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
日本語版は未提供のため、英語原文で表示しています。
arXiv
Belief-space planning上級

BLT*：信念空間でRRT*を拡張し、点群デジタルツインでも高速に初期解を発見

Elliot Preston-Krebs, Abhishek Goudar, Timothy D. Barfoot

Informed BLT*は、RRT*とInformed RRT*を2-Wasserstein距離の信念空間へ拡張したサンプリング型プランナーである。点群観測を用いる大規模屋外デジタルツインでも初期解を高速に発見し、一部マップでは競争力のある収束コストを示した。本論文はarXivプレプリントであり、査読済み学会・論文誌への採録は記録されていない。

論文全文を読む（PDF）
arXiv
5G Simulation上級

GPUバッチ処理で5G NRをロボット学習ループに統合するIsaac-Net、単一GPUで100万ロボット規模を達成

Zifan Zhang, Mingzhe Han, Kannan Athreya, Yuchen Liu

Isaac-Netは、GPU上の大規模並列ロボット学習に5G NR上りリンクのスロット単位シミュレーションを組み込むモジュールである。ns-3 5G-LENAとの比較で遅延中央値を負荷全域にわたり再現し、1台のGPU上で1,048,576台のロボットをネットワーク込みで毎秒1.24制御ステップ動作させた。本論文はarXivで公開されたプレプリントであり、査読済み会議録や論文誌への採録は記載されていない。

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

単一UAV向けサンプリングベースプランナーを集中制御でマルチUAVに拡張、初期配置が探索性能を左右

João Félix Mendes, Meysam Basiri, Rodrigo Ventura

本研究は、既存の単一UAV用サンプリングベース探査プランナーをマルチUAVで利用できる集中型フレームワークを提案したプレプリントである。voxbloxを拡張して複数深度センサのTSDF融合、機体間衝突回避、他機体の点群除去を実装し、3機のシミュレーションで4種のプランナーを評価した。分離開始配置（SS）が同時開始配置（JS）より一貫して高速かつ高被覆率を達成し、初期配置戦略の重要性を示した。

論文全文を読む（PDF）
arXiv
Multi-camera odometry中級

StreamRig、凍結3D基盤モデルでキャリブレーション済み多眼リグのストリーミングオドメトリを実現

Yufei Wei, Shuhao Ye, Qi Wang, Xin Zheng, Qing Huang, Rong Xiong, Yue Wang

StreamRigは、凍結した多視点3D基盤モデル上に因果的ストリーミングオドメトリを構築するフレームワークである。NCLT、TartanGround、KITTI-360、実機ヒューマノイドZJHの4つのリグで、非オラクル手法の中で最低の並進・回転ドリフトを達成し、5眼推論は単眼CUT3Rより低遅延かつ省メモリだった。本論文はarXivプレプリントであり、査読採録は報告されていない。

論文全文を読む（PDF）
arXiv
Visual Grounding上級

GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed

Qize Yu, Lianrui Fan, Bowen Ping, Xini Ding, Zetian Song, Junbo Niu, Kaixuan Wang, Tianxing Chen, Yue Chen, Minghua He, Yuran Wang, Jie Huang, Haojun Zhang, Min Chen, Hao Li, Wenxuan Song, Ruihai Wu, Xianming Liu, Shilong Liu, Shuchang Zhou

Preprint. The authors introduce GroundAnything, a 4B-parameter visual grounding model that uses bidirectional diffusion with blockwise denoising for parallel spatial decoding instead of sequential autoregressive token generation. Its autoregressive variant, GroundAnything-VLM, reports 72.42% across 30 grounding benchmarks, ahead of GPT-6 Astra at 71.35%. This matters for latency-sensitive robotics and interactive vision systems that need fast, precise localization.

