MEKAWIRE
研究

論文

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。

論文43本
テーマすべてManipulation 76VLA 66Navigation 35Robotics 32Learning 27Perception 22Humanoid 21Simulation 15Locomotion 14Safety 11World Action Models 4World-action model 3Aerial 2Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 2World models 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 1Aerial Manipulation 1Aerial navigation 1Agricultural Robotics 1Articulation Estimation 1Autonomous Driving 1Autonomous Exploration 1Battery-aware RL 1Belief-space planning 1Bimanual Manipulation 1Byzantine localization 1Canal inspection 1Co-speech Humanoid 1Compositional Manipulation 1Construction navigation 1Contact-Rich Manipulation 1Contact-rich Manipulation 1Continual reinforcement learning on top of robot foundation models 1Continuum sensing 1Cross-embodiment transfer of humanoid whole-body controllers 1Curriculum RL 1Dexterous Manipulation 1Distributed Manipulation 1Distribution Shift 1Driving Simulation 1Efficient VIO 1Egocentric data 1Egocentric video 1Embodied Agents 1Embodied policy 1Empowerment MPC 1Endoscopic navigation 1Endovascular robotics 1Evaluating robot world models against real executions 1Event-camera VO 1Exoskeletons 1Failure recovery 1Federated 3D Perception 1Fisheye detection 1Floorplan SLAM 1Geometry-aware manipulation 1Grasping 1Grounding 1Humanoid Control 1Humanoid RL 1Humanoid Tool Use 1Humanoid control 1Humanoid loco-manipulation 1Humanoid safety 1Humanoid whole-body control 1Imitation Learning 1JEPA World Models 1Lab automation 1Laboratory Manipulation 1Latent World Models 1Legged Manipulation 1LiDAR Security 1Lifelong RL 1MAPF 1MAV guidance 1Manipulation LfD 1Manipulation Safety 1Marine simulation 1Memory-centric VLA 1Miniature Locomotion 1Mining Perception 1Mobile manipulation 1Model-based RL 1Monocular SSC 1Motion Planning 1Multi-Agent RL 1Multi-Robot Exploration 1Multi-Robot Manipulation 1Multi-UAV Exploration 1Multi-UAV State Estimation 1Multi-agent RL 1Multi-agent motion planning 1Multi-camera odometry 1Multi-fidelity RL 1Multi-robot manipulation 1Multi-skill Manipulation 1Multi-view perception 1Multimodal simulation 1Navigation & Mapping 1Object Pose Estimation 1Object Search 1Panoramic 3D Detection 1Panoramic segmentation 1Pedestrian tracking 1PersonNav 1Planning 1Policy 1Policy Optimization 1Preference Learning 1Quadruped locomotion 1Real-time VLA 1Real-to-sim 1Reinforcement learning for industrial assembly 1Representation alignment 1Robot-Use Agents 1Runtime Verification 1Safe Generative Planning 1Safe RL-MPC 1Safe VLA 1Safety monitoring 1Safety-critical control 1Sim-to-real Navigation 1Sim-to-real manipulation 1Simulation geometry 1Skill Discovery 1Social navigation 1Soft Pneumatic Actuators 1Soft manipulation 1Sonar SLAM 1Streaming 3D reconstruction 1Submovement decomposition 1Surgical 1Surgical robotics 1Tactile 1Tactile Exploration 1Tactile VLA 1Temporal manipulation 1Terrain traversability 1Text-to-3D Policy 1Tool Co-Design 1Trajectory Correction 1Traversability 1UAV Navigation 1UAV Swarms 1UAV traffic monitoring 1Underwater Robotics 1Underwater active mapping 1Underwater perception 1Unified world-action model 1VLA Conditioning 1VLA Defense 1VLA Robustness 1VLA evaluation 1VLA manipulation 1VLA robustness 1Video world models 1Visual Generalization 1Visual Grounding 1Visual Reward Models 1Visuomotor Fusion 1Visuotactile manipulation 1World Models 1World-Action Models 1
難易度指定なし入門中級上級
日本語版は未提供のため、英語原文で表示しています。
技術「強化学習」で絞り込み中、解除
arXiv
VLA上級

Recovering Low-Bit Failures in Vision-Language-Action Policies via Quantization-Conditioned Reinforcement Learning

Seongmin Park, Jaewon Lee, Yujun Heo, Yoonsik Kim, Seheon Choi, Hyoung-rock Kim, Jungwook Choi

Quantization lowers deployment costs of vision-language-action (VLA) policies but can compromise task completion. Across five VLA models and 4,050 real-world trials, we systematically reveal that quantization-aware training (QAT) generally improves on post-training quantization (PTQ) but leaves substantial gaps to full precision (FP) on long-horizon tasks and under visual and semantic shifts, while its imitation-based objective does not explicitly use rollout success or partial completion.

