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
World-action model上級

Magic-W0、構造化世界・行動基盤モデルがRoboDojoでWAM最高スコア、実機成功率94.6%

Xuhua Chen, Zhenhan Yin, Yuan Zhang, Lingfeng Zhang, He Zheng, Tong Mu, Shun Zuo, Dian Zhou, Di Wu, Xuan Zhou, Shaojie Wan, Rongtian Shen, Qiulong Xu, Yiduo Li, Yinglong Wang, Yanqian Wang, Kun Wang, Tao Zhang

Magic-W0は、ロボット操作のための構造化世界・行動基盤モデルである。現在状態、行動による遷移、未来状態を明示的にモデル化し行動生成と双方向に結合し、RoboDojo-SimでWAM中最高の平均Score 27.10、実機5タスクで平均成功率94.6%を達成した。本論文は査読前のプレプリントである。

Physical Intelligence
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
Aerial Manipulation上級

局所全身VLAをシーン規模空中マニピュレーションへ拡張、MPARで実測進捗に整合

Weixiang Guo, Rui Jin, Haotian Jin, Xinhang Xu, Ruiyang Liu, Haoran Zhao, Yi Wang, Weiqi Gai, Kun Cao, Lihua Xie

本研究は、多関節空中マニピュレータ向けに、合成データで学習した局所全身VLA行動をシーン規模ミッションに合成するフレームワークを提案した。主要な結果として、シミュレーションでのマルチサイト任務成功率42.0%、500ms遅延下でのMPARによるテイクオーバー位相誤差の中央値0.212秒削減、実機での多関節UAM検証を報告した。本論文は査読済み採録が明記されていないプレプリントである。

VLA
論文全文を読む（PDF）
arXiv
Preference Learning上級

PrefPI、相対選好のみで事前学習済み生成方策を初期分布外の行動へ段階的に誘導

Seungeun Rho, Wontaek Kim, Danfei Xu, Sehoon Ha

PrefPIは、事前学習済み生成ロボット方策を、自己生成軌跡に対する相対選好のみで初期方策の有効サポート外へ誘導する反復フレームワークである。実機では150件の選好ラベル付き軌跡で物体搬送高さを10.7cmから19.8cmに高め、成功率90%以上を維持した。本論文は査読前のプレプリントである。

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

NavHarness、適応的ゴールと検証でVLN成功率を向上、実機で83.3%を達成

Haoxiang Shi, Zaijing Li, Muhe Ding, Xiang Deng, Yaowei Wang, Liqiang Nie

NavHarnessは、視覚言語ナビゲーション（VLN）向けのエージェントフレームワークであり、適応的な局所ゴール生成とゴール特有の完了検証、検証済み進捗に基づくマルチモーダル記憶圧縮を組み合わせた。シミュレーションのR2R-CEで成功率79.0%、RxR-CEで82.5%を達成し、同一バックボーンのCodex CLIを上回った。実機のUnitree Go2でも成功率83.3%、ナビゲーション誤差1.51mを報告した。本論文はプレプリントである。

論文全文を読む（PDF）
arXiv
Floorplan SLAM上級

MVP-SLAM、床プラン事前情報でドリフト補正する複数カメラ視覚慣性SLAM

Asier Bikandi-Noya, Miguel Fernandez-Cortizas, Muhammad Shaheer, Holger Voos, Jose Luis Sanchez-Lopez

ルクセンブルク大学の研究チームが、建設現場向けに2台の魚眼カメラとIMUのみで動作し、設計図の床プランを逐次統合してドリフトを補正するオンラインSLAM「MVP-SLAM」を発表した（査読前プレプリント）。Hilti–Trimble SLAM Challenge 2026のLocalizationタスクで22チーム中2位（平均RMSE 0.29m）、SLAMタスクで62チーム中5位（0.24m）となり、オンラインで床プランを統合し位置特定する手法としては両タスクで首位だった。床プランをカメラのみの視覚慣性SLAMにオンラインで組み込み、軌跡構築中に補正できる点が重要である。

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

膜結合8x8デルタアレイがアクチュエータ間隔以下の物体を操作、DCT方策で実機成功率76%

Bailey Dacre, Andrés Faíña, Oliver Kroemer, Zeynep Temel

8x8の3自由度デルタロボット64台の先端を伸縮性膜で結合し、離散接触を連続面に変換した。15mmから90mmまで、アクチュエータ中心間距離43.3mmをまたいで単一面上で操作でき、低次離散コサイン変換係数に作用する方策は実機に適応なしで76%の成功率を示した。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
Aerial manipulation上級

移動式コンプライアントアンカーで吊り荷の受動剛性を成形するケーブル懸架空中マニピュレーション

Antonio Franchi, Amr Afifi

本プレプリントは、ケーブル懸架空中マニピュレーションの航空機を移動式コンプライアントアンカーとみなし、重力平衡点での受動並進剛性を予測し成形する準静的理論を構築した。各脚ではアンカー剛性とケーブルの横方向幾何剛性が直列に、脚同士は並列に合成され、等方アンカー剛性では仮想弾性ケーブルに等価となる。動的検証フレームワークは定義されたが、数値結果は報告されていない。

