ロボティクスとフィジカルAIの最新論文と、それぞれが産業にもたらす意味。
本研究はプレプリントとして発表され、ロボット操作データセットDROIDの114シーンを姿勢条件付きフィードフォワード3D Gaussian Splattingで再構成し、カメラ外部パラメータの信頼性を検証した上でレンダリング可能なデータセット3DROIDを構築した。姿勢条件付けと較正済み外部パラメータの組み合わせにより、保持視点でのPSNRがZipSplatで12.75から16.27に向上した。データセットにはシーンごとの較正ゲート判定や幾何的信頼性情報が含まれ、実世界のメトリックスケールに固定された3Dシーンを提供する。
H-SPARはROS 2/Gazebo上で時空間海流場、ラグランジュ粒子輸送、確率的粒子サンプリング、USVの閉ループ自律を統合するシミュレーションフレームワークである。このプレプリントでは、流れ対応プランナSVF-RRT*の計画上の上流コスト低減が時間変動流下の実行では69.4%から41.7%に縮小すること、掃引角度により完全なH-SPAR構成で粒子サンプリング率が最大22.2%変化することを報告した。計画・実行・サンプリングを一貫した流れ条件で評価する重要性を示している。
UniWAMは、物理推論を担うVLM、未来映像を生成する世界モデル、行動予測器を単一のMixture-of-Transformersアーキテクチャに統合したロボット基盤モデルである。ロボットデータ約4958時間、人間の一人称データ約5072時間、VQAデータ約8.293M件を事前学習し、LIBERO標準で平均99.2%、LIBERO-Plusで92.6%、RoboTwin 2.0で平均71.73%を達成した。本論文はプレプリントであり、査読済みではない。実機評価では4つの指示追従タスクで成功率67.5%、指示追従率82.5%を報告し、人間とロボットの共訓練に対数線形のスケーリング則を確認した。
本論文はarXivで公開されたプレプリントである。ロボットのデモンストレーションから物体のキーポイント軌道・接触点・終端状態だけを抽出した「エフェクトプログラム」を生成し、それを条件として実行軌道を生成する世界行動モデルPEWAMを提案した。LIBEROの未学習タスクで1回のデモから90エピソード中40を成功させ、既存手法の最大19を上回り、実機Frankaアームでは人間のビデオから40試行中36を成功させた。
本研究はプレプリントである。ポリゴンメッシュ上で対数写像、指数写像、平行移動、環境空間への射影を離散微分幾何に基づき定義し、DMPとガウス過程とリーマンフローマッチングをサーフェス上で直接学習できるようにした。シミュレーションで既存手法より優れた一般化を示し、実機のFranka Research 3で描画軌道の異なる曲面への転写とRGB-D復元面上の研磨動作計画を実証した。
北京大学などの研究チームは、長期の合成的ロボット操作を視覚サブゴール計画とサブゴール実行に分解するViGARを提案した。ViGARは世界モデルを共有し、RoboTwin Clean2RandomでClean 82.00%、Random 67.02%の成功率を達成し、最強ベースラインを平均12.86ポイント上回った。実機でも5つの合成操作タスクと2つの文脈内学習タスクで有効性を確認した。本論文はプレプリントである。
本論文はプレプリントである。FERPOは、学習した批評家の行動微分を使わず、価値のみから方策改善を行うオンライン最大エントロピー強化学習手法である。転がり出し方策からサンプルした行動を自己正規化重点サンプリングで重み付けし、前方KLで正則化目標分布にフィットする。DMCとManiSkillでREPPO並みの最終性能を示し、サンプル効率と更新時間で優位を報告した。
InterEvolveは、事前学習済みの人型ロコマニピュレーションコントローラを再学習せず、テスト時に報酬プログラムを進化させて未知のタスクを解くフレームワークである。LLMエージェントが実行フィードバックから報酬プログラムの構造を改訂し、CMA-ESが定数を較正する。シミュレーションの8タスク系統で成功率86.5%を達成し、実機Unitree G1でも機載知覚のみで自律動作した。本論文はarXivプレプリントであり、査読済みであるとは明記されていない。
本研究は学習不要の拡散ベース動作計画手法TFDPを提案した。学習済みスコアの代わりに平滑性、障害物回避、速度制約、エージェント間分離から解析的に局所スコアを構成し、反復デノイズで実行可能な軌道を生成する。マルチエージェント経路計画ベンチマークでDGDなど学習ベース拡散手法より高い成功率と約150倍の高速化を達成し、300台100障害物の環境で平均5.39秒の計画を報告した。本論文は査読前のプレプリントである。
本論文はプレプリントである。MFPG-PPOは、高忠実度（HF）データが乏しいオン方策強化学習を安定化する手法で、低忠実度（LF）シミュレータデータを制御変量として利用する。GPU並列シミュレーションと実Frankaアームで評価し、HFデータのみのPPOをほぼ全ての設定で上回り、実ロボットでは1更新あたり4エピソードのみで成功率91.7%を達成した。
