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72本
テーマすべてManipulation 27VLA 22Perception 12Robotics 11Navigation 10Humanoid 9Learning 8Safety 5World Action Models 4Simulation 3Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 2World models 2World-action model 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 1Aerial 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 1Continuum sensing 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 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 1Imitation Learning 1JEPA World Models 1Lab automation 1Laboratory Manipulation 1Latent World Models 1Legged Manipulation 1LiDAR Security 1Lifelong RL 1Locomotion 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 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 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
arXiv
Adaptive intervention中級

UniIntervene++、実世界強化学習の介入を適応制御し成功率89.67%と人手介入0.77%を達成

Yudong Lin, Haoyuan Deng, Zhuoxuan Yuan, Zaijia Yang, Yuanjiang Xue, Ziwei Wang

arXivプレプリントである。UniIntervene++はオンライン強化学習中に自律実行と軌道修正およびCodePolicyの間で制御を割り当てる介入エージェントを学習する。5つの実世界操作タスクで平均成功率89.67%、人手介入率0.77%を達成し、最良ベースラインより成功率6ポイント高く、人手介入を相対94.6%削減した。

RL
論文全文を読む（PDF）
arXiv
Manipulation中級

自律デモ生成と高密度言語教師でフロンティア推論をロボット実行へ、GPT-6 AstraとOpenPI π0.5の統合を評価

Bosung Kim, Alexander Trevithick, Ruiyi Wang, Prithviraj Ammanabrolu

本論文は、フロンティアモデルの推論を低遅延のローカルポリシーに橋渡しする2つの手法を提案した。GPT-6 Astraに修正デモセグメントを文脈に与えて自律的に操作軌道を生成し、OpenPI π0.5ポリシーを訓練する。さらに、同じデモをプリミティブ、アトミック、コンポジットの3粒度と複数表現で教師することで、長期的タスクでの指示追従を改善した。プレプリントである。

論文全文を読む（PDF）
arXiv
Contact-rich Manipulation中級

RATE、リスク対応触覚エンコーディングで接触リッチ操作を改善、パラメータ更新は0.59%

Yuyao Jiang, Haichao Liu, Jiarui Zheng, Zihan Ding, Weihao Yuan, Ziwei Wang

RATEは、接触リッチなロボット操作向けにタスク条件付きリスクを触覚表現へ埋め込む枠組みである。シミュレーション8タスクで平均成功率71.8%、実機3タスクでいずれも最高のタスク成功率と接触安全成功率を達成した。本論文はプレプリントである。

触覚センシング
論文全文を読む（PDF）
arXiv
Manipulation中級

AdaTempo、デモの相対テンポを学習しロボット操作を最大3.57倍に高速化

Jiale Cao, Yike Niu, Zhengrong Xue, Huazhe Xu

AdaTempoは、複数の遠隔操作デモに共通する相対的な速さの分布を教師信号として、模倣学習ポリシーの実行を加速するオフライン手法である。デモを位相整合し、相対テンポの合意を連続的な加速プロファイルへ変換して学習軌道を再サンプリングする。シミュレーション5タスクと実機6タスクで最大3.57倍の高速化を達成し、成功率と速度のトレードオフを改善した。本論文はプレプリントである。

模倣学習
論文全文を読む（PDF）
arXiv
VLA evaluation中級

ManiPhysicsBenchが物体保全を物理ベースで評価、既存VLAはタスク成功と安全成功に大きな差

Sangwu Park, Yeonjun In, Wonjoong Kim, Sungwon Kim, Sein Kim, Chanyoung Park

ManiPhysicsBenchは、物体の材料特性と3DメッシュをまとめたManiPhysicsZooと、把持時の接触力から損傷閾値を計算するソルバー評価を組み合わせ、LIBEROとSimplerEnv上でVLAの物体保全を評価するベンチマークである。公開VLAチェックポイントを評価したところ、タスク成功率に対して安全成功率は大幅に低く、把持コマンドは全開か全閉に集中していた。物体固有の連続グリッパーラベルで再学習すると安全成功率は向上したが、タスク成功率は低下した。これはプレプリントである。