論文全文を読む（PDF）
arXiv
Multi-UAV State Estimation上級

機敏な視覚ベース複数UAV飛行に向けた状態推定の再考

Michal Pliska, Matouš Vrba, Ondřej Víta, Martin Jiroušek, Viktor Walter, Martin Saska

本論文はプレプリントである。視覚検出器が与える機体傾斜情報を推力方向の観測として統合し、隣接UAVの速度と加速度を低遅延で推定する手法を提案した。2件の実データセットと1件のフォトリアリスティックシミュレーションデータセットで評価し、位置のみの推定に比べ速度誤差平均40%、加速度誤差平均57%を削減した。閉ループのリーダー・フォロワーシミュレーションでは、提案手法が2gを超える横方向機動の追従を可能にした。

論文全文を読む（PDF）
arXiv
VLA中級

ChunkTrust：アクションエキスパートの手がかりでロボット方策の実行ホライズンを適応的に決める

Fanding Huang, Jingyan Jiang, Shifeng Bao, Mingkang Pu, Shiwei Li, Jing Xu, Shijia Xu, Guanbo Huang, Chenghao Gu, Yuzhi Huang, Chenxin Li, Faisal Nadeem Khan, Huan Yang, Yan Wang, Cheng Chi, Zhi WangTsinghua University, Beijing Academy of Artificial Intelligence (BAAI), Renmin University of China, Shenzhen Technology University, Hefei University of Technology, Jiangnan University, Chongqing University, The Chinese University of Hong Kong

ロボットAIモデルは先の動作をひとまとまりで予測するが、そのうち何ステップを実行してから周囲を見直すかは、これまで技術者が固定値で決めることが多かった。清華大学や北京智源人工知能研究院（BAAI）などによる今回のプレプリントは、この値を動作中に自動で選ぶ追加モジュールを示し、Physical IntelligenceとNVIDIAの既存モデルを再学習せずに、シミュレーションと実機の双腕ロボットで成功率を高めた。

VLAロボット基盤モデル模倣学習
Physical IntelligenceNVIDIA
論文全文を読む（PDF）
arXiv
Autonomous Exploration上級

GPU加速のDepth Buffer方式で経路依存限界情報利得を実用化、探索時間を最大30%短縮

João Félix Mendes, Rodrigo Ventura, Meysam Basiri

本研究は、サンプリングベース自律探索で候補経路の情報利得を評価する際、視点間の観測重複を考慮した経路依存限界情報利得をGPU上でDepth Bufferと深さ順評価により高速計算する手法を開発した。プレプリントである。厳密なボクセルハッシュマップ法と比べ5〜10%の過大評価に収めながら、デスクトップGPUで最大118倍、Jetson Orin NXで最大28倍の高速化を達成した。RH-NBVPとAEPに統合し、シミュレーションの6条件中5条件で95%被覆到達時間を短縮し、実機UAVでも95%到達時間を30%短縮した。

論文全文を読む（PDF）
arXiv
Model-based RL上級

PL-MPCがTD-M(PC)2にMTDとATEとRADを追加、HumanoidBenchの高難度タスクで平均報酬を大幅改善

Kowndinya Boyalakuntla, Yuhan Liu, Abdeslam Boularias

プレプリントとして公開された本研究では、TD-M(PC)2を基盤に、批評家の学習目標を多段階化するMTD、計画時の終端価値に不確実性ペナルティを加えるATE、実現報酬で重み付けした模倣を行うRADを組み込んだPL-MPCを提案した。HumanoidBenchのbalance-hardでTotal Average Returnが98±18から387±255へ、hurdleで199±13から466±200へ向上し、実機のKUKA IIWA14によるレンチとナットの位置合わせでもTD-M(PC)2を上回る成功率を報告した。

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

Markovian Dynamics Enforcerが学習ダイナミクス多様体上で実行可能性を保つ補正

Kevin Yu, Tao Guo, Constantinos Antoniou, Panagiotis Angeloudis

本論文はプレプリントである。神経軌道予測器の出力に対して、観測されない制御入力を推定し、既知物理モデルと学習残差を組み合わせたダイナミクスで状態を再計算する後付け補正演算子Markovian Dynamics Enforcer（MaDE）を提案した。シミュレーションでは完全指定系でダイナミクス残差をほぼゼロにし、実車両軌道データでは生予測の既知モデル残差0.1703から0.1714を0.0071から0.0072に低減した一方、平均変位誤差は1.57倍から1.83倍に増加した。動的実行可能性と不等式制約を予測器の再学習なしで改善できる点が重要である。

論文全文を読む（PDF）
arXiv
Terrain traversability上級

検証ゲート付き継続学習で四脚ロボットの地形走破性を予測、履歴忘却を23.1%低減

Luca Bricarello, João Carlos Virgolino Soares, Alberto Sanchez-Delgado, Fulvio Mastrogiovanni, Claudio Semini

