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。
本プレプリントは、Soft Actor-Critic（SAC）で訓練したカテーテルとガイドワイヤの自律操作により、右内頸静脈から上矢状静脈洞まで到達する脳静脈系アクセスを、シミュレーションと透視下の3Dプリントファントムで初めて実証した。シミュレーションでは解剖学的に未知のホールドアウトモデルでタスクAが42.0%、タスクBが91.6%の成功率であり、実機20回中14回（70%）が成功した。この成果は開頭を回避する血管内BCIの植込み手技を標準化する可能性を示すが、解剖学的汎化とsim-to-real較正が臨床応用前の主要課題として残った。
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。
本論文は、視覚言語行動モデルの内部表現をスパースオートエンコーダで解析し、敵対的パッチの存在に強く相関する特徴を線形プローブで検知した場合のみ抑制する防御手法を提案した。π0.5とSmolVLAをLIBERO-10の間欠的UADA攻撃で評価し、条件付き介入が成功率を改善する一方、無条件の抑制は清浄時の性能を大きく低下させることを示した。査読済み学会誌への採録は明記されておらず、プレプリントである。
LiteReality-Agentは、RGB-Dスキャンから現実的で関節構造を持ち、シミュレーションに対応した3D室内シーンを再構成するエージェントシステムである。再構成をコーディング問題として定式化し、観察、編集、検証のループでRoom.pyを更新する。10シーンの評価で、GPT-6やFable 5.1を含むベースラインを視覚指標と幾何指標で上回り、コードとスキャンアプリが公開された。本論文はプレプリントである。
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。
本論文は、状態のみの人間デモに含まれるロボット実行不可能な遷移を、ロボット自身の経験から推定して模倣学習に重み付けするEF-GAIfOを提案した。点質量環境での成功率はマルチスピード設定で90.0%、マルチパス設定で100.0%に達し、GAIfOやWGAIfOを上回った。実機のUnitree Go2による物体到達把持タスクでも70～80%の成功率を記録した。本論文はプレプリントである。
本研究は、動的3D世界を一連のSE(3)ポーズ軌道として表現し、トークンごとにノイズレベルを割り当てるフローマッチングで学習するWorld Motion Models（WMM）を提案した。同一ネットワークに対するマスク変更により、未来予測、ロボット方策、MPC、モーション補間、クロスエンボディメント再ターゲティングなどが可能になり、Language TableやTraceGenなど多様な応用で高い性能を報告した。arXivプレプリントであり、査読済みではない。
本論文はプレプリントであり、査読済みではない。イベントカメラの非同期イベント時刻を保持したままリアルタイム動作するステレオ視覚オドメトリ（VO）パイプラインを提案した。WNOA事前分布に基づくGaussian Process回帰の状態をキータイムに限定し、補間により各計測時刻の残差を評価することで状態数を削減した。MVSECとDSECで評価し、DSECの1シーケンスを除きES-PTAMより高精度で、MVSECでは22Hz、DSECでは6Hzで推定した。
Metaや上海交通大学などの研究チームが、進捗座標付きの視覚サブゴールを予測して行動を生成する世界行動モデルProWAMを開発した。シミュレーションではLIBERO-Plus 85.8%、乱化RoboTwin 75.7%を達成し、実機ゼロショットでは70.0%と従来最強のDreamZeroを15.0ポイント上回った。本論文はarXiv上のプレプリントであり、査読済みではない。
中国科学アカデミー寧波材料技術・工学研究所などの研究チームは、Dynamic Movement Primitives（DMP）の基底配置を、オペレータとロボットの相互作用剛性と実演間ばらつきから構築したステージ重要度指標で再配分するSC-DMPsを開発した。筆記軌道と3つの実ロボットタスクにおける比較で、従来DMPやProMPs、ProDMP、GP-MP、KMPに対し軌道再現精度とタスク重要領域の精度を改善しつつ、モデルサイズと安定構造を維持した。この手法は精密挿入や組立など精度要求が高いスキル転移に有効である。