TouchThermは、実物体の視覚形状、触覚レンダリング用マイクロ形状、動的温度場を統合したシミュレーション用アセットを構築するフレームワークである。20物体の評価で、触覚レンダリングは粗い形状や画像空間ベースラインを上回り、30秒先と45秒先の表面温度MAEはそれぞれ0.465℃、0.592℃を達成した。合成データのみで学習した触覚物体認識でもTop-1精度が34.0%となり、粗い形状の20.0%から向上した。本論文は査読前のプレプリントである。
本論文はプレプリントである。RPG（Reconstruct, Practice, Go Real）はモデル重みを更新せず、オフラインデータから構築したシミュレーション練習課題で共有スキルライブラリとシステムプロンプトを自律改善する枠組みである。22操作タスクの各10ホールドアウト初期状態で成功率を1ラウンド目28.6%から15ラウンド後95.0%に向上させ、ASPIRE（75.5%）やGPT-6 Astra Pro採用CaP-Agent0（60.0%）を上回り、共通キャリブレーション後の実機3タスク30試行すべて成功した。
本論文はarXivのプレプリントである。AFD-CAMLsは、ケーブルで吊り下げたペイロードを複数UAVで運ぶ際のケーブル張力配分を、ヌル空間最適化とアドミタンスフィルタで改善する計画制御フレームワークである。シミュレーションでは4機から10機、実機では4機のUAVを用い、ホバリングと俊敏な軌道追従の両方で張力の偏りを低減し、ペイロード追従性能を維持した。
ActiveWAMは、カメラのパン/チルト制御と双腕操作を単一の世界行動モデルに統合した手法である。訓練時反転によってタスク関連の視覚証拠と時間変化を保持し、展開時は生の観測から実行可能な頭部および腕の行動を生成する。TAVISでは最大17.0ポイント、RoboTwin-AVの複合シフトではFast-WAMを20.0ポイント、実機キッチンではFast-WAMを26.7ポイント上回った。本論文は査読前のプレプリントである。
本論文はプレプリントである。SonarVoxNetはボクセルベースのエンコーダとアンカーフリーの中心点検出ヘッドを3Dソナーに適応し、ヨー角のみでなく連続的な6D回転表現によりSO(3)全域の姿勢を推定する9自由度の潜水士検出を実現した。Diver3Dはフロリダの洞窟潜水サイトで収集した37,010フレーム、34,568インスタンスを含む初の公開3Dソナー潜水士データセットである。実験では既存LiDAR検出器を大きく上回り、最終モデルは[email protected]で0.774、SDSで0.719を達成した。
Informed BLT*は、RRT*とInformed RRT*を2-Wasserstein距離の信念空間へ拡張したサンプリング型プランナーである。点群観測を用いる大規模屋外デジタルツインでも初期解を高速に発見し、一部マップでは競争力のある収束コストを示した。本論文はarXivプレプリントであり、査読済み学会・論文誌への採録は記録されていない。
Isaac-Netは、GPU上の大規模並列ロボット学習に5G NR上りリンクのスロット単位シミュレーションを組み込むモジュールである。ns-3 5G-LENAとの比較で遅延中央値を負荷全域にわたり再現し、1台のGPU上で1,048,576台のロボットをネットワーク込みで毎秒1.24制御ステップ動作させた。本論文はarXivで公開されたプレプリントであり、査読済み会議録や論文誌への採録は記載されていない。
Preprint. The authors introduce GroundAnything, a 4B-parameter visual grounding model that uses bidirectional diffusion with blockwise denoising for parallel spatial decoding instead of sequential autoregressive token generation. Its autoregressive variant, GroundAnything-VLM, reports 72.42% across 30 grounding benchmarks, ahead of GPT-6 Astra at 71.35%. This matters for latency-sensitive robotics and interactive vision systems that need fast, precise localization.
本論文は、実験室自動化における粉末計量のために、吐出ツールの形状と強化学習制御方策を同時に最適化するバイレベル共設計フレームワークを提案した。BOHBによる形態探索と幾何学的類似度に基づく方策のウォームスタートを組み合わせ、7種類の粉体でシミュレーションと実機評価を行った。共設計ツールは標準ツールに比べて実世界の計量誤差を45%削減し、未学習の材料でも優位を示した。本論文は査読済み会議録の記載がないプレプリントである。
米ミシガン大学とデューク大学の研究チームは、路側LiDARへの物理攻撃を周囲の交通状況に応じて選択しパラメータを調整するフレームワークTACTICを開発した。CARLAの無作為化シミュレーション280試行で、完全方策は100%の衝突率を記録し、固定ルールの35%やランダム選択の60%を大きく上回った。本論文は査読前のプレプリントである。
論文は arXiv のロボティクス分野から取得しています。当社の要約が未作成の場合は、要旨の冒頭を表示します。