ロボティクス・身体性
現実世界で動くAIの研究。ロボットの制御、世界モデル、視覚と行動の結びつき。
01記事
AI Agent / 2026-11-22
ヒューマノイドの長時間「移動+操作」を支える枠組みPGX:時間の流れと精密さを分担する
PGXは、長時間のloco-manipulationで課題となる時間構造と高精度制御を、学習不要の古典的コンポーネントに分担させる枠組み。述語ベース状態機械、フェーズ内VLAスキル、WCLの3層で実行を組み立て、シミュレーション3件と実機1件で改善を示した。
AI Agent / 2026-11-17
シミュレーション強化学習で、オープンウェイト推論モデルが実ロボット操作に転移する可能性
論文は、オープンウェイト27B推論モデルをデモなし・シミュレーションのみの強化学習で訓練し、実ロボット操作に転移できると報告する。PEARとRURLを提案し、LIBERO等で成功率の大幅な改善や汎用能力の劣化なしを示したという。
ロボティクス・身体性 / 2026-11-15
UAV向けVLNで「次の移動先の見え方」を想像させる枠組みProtoVis-Nav
UAVのVision-Language Navigationで、次の移動に対応する局所的な視覚表現を“想像”させるProtoVis-Navを提案。feature prototypesを予測し線形結合でターゲット領域の特徴を推定、行動生成時の文脈として用いる。実験でベースラインより改善を示した。
AI Agent / 2026-11-10
一般ist AIがロボットを直接動かす「AMP」を分析し、参照ハーネスAMP1を提案
一般ist AIモデルがマニピュレータを直接指揮するAMPを体系的に分析。単腕・双腕・移動で変更なしに動くAMP1を提示し、複数ベンチマークと実機試行で高いゼロショット性能を報告する。
ロボティクス・身体性 / 2026-11-09
OopsieRecover:少数の是正デモからVLAの失敗回復を学ばせる枠組み
VLAモデルのデプロイ時の失敗に対し、少数の是正デモの「意図」を外転で推論し、条件付きコストとして方策を誘導するOopsieRecoverが提案された。6タスクの実験で、新規状況への一般化を示したと報告している。
ロボティクス・身体性 / 2026-11-08
シミュレーションRLの制御知識を「潜在文脈」として再利用し、少量デモで器用操作を学ぶ枠組み
視覚デモが限られる器用操作学習に向け、特権情報ありのシミュレーションRLで得た制御知識を蒸留し、凍結したデコーダを保ったまま画像から潜在文脈を学習する2段階手法を提案。3タスクで低データ時の性能向上を報告する。
ロボティクス・身体性 / 2026-10-31
短い動画から先の行動列を予測する「SymAnt」:シンボリック文脈を“事前の手がかり”として使う
SymAntは短い動画から、シーングラフと知識グラフのjoint-searchでシンボリック文脈を構築し、将来の行動列を反復的に生成・改善する手法。短い観測でも長期予測を行い、知識編集で追加学習なしに予測調整できる点をうたう。
ロボティクス・身体性 / 2026-10-30
多指ハンドの物体姿勢到達で「落とさない」も評価する:LEAPハンド向け学習レシピと安全フィルタ
多指ハンドのin-hand object pose reachingを、手首姿勢が変わっても長い連続目標列で扱い、安全性(落下)も測る枠組みを提示。人手データなしのシミュレーション学習とゼロショット実機転移、安全フィルタで性能と安全の調整を示す。
ロボティクス・身体性 / 2026-10-30
ThinkWorld:人間動画も生かすために、世界の変化に基づいて行動を学ぶVLA枠組み
ロボット操作VLAの一般化が、行動ラベル付き実演データの網羅性に縛られる課題に対し、ThinkWorldは世界ダイナミクスと“想像”を使って学習を進める。CoDという共通表現で、人間動画とロボット経験を同じ推論空間で扱うことを狙う。
ロボティクス・身体性 / 2026-10-28
接触力も扱うヒューマノイド動作学習「FLORE」:両手と全身の協調を狙う枠組み
FLOREは、接触力と動作を同時に扱うヒューマノイドのloco-manipulationを学習する枠組み。ロボットフリー実演で力情報を集め、拡散方策が手ごとの力指令まで予測し、全身制御で実行する。実機の接触リッチタスクで成功率80%を報告する。
AI Agent / 2026-10-27
RynnUnify:身体性理解・長期視覚プランニング・ロボット制御をつなぐ統一モデルの提案
16BモデルRynnUnifyは、動画と言語を交えた推論で身体性理解と長期視覚プランニングを統合する。強化学習による拡張やロボット制御への展開、専用ベンチマークでの評価結果も報告された。
ロボティクス・身体性 / 2026-10-27
RobustRLlib:ロバスト強化学習を同一基盤で比べるための統一ライブラリ兼ベンチマーク