論文全文を読む（PDF）
arXiv
Co-speech Humanoid中級

音声と書き起こしを統合した人型ロボット向け発話動作生成「ECHO-G」を発表

Yizhao Li, Pusen Gao, Ming Wang, Shaojie Shen, Shuo Yang, Hao Xu

ECHO-Gは、音声とタイムコード付き書き起こしの双方を条件として人型ロボットの全身発話動作を直接生成するフレームワークである。BEAT2由来のロボット動作データセットで比較評価し、従来の人間動作生成とリターゲティングの経路に比べFGDやビート同期などのコスピーチ指標と処理時間で優位を示し、Unitree G1での実機動作も確認した。本論文は査読前プレプリントである。

論文全文を読む（PDF）
arXiv
Tool Co-Design上級

粉末計量ロボットのツール形態と制御方策を共設計、実機誤差を標準ツール比45%削減

Nikola Radulov, Xin Yang, Kevin S. Luck, Gabriella Pizzuto

本論文は、実験室自動化における粉末計量のために、吐出ツールの形状と強化学習制御方策を同時に最適化するバイレベル共設計フレームワークを提案した。BOHBによる形態探索と幾何学的類似度に基づく方策のウォームスタートを組み合わせ、7種類の粉体でシミュレーションと実機評価を行った。共設計ツールは標準ツールに比べて実世界の計量誤差を45%削減し、未学習の材料でも優位を示した。本論文は査読済み会議録の記載がないプレプリントである。

論文全文を読む（PDF）
arXiv
LiDAR Security上級

TACTICが交通状況に応じた路側LiDAR攻撃を計画、CARLAで100%の衝突率

Yiming Gao, Shaocheng Luo

米ミシガン大学とデューク大学の研究チームは、路側LiDARへの物理攻撃を周囲の交通状況に応じて選択しパラメータを調整するフレームワークTACTICを開発した。CARLAの無作為化シミュレーション280試行で、完全方策は100%の衝突率を記録し、固定ルールの35%やランダム選択の60%を大きく上回った。本論文は査読前のプレプリントである。

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

DynaHarness、動的物理ハーネスで自己進化するロボットエージェントを提案

Haoyuan Deng, Jiebin Liu, Tengxiao Zhang, Langning Yan, Hongye Cao, Ziwei Wang

本研究はプレプリントである。DynaHarness は意味推論と物理実行を共有実行契約で結びつけ、失敗記録から再利用可能な能力を修正する動的物理ハーネスである。LIBERO-Pro で凍結方策の 17.5% に対し新規初期状態 800 件で 75.2% を達成し、同じ能力ライブラリでも動的実行が 74.0% と一段階再計画の 63.9% を上回った。

VLA
論文全文を読む（PDF）
arXiv
Manipulation Safety中級

事前学習済みVLAを移動する危険物から守る複数リンク安全フィルタ、衝突率を65.62%から27.27%に削減

Yatharth Agarwal, Vijay Raghunathan

本研究は事前学習済みのVLAポリシーを再学習なしで保護する実行時安全フィルタを提案した。グリッパ、手首、前腕を5個の楕円体で覆い、リセット時にRGB-Dから推定した危険物楕円体と疎なオプティカルフロー追跡により、移動する危険物との衝突を65.62%から27.27%へ低減し、安全なタスク成功率を29.35%から50.43%に引き上げた。エッジ環境ではバリア計算がp99で2.2ms、π0.5ポリシー呼び出しをiGPUで177.3msに短縮し、実機でも接触回数を減らした。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
Sonar SLAM上級

BatSLAM 2.0、超音波のみのSLAMで誤ループ閉じ込みによる地図崩壊を防止

Jan Steckel

BatSLAM 2.0は、コウモリの反響定位に着想を得た超音波のみのSLAMシステムである。音響フロントエンドに方向手がかりを追加し、系列検証器と因子グラフ姿勢グラフを組み合わせることで、あいまいなソナー観測でも誤ったループ閉じ込みを抑え、地図崩壊を回避した。シミュレーション12走行と実センサ記録で一貫した地図を生成し、実センサでは軌跡誤差を3.62 mから0.67 mに低減した。本論文はプレプリントである。

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

時空間ダイナミクスから社会的表現を学習するSTARS、グラフ自己教師ありでHRIデータ不足を克服

Nathan Tsoi, Michael J. Munje, Tejas Oberoi, Rishab Maheshwari, Pengen Zheng, Tanush Chauhan, Peter Stone, Joydeep Biswas

STARSは、短時間のマルチエージェントインタラクションを時空間グラフとして符号化し、自己教師ありメッセージパッシンググラフオートエンコーダで物理ダイナミクスを潜在表現に圧縮する手法である。SEAN TogetherとSocialNav-SUBで評価し、線形プローブが知覚予測と歩行者行動分類において高いデータ効率を示し、特に行動分類ではラベル付きデータ1%でマクロF1 0.362、100%で0.503を達成した。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
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）

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。