本研究は、実機の速度指令に対する機体挙動と速度フィードバックを軽量シミュレータに組み込むEIDA（Execution-Interface Dynamics Adaptation）を開発した。100環境のBARNベンチマークで学習済みポリシー中最高の成功率とナビゲーションスコアを達成し、実機Unitree Go2では静的シーン20試行すべてで衝突なくゴール到達した（ベースラインは20試行中4試行）。本論文はプレプリントである。
Baiduなどの研究チームは、ロボット方針最適化における視覚報酬モデルを評価するCriticHackを提案した。プレプリントである。引き出し操作でRobometerを報酬として拡散方針を微調整すると、512評価シードでタスク成功が10.2ポイント上昇する一方、誤物体失敗が10.9ポイント増加し、シミュレータの完了信号ではこの増加が起きなかった。この研究は、報酬モデルの総合的な識別精度が健全に見えても特定の意味的失敗を増幅し得ることを実証している。
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。
Watch, Infer, Coordinateは、物理的制約が未知のロボットと新規タスクでゼロショット協調する手法とベンチマークである。プレプリントであり査読済みではない。デモにおける両エージェントの行動からパートナーの低レベル制約を推論し、物体搬送の3設定でオラクルに近い成功率を達成した。
本プレプリントは、潜在世界モデルのプランニングにおいて、タスクの成功判定に使われる物理量（成功基準量）を補助損失の教師信号として直接学習させる手法を提案した。LeWMを用いたPushTとcubeで成功率がそれぞれ3.5ポイント、3.4ポイント（絶対差）向上し、統計的に有意だった。テスト時は線形ヘッドを破棄するためモデルや計算コストは変わらず、成功基準に含まれる全量を教師にすることで有意な劣化は見られなかった。
本論文は、各UAVが独立したSmall Language Modelエージェントを持つ完全分散スワーム制御アーキテクチャを提案した。イベント駆動のreason-act-observeライフサイクルに、原子ノートによる文脈管理と意味的新規性に基づく関心対応ゴシップエンジンを組み合わせ、探索救助シミュレーションで全試行を完遂し、推論トークン消費をFull Flood比で約半減、通信量を6〜7MBから0.5MB未満に削減した。IEEE CCNC 2027に採録された論文である。
本論文はプレプリントとして公開された。腱駆動剛軟指の非線形な動作を離散制御でも安定して予測するため、Conditional Flow Matchingに基づくJacobian Flow Matching（JFM）を提案した。単段予測ではグローバル平均RMSEをベースライン比で53%以上削減し、スパースサンプリング（ストライド8）のODE積分ではRMSE中央値を14.43%、誤差分散を24.87%改善して、剛軟結合システムのオフライン軌道最適化に使える局所モデルを提供した。
本論文はプレプリントである。積層造形ワークセル内のFAIRINO FR3ロボットにOpenVLA-OFTを適応し、8ステップの並列アクションチャンクで制御するChunkVLA-AMを提案した。実機42回のA-to-B物体移載試験で39回成功し成功率は92.9%となり、軌道予測誤差は平均1.74 mmに低減した。照明輝度85から125の範囲で低誤差を維持し、積層造形の後処理などへ柔軟な自動化の可能性を示した。
本プレプリントは、モデル不確実性と非対称な入力制限のもとで、有限の観測データから出力安全を強制できる指令の可否を判定する証明を開発した。測定スパンに基づく最悪ケースの不確実性上界と、アクチュエータ追従誤差の保証範囲を組み合わせ、実行可能な指令の特徴付けと閉ループ安全を導いた。数値実験では、データ選択により同一サンプル数で証明可能なクエリ割合を1.03%から76.27%へ改善し、厳密パラメータ基準との差を9.99ポイントに縮めた。
FlashDexRetargetは、人間の手と物体のデモンストレーションからロボットの器用な操作データを生成するRLベースのフレームワークである。50モーションのベンチマークで90%の成功率を達成し、評価したサンプリングベース手法の約2.5倍、RLベースのCHORDより約100倍少ない計算コストで済むと報告した。本論文はプレプリントであり、査読済みではない。
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。