VLA
論文全文を読む（PDF）
arXiv
Traversability中級

言語事前知識から現場適応へ：vMFプロトタイプ選好学習による走行可能性推定

Simon Schwaiger, David Seyser, Alessandro Scherl, Zlatan Ajanović, Wilfried Wöber, Gerald Steinbauer-Wagner

本論文は、凍結した視覚言語モデル（VLM）特徴空間上で走行可能性をフォン・ミーゼス・フィッシャー混合プロトタイプとして表現し、LLM生成の言語ルールで初期化後に少数の相対画像アノテーションで微調整する手法を提案した。WayFASTデータセットで同じアノテーション量のエンドツーエンド学習と競合する精度（HDR0.5=21.8%）を達成し、低データ領域で言語事前知識によるサンプル効率改善を示した。プレプリントである。

論文全文を読む（PDF）
arXiv
World models中級

DeltaWorld、動作条件付き潜在増分で物理的に整合的な操作世界シミュレータを実現

Boyuan Hou, Xiaoge Cao, Chaofan Zhang, Shuo Wang, Shaowei Cui

本論文はプレプリントである。DeltaWorldは、ロボット操作映像の将来予測において、次の潜在状態全体ではなく動作が引き起こす潜在変化を予測するDelta-LTMと、ロボットと物体の相互作用領域を強調するInteraction-aware Latent Alignmentを導入した世界シミュレータである。独自収集のクロスロボットデータセットでIWS比FVDを46.6%、LPIPSを31.1%削減し、長距離の動作条件付き映像予測の一貫性を改善した。

ワールドモデル
論文全文を読む（PDF）
arXiv
Adaptive MPC中級

LLA-MPCを組み込み機に実装、F1TENTHで数千並列モデルによる高速適応制御を実証

Henry Z. Liao, Maitham F. AL-Sunni, John M. Dolan

本論文は、学習不要の適応MPCであるLook-Back and Look-Ahead Adaptive Model Predictive Control（LLA-MPC）を汎用実装し、F1TENTHプラットフォーム上で実機検証したプレプリントである。組み込み計算機上で5000個以上の候補モデルを並列に評価してタイヤパラメータをオンライン同定し、低摩擦路面や路面変化を含む高速追従タスクで固定名義モデルが失敗する条件でも走行を継続できた。名義モデルが3周目にクラッシュしたタスクでLLA-MPCは8周以上、別タスクでは名義1周に対してLLA-MPCは6周以上完走した。

論文全文を読む（PDF）
arXiv
Humanoid RL中級

報酬ハッキングの先へ：人型ロボット学習パイプライン4層の代理指標乖離を分析

Arunabh Bora

本論文はarXivプレプリントであり、査読済みではない。著者はシミュレーション上の1.91m人型ロボットでPPO方針を4段階13,500イテレーションにわたり成長させ、報酬、カリキュラム、評価統計、参照動作の4層それぞれで代理指標が目標から乖離する機構を示し、各層の再定式化を提案した。平均誤差ゲートが主関節の約59度の失敗を見逃した事例や、同期リセット評価が0.5m/sの押しを2.0m/sより危険と誤判定した事例を報告している。追加学習なしで実装できる監査チェックリストとして実務に寄与する。

Humanoid
論文全文を読む（PDF）
arXiv
Visuomotor Fusion中級

RRDF、視覚と固有受容の融合経路を遮断して模倣学習の視覚応答性を改善

Jieting Long, Weidong Cai, Weiming Zhi

本論文はプレプリントである。視覚運動模倣ポリシーにおいて、コンパクト信号から視覚トークンへの直接的な注意を遮断し、学習済みレジスタを介して遅延融合するRegister-Routed Delayed Fusion（RRDF）を導入した。5つのシミュレーション課題と3つの実ロボット課題で通常条件の性能を維持または改善し、外観変化や物体位置変化の評価ではRRDFが高い成功率を示した。

