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
Articulation Estimation中級

QueryArt、単一RGB画像とクエリ点から可動部の関節パラメータを推定 実機成功率70.2%

Abdelrhman Werby, Fabio Scaparro, Kai O. Arra

QueryArtは単一の較正済みRGB画像と2Dクエリ点から関節パラメータを推定するモデルである。深度正規化表現により単眼画像から識別可能な対象を学習し、クエリ点の深度測定でスケールを回復する。複数ベンチマークで最新手法を上回り、実機実験では未見の家具に対して70.2%の操作成功率を達成した。本論文はプレプリントである。

論文全文を読む（PDF）
arXiv
Manipulation上級

物体の動きだけをプログラム化する世界行動モデルPEWAM、1回のデモでLIBERO未学習タスク40/90成功

Junyi Hu, Zhewen He, Zhenhua Li, Yi Fang

本論文はarXivで公開されたプレプリントである。ロボットのデモンストレーションから物体のキーポイント軌道・接触点・終端状態だけを抽出した「エフェクトプログラム」を生成し、それを条件として実行軌道を生成する世界行動モデルPEWAMを提案した。LIBEROの未学習タスクで1回のデモから90エピソード中40を成功させ、既存手法の最大19を上回り、実機Frankaアームでは人間のビデオから40試行中36を成功させた。

論文全文を読む（PDF）
arXiv
VLA Robustness中級

成功率だけでは不十分、VLAの摂動下成功軌道の挙動変化をLIBEROで定量評価

Sophie Higham, Riccardo Andrea Izzo, Matteo Matteucci, Alessandro Suglia

本プレプリントは、VLAモデルの頑健性評価をタスク成功率（TSR）だけでなく、成功軌道の挙動指標（動作時間、ジャーク、グリッパ移動量など）で補完するフレームワークを提案した。LIBERO／LIBERO-Plus上でπ_{0.5}、VLANeXt、OpenVLA-OFTを評価し、カメラ・ロボット初期位置・センサ摂動などによって成功率が同程度でも成功軌道の挙動が大きく変化する事例を報告した。これは、実ロボット展開時の安全性・効率・信頼性を評価する上で重要である。

VLA
論文全文を読む（PDF）
arXiv
Multi-Robot Exploration中級

OpenSpace Lab、IROS 2026屋内探査競技で単独公開1位、非公開では単独・複数とも3位

Yuxuan Zhang, Dong Li, Zezhou Sun, Yuxuan Xu, Siyu Teng, Yuchen Li, Jianjian Yang, Long Chen

OpenSpace LabはIROS 2026屋内探査競技に向けて、時間制約と帰還を明示的に考慮した単独ロボットおよび複数ロボットの探査戦略を開発した。単独ロボット公開トラックで平均カバレッジ61.04%を達成して1位、非公開トラックでは単独39.53%、複数39.91%でいずれも3位だった。本報告は査読前のプレプリントである。

論文全文を読む（PDF）
arXiv
Geometry-aware manipulation上級

離散メッシュのリーマン幾何を直接扱うロボット学習フレームワーク、DMPとGPとRFMを拡張

Matteo Dalle Vedove, Fares J. Abu-Dakka, Luigi Palopoli, Daniele Fontanelli, Matteo Saveriano

本研究はプレプリントである。ポリゴンメッシュ上で対数写像、指数写像、平行移動、環境空間への射影を離散微分幾何に基づき定義し、DMPとガウス過程とリーマンフローマッチングをサーフェス上で直接学習できるようにした。シミュレーションで既存手法より優れた一般化を示し、実機のFranka Research 3で描画軌道の異なる曲面への転写とRGB-D復元面上の研磨動作計画を実証した。

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

ViGARが視覚サブゴール計画と実行を分離、RoboTwin Randomで67.02%を達成

Shukai Gong, Xuanran Zhai, Yintianrun Zhang, Ruopeng Cui, Ye Huang, Yiyang Fu, Dexuan Lyu, Chaojie Li, Xinyi Song, Peiwen Lin, Chuang Wang, Mingyuan Jia, Yufan Deng, Jiaxin Fang, Bo Liang, Jiaxin Li, Yuxiang Gao, Hao Liu, Daquan Zhou

北京大学などの研究チームは、長期の合成的ロボット操作を視覚サブゴール計画とサブゴール実行に分解するViGARを提案した。ViGARは世界モデルを共有し、RoboTwin Clean2RandomでClean 82.00%、Random 67.02%の成功率を達成し、最強ベースラインを平均12.86ポイント上回った。実機でも5つの合成操作タスクと2つの文脈内学習タスクで有効性を確認した。本論文はプレプリントである。

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

ColoACTが摘出ブタ大腸で自律走行、直線部成功率85.4%と湾曲部72.5%を報告

Jian Hu, Shujing He, Leixin Chang, Zongze Li, Ding Huang, Chaoyang Shi, Chengzhi Hu