VLARL
論文全文を読む（PDF）
arXiv
Locomotion上級

PointWalker: Mapless Quadruped Locomotion Directly From Raw LiDAR Point Clouds

Sicen Li, Zhen Chu, Chao Li, Jun Zheng, Qiuguo Zhu, Jun Wu

Quadruped robots deployed for inspection and field missions must cross heterogeneous terrain, from stairs, slopes, and gaps to high platforms, stepping stones, and balance beams, where safe support is sparse or see-through. Existing methods interpose a terrain map or a depth image between sensing and control.

RLLiDAR
DEEP Robotics
論文全文を読む（PDF）
arXiv
Humanoid上級

P-BFM: Perceptive Behavioral Foundation Models for Humanoid Control via Unsupervised Reinforcement Learning

Xue Wang, Yitang Li, Yiming Zhang, Siqin Wang, Junhan Sun, Zhihao Liu, Yaojie Shen, Jingbo Yuan, Hao Zhao, Qingdu Li

Behavioral foundation models (BFMs) provide humanoids with reusable repertoires of whole-body behaviors; in real-world humanoid control, the same behavioral intent may require fundamentally different motions under different terrain constraints. Covering such variation with terrain-matched demonstrations requires enumerating a combinatorial space of behaviors and terrain geometries.

RL
HumanoidFoundation
論文全文を読む（PDF）
arXiv
Learning上級

Reinforcement Learning Based Heterogeneous Task Allocation Under Spatio-Temporal Environmental Uncertainty for Multi-Robot Teams

Xi Lin, Yaxuan Li, Paul Szenher, Brendan Englot

Autonomous Surface Vehicles (ASVs) have been increasingly deployed to perform different kinds of maritime tasks in recent years, which motivates the need for a reliable task allocation policy that can adapt to heterogeneous tasks and maritime disturbances. In this work, we formulate a multi-robot task allocation problem in which a team of ASVs with heterogeneous capabilities needs to complete tasks of different types and appearance times under unknown stochastic spatio-temporal uncertainties from maritime disturbances.

RL
論文全文を読む（PDF）
arXiv
Learning上級

Phase-Gated Constrained Reinforcement Learning for End-to-End Capture and Detumbling of Non-Cooperative Targets

Álvaro Belmonte-Baeza, Celia Redondo-Verdú, José L. Ramón, Miguel Cazorla, Leonard Felicetti, Jorge Pomares

Active debris removal requires a servicer spacecraft to approach a non-cooperative tumbling object, capture it, and arrest its rotation. This sequence is conventionally divided among phase-specific controllers, each depending on knowledge of the target's inertia, a dedicated grappling fixture, or a hand-designed switch at the contact-rich seam where such pipelines are most fragile.

RL
論文全文を読む（PDF）
arXiv
VLA上級

Reflect-VLA: Internalizing Reflective Guidance via Dual-Path On-Policy Self-Distillation for Autonomous Driving

Yuechen Luo, He Chong, Fang Li, Shaoqing Xu, Hexin Zhang, Ruiqi Zhang, Ziying Song, Lei Yang, Zhi-Xin Yang, Fuxi Wen

Reinforcement Learning (RL) substantially improves planning performance in autonomous-driving Vision-Language-Action (VLA) models. However, existing RL methods rely on scalar trajectory rewards that measure overall quality but fail to identify specific planning errors or provide actionable correction signals.

VLARL
論文全文を読む（PDF）
arXiv
Manipulation上級

Evo-RL: Iterative Robot Reinforcement Learning from Selective Experience

Kai Ye, Yifan Jin, Qianhang Luo, Hongru Zhang, Jiedong Zhang, Shuyuan Hu, Song-Yuan Wu, Jihai Xu, Jie Zhao, Bo Zhao

Existing real-world reinforcement learning methods improve robot policies by combining human corrections with autonomous rollouts. However, accumulated experience varies in its value for policy improvement, and even successful trajectories can contain inefficient or redundant behavior, motivating more selective experience reuse.

