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。
UCLAの研究チームは、Opentrons Flexのデッキ準備を外部Webカメラで検証する受動的AIシステム「Labware Setup Checker」を開発した。本プレプリントでは、RVP前PCRデッキ準備で完全一致を要する348回のラボウェア分類の95.1%がプロトコル参照と一致し、遮蔽、カメラ位置、照明を変えた試験でもスロット割り当ては100%、分類一致率は97.73%だったと報告している。ロボットのハードウェアやファームウェアを変更せず、ローカルCPUで中央値2.10秒、AWS配備で4.24秒の検証を実現した。
arXivプレプリントとして公開されたEyeRobot 2.0は、1台の固定ステレオカメラだけを用い、視線を3D注視点へ物理的に向ける能動視覚注視によって微細なバイマニュアル操作を可能にする枠組みである。実機1000試行超とシミュレーション1800試行で評価し、受動ステレオ比で実機40%、シミュレーション20%改善し、手首カメラが遮蔽される作業では成功率を2倍以上に高めた。手首カメラの制約を回避する単一カメラ代替手段として重要である。
本論文はプレプリントである。マルチエージェントの協調ナビゲーションでTransformer方策を訓練し、エージェント順序の置換に対する頑健性と行動の多様性を同時に評価する手法を提案した。低い置換誤差でも全エージェントが同一行動を選ぶ行動崩壊が起きることを示し、PPO-IDベースラインに対して弱い同変性正則化がN=3では頑健性を改善する一方で多様性を低下させること、N=4では同じ係数が完全崩壊を招くことを報告した。
Neuromekaの研究チームは、仮想バネ、平面、レールの3つの原始的な相互作用から固有受容反射ポリシーをシミュレーションで学習し、上位制御器の下に置く凍結した実行層として使う手法をプレプリントで報告した。この反射層は力や幾何を直接観測せずに、双腕ボックス持ち上げ、ペグ挿入、表面追従で接触力を抑制し、0.02 mm公差の実機ペグ挿入では成功率を最大22%から36〜58%へ高めた。不完全な指令や形状誤差があっても接触を利用した実行を堅牢化できる点で重要である。
Skill2Realは、シミュレーションで検証済みの再利用可能な操作スキルを階層的に学習し、実ロボットへ追加学習なしで転移するエージェント型フレームワークである。LIBERO-Pro Longでは成功率を2.0%から56.3%へ、実機UR5eでは平均完了率を27.50%から78.75%へ引き上げた。本論文はプレプリントであり、査読済み採録は報告されていない。
ロボットの残りの関節経路を弧長パラメータ化したBスプライン係数で表すプロプリオセプティブスケッチと、実行可能な短期的行動チャンクを単一のトランスフォーマーデノイザーで同時生成するProprioceptive Action Models（PAM）を提案した。シミュレーションのPush-TとLIBERO-Longで行動のみのベースラインを上回り、実機の双腕4タスクでは成功率を47.5%から75.0%に向上させた。本論文は査読の記録がないarXivプレプリントである。
本研究は、World Action Models（WAM）が視覚的に妥当で行動とも整合するもののタスク完了に必要な遷移を省く「task-incomplete imagination」を抑える学習不要のサンプリング手法Completion Aware Guidance（CAG）を提案した。CAGはDreamZeroとFast-WAMで平均成功率をRoboTwin 2.0の一部タスクで64.4%から70.0%に、ゼロショットシミュレーションで69%から75%に向上させ、失敗ロールアウトに占めるtask-incomplete imaginationの割合を79%から40%に低減した。本論文は査読前のプレプリントである。
本研究は、フィードフォワード型ストリーミング再構成モデルLoGeRにループ閉じ込み機構を追加したCLoSeRを提案した。VBR、KITTI、Oxford Spires、DROID-Wの各ベンチマークでATEを大幅に低減し、特にVBRでは平均ATE RMSEを11.15mに抑えた。本論文はプレプリントであり、査読を受けていない。
本論文はプレプリントである。ヒューマノイドのアクロバット動作中に基準軌道から外れた際、名目追従、足からの着地を狙う中止、頭部と手を守る保護転倒の3方針から、短い将来の生存可能性を予測して最も野心的で生存可能な方針を選ぶVAPSを提案した。シミュレーションではUnitree G1とLimX Oliで頭部接触と手部接触を大幅に低減し、実機LimX Oliでもサイドフリップで検証した。
