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。
本論文はプレプリントである。マルチエージェントの協調ナビゲーションでTransformer方策を訓練し、エージェント順序の置換に対する頑健性と行動の多様性を同時に評価する手法を提案した。低い置換誤差でも全エージェントが同一行動を選ぶ行動崩壊が起きることを示し、PPO-IDベースラインに対して弱い同変性正則化がN=3では頑健性を改善する一方で多様性を低下させること、N=4では同じ係数が完全崩壊を招くことを報告した。
本論文はプレプリントである。被験者固有の筋骨格モデル6体を用いた予測シミュレーションで、股関節・膝・足首の単独および複合支援を25 Nmと50 Nmのトルク上限で比較した。50 Nmでは3関節支援が最大の平均COT削減48.50±4.55%を示し、2関節では股関節＋足首支援が44.60±7.08%と大部分の効果を回復した。この結果はアクチュエータ数を抑えた支援設計の指針となる。
Neuromekaの研究チームは、仮想バネ、平面、レールの3つの原始的な相互作用から固有受容反射ポリシーをシミュレーションで学習し、上位制御器の下に置く凍結した実行層として使う手法をプレプリントで報告した。この反射層は力や幾何を直接観測せずに、双腕ボックス持ち上げ、ペグ挿入、表面追従で接触力を抑制し、0.02 mm公差の実機ペグ挿入では成功率を最大22%から36〜58%へ高めた。不完全な指令や形状誤差があっても接触を利用した実行を堅牢化できる点で重要である。
本研究は、視覚と触覚を球面表現に統合したワークスペース等変拡散ポリシーVISTAを提案した。8つのシミュレーションタスクで50デモのみから平均80.9%の成功率を達成し、最強ベースラインであるEquiDiff+Tacを15.9ポイント上回った。本論文はプレプリントである。
本プレプリントは、Soft Actor-Critic（SAC）で訓練したカテーテルとガイドワイヤの自律操作により、右内頸静脈から上矢状静脈洞まで到達する脳静脈系アクセスを、シミュレーションと透視下の3Dプリントファントムで初めて実証した。シミュレーションでは解剖学的に未知のホールドアウトモデルでタスクAが42.0%、タスクBが91.6%の成功率であり、実機20回中14回（70%）が成功した。この成果は開頭を回避する血管内BCIの植込み手技を標準化する可能性を示すが、解剖学的汎化とsim-to-real較正が臨床応用前の主要課題として残った。
英Loughborough大学などの研究チームは、生涯強化学習向けにオンラインのタスク類似度から過去のポリシーマスクを選び重み付けして再利用するAMSCを提案した。CT28とMG16でAUC/FWTが0.94/0.94、0.73/0.54を達成し忘却はゼロだった一方、CW10では学習済みの層別重みに劣り、層共通の重み付けには限界が見えた。本論文は査読前のプレプリントである。
Skill2Realは、シミュレーションで検証済みの再利用可能な操作スキルを階層的に学習し、実ロボットへ追加学習なしで転移するエージェント型フレームワークである。LIBERO-Pro Longでは成功率を2.0%から56.3%へ、実機UR5eでは平均完了率を27.50%から78.75%へ引き上げた。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。
ロボットの残りの関節経路を弧長パラメータ化したBスプライン係数で表すプロプリオセプティブスケッチと、実行可能な短期的行動チャンクを単一のトランスフォーマーデノイザーで同時生成するProprioceptive Action Models（PAM）を提案した。シミュレーションのPush-TとLIBERO-Longで行動のみのベースラインを上回り、実機の双腕4タスクでは成功率を47.5%から75.0%に向上させた。本論文は査読の記録がないarXivプレプリントである。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。