中国の研究チームが開発したColoACTは、RGB画像に相対深度と勾配ベースの疑似標高マップを加えたAction Chunking Transformer方策を自走式内視鏡ロボットBGERに統合した。摘出ブタ大腸約60cmの未見環境で直線部85.4%、湾曲部72.5%、90度ターン70%、二連屈曲60%の成功率を得た。これはプレプリントであり、弱テクスチャ下でも滑らかな連続制御を実証した点で内視鏡自律ナビゲーションの前進である。

RL
論文全文を読む（PDF）
arXiv
Video world models中級

PhysicsLENSがロボット動画生成の「物理特性盲点」を診断、見た目の妥当性と指示追従は別問題

Isaiah Milkey, Som Sagar, Aditya Taparia, Xinyuan Liu, Jiqing Wen, Ransalu Senanayake

ロボット動画生成モデルが、テキストで指定された質量や粘性など外見から判断できない物理特性を無視する問題を測るベンチマークPhysicsLENSを開発した。本論文はプレプリントであり、査読済み採録は明記されていない。同一フレームとタスクで物性記述だけを変えたマッチドシナリオを用意し、4モデル439本の動画を人で評価した結果、物理的に妥当に見える47本中34本が指定特性に従っていなかった。自動評価器は妥当性AUC 0.72、タスク完了AUC 0.81を達成したが、隠れた特性の判定は難しいと報告した。

ワールドモデル
論文全文を読む（PDF）
arXiv
Policy Optimization上級

FERPO：批評家の行動微分を使わないオンライン最大エントロピー方策最適化

Sebastian Sanokowski, Alireza Sarmadi, Majid Khadiv

本論文はプレプリントである。FERPOは、学習した批評家の行動微分を使わず、価値のみから方策改善を行うオンライン最大エントロピー強化学習手法である。転がり出し方策からサンプルした行動を自己正規化重点サンプリングで重み付けし、前方KLで正則化目標分布にフィットする。DMCとManiSkillでREPPO並みの最終性能を示し、サンプル効率と更新時間で優位を報告した。

RL
論文全文を読む（PDF）
arXiv
Planning中級

優先制約付き交差エントロピー法TierCEM、数値重み不要で競合制約の緩和順序を厳守

Francisco Roldan Sanchez, Pau de las Heras Molins, David Fridovich-Keil, Georgios Bakirtzis

TierCEMは、交差エントロピー法（CEM）のエリート選択に制約の辞書式優先順位を直接組み込んだ手法である。2次元ナビゲーションと接触リッチなPush-T操作タスクで評価し、制約が競合する際に優先順位を反転させると違反する制約が反転することを確認した。重み調整が不要で安全性要件の優先順位を明示的に扱える点が重要である。本論文はプレプリントである。

論文全文を読む（PDF）
arXiv
Humanoid loco-manipulation上級

InterEvolve、報酬プログラムのテスト時進化で固定人型コントローラを未知タスクに適応

Zhuo Lin, Sirui Xu, Liuyu Bian, Yu-Xiong Wang, Liang-Yan Gui

InterEvolveは、事前学習済みの人型ロコマニピュレーションコントローラを再学習せず、テスト時に報酬プログラムを進化させて未知のタスクを解くフレームワークである。LLMエージェントが実行フィードバックから報酬プログラムの構造を改訂し、CMA-ESが定数を較正する。シミュレーションの8タスク系統で成功率86.5%を達成し、実機Unitree G1でも機載知覚のみで自律動作した。本論文はarXivプレプリントであり、査読済みであるとは明記されていない。

Humanoid
論文全文を読む（PDF）
arXiv
World-action model中級

SkeleWAM、ロボットと物体のスパース3D骨格表現でLIBERO-Plus全体成功率85.9%

Juyi Sheng, Hua Wang, Mengyuan Liu

本論文（プレプリント）は、ロボット関節、物体中心、接触点からなるスパースな3D骨格表現を用いた世界行動モデル SkeleWAM を提案した。LIBERO-Plusベンチマークにおいて全体成功率85.9%を達成し、既存の世界行動モデル Cosmos-Policy を3.7ポイント上回った。パラメータ数は57.1Mと比較手法より大幅に小さく、実世界の5つの操作タスクでも平均89%の成功率を記録した。

論文全文を読む（PDF）
arXiv
Multi-agent motion planning上級

学習不要の拡散プランナーTFDP、解析的局所スコアで300台100障害物を平均5.39秒で経路生成

Michael Y. Fatemi, Jinhao Liang, Ferdinando Fioretto

本研究は学習不要の拡散ベース動作計画手法TFDPを提案した。学習済みスコアの代わりに平滑性、障害物回避、速度制約、エージェント間分離から解析的に局所スコアを構成し、反復デノイズで実行可能な軌道を生成する。マルチエージェント経路計画ベンチマークでDGDなど学習ベース拡散手法より高い成功率と約150倍の高速化を達成し、300台100障害物の環境で平均5.39秒の計画を報告した。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
Multi-fidelity RL上級

MFPG-PPOでデータ不足の強化学習を安定化、実ロボットは4エピソードで学習

Xinjie Liu, Ruihan Zhao, Anirban Chaudhuri, Cyrus Neary, Ufuk Topcu, David Fridovich-Keil

