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。
We focus on legible robot motion generation in social navigation settings. Legibility in human-robot interaction (HRI) is often described as the property of robot motion that enables an observer to confidently infer the robot's intent.
Voluntary movements have long been hypothesised to be comprised of discrete primitives called submovements, as a descriptive model of human motor behaviour. However, existing methods scale poorly, and no principled method exists to determine whether a decomposition is informative.
Egocentric human data provides a scalable source of experience for robot learning, but varies substantially in human-robot alignment, behavioral coverage, and available supervision. Existing work shows favorable scaling with increasing human data, but it remains unclear which data properties drive downstream robot gains and how to use such data throughout the training pipeline.
本論文は、分散配置したIMUと基板コイルによる磁気計測を組み合わせ、外部カメラに依存せず連続体ロボットの三次元形状を推定するモジュール式センシング方式を開発した。4シナリオ20試行でバックボーンRMSE 10.0±3.2 mm、先端RMSE 14.9±6.5 mm、更新レート16.7 Hzを達成し、先端高さの閉ループ制御も実証した。これはプレプリントであり、査読済みとは報告されていない。
Video generation models (VGMs) offer strong spatiotemporal priors for embodied observation--action modeling. However, joint-space action vectors lack explicit image-space structure and vary in dimensionality and semantics across embodiments, making it challenging to directly leverage the rich spatiotemporal priors of VGMs.
本研究は、任意の3次元方向へ曲がるソフト空気圧アクチュエータ（SPA）をトポロジー最適化で自動設計する手法TO-mdiSPAsを提案した。Darcy則と排水項で設計依存の圧力荷重をモデル化し、3フィールドのロバスト最適化を適用した。数値シミュレーションでは、最適化した3本アーム構成が複数方向への屈曲と把持動作を示した。査読前のプレプリントである。
Magic-W0は、ロボット操作のための構造化世界・行動基盤モデルである。現在状態、行動による遷移、未来状態を明示的にモデル化し行動生成と双方向に結合し、RoboDojo-SimでWAM中最高の平均Score 27.10、実機5タスクで平均成功率94.6%を達成した。本論文は査読前のプレプリントである。
GroundingPIは、点とボックスを量子化座標として出力する4Bパラメータの視覚グラウンディング基盤モデルである。34件のグラウンディングベンチマークで平均73.68%を達成し、より大規模なGPT-6 Astraの71.54%を上回った。ロボット操作と自動運転の下流タスクで既存バックボーンを上回る転移性能を示し、物理的知能のための知覚基盤として有望である。本論文はarXivのみで公開されたプレプリントである。
本研究は、多関節空中マニピュレータ向けに、合成データで学習した局所全身VLA行動をシーン規模ミッションに合成するフレームワークを提案した。主要な結果として、シミュレーションでのマルチサイト任務成功率42.0%、500ms遅延下でのMPARによるテイクオーバー位相誤差の中央値0.212秒削減、実機での多関節UAM検証を報告した。本論文は査読済み採録が明記されていないプレプリントである。
We present PrefPI (Preference-Guided Policy Iteration), an iterative framework for steering pretrained generative robot policies using only relative preferences over self-generated trajectories. Unlike prior preference-learning methods that primarily sharpen modes already represented by the policy, we study steering beyond the initial effective support, where desired behaviors are rarely or never observed under the initial policy.
ルクセンブルク大学の研究チームが、建設現場向けに2台の魚眼カメラとIMUのみで動作し、設計図の床プランを逐次統合してドリフトを補正するオンラインSLAM「MVP-SLAM」を発表した（査読前プレプリント）。Hilti–Trimble SLAM Challenge 2026のLocalizationタスクで22チーム中2位（平均RMSE 0.29m）、SLAMタスクで62チーム中5位（0.24m）となり、オンラインで床プランを統合し位置特定する手法としては両タスクで首位だった。床プランをカメラのみの視覚慣性SLAMにオンラインで組み込み、軌跡構築中に補正できる点が重要である。
8x8の3自由度デルタロボット64台の先端を伸縮性膜で結合し、離散接触を連続面に変換した。15mmから90mmまで、アクチュエータ中心間距離43.3mmをまたいで単一面上で操作でき、低次離散コサイン変換係数に作用する方策は実機に適応なしで76%の成功率を示した。本論文は査読前のプレプリントである。
Cable-suspended aerial manipulation offers a lightweight architecture for cooperative transportation and physical interaction, yet the passive mechanical response perceived at the load remains insufficiently understood and systematically exploited. This work interprets aerial vehicles as movable compliant anchors and develops a gravity-aware quasi-static theory for predicting and shaping the passive Cartesian stiffness of a suspended load.
本論文はプレプリントである。視覚検出器が与える機体傾斜情報を推力方向の観測として統合し、隣接UAVの速度と加速度を低遅延で推定する手法を提案した。2件の実データセットと1件のフォトリアリスティックシミュレーションデータセットで評価し、位置のみの推定に比べ速度誤差平均40%、加速度誤差平均57%を削減した。閉ループのリーダー・フォロワーシミュレーションでは、提案手法が2gを超える横方向機動の追従を可能にした。
Autonomous exploration demands that robots continuously evaluate candidate viewpoints based on their expected information gain and execution cost. Sampling-based planners estimate this gain by volumetric raycasting and, due to its computational cost, evaluate candidates under an assumption of mutual independence, ignoring the overlap between viewpoints along the same path.
プレプリントとして公開された本研究では、TD-M(PC)2を基盤に、批評家の学習目標を多段階化するMTD、計画時の終端価値に不確実性ペナルティを加えるATE、実現報酬で重み付けした模倣を行うRADを組み込んだPL-MPCを提案した。HumanoidBenchのbalance-hardでTotal Average Returnが98±18から387±255へ、hurdleで199±13から466±200へ向上し、実機のKUKA IIWA14によるレンチとナットの位置合わせでもTD-M(PC)2を上回る成功率を報告した。
本論文は、四脚ロボットが未踏地形で得た接触指標を、DINOv3の視覚特徴から不確実性付きで予測する継続学習パイプラインを提案したプレプリントである。逐次的な実機データストリームで、履歴検証ゲート付きリプレイはゲートなしリプレイに比べ最終アンカーNLL劣化を23.1%相対低減し、新地形への適応はほぼ同等だった。この手法は、地形の見た目ではなくロボット自身の接触応答に基づく走破性評価を可能にする点で重要である。
このプレプリントは、VLAのモデル推論とロボット実行系の遅延を実測し、Flow Matchingの速度場が終端付近で方向補正に集中することを示した。その上で標準の10NFEから2NFEへ削減する2段階非一様デノイジングを提案し、推論時間を61.557msから21.956msに短縮した。双腕Tシャツ折りタスクで6種類のリアルタイム実行手法を比較し、学習ベースではLegato、学習不要ではTemporal Smoothingが最高で、2段階推論を組み合わせると推論コストは大幅に減るが成功率は小幅に低下した。
強化学習で訓練したアクタークリティックとセンサ予測モデルをPAC-NMPCに統合し、未知環境での知覚ベース航法に有限時間の確率的衝突回避保証を与える手法を提案した。固定翼機の実機実験では成功率80パーセントを達成し、RL単独方策や地図とA*を用いるPAC-NMPCの40パーセントを上回った。本論文はarXivプレプリントであり、査読済みではない。
Vision-language-action (VLA) policies emphasize semantic understanding, whereas world-action models (WAMs) learn predictive representations of environment dynamics. Systems that expose a policy to both sources often still concentrate action computation on a single expert.
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。