論文全文を読む（PDF）
arXiv
Object Pose Estimation中級

RYOPO、カテゴリレベル物体姿勢推定をリアルタイム化するエンドツーエンドRGB-Dセット予測器

Hakjin Lee, Junghoon Seo, Jaehoon Sim

本論文はプレプリントである。著者らは、外部のインスタンス分割や物体ごとのクロップ処理を排したエンドツーエンドのRGB-Dセット予測器RYOPOを開発した。NOCSのCAMERA25とREAL275で姿勢推定APを大幅に向上させ、HouseCat6Dでも二段階手法に匹敵する性能を示し、RTX A6000上でフルフレーム姿勢推定を31.8FPSで実行した。

論文全文を読む（PDF）
arXiv
Laboratory Manipulation中級

化学実験向け生成シミュレーション基盤RoboChemGym、最長11動作のプロトコル準拠デモを自動合成

Chenxi Li, Haiyuan Wan, Rui Li, Jingyuan Li, Sha Zhang, Bohan Feng, Jianbao Cao, Zhangrui Zhao, Di Hu, Wangmeng Zuo, Shixiang Tang, Minting Pan, Dongzhan Zhou

上海AI実験室などの研究チームは、テキストの化学実験プロトコルから高精度なロボット操作デモを自動生成するシミュレーションフレームワークRoboChemGymを開発した。最長11原子動作のタスク生成成功率はクリーン設定で52.3%、ランダム設定で47.5%に達し、生成データでπ0を学習させると実機タスクの成功率が平均23.3ポイント向上した。本成果はプレプリント段階である。

論文全文を読む（PDF）
arXiv
VLA中級

MixVLA、非不変情報の適応混合でVLAのゼロショット汎化を改善、LIBERO-Plusで76.2%

Pingrui Zhang, Yu Zhang, Pengyuan Wu, Bin Wang, Haoming Song, Xianqiang Gao, ZhaxiZhuoma, Zhigang Wang, Dong Wang, Bin Zhao, Xuelong Li

MixVLAは、視覚言語行動モデルのゼロショット汎化を高めるモデル非依存の学習フレームワークである。情報ボトルネックと重み減算で不変表現と非不変表現を分離し、非不変特徴を適応混合してから行動予測に統合する。LIBERO-Plusで76.2%、RoboTwin 2.0のC2Rで62.4%を達成し、実機照明変化でもπ0.5の20%から60%へ改善した。本論文はプレプリントである。

VLA
論文全文を読む（PDF）
arXiv
Vision-Language Navigation中級

GeoScaffoldが訓練時のみの幾何学スーパービジョンでRGBのみのVLNを高速化

Yixuan Jiang, Wentong Li, An Liu, Zihao Xin, Fulin Tang, Cong Leng, Yang Gao, Jian Cheng

GeoScaffoldは、視覚言語ナビゲーション（VLN）向けに、深度、接続性、通行可能性を訓練時のみ再構成させることで、推論時にはRGBと言語だけで空間認識を獲得する手法である。本論文はプレプリントであり、R2R-CEおよびRxR-CEで既存の視覚のみナビゲータを上回り、4BモデルがRTX 4090上で1フレーム81 msと高速である。推論時に深度センサや3Dエンコーダを必要としないため、エッジデバイスへの展開に有用である。

論文全文を読む（PDF）
arXiv
Curriculum RL中級

双方向Voronoiバイアス探索カリキュラムBVER、参照なしで疎報酬タスクを高速習得

Juri Pfammatter, Kaixian Qu, Clemens Schwarke, Victor Klemm, Marco Hutter

ETH Zürichらの研究チームは、報酬が疎なゴール条件付き強化学習向けに、開始状態とゴールを双方向から拡張するカリキュラムBVERを開発した。シミュレーションの迷路、四足ロボットの箱登り、ロボットアームのリング移動で、参照軌道を使わない既存カリキュラムより速く学習し、0.7mの箱登りは参照なし手法で唯一成功した。本論文はプレプリントであり、査読済みとは報告されていない。

