-MPCを提案し、自動運転レースで有効性を示した。
原題: Performance-driven Constrained Optimal Auto-Tuner for MPC ／ Albert Gassol Puigjaner, Manish Prajapat, Andrea Carron 他
日本語で読む → - 論文ソフトロボティクスロボティクス
形態と制御のトレードオフ：ソフトロボティクスの効率に関する洞察
ソフトロボットの形態複雑さと制御複雑さ（FLOPs）がタスク性能に与える影響を進化ロボット実験で調べ、難易度に応じた最適な複雑さのバランスとトレードオフを明らかにした。
原題: The Morphology-Control Trade-Off: Insights into Soft Robotic Efficiency ／ Yue Xie, Kai-fung Chu, Xing Wang 他
日本語で読む → - 論文VLAAI
Cosmos-Reason1：物理的常識から身体性推論へ
物理世界を理解し、長い思考連鎖を通じて自然言語で身体的行動決定を生成するマルチモーダル大規模言語モデルCosmos-Reason1を提案し、物理的常識と身体性推論のベンチマークで評価した。
原題: Cosmos-Reason1: From Physical Common Sense To Embodied Reasoning ／ NVIDIA, :, Alisson Azzolini 他
日本語で読む → - 論文物体探索ロボティクス
農業環境における言語誘導型物体探索
大規模言語モデルを活用し、農場環境で未見の対象物を物体間の意味的関係から推論して効率的に探索する手法を提案し、実機ロボットで検証した。
原題: Language-Guided Object Search in Agricultural Environments ／ Advaith Balaji, Saket Pradhan, Dmitry Berenson
日本語で読む → - 論文HRIロボティクス
ヒューマンロボットインタラクションにおける「魔法」
ロボット分野での「魔法」の概念を文献レビューで整理し、その考え方を応用した簡易プロトタイプを開発して国際ロボットマジックコンテストで受賞した。
原題: Magic in Human-Robot Interaction (HRI) ／ Martin Cooney, Alexey Vinel
日本語で読む → - 論文マニピュレーションロボティクス
HGDiffuser: 人間誘導型把持拡散モデルによる効率的なタスク指向把持生成
人間の把持実演を拡散モデルの誘導サンプリングに組み込み、6自由度のタスク指向把持を一段階で直接生成する手法を提案し、従来の二段階手法より高効率・高品質を実現した。
原題: HGDiffuser: Efficient Task-Oriented Grasp Generation via Human-Guided Grasp Diffusion Models ／ Dehao Huang, Wenlong Dong, Chao Tang 他
日本語で読む → - 論文群制御制御
局所相互作用と人工ポテンシャル場によるマルチエージェントシステムのフォーメーション制御
局所相互作用制御法と人工ポテンシャル場を組み合わせ、マルチエージェントのフォーメーション制御を実現した。障害物回避と衝突回避を達成し、局所解問題にはストレス応答機構で対処する。
原題: Formation Control of Multi-agent System with Local Interaction and Artificial Potential Field ／ Luoyin Zhao, Zheping Yan, Yuqing Wang 他
日本語で読む → - 論文自動運転ロボティクス
自動運転のための拡散ポリシーにおける離散対照学習
人間の運転データから対照学習で運転スタイルの辞書を抽出し、量子化して条件付き拡散ポリシーを学習することで、より安全で人間らしい運転行動を生成する手法を提案した。
原題: Discrete Contrastive Learning for Diffusion Policies in Autonomous Driving ／ Kalle Kujanpää, Daulet Baimukashev, Farzeen Munir 他
日本語で読む → - 論文農業ロボティクスロボティクス
CAFEs: 農業向けケーブル駆動協調浮遊エンドエフェクタ
ケーブル駆動アーキテクチャを基盤に、モジュール式ロボットアームが同じローラー駆動ケーブルを共有し、クランプ機構で独立・同期移動を可能にする農業自動化システムを開発した。
原題: CAFEs: Cable-driven Collaborative Floating End-Effectors for Agriculture Applications ／ Hung Hon Cheng, Josie Hughes
日本語で読む → - 論文動作予測ロボティクス
ロボットハンドオーバー向けの意図認識型人間動作予測の効率化
軽量アーキテクチャsiMLPeを改良し、意図認識条件付けと専用損失関数を導入することで、ロボットへの受け渡しタスクにおける人間動作予測を高精度かつ高速・省パラメータで実現した。
原題: Enhancing Context-Aware Human Motion Prediction for Efficient Robot Handovers ／ Gerard Gómez-Izquierdo, Javier Laplaza, Alberto Sanfeliu 他
日本語で読む → - 論文LiDAR事前学習画像認識
画像からLiDARへのデータ事前学習における時空間一貫性の強化
連続するLiDAR-カメラペアを用いて時空間的手がかりを統合するSuperFlow++を提案し、11の異なるLiDARデータセットで最先端性能を達成した。
原題: Enhanced Spatiotemporal Consistency for Image-to-LiDAR Data Pretraining ／ Xiang Xu, Lingdong Kong, Hui Shuai 他
日本語で読む → - 論文マルチエージェント強化学習cs.MA
協調型マルチエージェント強化学習のための因子化深層Qネットワークによる被災者タグ付け
大規模災害時の被災者タグ付けを迅速化するため、マルチエージェント強化学習（因子化深層Qネットワーク）を適用し、従来のヒューリスティクスと比較評価した。
原題: Factorized Deep Q-Network for Cooperative Multi-Agent Reinforcement Learning in Victim Tagging ／ Maria Ana Cardei, Afsaneh Doryab
日本語で読む → - 論文ビジュアルオドメトリロボティクス
屋内環境向け連続3Dガウスマップを用いた直接スパースオドメトリ
連続的な3Dガウスマップを利用し、補間なしで高勾配点に深度を割り当てる単眼ビジュアルオドメトリを提案。公開データセットで従来手法より高精度なトラッキングを実現した。
原題: Direct Sparse Odometry with Continuous 3D Gaussian Maps for Indoor Environments ／ Jie Deng, Fengtian Lang, Zikang Yuan 他
日本語で読む → - 論文AGIAI
AGIの基盤としての表象主義的・機能主義的・自然主義的知能概念
知能を「未知の状況下で目標を達成する新たな技能を生み出す能力」と定義し、表象主義・機能主義・自然主義の立場からAGIの基礎原理を分析した論文。
原題: A Representationalist, Functionalist and Naturalistic Conception of Intelligence as a Foundation for AGI ／ Rolf Pfister
日本語で読む →