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408本
テーマすべてManipulation 65VLA 43Navigation 24Learning 23Robotics 22Perception 20Humanoid 15Safety 9Simulation 9Locomotion 8World Action Models 4Aerial 2Aerial 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 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 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 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
VLA Defense上級

VLAの敵対的パッチ防御、SAE特徴の条件付き抑制で成功率が改善

Yukiya Horiba, Koshiro Aoki, Shunsuke Yasuki, Bum Jun Kim, Taiki Miyanishi

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。

VLA
論文全文を読む（PDF）
arXiv
Real-to-sim上級

LiteReality-Agent、RGB-Dスキャンからシミュレーション可能な3D室内を再構成しGPT-6超えを報告

Zhening Huang, Yueyan Li, Johnathan Chiu, Xiaoyang Lyu, Matt Zhou, Yuxin Yao, Joan Lasenby, Shangzhe Wu

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。

論文全文を読む（PDF）
arXiv
Multi-agent RL上級

SCOUTがテスト時の価値勾配輸送でマルチエージェント協調を実現、オフラインMARLで最高平均性能

Dongsu Lee, Haoran Xu, Amy Zhang

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。

RL
Foundation
論文全文を読む（PDF）
arXiv
World Action Models中級

World Action Modelsのタスク未完了を抑えるCompletion Aware Guidance

Seungyeon Kim, Junhoo Lee, Baekseung Kim, Minkyu Kim, Nojun Kwak

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。

論文全文を読む（PDF）
arXiv
Streaming 3D reconstruction中級

CLoSeR、単眼動画からのキロメートル規模ストリーミング再構成でループ閉じ込みを実現

Moyang Li, Zihan Zhu, Wei Zhang, Marc Pollefeys, Daniel Barath

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。

論文全文を読む（PDF）
arXiv
Autonomous Driving入門

End-to-End LearningとModular Architectureを比較、ADアーキテクチャ選択フレームワークを提案

Kartik B. Kapse

本プレプリントは、自動運転システムのEnd-to-End LearningとModular Architectureを比較し、12個の二値基準からなる4次元アーキテクチャ選択フレームワークを提案した。1989年から2023年までの公開システム10件で検証し、7件で実際のアーキテクチャを正しく推奨した（4件完全一致、3件部分一致）。ハイブリッド方式が両者の利点を統合する有望な方向と位置づけている。

論文全文を読む（PDF）
arXiv
Humanoid safety中級

VAPS：継続・中止・転倒を選択するヒューマノイド安全制御

Siwei Ju, Lu Liu, Jan Peters, Oleg Arenz

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。

Humanoid
論文全文を読む（PDF）
arXiv
Pedestrian tracking中級

歩行者中心環境の追跡評価、固定検出下で能力差を可視化する新プロトコル

Dominik Wojcikiewicz, Diego Paez-Granados

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。

論文全文を読む（PDF）
arXiv
Robot-Use Agents中級

OpenRUA、ROS 2ネイティブインターフェースのみでコーディングエージェントをゼロショット視覚運動ポリシーとして実現

Zhaoyang Chu, Earl T. Barr, Claire Le Goues, Peter O'Hearn, Mark Harman, Federica Sarro, He Ye

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。

ROS 2
論文全文を読む（PDF）
arXiv
Navigation & Mapping中級

GlassGuard: 建築ガラス平面を検証しながら地図化するロボットナビゲーション手法

Hanwen Guo, Zhengzhi Lin, Yusen Xie, Ji Zhang

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。

LiDAR
論文全文を読む（PDF）
arXiv
Imitation Learning上級

EF-GAIfO、ロボット自身の経験からデモの実現可能性を推定し、実機四足ロボットで物体把持に成功

Yoshiki Takebayashi, Giovanni Perantoni, Hikaru Sasaki, Matteo Saveriano, Takamitsu Matsubara

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。

論文全文を読む（PDF）
arXiv
World Models上級

World Motion Models、SE(3)軌道をトークン化し単一モデルで方策から再ターゲティングまで対応

Jiahui Lei, Qianqian Wang, Trevor Darrell, Angjoo Kanazawa

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。

論文全文を読む（PDF）
arXiv
Federated 3D Perception中級

FedCKA、CKA表現類似度で連合3D物体検出の層共有と個人化を動的最適化

Jolle Verhoog, Ali Burak Ünal, Holger Caesar

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。

論文全文を読む（PDF）
arXiv
Event-camera VO上級

Keytime GP回帰によるイベントカメラステレオVOのリアルタイム化

Nikan Nobari, Jonathan D. Gammell

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。

論文全文を読む（PDF）
arXiv
World Action Models上級

進捗座標付き視覚サブゴールで長期制御を強化する世界行動モデルProWAM

Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar

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。

論文全文を読む（PDF）
arXiv
Humanoid Tool Use中級

HumanoidToolBench、人型ロボットの道具選択から移動実行までを一貫評価する18タスクベンチマーク

Kyochul Jang, Seohyeon Park, Ohchul Kwon, Sangjun Park, Junhyeok Choi, Seungyeop Yi, Chaeyun Kim, Sangkyu Lee, Idan Szpektor, Avi Caciularu, Jongmin Park, Youngjae Yu

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。

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

SC-DMPsが相互作用剛性で基底配置を適応化、精密軌道スキル再現を改善

Chan Xu, Silu Chen, Dehao Wang, Xiyu Chen, Dexin Jiang, Chi Zhang, Guilin Yang, Chenguang Yang, Zaojun Fang

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。

論文全文を読む（PDF）
arXiv
Quadruped locomotion中級

PROMO：四足歩行ロボットの選好条件付き多目的強化学習で動作優先度を実行時入力に

Amr Mousa, Rifny Rachman, Neil Karavis, Michele Caprio, Richard Allmendinger

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。

RL
論文全文を読む（PDF）
arXiv
Failure recovery中級

Recova：エージェントが障害回復を学び、実機で自律性を高める操作フレームワーク

Isabella Liu, An-Chieh Cheng, Johan Bjorck, Zhiding Yu, Hongxu Yin, Jan Kautz, Linxi Fan, Yuke Zhu, Sifei Liu

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。

論文全文を読む（PDF）
arXiv
Sim-to-real Navigation上級

EIDA、実行インターフェース動力学適応で軽量シミュレータから実ロボットナビゲーションへ転移

Yiwei Qian, Shanze Wang, Qingyuan Hu, Xinming Zhang, Wei Zhang

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。

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。