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276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
Safe VLA上級

FailBank、ランタイム安全フィードバックを自己進化に変換しVLAの成功率と安全性を同時改善

Mingyue Cui, Zheyuan Liu, Yihan Zhu, Zheyuan Zhang, Meng Jiang

米ノートルダム大学の研究チームは、視覚言語行動モデル（VLA）の実行時安全フィードバックを永続的なポリシー改善に変換するFailBankを開発した。固定CBF教師による観測のみの収集、成果認識付き選別、蓄積型失敗バンク、ガード付きLoRA更新を組み合わせ、VLA-Arena静的障害物スイートで成功率向上とポリシー起因コスト低減を同時に達成した。本論文はプレプリントである。

VLA
論文全文を読む（PDF）
arXiv
Skill Discovery上級

自己対戦ゲームから人間可操作なロボット技能を発見するGGSD、Ant、Franka、Unitree G1で未学習タスクも攻略

Seungeun Rho, Jeonghwan Kim, Xue Bin Peng, Sehoon Ha

GGSDは、単純な1対1ゲームの自己対戦を利用して、人間がキーボード操作できる離散的な運動技能を発見するフレームワークである。本プレプリント論文では、Ant、Franka Arm、Unitree G1環境で、5〜6個の技能が意味的に明確であり、人間が未学習のMazeやCubePushタスクを追加訓練なしで成功率84〜100%で攻略できたと報告した。ゲームが技能学習の軽量なガイダンスとなり、高自由度ロボットの直感的な遠隔操作やキャラクター制御への応用が期待される。

論文全文を読む（PDF）
arXiv
3D Assembly中級

AssemblyWorld: 汎用エージェントで3D組み立てを再考

Jiahao Zhang, Yeying Fan, Moitreya Chatterjee, Suhas Lohit, Bernhard Egger, Tim K. Marks, Anoop Cherian, Stephen Gould

AssemblyWorldは、汎用エージェントが視覚的な対話を通じて3D組み立てをどこまで遂行できるかを評価する対話環境とベンチマークである。最も強いシステムAstraは部品精度80.9%に対して完全組立成功率59.4%を達成したが、完全な再構成にはまだ隔たりがある。本論文はプレプリントであり、査読済みではない。

論文全文を読む（PDF）
arXiv
UAV traffic monitoring中級

渋滞予測に基づくドローン信号制御、検出ベースより短縮効果が約2倍

Samira Hayat, Christian Raffelsberger

ドローン隊が道路網の渋滞を検出・予測し、その報告で信号制御を適応させるマルチエージェントシミュレーションを構築した。渋滞予測に基づく信号制御は検出に基づく場合に比べ、渋滞継続時間の短縮効果が多くのケースで約2倍となり、フリート台数を増やすよりも予測精度の向上が重要であることを示した。本論文は査読前のプレプリントである。

論文全文を読む（PDF）
arXiv
Memory-centric VLA中級

Optimus-R、VLA適応をメモリ中心に再設計し少データ性能を大幅改善

Zaijing Li, Rui Shao, Bing Hu, Haoyu Zhang, Dongmei Jiang, Liqiang Nie

Optimus-Rは、視覚言語行動モデル（VLA）のタスク適応をパラメータ更新ではなく明示的なメモリ操作として定式化するフレームワークである。インラインメモリインタフェースで制御に関連するクエリとスキル表現を抽出し、クエリスキルメモリバンクに外部化することで、限られたデモでの効率的なスキル学習と破滅的忘却の緩和を実現した。本論文はプレプリントであり、LIBEROの30%データで平均成功率を16.5ポイント改善したほか、実機20デモで33.3%の成功率を報告している。

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

PhasePlan、行動チャンク内の将来フェーズ順序を計画しπ0.5の関節誤差を22.5%削減

Xiaoyu Yang, Yafei Zhang, Wensheng Li, Qing Zhan, Nan Wu

PhasePlanはロボット脳モデルの行動チャンク内で将来のタスクフェーズを位置ごとに予測し、その計画表現で各行動を条件付ける手法である。コンベア操作タスクでπ0.5実装を評価し、オフライン関節動作誤差を従来比22.5%削減、手先コマンド精度を93.162%に向上させた。本論文はarXivプレプリントである。

論文全文を読む（PDF）
arXiv
Safety上級

NEUPROが画像から安全述語を学習、解釈可能なロボット安全制御を実現

Zihan Ye, Jiayi Liu, Puze Liu, Jiayun Li, Georgia Chalvatzaki, Jan Peters, Kristian Kersting