RL
論文全文を読む（PDF）
arXiv
Learning上級

Dream to Remember: Continual Steering of Generalist Robot Policies with World Models

Bahey Tharwat, Iman Nematollahi, Marvin Alles, Xingyuan Zhang, Akshay L Chandra, Abhinav Valada

Generalist robot policies are trained with imitation learning and are bounded by the quality and coverage of their demonstrations. Reinforcement learning can improve and extend them, either by fine-tuning the policy weights or by training a small module to steer the input noise of a frozen generative policy.

ワールドモデル模倣学習RL
論文全文を読む（PDF）
arXiv
Learning上級

MARGoS: A Configuration-Driven Platform for Reproducible MARL Experiments in ARGoS

Tom Philipp Backert, Mohammad D. Soorati, Javad Ghofrani

Multi-agent reinforcement learning (MARL) has become a prominent research direction, particularly within collective robotics, where the ARGoS simulator is widely used to study emergent swarm behavior. Yet despite this growth, systematic support for reuse and reproducibility in MARL-based swarm robotics remains limited and insufficiently standardized: a single experiment is assembled from manually aligned simulator files, training scripts, configuration values, paths, seeds, and environment details, so reuse and reproduction stay fragile even within one research group.

RL
論文全文を読む（PDF）
arXiv
Visual Generalization上級

モデルベースRLに潜在空間一貫性を導入したVIGOR、未見の視覚変化へゼロショットで汎化

Mingyu Park, Samyeul Noh, Hyun Myung, Donghwan Lee

VIGORは、TD-MPC2を基盤に、非対称な弱から強へのデータ拡張、ダイナミクスレベルの一貫性損失、エンコーダ安定化を組み合わせたモデルベース強化学習フレームワークである。DeepMind Control SuiteとRobosuiteのゼロショット視覚汎化評価で、既存のモデルフリー手法とモデルベース手法を上回り、二番手のSRMと比べて平均エピソード報酬でDMCは3.4%、Robosuiteは43.6%高い結果を報告した。本論文はプレプリントであり、査読済みではない。

RL
論文全文を読む（PDF）
arXiv
Lifelong RL上級

AMSCがタスク類似度で過去方策を選択、連続強化学習で転移と忘却ゼロを両立

Saptarshi Nath, Inish M. D'Souza, Antonio Carta, Soheil Kolouri, Andrea Soltoggio

英Loughborough大学などの研究チームは、生涯強化学習向けにオンラインのタスク類似度から過去のポリシーマスクを選び重み付けして再利用するAMSCを提案した。CT28とMG16でAUC/FWTが0.94/0.94、0.73/0.54を達成し忘却はゼロだった一方、CW10では学習済みの層別重みに劣り、層共通の重み付けには限界が見えた。本論文は査読前のプレプリントである。

RL
論文全文を読む（PDF）
arXiv
Multi-agent RL上級

SCOUTがテスト時の価値勾配輸送でマルチエージェント協調を実現、オフラインMARLで最高平均性能

Dongsu Lee, Haoran Xu, Amy Zhang

SCOUTはフローマッチングの行動事前分布と分解価値関数を組み合わせ、テスト時にStein変分勾配降下で行動候補を高価値領域へ輸送するオフライン多エージェント強化学習フレームワークである。SMACv1では平均報酬16.1、MA-MuJoCoでは平均正規化スコア82.12を達成し、連続・離散のオフラインMARLベンチマークで最高平均性能、オフラインからオンラインへの全構成で改善を示した。本論文はプレプリントである。

RL
Foundation
論文全文を読む（PDF）
arXiv
Legged Manipulation上級

脚型マニピュレーションの応答一貫性移動とPolicy-Aware MPCを統合するReCo

Kuankuan Sima, Yichao Gao, Chenxi Gu, Kefan Zhao, Lin Zhao

ReCoは、脚型ロボットの移動ポリシーに一貫した指令応答を学習させ、同定した閉ループ応答モデルを組み込んだPolicy-Aware MPCで移動指令とアーム動作を同時計画するフレームワークである。シミュレーションの不整地ベンチマークでは位置RMSEを0.135m、姿勢RMSEを23.8度に抑え、最良ベースライン比でそれぞれ28.7%と27.4%削減した。本論文はプレプリントであり、査読済みではない。

