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。
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。
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。
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。
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。
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。
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。
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。
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。
Baiduなどの研究チームは、ロボット方針最適化における視覚報酬モデルを評価するCriticHackを提案した。プレプリントである。引き出し操作でRobometerを報酬として拡散方針を微調整すると、512評価シードでタスク成功が10.2ポイント上昇する一方、誤物体失敗が10.9ポイント増加し、シミュレータの完了信号ではこの増加が起きなかった。この研究は、報酬モデルの総合的な識別精度が健全に見えても特定の意味的失敗を増幅し得ることを実証している。
ReCoは、脚型ロボットの移動ポリシーに一貫した指令応答を学習させ、同定した閉ループ応答モデルを組み込んだPolicy-Aware MPCで移動指令とアーム動作を同時計画するフレームワークである。シミュレーションの不整地ベンチマークでは位置RMSEを0.135m、姿勢RMSEを23.8度に抑え、最良ベースライン比でそれぞれ28.7%と27.4%削減した。本論文はプレプリントであり、査読済みではない。
本研究は、関節ごとの余寿命（RUL）をRRT*のコスト関数に組み込むRUL-Aware RRT*を提案した。オンラインでRULを更新し、劣化した関節の動作を抑える適応重み付けにより、シミュレーション上のUR5で最弱関節の寿命回復率が不均一劣化シナリオで最大29.2%、局所劣化シナリオで初回故障までのタスク数が48%から56%延びた。本論文はarXivプレプリントであり、査読済みの採録は確認されていない。
本論文はarXivプレプリントである。研究者らはSpineGuardの電気バイオインピーダンスセンサを備えた椎弓根ドリルとロボットアームを組み合わせ、リアルタイム逸脱検出アルゴリズムを開発した。新鮮ブタ椎骨51例のex vivo実験で脊髄管穿孔前に全例停止し、Gertzbein-Robbins分類でAまたはBに収まった。
本稿は査読前のプレプリントである。スクーバタンクに装着する小型ロボットRADMCSを開発し、単眼距離推定とスラスタによる触覚フィードバックで壁や構造物との距離維持を支援する。8名のダイバーを対象にIRB承認の水中試験を行い、最大推力の約10%という低推力で方向指示を知覚できることを確認した。既存の外骨格より低コストで低侵襲な解決策を示した。
DuoMindは、各ロボットにVLMオーケストレータとVLA行動モデルを搭載し、自然言語による意味通信で分散マルチロボット協調を可能にするフレームワークである。RoboPolyとRoboTwinのシミュレーション評価で、多くのタスクでVLA単独より成功率を向上させた。本論文はarXivプレプリントであり、査読付き会議や論文誌への採録は報告されていない。
Watch, Infer, Coordinateは、物理的制約が未知のロボットと新規タスクでゼロショット協調する手法とベンチマークである。プレプリントであり査読済みではない。デモにおける両エージェントの行動からパートナーの低レベル制約を推論し、物体搬送の3設定でオラクルに近い成功率を達成した。
本プレプリントは、潜在世界モデルのプランニングにおいて、タスクの成功判定に使われる物理量（成功基準量）を補助損失の教師信号として直接学習させる手法を提案した。LeWMを用いたPushTとcubeで成功率がそれぞれ3.5ポイント、3.4ポイント（絶対差）向上し、統計的に有意だった。テスト時は線形ヘッドを破棄するためモデルや計算コストは変わらず、成功基準に含まれる全量を教師にすることで有意な劣化は見られなかった。
本論文は、各UAVが独立したSmall Language Modelエージェントを持つ完全分散スワーム制御アーキテクチャを提案した。イベント駆動のreason-act-observeライフサイクルに、原子ノートによる文脈管理と意味的新規性に基づく関心対応ゴシップエンジンを組み合わせ、探索救助シミュレーションで全試行を完遂し、推論トークン消費をFull Flood比で約半減、通信量を6〜7MBから0.5MB未満に削減した。IEEE CCNC 2027に採録された論文である。
本論文はプレプリントであり、査読済みではない。LiDARFlowは、LiDAR点群から障害物パネルを抽出し、パネル法に基づくPGFlowと誘導ベクトル場を重ね合わせて、未知の屋内環境でMAVを衝突回避させる完全オンボード誘導システムである。ウェイポイント航法と方向指令追従の2シナリオで、すべての障害物を回避しつつタスクを達成した。計算負荷は低い一方、点群処理が主な実用上の制約であると報告した。
KTH王立工科大学の研究チームは、生産物流における自律移動ロボット（AMR）の運用データセットMoRoOpを公開した。ラボのキット準備・供給シナリオで単一のAMRを9シフトにわたり記録し、1,382件のジョブ、4,815件のオペレーション、19,352件のディスパッチイベント、140,386件のロボット状態観測を相互に紐付けた。このデータセットは、AIエージェントの意思決定評価、異常検知、データ駆動型シミュレーションなどに利用できる。本論文は査読前のプレプリントである。
本論文はプレプリントとして公開された。腱駆動剛軟指の非線形な動作を離散制御でも安定して予測するため、Conditional Flow Matchingに基づくJacobian Flow Matching（JFM）を提案した。単段予測ではグローバル平均RMSEをベースライン比で53%以上削減し、スパースサンプリング（ストライド8）のODE積分ではRMSE中央値を14.43%、誤差分散を24.87%改善して、剛軟結合システムのオフライン軌道最適化に使える局所モデルを提供した。
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。