本論文はプレプリントである。研究者らは、人間が与える記号的ルールと微分可能推論を組み合わせたNEUPROを提案し、生画像から安全に関わる述語を学習してロボットの安全違反を解釈可能に判定した。実ロボット画像を含むREASONデータセットで7タスク平均精度0.92±0.02を達成し、従来のブラックボックスコスト定式化に代わる再利用可能な安全推論の可能性を示した。

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
Adaptive action horizons上級

SplineWAM、Bスプライン表現でWAMのアクション区間を適応化

Jun Guo, Xiaoshen Han, Qiwei Li, Nan Sun, Peiyan Li, Heyun Wang, Hang Lai, Weinan Zhang, Xinghang Li, Huaping Liu

SplineWAMは世界アクションモデル（WAM）が予測する固定長アクションチャンクを、Bスプラインのノット時刻と制御点に置き換える手法である。アクションチャンキングWAMと比較して、LIBERO-PlusとRoboCasaで成功率を8.2ポイント、4.4ポイント改善し、推論呼び出しを22%と26%削減した。本論文は査読前のプレプリントである。

論文全文を読む（PDF）
arXiv
MAPF上級

地図不確実性下のマルチエージェント経路探索に信念認識型MAGICを提案、実行SoCを96.3%のインスタンスで削減

Viraj Parimi, Shao-Hung Chan, Han Zhang, Jingkai Chen, Brian Williams

SymboticとMITの研究チームは、初期地図の不確実性を共有信念として扱うBelief-Aware MAPFを定式化し、ガウス信念伝播（GaBP）を用いたオンライン推論フレームワークMAGICを提案した。実験では標準MAPFベンチマーク上で最大800エージェント規模まで、既存手法と比較して96.3%のインスタンスで実行コスト（SoC）を削減した。本論文はプレプリントであり、査読済み会議・論文誌への採録は明記されていない。

論文全文を読む（PDF）
arXiv
Canal inspection入門

非侵襲の水路点検を実現するDronar、市販ソナーと無人水上機で堆積土砂を最大15cmの差で検出

Michael Zielinski, Zhizhan Wang, Benjamin Dymond, Reza Razavian, Zhongwang Dou

米ノーザンアリゾナ大学などの研究チームは、市販のソナーと無人水上機（USV）を組み合わせた「Dronar」を開発し、コンクリート水路を排水せずに渠底の堆積土砂を検出する概念実証を報告した。アリゾナ運河での実地試験では、清掃前の水深プロファイルが清掃後より最大15cm浅く、清掃後の繰り返し計測は最大7cm以内で一致した。本論文は査読前のプレプリントである。

論文全文を読む（PDF）
arXiv
UAV Navigation上級

DiffWAM、動画基盤モデルの予測表現から直接UAV軌道を生成

Mo Zhu, Yuze Wu, Xijie Huang, Xiao Cui, Fei Gao, Xin Zhou

DiffWAMは、凍結した動画基盤モデルの中間予測表現と初期フレームの幾何情報から、連続するカメラ軌道を直接復元するナビゲーション世界行動モデルである。本論文はプレプリントであり、DiffWAM-1000で軌道RMSE 0.3492 m、終点成功率74.40%を報告した。将来ビデオの生成と再構築をデプロイ時に省く経路として、UAVナビゲーションの低遅延化と実機展開可能性を示した。

論文全文を読む（PDF）
arXiv
VLA上級

VLAモデルの反事実的失敗は既知軌道の再生、ECTが指示と行動の結びつきを改善

Hung-Jen Chen, Yu-Hsun Hou, Yan-Hong Chen, Yan-Fu Chen, Binghua Cai, Min Sun, Chun-Yi Lee

VLAモデルは分布内タスクで90%超の成功率を示しても、反事実的な変化では誤った行動を選ぶことがある。著者らはこれを「指示と行動の結びつき（instruction-action binding）」と診断し、同指示・異場面・異行動の対照データで学習するEquivariant Counterfactual Training（ECT）を提案した。プレプリントであり、LIBERO-PROでは位置交換成功率を36%から59%に、CALVINでは5タスク連続完了を58%から76%に、実機UR5eでは未見位置の成功を8%から88%に改善した。

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

廊下ナビゲーションにおけるlegibility再考、通過側の動的表現DPLとSMが有効

Pranav Goyal, Andrew Stratton, Christoforos Mavrogiannis

ミシガン大学の研究チームは、廊下を対向で行き交う人とロボットのすれ違い場面を対象に、意図伝達（legibility）の表現方法と人間の注意散漫の影響を2つの被験者実験（各45名）で検証した。通過側を動的に選ぶDPLやSocial Momentumは、非legibleなベースラインや目的地ベースの方法に比べ、人間の平均加速度を低減し、能力評価が高かった。注意散漫下でもSMは人間の加速度低減効果を維持したが、主観評価では差が出なかった。本論文はプレプリントである。

