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 →- 論文ハードウェア/世界モデルcs.AR
組み込みロボット向け世界モデル計画アクセラレータWMPA
世界モデルによる計画のエネルギー下限を情報理論から導き、メモリ帯域と発熱がボトルネックであることを示した上で、近メモリ計算や可変精度演算を組み合わせた専用チップWMPAを提案した論文。
原題: The World Model Planning Accelerator (WMPA): Hardware-Algorithm Co-Design for Embedded AI in Robotics ／ Prerana Ramkumar, Suhas Suresh Bharadwaj, Fazal Hameed
日本語で読む → - 論文エージェント型ロボティクスロボティクス
エージェント型ロボティクスにおけるモデル・スキル・フィードバック・カリキュラムの制御実験
9つのマニピュレーションタスクと631構成・2.8万回のコーディングエージェント実行を通じ、自己学習ループの成否を左右する要因を体系的に分析した。ボトルネックは情報量よりも、失敗の原因帰属と空間・幾何構造の推論、コードの選択的再構成にあると示した。
原題: A Controlled Study of Models, Skills, Feedback, and Curriculum in Agentic Robotics ／ Kaiyuan Chen, Xinyue Zhu, Shuangyu Xie 他
日本語で読む → - 論文道具使用データセットロボティクス
ToolDex: 創造的な道具使用のための自己中心・外界中心人間デモンストレーションデータセット
人間が身近な物体を道具として選び・加工し・転用する様子を、自己中心カメラと8台の外界カメラで同期収録した大規模データセットを構築し、道具使用推論・疎視点3D/4D再構成・ロボット方策学習のベンチマークを整備した。
原題: ToolDex: An Ego-Exo Human Demonstration Dataset for Creative Physical Tool Use ／ Mohamed Elmoghany, Kehan Li, Ruoqu Chen 他
日本語で読む → - 論文農業ロボティクスロボティクス
Agibot：農業ロボティクス研究・教育向けのオープンソースモジュラー式スワーブ駆動ロボットプラットフォーム
4輪独立スワーブ駆動や交換可能な計算機、分散制御、マルチモーダルセンシングを統合した低コスト・オープンソースの農業ロボットプラットフォームを開発し、畝間ナビゲーションや播種・植物操作などの実証実験で有効性を示した。
原題: Agibot: An Open-Source Modular Swerve-Drive Robot Platform for Agricultural Robotics Research and Education ／ Moeen Ul Islam, Bishal Adhikari, Kori Edwards 他
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AUV追従/世界モデルロボティクス
世界モデル誘導拡散行動軌道選択によるスパースマーカーAUV追従
スパースな光マーカー観測と慣性情報を統合した世界モデルで将来を予測し、拡散モデルが生成する複数の推力器軌道から再cedingホライズン目的で最適候補を選ぶAUV相対追従手法を提案した。
原題: FATHOM: World-Model-Guided Diffusion Action-Trajectory Selection for Sparse-Marker AUV Tracking ／ Xiaorui Wang, Zeyu Sha, Mingyang Yang 他
日本語で読む → - 論文慣性オドメトリロボティクス
拡張モデルベース学習慣性オドメトリ
機体座標系表現とトルクダイナミクスを学習に組み込み、EKFでIMUと融合することで、未学習軌道への汎化性能を高めたクアッドロータ向け学習型慣性オドメトリ手法を提案した。
原題: Extended Model-Based Learned Inertial Odometry ／ Sasanka Kuruppu Arachchige, Joni-Kristian Kämäräinen
日本語で読む → - 論文Deepfake検出画像認識
フレーム精度を超えて：TransformerベースDeepfake鑑定における動画レベル安定性の分析
CNNとViTを同一条件で比較し、CNNはフレーム単位では競争力があるが動画レベル集約で性能が低下する一方、ViT-B/16は動画レベルで安定した精度を示すことを明らかにした。
