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: 2026/11/9 ／ 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
SWAM: クロスモーダル整合で世界行動モデルをスケールする
約4.7万時間の動画・ロボット実演データを用い、言語-映像-行動の監督設計が世界行動モデルの性能に与える影響を体系的に分析し、効率的な学習レシピを提案した論文。
原題: SWAM: Scaling World Action Models with Cross-Modal Alignment ／ Yu Zhou, Xinyuan Xia, Xuankun Yang 他
日本語で読む → - 論文VLAロボティクス
指示を重みに蒸留：閉形式編集でロボット方策の誤読を修正
言語指示の言い換え効果を閉形式で言語モデルのMLP重みに蒸留し、勾配や学習データなしでVLA方策の指示誤読による失敗を修正した。
原題: Distilling Instructions into Weights: Closed-Form Edits Fix a Robot Policy's Misreading ／ Ali-Adeeb Abbas, Esmaeil Seraj
日本語で読む → - 論文VLAロボティクス
VLA-MOPD：マルチタスクVLAポリシー統合のためのオンポリシー蒸留
タスク特化した複数のフローマッチングVLA専門家を、共有生徒モデルがロボットロールアウト上で各ODE状態の教師を参照するオンポリシー蒸留で統合し、成功率を大幅に向上させた研究。
原題: VLA-MOPD: On-Policy Distillation for Multi-Task VLA Policy Consolidation ／ Yongxuan Lv, Zhen Fang, Lichen Man 他
日本語で読む → - 論文VLAロボティクス
実データとシミュレーションデータによるVLA適応：ロボットチェスを事例に
VLAモデルをチェス操作タスクにファインチューニングし、データ量・学習更新回数・チェックポイント選択・シミュレーション活用の実践的課題を検証した事例研究。
原題: VLA Adaptation with Real and Simulated Data: A Case Study on Robotic Chess ／ Matěj Kripner, Milan Straka
日本語で読む → - 論文VLAロボティクス
Thermo-VLA: 熱画像対応の視覚-言語-行動モデルとゲート付き残差変調によるロボットマニピュレーション
熱画像を冷・熱属性に分解し言語条件付き残差変調でRGBトークンに注入するVLAモデルを提案し、双腕ロボットの実タスクで熱に依存する操作の成功率と汎化性能を向上させた。
原題: Thermo-VLA: A Thermal-Aware Vision-Language-Action Model with Gated Residual Modulation for Robotic Manipulation ／ Jingxuan Chen, Junshi Luo, Chencheng Dong 他
日本語で読む → - 論文VLA機械学習
DeltaForge: マルチドメイン自動運転のための事後Mixture-of-Experts VLA
同一ベースモデルから各ドメインで個別にファインチューニングされた複数のVLAモデルを、SVDで重み更新を共有部分とドメイン固有部分に分解し、軽量なルーターで統合する事後Mixture-of-Experts手法を提案。都市・オフロード・高速など6ドメインで各専門家に迫る精度を実現。
原題: DeltaForge: A Post-hoc Mixture-of-Experts VLA for Multi-Domain Autonomous Driving ／ Bingzhang Wang, Mo Poorsartep, Yasaman Esfandiari
日本語で読む → - 論文VLAロボティクス
推論から軌道幾何条件を学習する自動運転VLA
自動運転VLA計画において、離散的な軌道幾何条件(TrajCond)を推論から学習し、連続軌道予測の精度を向上させる手法を提案した論文。
原題: AutoVLA-D: Learn a Trajectory-Geometric Condition from Reasoning for Autonomous Driving VLA ／ Yuguang Yang, Zhewen Tan, Canyu Chen 他
日本語で読む → - 論文VLAロボティクス
ヒューマノイド向け分離非同期システムDASH：VLAモデルの遅延非依存スケーリング
VLAモデルを遅い視覚言語バックボーンと速いアクションヘッドに分離し、非同期並列実行によりバックボーン規模に依存しない制御レートを実現したヒューマノイド操作用システム。