RL
論文全文を読む（PDF）
arXiv
Policy Optimization上級

FERPO：批評家の行動微分を使わないオンライン最大エントロピー方策最適化

Sebastian Sanokowski, Alireza Sarmadi, Majid Khadiv

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。

RL
論文全文を読む（PDF）
arXiv
Multi-fidelity RL上級

MFPG-PPOでデータ不足の強化学習を安定化、実ロボットは4エピソードで学習

Xinjie Liu, Ruihan Zhao, Anirban Chaudhuri, Cyrus Neary, Ufuk Topcu, David Fridovich-Keil

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。

RL
論文全文を読む（PDF）
arXiv
Tactile Exploration上級

TacEx、触覚の不確実性を優先する探索でロボット操作を効率化

Klemens Iten, Alexander Proshkin, Bhavya Sukhija, Stelian Coros, Andreas Krause, Pieter Abbeel, Carmelo Sferrazza

触覚フィードバックの予測不確実性に重みを置く探索フレームワークTacExを開発した。シミュレーションで報酬なし探索から物体把持を創発し、収集データがオフラインのピックアンドプレース方策学習を支え、凍結VLAモデルの後学習もサンプル効率よく改善した。本論文はarXivプレプリントである。

RL
論文全文を読む（PDF）
arXiv
Grounding上級

GroundingPI、点とボックスで物理的知能向けの知覚基盤を確立

Qize Yu, Lianrui Fan, Boyu Chen, Jiaqi Liang, Xini Ding, Yue Chen, Zetian Song, Yuran Wang, Yi Zou, Kaixuan Wang, Tianxing Chen, Wenxuan Song, Bohan Zhou, Mingleyang Li, Siqiao Huang, Yuqi Ye, Caigao Jiang, Wei Wei, Ruihai Wu, Hang Zhang

GroundingPIは、点とボックスを量子化座標として出力する4Bパラメータの視覚グラウンディング基盤モデルである。34件のグラウンディングベンチマークで平均73.68%を達成し、より大規模なGPT-6 Astraの71.54%を上回った。ロボット操作と自動運転の下流タスクで既存バックボーンを上回る転移性能を示し、物理的知能のための知覚基盤として有望である。本論文はarXivのみで公開されたプレプリントである。

VLARL
Physical Intelligence
論文全文を読む（PDF）
arXiv
Safe RL-MPC上級

RL誘導型PAC-NMPCが未知環境の視覚ベース航法で確率的安全を実現

Adam Polevoy, Dillon Capalongo, Katherine Tang, Mark Gonzales, Marin Kobilarov, Joseph Moore

強化学習で訓練したアクタークリティックとセンサ予測モデルをPAC-NMPCに統合し、未知環境での知覚ベース航法に有限時間の確率的衝突回避保証を与える手法を提案した。固定翼機の実機実験では成功率80パーセントを達成し、RL単独方策や地図とA*を用いるPAC-NMPCの40パーセントを上回った。本論文はarXivプレプリントであり、査読済みではない。

RL
論文全文を読む（PDF）
arXiv
Battery-aware RL上級

バッテリー電圧対応RLがCrazyflife Brushlessで追従誤差49%減、20周レース10.3%短縮

Alejandro Sanchez Roncero, Olov Andersson, Petter Ogren

本論文は査読前のプレプリントである。研究チームは、バッテリー放電と負荷による電圧サグを模擬する同定済み負荷過渡モデルを強化学習シミュレータに統合し、フィルタ済み端子電圧を方策へ明示的に入力することで、攻撃的クアッドコプター飛行の性能を向上させた。ハードウェア実験では、3.84m/sの円追従RMSEがStock（既定推力指令制限）比49%低減し、20周レース時間は106.22秒から95.24秒に短縮した。

RL
論文全文を読む（PDF）

テーマ別ページ

マニピュレーション 8VLA 4World Action Models 5World-action model 3Aerial manipulation 3Dexterous manipulation 3Sim-to-Real Manipulation 3Social Navigation 3

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。