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326本
テーマすべてManipulation 41VLA 28Navigation 16Perception 16Learning 13Robotics 13Humanoid 12Safety 7Simulation 7Locomotion 5World Action Models 4Aerial 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 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 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
Humanoid Control上級

KungfuAthleteBot、動画から高ダイナミック動作と0.692秒の転倒復帰を単一ポリシーで実現

Zhongxiang Lei, Lulu Cao, Xuyang Wang, Tianyi Qian, Jinyan Liu, Xuesong Li

本稿はプレプリントである。研究チームは武術家の動画197本からKungfuAthleteデータセットを構築し、物理補正と低運動エネルギーサンプリングを備えたKungfuAthleteBotを開発した。実機Unitree G1で約0.7秒の転倒復帰と追従を単一ポリシーで達成し、動画データの修復と補償が高動的スキル獲得を可能にすると報告した。

Humanoid
論文全文を読む（PDF）
arXiv
Object Search中級

LOCUSが空間グラフで同一クラスの容器を判別、隠れた物体の探索コストを24%削減

Taylor Bergeron, Shibani Senthilbabu, Kevin Leahy

物体が容器内に隠れている場合に、同じ種類の引き出しなど複数容器のどれを開けるかを順位付けする手法LOCUSを開発した。シーングラフ上のGNNでCLIP埋め込みを空間的文脈により更新し、iTHORシミュレーションで開封コストを示すECO/Nを0.257とし、ランダムやCLIP、TidyBot、LLMプランナーを上回った。同一クラス容器のインスタンス単位判別を初めて可能にしたプレプリントである。

論文全文を読む（PDF）
arXiv
Multi-view perception上級

SNAP、新規視点合成から幾何表現を学ぶ自己教師ありモデル、デコーダ制約で下流5タスクに競合

Keerthi Kaashyap, Dennis Anthony, Akshay Krishnan, Nhi Ngoc Nguyen, Jeremy Collins, James Hays, Shreyas Kousik, Animesh Garg

本研究は新規視点合成（NVS）を自己教師あり幾何表現学習に用いるSNAPを提案したプレプリントである。SNAPは凍結DINOv3特徴を入力とし、デコーダの受容野を1×1に制限し、RGBではなく潜在特徴を予測することで、エンコーダに幾何構造を押し込む。5つの下流タスク（点対応、視覚的局在化、相対姿勢推定、相対深度推定、ロボット操作）で自己教師あり手法を上回り、幾何学教師ありVGGTに匹敵する結果を示した。

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

CORNAV、2D設計図と工程表を統合し建設現場の制約を踏まえたロボットナビゲーションを実現

Parastoo Ali Pour, Deepak Prakash Kumar, Tommy Zhou, Pramod Khargonekar, Mohammad Abdullah Al Faruque

本研究はプレプリントである。CORNAVは、BIMを必要とせず2D CAD図面と工事工程表から、建設現場の時間変化する安全制約をナビゲーションに反映するフレームワークである。設計図に基づく物体位置の特定によりタスク成功率を13.0%から72.2%に引き上げ、工程表の利用でハード進入違反を0件にし、LLM安全検証が誤った工程表ラベルによる危険要求を正しく拒否した。

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

3D世界行動モデルPointWAM、DexJoCo器用操作で平均成功率69.0%を達成

Chunghyun Park, Beomjun Kim, Seungcheol Park, Heeseung Kwon, Yashu Shukla, Seunghoon Sim, Jinwoo Shin, Minsu Cho

本論文はプレプリントである。PointWAMはシーン点群と手のキーポイントを共通の時空間座標で3D点軌跡として同時予測する世界行動モデルである。人間動画による事前学習でDexJoCo平均成功率が56.9ポイント向上し、シーン軌跡の教師信号が10.9ポイントの追加効果を示し、GR00T N1.6を11.7ポイント上回り、実機でも最大25ポイントの差をつけた。

巧緻操作
論文全文を読む（PDF）
arXiv
Dexterous Manipulation中級

DexJoCo-X、7ハンド6タスクで行動表現を比較しFAASとNativeが拮抗

Xiangwei Jiang, Yao Mu, Lixin Duan, Wen Li

本論文（プレプリント）は、7種類の器用ハンドと6タスク、2100件のデモンストレーションからなるベンチマークDexJoCo-Xを構築した。同一条件でNative、FAAS、DexLatentの3つの行動表現をBeing-H0.5で比較し、FAASが平均47.7%、Nativeが47.0%、DexLatentが33.1%の成功率を報告した。行動表現の効果は事前学習やアーキテクチャと一体で評価すべきだと示した。

巧緻操作
論文全文を読む（PDF）
arXiv
Simulation geometry上級

I2CD、単一RGB画像から凸分解を直接予測しシミュレータにそのまま投入可能な衝突形状を生成

Qian Wang, Liam Merz Hoffmeister, Brian Scassellati, Daniel Rakita

I2CDは、事前学習済みの画像条件付き3D生成モデルHunyuan3D-2を凍結し、軽量なクロスアテンションヘッドのみを学習することで、単一RGB画像から凸多面体の集合を直接予測する手法である。227個のOmniObject3DおよびGoogle Scanned Objectsオブジェクトで、8つの再構成・分解パイプライン中最高の体積IoUを達成し、エンドツーエンドで6〜37倍高速だった。現時点ではプレプリントであり、査読済みではない。物理エンジン4種にそのまま読み込まれ、実機xArm7でのピックアンドプレースではプランナー準備時間を328秒から11秒に短縮した。