本論文はプレプリントである。MFPG-PPOは、高忠実度（HF）データが乏しいオン方策強化学習を安定化する手法で、低忠実度（LF）シミュレータデータを制御変量として利用する。GPU並列シミュレーションと実Frankaアームで評価し、HFデータのみのPPOをほぼ全ての設定で上回り、実ロボットでは1更新あたり4エピソードのみで成功率91.7%を達成した。

RL
論文全文を読む（PDF）
arXiv
Multimodal simulation上級

TouchThermが実物体から触覚用マイクロ形状と動的温度場を再現するデジタルツインを構築

Yitao Zhang, Hong Ying, Haoran Guo, Xiaoying Zhou, Guanyu Chen, Chenxi Xiao

TouchThermは、実物体の視覚形状、触覚レンダリング用マイクロ形状、動的温度場を統合したシミュレーション用アセットを構築するフレームワークである。20物体の評価で、触覚レンダリングは粗い形状や画像空間ベースラインを上回り、30秒先と45秒先の表面温度MAEはそれぞれ0.465℃、0.592℃を達成した。合成データのみで学習した触覚物体認識でもTop-1精度が34.0%となり、粗い形状の20.0%から向上した。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
Embodied Agents上級

RPG、オフラインデータ活用の自律練習で22操作タスク成功率95%、実機30試行全成功

Yen-Jen Wang, Haozhe Jiang, Shuying Deng, Haoru Xue, Weirui Ye, Rocky Duan, Nika Haghtalab, S. Shankar Sastry, Pieter Abbeel, Haozhi Qi

本論文はプレプリントである。RPG（Reconstruct, Practice, Go Real）はモデル重みを更新せず、オフラインデータから構築したシミュレーション練習課題で共有スキルライブラリとシステムプロンプトを自律改善する枠組みである。22操作タスクの各10ホールドアウト初期状態で成功率を1ラウンド目28.6%から15ラウンド後95.0%に向上させ、ASPIRE（75.5%）やGPT-6 Astra Pro採用CaP-Agent0（60.0%）を上回り、共通キャリブレーション後の実機3タスク30試行すべて成功した。

論文全文を読む（PDF）
arXiv
Grasping中級

経験とデモで逐次適応する6-DoF把持合成、実機で成功率90%超

Giulio Schiavi, Andrei Cramariuc, Michael Pantic, Roland Siegwart

本論文は、把持結果とユーザデモを埋め込み空間上のメモリに蓄積してオンラインで適応する6-DoF把持合成フレームワークを提案したプレプリントである。提案手法は適応前の段階で既存ベースラインと同等以上の性能を示し、未見物体カテゴリで逐次改善し、実機1500回超の把持試験でカテゴリ適応後に複数カテゴリで成功率90%超を達成した。固定パラメータの再学習を伴わず、メモリ追加のみで把持戦略を更新できる点が重要である。

論文全文を読む（PDF）
arXiv
Aerial manipulation上級

AFD-CAMLs、4機以上のケーブル懸垂型ドローン輸送で張力偏りを低減する計画制御

Antreas Kourris, Sihao Sun

本論文はarXivのプレプリントである。AFD-CAMLsは、ケーブルで吊り下げたペイロードを複数UAVで運ぶ際のケーブル張力配分を、ヌル空間最適化とアドミタンスフィルタで改善する計画制御フレームワークである。シミュレーションでは4機から10機、実機では4機のUAVを用い、ホバリングと俊敏な軌道追従の両方で張力の偏りを低減し、ペイロード追従性能を維持した。

論文全文を読む（PDF）
arXiv
Active vision manipulation上級

ActiveWAM、証拠保持と取得を両立する能動視覚世界行動モデル

Renjun Wu, Luzhou Ge, Xuesong Li

ActiveWAMは、カメラのパン/チルト制御と双腕操作を単一の世界行動モデルに統合した手法である。訓練時反転によってタスク関連の視覚証拠と時間変化を保持し、展開時は生の観測から実行可能な頭部および腕の行動を生成する。TAVISでは最大17.0ポイント、RoboTwin-AVの複合シフトではFast-WAMを20.0ポイント、実機キッチンではFast-WAMを26.7ポイント上回った。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
Underwater perception上級

SonarVoxNetが3Dソナーから潜水士の9自由度姿勢を検出、Diver3Dデータセットも公開

Eugene Park, Jiwon Lee, Seyoung Kan, Trung Dong, Xiaomin Lin, Jane Shin

本論文はプレプリントである。SonarVoxNetはボクセルベースのエンコーダとアンカーフリーの中心点検出ヘッドを3Dソナーに適応し、ヨー角のみでなく連続的な6D回転表現によりSO(3)全域の姿勢を推定する9自由度の潜水士検出を実現した。Diver3Dはフロリダの洞窟潜水サイトで収集した37,010フレーム、34,568インスタンスを含む初の公開3Dソナー潜水士データセットである。実験では既存LiDAR検出器を大きく上回り、最終モデルは[email protected]で0.774、SDSで0.719を達成した。

LiDAR
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。