原題: Beyond Frame-Level Accuracy: Analyzing Video-Level Stability in Transformer-Based Deepfake Forensics ／ Syed Azmul Hasan, Mowmita Pervin Hera, Afroza Lona Mim 他
日本語で読む → - 論文VLAロボティクス
ODEAction: 行動チャンク予測から連続的な行動進化へ
行動をチャンク単位で予測する代わりに、行動空間上の遷移場をODEで積分して連続的に行動を生成するVLA向け行動ヘッドを提案し、細かいマニピュレーションで性能と軌道品質を向上させた。
原題: ODEAction: From Predicting Chunks to Evolving Actions ／ Qishen Wang, Pengxiang Ding, Shifeng Bao 他
日本語で読む → - 論文歩行ロボティクス
加速度ベースの報酬でヒューマノイド歩行を数分で学習するSTRIDE
機体のIMUだけで得られる加速度指令への追従を報酬とし、オフポリシーRLと左右対称拡張を組み合わせて、ヒューマノイドの歩行を約14分のサンプルで学習させる手法を提案した。
原題: STRIDE: Learning Humanoid Locomotion in Minutes with Acceleration-Based Rewards ／ Nico Bohlinger, Jan Peters
日本語で読む → - 論文エッジ推論ロボティクス
エッジで動くキュウリ計測：Jetson Orin NanoとRaspberry Pi 4におけるRGB-Dサイズ推定の精度・スループット・消費エネルギー
RGB-D画像からのキュウリ長さ計測パイプラインをJetson Orin NanoとRaspberry Pi 4に実装し、ワークステーションと同等の精度を保ちつつ、レイテンシ・消費エネルギー・量子化の挙動を実測評価した。
原題: CucumberVision at the Edge: Accuracy, Throughput, and Energy of RGB-D Cucumber Sizing on Jetson Orin Nano and Raspberry Pi 4 ／ Manveen Kaur, Rajmeet Singh, Saeed Mozaffari 他
日本語で読む → - 論文VLAロボティクス
Meituan-Robotics-0: デスクトップ操作のための視覚言語行動基盤モデル
視覚言語データと多様なロボット軌道を組み合わせ、離散行動トークン事前学習・フローマッチング中間学習・実環境後学習の3段階で訓練したデスクトップ操作向けVLA基盤モデル。Rollbackによる効率的な人間修正学習と非同期行動チャンク統合、イベント駆動エージェントを導入し、実ロボットタスクで高い成功率を達成。
原題: Meituan-Robotics-0: A Vision-Language-Action Foundation Model for Desktop Manipulation ／ Meituan Robotics Team, Caicheng Wang, Chen Zhao 他
日本語で読む → - 論文VLAロボティクス
進捗推定で文脈検索するVLAのインコンテキスト学習
参照動画からタスク進捗を推定する価値関数を用いて、現在の実行段階に合った実演チャンクを検索し、VLAモデルのインコンテキスト学習を実現した研究。未見の実世界マニピュレーションで成功率を6.2%から23.8%に向上させた。
原題: VICTR: Value-Informed In-Context Learning for Vision-Language-Action Models ／ Luca Macesanu, Tianluo Zhang, Aditya Patil 他
日本語で読む → - 論文VLAロボティクス
運動学的仮説コンテキスト：帯域制限されたロボット方策アップリンクのための身体性条件付き学習ビデオ符号化
ロボットの関節状態とカメラ校正から両端で生成できるゼロレートの条件信号「運動学的仮説コンテキスト」を導入し、学習型ビデオ符号化の帯域を大幅に削減して遠隔VLA方策の成功率を向上させた論文。
原題: Kinematic Hypothesis Context: Embodiment-Conditioned Learned Video Coding for Bandwidth-Limited Robot Policy Uplinks ／ Yuze Lu
日本語で読む → - 論文一人称動画生成画像認識
EgoGeneralist：動画ネイティブモデリングで一人称行動動画タスクを統合
事前学習済み動画生成モデルを適応させ、一人称操作における行動条件付き動画生成・姿勢推定・行動動画同時生成を統合する汎用フレームワークを提案した。
原題: EgoGeneralist: Unifying Egocentric Action-Video Tasks through Video-Native Modeling ／ Yanlin Jin, Bowen Yang, Cheng Zhang 他