論文全文を読む（PDF）
arXiv
Lab automation中級

Opentrons Flex向け受動的デッキ検証システム、外部カメラと軽量モデルでプロトコル適合を数秒で判定

Junqiong Joanne Qiu, Zeckria Kamrany, Ananya Anand, Emma Vidal, Yunjia Johanna Bai, Nathan S Chen, Sean Son, Varada Abhyankar, Taryn Jakub, Eleazar Eskin

UCLAの研究チームは、Opentrons Flexのデッキ準備を外部Webカメラで検証する受動的AIシステム「Labware Setup Checker」を開発した。本プレプリントでは、RVP前PCRデッキ準備で完全一致を要する348回のラボウェア分類の95.1%がプロトコル参照と一致し、遮蔽、カメラ位置、照明を変えた試験でもスロット割り当ては100%、分類一致率は97.73%だったと報告している。ロボットのハードウェアやファームウェアを変更せず、ローカルCPUで中央値2.10秒、AWS配備で4.24秒の検証を実現した。

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

EyeRobot 2.0、単一固定ステレオカメラの能動注視で手首カメラ不要の精密バイマニュアル操作を実現

Kush Hari, Justin Kerr, Nidhya Shivakumar, Samarth Mahapatra, Carmelo Sferrazza, Jiahui Lei, Jitendra Malik, C. Karen Liu, Ken Goldberg, Angjoo Kanazawa

arXivプレプリントとして公開されたEyeRobot 2.0は、1台の固定ステレオカメラだけを用い、視線を3D注視点へ物理的に向ける能動視覚注視によって微細なバイマニュアル操作を可能にする枠組みである。実機1000試行超とシミュレーション1800試行で評価し、受動ステレオ比で実機40%、シミュレーション20%改善し、手首カメラが遮蔽される作業では成功率を2倍以上に高めた。手首カメラの制約を回避する単一カメラ代替手段として重要である。

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

JEPA世界モデルの因果ダイナミクス情報崩壊を防ぐAVL-JEPA、外乱下の操作成功率を大幅改善

Yikang Qiao, Ling Zhang, Ziying Song, Duan Huang

AVL-JEPAは、JEPA世界モデルが視覚情報を保持しながら行動の物理的帰結情報を失う「因果ダイナミクス情報崩壊」を防ぐ手法である。TwoRoom、PushT、OGBench Cube、Reacherの4タスクで評価し、ガウスノイズ下のPushTで成功率が15.3%から81.5%へ、TwoRoomで65.7%から88.7%へ向上した。プレプリントであり、査読済みではない。

ワールドモデル
論文全文を読む（PDF）
arXiv
Multi-Agent RL中級

マルチエージェントTransformer方策は置換頑健性だけでは不十分、同一行動崩壊の併用評価が必要

Amit Thakur, Mukesh Singhal

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。

論文全文を読む（PDF）
arXiv
Exoskeletons上級

被験者固有の筋骨格シミュレーションで下肢外骨格の関節支援を体系的に比較、股関節＋足首支援が有望と報告

Neethan Ratnakumar, Mariya Tohfafarosha, Xianlian Zhou

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。

論文全文を読む（PDF）
arXiv
Contact-Rich Manipulation中級

Neuromekaが接触リッチ操作向け学習反射ポリシー、仮想バネと平面とレールで訓練し実行層に

Quan Nguyen, Yunho Kim, Joonho Lee

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。

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

VISTA、視触覚等変拡散ポリシーで接触リッチ操作のデータ効率を大幅改善

Lik Hang Kenny Wong, Yiyao Ma, Xiu-Shen Wei, Zelong Tan, Zhuheng Song, Dongsheng Xie, Kai Chen, Qi Dou

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。

模倣学習
論文全文を読む（PDF）
arXiv
Endovascular robotics上級

脳静脈系BCIアクセスの自律ロボットナビゲーションを初実証、SAC制御でファントム到達に成功

Harry Robertshaw, Weijie Qi, Nikola Fischer, Alejandro Granados, Thomas C. Booth, Sam E. John

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。

論文全文を読む（PDF）
arXiv
Lifelong RL上級

AMSCがタスク類似度で過去方策を選択、連続強化学習で転移と忘却ゼロを両立

Saptarshi Nath, Inish M. D'Souza, Antonio Carta, Soheil Kolouri, Andrea Soltoggio

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。

RL
論文全文を読む（PDF）
arXiv
Sim-to-Real Manipulation中級

Skill2Real、シミュレーション由来の操作スキルを実機へゼロショット転移

Xincheng He, Siyu Ma, Chang Yu, Yunuo Chen, Yanjia Huang, Ying Nian Wu, Yin Yang, Chenfanfu Jiang

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。

論文全文を読む（PDF）
arXiv
Manipulation中級

PAMが残経路のタイミング無視スケッチと行動チャンクを同時生成、実機成功率75.0%

Fangyuan Wang, Songhao Huang, Haoxiang Sun, Shipeng Lyu, Chengyang He, Anqing Duan, Peng Zhou, David Navarro-Alarcon

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。

論文全文を読む（PDF）
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）

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。