本論文は、四脚ロボットが未踏地形で得た接触指標を、DINOv3の視覚特徴から不確実性付きで予測する継続学習パイプラインを提案したプレプリントである。逐次的な実機データストリームで、履歴検証ゲート付きリプレイはゲートなしリプレイに比べ最終アンカーNLL劣化を23.1%相対低減し、新地形への適応はほぼ同等だった。この手法は、地形の見た目ではなくロボット自身の接触応答に基づく走破性評価を可能にする点で重要である。

論文全文を読む（PDF）
arXiv
Real-time VLA上級

VLA推論を10ステップから2ステップへ、段階依存の非一様Flow Denoisingで61.6msを22.0msに短縮

Di Wu, Rongtian Shen, Ping Liu, Yan Shen, Zhenhan Yin, Shun Zuo, Xuhua Chen, He Zheng, Lingfeng Zhang, Jianglin Zhang, Tao Zhang

このプレプリントは、VLAのモデル推論とロボット実行系の遅延を実測し、Flow Matchingの速度場が終端付近で方向補正に集中することを示した。その上で標準の10NFEから2NFEへ削減する2段階非一様デノイジングを提案し、推論時間を61.557msから21.956msに短縮した。双腕Tシャツ折りタスクで6種類のリアルタイム実行手法を比較し、学習ベースではLegato、学習不要ではTemporal Smoothingが最高で、2段階推論を組み合わせると推論コストは大幅に減るが成功率は小幅に低下した。

VLA
論文全文を読む（PDF）
arXiv
Text-to-3D Policy中級

T3DPが未見仕様の汎化を改善、言語と3D行動の局所アライメントで成功率向上

Xinhao Yang, Wenhao Wu, Ning Lv, Yanshen Ding, Zhenhong Sun, Daoyi Dong, Chunlin Chen, Zhi Wang

本プレプリントは、3Dビジオモータポリシーが学習時に見ていない細粒度な行動仕様を言語から実行する問題に取り組み、T3DPと呼ぶ枠組みを提案した。T3DPは指示のトークンと行動セグメントの局所的な対応関係を双方向に学習し、類似仕様を混同しない言語表現を獲得する。シミュレーション3ベンチマークで平均成功率をグローバルアライメント比11.0〜14.2ポイント、実機で47.5%から65.0%へ17.5ポイント改善した。

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
Embodied policy上級

EWAM、意味理解から視覚予測、行動生成へ層別に役割分担する統一エンボディードモデル

Hao Wang, Jiajun Wen, Jingzhi Liu, Shuoshuo Xue, Zhiliang Chen, Min Lin, Yicheng Chang, Xiaoyu Guo, Yukang Zhuo, Zheng Chong, Yunshuang Nie, Jian Zhang, Weijia Liufu, Qingman Wu, Heming Xu, Bingchang Song, Dantong Wu, Zhiyuan Wang, Hang Xu, Jianhua Han

Yinwang Intelligent Technology の研究チームは、視覚言語、動画、行動の専門家を非対称な注意機構で統合する EWAM を開発した。浅層では意味理解、中層では未来フレーム予測、深層では行動生成という層別の計算分担が自然に生じ、ロボット軌道と人の一人称動画で事前学習したところ RoboTwin の clean-to-random で 72.1%、LIBERO で平均 98.8% を達成し、実機でも既存手法を上回った。本論文は査読前のプレプリントである。

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

Social-WMが社会ナビゲーションで人間衝突を44.6%削減、実現可能行動を潜在空間で予測

Zhihao Zheng, Mooi Choo Chuah

本論文はarXivで公開されたプレプリントである。Social-WMは自我中心RGB動画から潜在世界モデルを学習し、名目行動と実際に実現可能な行動の乖離を安全信号として計画する。Social-HM3Dで成功率63.77%、人間衝突率21.67%を達成し、既存のNavThinkerと比べて人間衝突を44.6%削減した。Social-MP3Dへのゼロショット転移でも成功率54.15%、人間衝突率23.34%を報告した。

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

RoboCoach：世界モデルを能動的コーチに用い、再利用可能な技能専門家を選択的に改善

Jiajun Liu, Yifan Chen, Yichao Liu, Jiayi Zhang, Ruoqu Chen, Shaoxuan Xie, Guocai Yao, Mengdi Xu, Sen Cui, Changshui Zhang

RoboCoachは、世界モデル内で長いタスクを模擬実行し、最初に失敗する部分作業と対応技能専門家を特定して追加実演を要求する枠組みである。このプレプリントでは、2つのシミュレーション環境と2台の実機で評価し、実機では150件の部分作業実演を追加するだけでFrankaの成功率を13.3%から75.0%に、AgileXを40.0%から83.8%に改善したと報告している。さらに、更新した専門家は未学習の4つの構成タスクで平均35.0%の成功率を示し、均一取得の共有方策ベースラインの0%を上回った。

ワールドモデル
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。