原題: Decoupled Asynchronous System for Humanoids (DASH): Latency-Agnostic Scaling of Vision-Language-Action Models for Humanoid Manipulation ／ Bingzhang Wang, Nathan Zhao, Jialeng Ni 他
日本語で読む → - 論文VLA画像認識
ForeAct：世界表現から幾何学誘導で行動を学習する手法
事前学習済み動画世界モデルを単一パスで再利用し、次フレームの相対深度で教師付けした学習可能トークンにより、低遅延かつ未来を考慮した行動生成を実現した研究。
原題: ForeAct: Geometry-Guided Action Learning from World Representations ／ Wei Lu, Jiaxi Zhang, Yunheng Wang 他
日本語で読む → - 論文VLAロボティクス
経験を振り返り教訓を磨く：身体性エージェントのためのシンプルな記憶進化
MLLMベースの身体性エージェントが自己記述のテキスト記憶を保持・洗練することで、重み更新なしに性能を大幅向上できることを示した研究。
原題: Review the Episodes, Refine the Lessons: Simple Memory Evolution for Embodied Agents ／ Yifei Yao, Yude Zou, Xing Gao 他
日本語で読む → - 論文VLAcs.AR
検索ベース投機とハードウェア加速によるVLA推論の高速化
ロボット動作生成の遅延を削減するため、RAGベースの軽量ドラフトモデルと専用ハードウェアを組み合わせ、VLAモデルの推論を最大7.6倍高速化した研究。
原題: Efficient VLA Inference via Retrieval-Based Speculation and Hardware Acceleration ／ Zhengyang Cheng, He Zhu, Zeyu Guo 他
日本語で読む → - 論文VLAロボティクス
ストリーミング故障予測：展開後も学習し続けるVLA故障モニタ
VLAポリシーの故障モニタを展開後も各エピソードの成否ラベルから最終線形層のみ再学習させ、タスクやポリシーの変化に追従できる低コストな手法を提案した。
原題: Streaming Failure Forecasting: VLA Failure Monitors That Keep Learning After Deployment ／ Amit Jadhav, Shaurya Beriwala, David Q. Liu 他
日本語で読む → - 論文VLAロボティクス
非同期推論と制御のための制御考慮型コマンド生成による視覚ベース方策の高速実行
視覚ベースの方策の推論を非同期化し、離散的な予測から連続的な目標位置を追従制御問題として生成することで、ロボットの滑らかな動作を保ちながら高速実行を実現した。予測位置の分散に基づく適応的なアクションスキップも導入し、成功率を維持しつつ大幅な高速化を達成した。
原題: Control-Aware Command Generation for Asynchronous Control and Action Inference with Vision-Based Policies towards Fast Execution ／ Takayuki Osa, Kazuki Ota
日本語で読む → - 論文VLAロボティクス
脳に倣う潜在行動：ロボットの行動語彙に前運動皮質の幾何構造を課す
ロボットの離散潜在行動トークナイザのコード割り当てに、サル前運動皮質(PMv)の表現幾何を類似度損失で注入し、未見形状カテゴリでもPMvとの表現類似度0.52を達成した研究。
原題: Brain-Aligned Latent Actions: Imposing Premotor Cortex Geometry on a Robot's Action Vocabulary ／ Amit Jadhav
日本語で読む → - 論文VLAロボティクス
検索ガイダンスによるゼロショットVLA適応
ドメイン不一致の実演データセットから検索した軌道を幾何校正と粗密検索で変換し、フローマッチング推論を誘導することで、VLAモデルを再学習せずに新環境へ適応させる手法を提案した。
原題: Zero-Shot VLA Adaptation with Retrieved Guidance ／ Subin Kim, Anh-Quan Pham, Dinesh Jayaraman
日本語で読む → - 論文VLAAI
先読み：探索駆動型推論による身体性AI
凍結したACTポリシーの行動チャンクに対しビーム探索で候補を生成・評価し、必要な時だけ探索するゲートOSAで成功率を0%から18%に向上させつつ実行時間を約3倍短縮した研究。