日本語で読む → - 論文可変剛性/ジャミングロボティクス
くさびジャミング機構によるワイヤ拘束型可変剛性構造
ワイヤで連結したモジュール間に楔形接触面を導入し、楔角度で方向ごとの保持剛性を調整できる可変剛性機構を提案・実験検証した。
原題: Wedge-Jamming Mechanism for String Configuration ／ Taro Tako, Takanori Jin, Hiroshi Kaminaga 他
日本語で読む → - 論文マニピュレーションロボティクス
データ効率の良い巧みな操作のための潜在RL事前分布
大規模RLの制御知識を流れマッチング型行動デコーダに蒸留し、視覚のみの行動教師で潜在文脈へ適応させる2段階フレームワークを提案。少ないデモで巧みな操作を実現。
原題: Latent RL Priors for Data-Efficient Dexterous Manipulation ／ Yixiao Wang, Peiyi Chen, Mustafa Mukadam 他
日本語で読む → - 論文医療画像セグメンテーション画像認識
前立腺手術ファントムのための解剖学的知識誘導型CT三次元セグメンテーションパイプライン
CT画像から前立腺手術用ファントムの内部構造を、解剖学的な形状・輝度の事前知識を用いて自動的に三次元セグメンテーションする手法を提案し、複数世代のファントム57スキャンで有効性を示した。
原題: An Anatomy-guided 3D Segmentation Pipeline for Prostate Surgical Phantoms from CT Scans ／ Iven Chen, Kuan-I Chung, Ayberk Acar 他
日本語で読む → - 論文ベンチマーク/マニピュレーションロボティクス
RoboARCade：エージェント型ロボット制御のベンチマーク
マルチモーダルエージェントをロボットポリシーとして直接使う「エージェント型ロボット制御」のための、長期的マニピュレーションタスクのベンチマークを提案し、主要エージェントの性能差や失敗要因を分析した。
原題: RoboARCade: Benchmarking Agentic Robot Control ／ Satvik Sharma, Hengyuan Hu, Mihika Kamat 他
日本語で読む → - 論文視覚ベース制御/セキュリティロボティクス
動的ウォーターマーキングと行動条件付き潜在ダイナミクスによる安全な視覚ベース制御
視覚ベース制御へのリプレイ攻撃を検出するため、制御入力に秘密のガウスウォーターマークを付加し、画像から学習した潜在空間で応答を予測して不一致を検出する適応的フレームワークを提案。強化学習でウォーターマーク強度を調整し、検出性と制御歪みのバランスを取る。
原題: Dynamic Watermarking and Action-Conditioned Latent Dynamics for Secure Vision-Based Controllers ／ Aditya Parameshwaran, Navid Aftabi, Abhishek Hanchate 他
日本語で読む → - 論文ワールドモデル画像認識
PlayGen2: 明示的な3D状態でリアルタイムに遊べる世界を学習する
学習した3D状態の遷移とニューラルレンダリングを分離し、永続的な世界メモリを持つリアルタイム対話型ワールドモデルを提案。Doomで幾何認識型の移動やNPCとの相互作用を学習し、MacBook Pro上で約160msの低遅延を実現した。
原題: PlayGen2: Learning Real-Time Playable Worlds with Explicit 3D State ／ Jihai Zhang, Yuhan Zhou, Junyou Li 他
日本語で読む → - 論文ヒューマノイド全身制御ロボティクス
ForPC: 力覚対応全身制御によるヒューマノイドの精密なカート押し
外部力センサなしで搭載センサから力・状態潜在変数を推定し、強化学習で腕・腰・脚を協調させてカート速度を制御する全身制御フレームワークを提案。シミュレーション訓練のみで実機Unitree G1に転移し、カート押しの精度を大幅に改善した。
原題: ForPC: Force-Aware Whole-Body Control for Precise Humanoid Cart Pushing ／ ZhenYu Zou, Xing Liu, ShiChuang Wang 他
日本語で読む → - 論文ヘルスケアAIq-bio.QM
ウェアラブルデータに基づく個人向け健康コーチング：コーチ可能な健康年齢と反事実的軌跡の提案
ウェアラブルで取得できる修正可能な生理・行動信号から解釈可能な「コーチ可能な健康年齢」を定義し、生活習慣変化に対する生理応答を予測する世界モデルと組み合わせて、個人向け12週間コーチング計画を生成するシステムを提案した。