ETH Zurichなどの研究チームは、歩行者中心環境向けの3Dマルチオブジェクト追跡を評価する展開重視プロトコルを提案した。JRDBデータセットと共通検出入力を用い、初期化、検出ギャップ継続、ID回復、近接誤対応、組込みランタイムを個別評価し、類似HOTAでも能力プロファイルが大きく異なることを示した。本論文は査読前のプレプリントである。
OpenRUAは、既製のコーディングエージェントにロボットのネイティブROS 2インターフェースへの端末アクセスのみを提供するゼロ抽象化ハーネスである。プレプリントとして発表され、シミュレーション評価でCaP-Bench 99.0%、LIBERO-PRO 87.0%の成功率を達成し、専用プリミティブや学習済みポリシーなしでゼロショット視覚運動ポリシーとして機能することを示した。エージェントは自律的に画像処理や力学計測、運動制御プログラムを生成し、ロボット操作の柔軟性と汎化性を高める点が重要である。
本研究は、LiDARと視覚の補完情報から建築用ガラスの平面を再構成し、ナビゲーション地図に統合するフレームワークGlassGuardを開発した。9シーン、総走行2.1kmの実機評価で、パノラマ版がガラス被覆率85%、ピンホール入力版が82%を達成し、比較手法の最大61%を上回り、誤占有ボクセルを1フレームあたり5〜17分の1に低減した。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。
FedCKAは、層ごとのCKA類似度に基づき、どの層をグローバル集約し、どの層をクライアントごとに個人化するかを学習中に自動決定する連合3D物体検出手法である。nuScenes由来の場所、天候、照明が異なる5ドメインのベンチマークで、平均NDSを0.63とし、最強の既存ベースラインであるFedMCの0.56を7ポイント上回った。本論文は査読済みと明記されていないプレプリントである。
HumanoidToolBenchは、人型ロボットが適切な道具を選び、把持し、静止または移動しながら使う18タスクのベンチマークである。Unitree G1による3,094件のデモ（ToolBook）を収集し、シミュレーションで7方策、実機で3方策を評価した。道具選択とタスク完了の間に大きなギャップがあり、未知ツールでは選択精度が低下し、無関係な指示でも実行を続ける傾向が確認された。本論文はプレプリントである。
PROMOは、追従、安定性、エネルギー効率の3つの意味的目標を実行時の選好ベクトルで切り替えられる四足歩行ロボット用の強化学習フレームワークである。本論文はプレプリントであり、査読済み採録は報告されていない。シミュレーションでは100の選好で平均選好と目標の相関が0.843、実機のUnitree Go2ではゼロショット転送後に選好変更のみでエネルギー消費を最大30.4%、位置誤差を最大38.7%、姿勢偏差を最大59.0%削減した。
Recovaは、操作タスクの実行と失敗からの回復を別々のポリシーとして学習するエージェント誘導型フレームワークである。デジタルツインで障害を探索して回復スキルを獲得し、実機で検証と追加学習を行う。プレプリントとして報告された評価では、LIBERO-Proで78.8%、MolmoSpacesで64.9%の平均成功率を達成し、実機4タスクでは回復スキル併用で87.5%に達した。
本研究は、関節ごとの余寿命（RUL）をRRT*のコスト関数に組み込むRUL-Aware RRT*を提案した。オンラインでRULを更新し、劣化した関節の動作を抑える適応重み付けにより、シミュレーション上のUR5で最弱関節の寿命回復率が不均一劣化シナリオで最大29.2%、局所劣化シナリオで初回故障までのタスク数が48%から56%延びた。本論文はarXivプレプリントであり、査読済みの採録は確認されていない。
本論文はarXivプレプリントである。研究者らはSpineGuardの電気バイオインピーダンスセンサを備えた椎弓根ドリルとロボットアームを組み合わせ、リアルタイム逸脱検出アルゴリズムを開発した。新鮮ブタ椎骨51例のex vivo実験で脊髄管穿孔前に全例停止し、Gertzbein-Robbins分類でAまたはBに収まった。
本稿は査読前のプレプリントである。スクーバタンクに装着する小型ロボットRADMCSを開発し、単眼距離推定とスラスタによる触覚フィードバックで壁や構造物との距離維持を支援する。8名のダイバーを対象にIRB承認の水中試験を行い、最大推力の約10%という低推力で方向指示を知覚できることを確認した。既存の外骨格より低コストで低侵襲な解決策を示した。
DuoMindは、各ロボットにVLMオーケストレータとVLA行動モデルを搭載し、自然言語による意味通信で分散マルチロボット協調を可能にするフレームワークである。RoboPolyとRoboTwinのシミュレーション評価で、多くのタスクでVLA単独より成功率を向上させた。本論文はarXivプレプリントであり、査読付き会議や論文誌への採録は報告されていない。
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。