原題: Look Ahead: Search-Driven Reasoning in Embodied AI ／ Ahmed Zeer, Osama Shbib, Muzaffer Kaan Yuce 他
日本語で読む → - 論文VLAロボティクス
DreamVLA：生成された人間動作からヒューマノイドの視覚-言語-行動ポリシーへ
生成した人間の動作軌道をシミュレーション強化学習のガイドに使い、タスク特化の遠隔操作データなしでヒューマノイドVLAポリシーを訓練する手法を提案。
原題: DreamVLA: From Generated Human Motions to Humanoid Vision-Language-Action Policies ／ Kevin Park, Izat Rasyad, Dvij Kalaria 他
日本語で読む → - 論文VLA画像認識
モダリティ・層ごとにドメインシフトを特定して修復するVLM軌道計画
VLM駆動プランナーの都市間ドメインシフトが画像/テキストと言語モデル層の2次元構造を持つことを示し、その箇所だけを選択的に修復するMoLaRxを提案した論文。
原題: Locating and Repairing Domain Shift in VLM Trajectory Planning ／ Zhihong Cui, Hengyu Liu, Michael Alexander Riegler 他
日本語で読む → - 論文VLAロボティクス
3D空間理解を蒸留・知識ルーティングでVLAに付与するSPARK-VLA
推論時に外部3D入力や専門家を必要とせず、凍結した3D専門家からLoRA視覚枝へ空間表現を蒸留し、軽量ルータで行動に関連する視覚トークンを選択するVLAフレームワークを提案。
原題: Spatial Representation Distillation and Knowledge Routing for Vision-Language-Action Models ／ Jungin Park, Chaoran Zhu, Changjae Oh 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VLAロボティクス
視覚言語行動モデルにおける目標表現の局在化と編集
OpenVLAが禁止指示に従うかを調べ、目標がどこに表現されるかを活性化パッチング等で解析した。禁止は効果がなく、目標編集は層12以前か全行動トークンへのパッチが必要と判明。
原題: Localizing and Editing the Goal Representation of a Vision-Language-Action Model ／ Sudhanshu Srivastava, Faisal Aqlan
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VLAロボティクス
LLMは重み編集でロボットをデバッグできるか
GPT-6 Astraがロボット基盤ポリシーの重みの一部（65行のトークン埋め込み）を編集し、勾配更新や新規デモなしに言い換え指示への成功率を86.3%から92.0%へ改善した。
原題: Can LLMs Debug Robots by Editing Their Weights? ／ Jusheng Zhang, Keze Wang, Liang Lin
日本語で読む → - 論文VLAロボティクス
エージェント型身体知能の時代へ向けて
コードをスケーリングインターフェースとする身体性マルチエージェントフレームワークA2-MEASを提案し、失敗回復と長期タスク遂行を実現してBEHAVIOR 2026などで高い性能を示した論文。
原題: Toward the Era of Agentic Embodied Intelligence ／ Chao Liang, Ke Chen, Fengxiaoxiao Li 他
日本語で読む → - 論文VLAロボティクス
HomeLoop: 家庭内支援・安全のためのロボット-IoT連携シミュレーション基盤とベンチマーク
Isaac Sim上でロボット・IoT機器・ウェアラブル・住民・故障センサー・時間変化する危険を統合した家庭内支援シミュレータと、同一警報が異なる原因を持ちうる20タスクのベンチマークを提案し、6つのVLMを評価した。
原題: HomeLoop: A Simulation Framework and Benchmark for Robot-IoT Coordination in Everyday Domestic Assistance and Safety ／ Ramy ElMallah, Marc Bishara, Hyegang Kim 他
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
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 →