原題: Personalized health coaching via coachable health age and counterfactual wearable trajectories ／ Simon A. Lee, Zeinab Esmaeilpour, Menglian Zhou 他
日本語で読む → - 論文自動運転規制ロボティクス
自動運転車の認証における州・国レベルのアプローチ：州運用ガバナンスの比較フレームワーク
米国各州のSAEレベル4-5自動運転システムの認証制度を3つのモデルに分類し、国際的な規制動向と比較してノースカロライナ州の規制戦略への示唆を検討した論文。
原題: National and State-Level Approaches to Automated Vehicle Certification: A Comparative Framework for State Operational Governance ／ Sk Nahia Ahsan, Md Abdullah Al Hasan, Danjue Chen 他
日本語で読む → - 論文強化学習/人間介入ロボティクス
人間介入からの楽観的探索によるロボット学習Q-OIL
実ユーザーの介入行動を分析し、進捗停滞時に介入し修正は非最適という傾向をモデル化。介入遷移に楽観的ボーナスを与え人間の修正へ探索を誘導するQ-OILを提案し、シミュレーションと実機で成功率を10-50%向上させた。
原題: Q-OIL: Optimistic Exploration in Learning from Human Interventions ／ Pranav Teegavarapu, Sriyash Poddar, Rico Qi 他
日本語で読む → - 論文制約付き生成/フローポリシーロボティクス
制約を満たすフローポリシーサンプリング
フローマッチング方針の推論時に、未学習の制約を満たしつつ方針の尤度を保つサンプリング手法CS-Piを提案。射影と棄却を組み合わせ、効率と妥当性を両立させる。
原題: CS-Pi: Constraint-Satisfying Flow Policy Sampling ／ Soumojit Bhattacharya, Oliver Kroemer, Shubham Tulsiani
日本語で読む → - 論文手物体相互作用画像認識
物体条件付き幾何学的ニューラル手距離場HaNDF
物体との相互作用を条件として、もっともらしい手の姿勢を生成・投影できるニューラル距離場を提案し、姿勢精緻化や遮蔽下の再構成、操作合成に応用した論文。
原題: HaNDF: Object-Conditioned Geometric Neural Hand Distance Fields ／ Zuhao Liu, Melih Darcan, Zhengdi Yu 他
日本語で読む → - 論文GPUデータ構造cs.GR
NanoVDBにおける動的GPUボクセルグリッドとボクセル逐次処理
NanoVDBにGPU上での動的なトポロジ更新機能と、疎グリッド上の演算を高速化するボクセル逐次アクセス手法を導入し、読み取り専用の制約を解消した研究。
原題: Dynamic GPU Voxel Grids and Voxel-sequential Processing in NanoVDB ／ Eftychios Sifakis, Francis Williams, Christopher Horvath 他
日本語で読む → - 論文記号回帰機械学習
ランダム記号ブースティング：記号回帰への幾何学的アプローチ
ランダムに生成した構文木の集団にブースティングを適用し、世代進化なしで解釈可能な加法記号モデルを構築する手法を提案。予測精度と学習時間のパレート最適点に位置し、実世界データセットで最高性能を達成。
原題: Random Symbolic Boosting: A Geometric Approach to Symbolic Regression ／ José R. Ortegaa, José Manuel Muñoz Contreras, Leonardo Trujillo
日本語で読む → - 論文マニピュレーションロボティクス
遅延を考慮した時間指標付きスキル成功モデルによる動的マニピュレーションのスキル選択とタイミング
スキル開始遅延後のタスク成功率を予測する時間指標付きモデルを提案し、再cedingホライズン計画でスキルと開始時刻を選択、遅延下での成功率とキャリブレーションを改善した。
原題: Time-Indexed Skill Success Models for Latency-Aware Skill Selection and Timing in Dynamic Manipulation ／ Mohsen Omidi, Maria Chiara Leva, Brian Vaughan
日本語で読む →