論文全文を読む（PDF）
arXiv
Submovement decomposition上級

Submovement分解の識別可能性を数値化するSub-IDが高密度な手先軌道から運動プリミティブを抽出

Adrian Prados, James Hermus, Ramon Barber, Sylvain Calinon

本論文は、人間の手先軌道を離散的なサブムーブメント（運動プリミティブ）へ分解する手法Sub-IDを提案したプレプリントである。時空間カーネル相関を識別可能性の指標として適応リッジ正則化に組み込み、合成データのK=3、8、15で既存手法が失敗する状況でも真のパラメータ分布を再現し、原理的に分解不能な領域では曖昧さを明示的に検出した。これにより長時間の3次元動作からもサブムーブメントを抽出でき、運動制御研究や模倣学習への応用が期待される。

模倣学習
論文全文を読む（PDF）
arXiv
Egocentric data上級

Ego4WAM、ロボット学習に用いる自己中心視点データの拡張で何が重要かを解明

Zhihao Sun, Liu Liu, Xinjiang Wang, Haoyi Jiang, Wei Feng, Huiqiang Zhang, Xiaosong Jia, Zhizhong Su, Zuxuan Wu

本研究は、ロボット学習のための自己中心視点の人データを拡張する際、人間とロボットの整合性、データ時間とタスク多様性、行動ラベルの有無、学習パイプラインでの使い方が下流性能に与える影響を、統一したWAMフレームワークで体系的に検証した。整合性の高い人間デモは未知環境への汎化を改善しロボットデータ量を削減できる一方、データ時間とタスク多様性は能力ごとに異なる効果を示し、行動ラベルなしの映像のみの事前学習も世界モデルを通じて有効であると報告した。本論文はプレプリントであり、実機ロボットとRoboDojoでのクローズドループ評価に基づく。

論文全文を読む（PDF）
arXiv
Continuum sensing上級

磁気とIMUを融合したモジュール式連続体ロボットの自己姿勢推定、外部カメラ不要で16.7Hz更新

Zheng Cao, Guo Ning Sue, Xiangyun Bu, David Quinn, Junzhe Hu, Carmel Majidi

本論文は、分散配置したIMUと基板コイルによる磁気計測を組み合わせ、外部カメラに依存せず連続体ロボットの三次元形状を推定するモジュール式センシング方式を開発した。4シナリオ20試行でバックボーンRMSE 10.0±3.2 mm、先端RMSE 14.9±6.5 mm、更新レート16.7 Hzを達成し、先端高さの閉ループ制御も実証した。これはプレプリントであり、査読済みとは報告されていない。

論文全文を読む（PDF）
arXiv
Manipulation上級

Dream4ACT、複数ロボットで共有する視覚的アクション表現を導入した映像アクション世界モデル

Xiangyu Zhu, Jin Xu, Yue Guo, Xin Wu, Yifan Sun, Xiancong Ren, Jianxin Sun, Yong Dai, Xiaozhu Ju

Dream4ACTは、異なる関節構成を持つロボットの目標関節状態を固定形状の多視点画像群であるアクションビューとして表現し、映像拡散モデルでRGB観測と統合学習するプレプリントである。RoboTwin 2.0では平均88.98%の成功率、TriWorldBenchでは65.66点を達成し、4種類の実機プラットフォームで同一チェックポイントによる操作を報告した。学習済みのロボット固有アクションデコーダを不要にする点が重要である。

論文全文を読む（PDF）
arXiv
Soft Pneumatic Actuators上級

TO-mdiSPAs：トポロジー最適化による多方向ソフト空気圧アクチュエータの設計

Swagatam Islam Sarkar, Prabhat Kumar

本研究は、任意の3次元方向へ曲がるソフト空気圧アクチュエータ（SPA）をトポロジー最適化で自動設計する手法TO-mdiSPAsを提案した。Darcy則と排水項で設計依存の圧力荷重をモデル化し、3フィールドのロバスト最適化を適用した。数値シミュレーションでは、最適化した3本アーム構成が複数方向への屈曲と把持動作を示した。査読前のプレプリントである。

論文全文を読む（PDF）
arXiv
Underwater active mapping中級

カメラとソナーの融合による水中ごみのアクティブマッピング

David Rete, Patrick Boros, Lucian Busoniu

前方ソナーとカメラを共有ベイズ占有格子地図に融合し、不確実な領域の探索と物体候補の活用を両立する次善視点選択を行う水中ごみのアクティブマッピング手法を提案した。MARUSシミュレータ上で、固定の芝刈りパターンより全11物体を走行27 mで発見し、単独センサより約2倍高速に全物体を発見した。本論文はプレプリントである。

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。