RL
論文全文を読む（PDF）
arXiv
Sim-to-real manipulation中級

SARI、接触リッチ操作の空間カバレッジと接触物理を分離してシミュレーションと実機を共学習

Xingxin He, Yuxuan Jiang, Haonan Zhang, Chuhan Cui, Kaile Li, Zhongxing Zheng, Caihao Xu, Ziqi Wang

本研究は、接触リッチ操作タスクを自由空間アプローチと接触インタラクションに分け、前者をフォトリアルなデジタルツインで、後者を少数の実機デモで収集するSARIを提案した。カメラ相対行動表現でπ0.5をポストトレーニングし、5つの実タスクで未見配置の完了を達成し、ランプタスクでは実データ収集時間を34.3%削減して未見配置成功率27.5%を記録した。本論文はarXivプレプリントである。

VLA
論文全文を読む（PDF）
arXiv
Fisheye detection中級

FUSEye、魚眼画像向け物体検出を凍結バックボーンで改善、YOLO26-xのmAP50を14.80から26.61に向上

Wenya Su, Kai Luo, Di Wen, Ruiping Liu, Yufan Chen, Junwei Zheng, Kunyu Peng, Kailun Yang

FUSEyeはCOCOで事前学習したYOLO26-xのバックボーンを凍結したまま魚眼カメラ画像向けに適応させる学習軽量フレームワークである。WoodScapeのMVR評価分割でmAP50を0.148から0.266に改善し、完全ファインチューニング精度の84.3%を維持した。本論文はプレプリントであり、査読済み採録は確認されていない。

論文全文を読む（PDF）
arXiv
Object Search中級

LOCUSが空間グラフで同一クラスの容器を判別、隠れた物体の探索コストを24%削減

Taylor Bergeron, Shibani Senthilbabu, Kevin Leahy

物体が容器内に隠れている場合に、同じ種類の引き出しなど複数容器のどれを開けるかを順位付けする手法LOCUSを開発した。シーングラフ上のGNNでCLIP埋め込みを空間的文脈により更新し、iTHORシミュレーションで開封コストを示すECO/Nを0.257とし、ランダムやCLIP、TidyBot、LLMプランナーを上回った。同一クラス容器のインスタンス単位判別を初めて可能にしたプレプリントである。

論文全文を読む（PDF）
arXiv
Construction navigation中級

CORNAV、2D設計図と工程表を統合し建設現場の制約を踏まえたロボットナビゲーションを実現

Parastoo Ali Pour, Deepak Prakash Kumar, Tommy Zhou, Pramod Khargonekar, Mohammad Abdullah Al Faruque

本研究はプレプリントである。CORNAVは、BIMを必要とせず2D CAD図面と工事工程表から、建設現場の時間変化する安全制約をナビゲーションに反映するフレームワークである。設計図に基づく物体位置の特定によりタスク成功率を13.0%から72.2%に引き上げ、工程表の利用でハード進入違反を0件にし、LLM安全検証が誤った工程表ラベルによる危険要求を正しく拒否した。

論文全文を読む（PDF）
arXiv
Dexterous Manipulation中級

DexJoCo-X、7ハンド6タスクで行動表現を比較しFAASとNativeが拮抗

Xiangwei Jiang, Yao Mu, Lixin Duan, Wen Li

本論文（プレプリント）は、7種類の器用ハンドと6タスク、2100件のデモンストレーションからなるベンチマークDexJoCo-Xを構築した。同一条件でNative、FAAS、DexLatentの3つの行動表現をBeing-H0.5で比較し、FAASが平均47.7%、Nativeが47.0%、DexLatentが33.1%の成功率を報告した。行動表現の効果は事前学習やアーキテクチャと一体で評価すべきだと示した。

巧緻操作
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 5Aerial 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。