RobustRLlibは、ロバスト強化学習の再利用性の低さと能力境界の不明確さという課題に対し、17手法の統一実装と多様な評価環境、273設定の評価による能力マップ提示をまとめて提供する。
ロボティクス・身体性 / 2026-10-26
OpenTac:カスタマイズ可能な3D触覚スキン向けセンサと周辺基盤の提案
OpenTacは、触覚スキン向けの新規センサと、設計・シミュレーション・取得まで含むエコシステムをまとめて提示する。抵抗式スキンと構造化オーバーレイで接線荷重を圧力分布に変換し、せん断と法線を復号する枠組みを述べる。CADツールで形状やテキスト記述から製造ファイルを自動生成し、評価・デモ・高速取得も報告する。
ロボティクス・身体性 / 2026-10-26
ロボット行動モデルを「安く」見積もる指標:Sensorimotor Alignment(S^2)の提案
高コストな閉ループ評価に代わる手段として、学習不要のオフライン指標S^2を提案。感覚表現と物理運動の幾何の整合を測り、タスク成功と正に相関すると報告する。モデル選別や現象理解への活用も述べる。
AI Agent / 2026-10-23
ロボット操作の予測と「スキルの再利用」をつなぐ枠組みAW-0
論文は、コードによる計画と、将来映像・行動の予測を同時に扱う「Agentic World Action Model」AW-0を提案する。コード・動画・行動を結合した生成ストリームとして共同モデリングし、スキルを再利用可能な形にまとめる自動キュレーションも導入した。
マルチモーダル / 2026-10-21
Ropedia W0:人間とロボットをまたぐ「移動+操作」の世界モデルを目指す研究
人間と複数ロボットのエゴセントリックデータを統一表現で学習し、移動と操作を同時に予測する世界モデルRopedia W0を提案する。10k時間(人)+3k時間(ロボ)のデータセットと長時間ベンチマークを整備し、複数ベンチマークでSOTAと報告している。
ロボティクス・身体性 / 2026-10-18
Mem4Act:長期ロボット操作に向けた固定サイズの潜在メモリ学習
Mem4Actは、長期のロボットマニピュレーションで必要な過去情報を、固定サイズの潜在メモリとして学習する枠組み。履歴の時間集約と、意味・知覚を補う監督、二段階学習で方策のメモリ利用を促すという設計を組み合わせる。
マルチモーダル / 2026-10-17
Spark-0:触覚を事前学習と運用の両方に生かすロボット操作モデル
Spark-0は、触覚を(1)事前学習時の監督信号、(2)運用時の方策入力として併用するVTLAモデルを提案する。HumanTouch(1,000時間)とSparkArenaを整備し、複数ベンチマークで高い成功率・順位を報告している。
マルチモーダル / 2026-10-17
P$^{3}$-WAM:一つのモデルで「見る・予測する・計画する」を統合する器用操作向け手法
P$^{3}$-WAMは、エゴセントリックな器用操作に向けて、3D知覚・行動条件付き予測・目標指向計画を単一モデルに統合する。動画拡散Transformerへ3D行動表現を組み込み、3モード学習で能力を伸ばすと報告する。
ロボティクス・身体性 / 2026-10-17
家庭向けロボットの「好み」を測るベンチマークLIBERO-PeRM
LIBERO-PeRMは、ロボット操作における「タスク達成」と「嗜好満足」を分けて評価するためのベンチマーク。観測可能な嗜好を分類し、嗜好あり/なしのペアデモと312タスクを提供する。実験ではゼロショットの個人化が難しく、SFTで嗜好が学習可能になると報告する。
LLM / 2026-10-16
SafeDriveVLA:自然言語ナビの「危険な指示」に備えるための評価とVLA手法
自動運転VLAに対し、自然言語ナビが生む不安全/悪意ある指示の脆弱性を問題提起。ナビ追従とコンフリクト認識、敵対的頑健性を同時に測るベンチマークと、三段階モード予測+world model dreamingで対処するSafeDriveVLAを提案する。
AI Agent / 2026-10-15
自動運転の「実行中の安全」を高めるランタイム枠組みAutoAgent0
AutoAgent0は、クローズドループ実行の信頼性をテスト時の実行問題として捉え、独立検出・ルール検証・復旧計画を統合するランタイム枠組み。Fail2DriveとNavSafe-∞で、単一エキスパートよりロバスト性が改善したと報告する。
ロボティクス・身体性 / 2026-10-15
LoopWAM:デプロイ後の混合品質ロールアウトからロボット方策を改善する枠組み
LoopWAMは、成功から失敗まで混ざった実環境ロールアウトをそのまま学習に使い、クローズドループで汎用ロボット方策を改善するworld-action modelを提案する。行動学習と世界モデル化を統合し、品質に応じて模倣を調整する。複数ベンチマークで成功率の向上が報告されている。
ロボティクス・身体性 / 2026-10-12
単一の人間動画を「逐次的シーングラフ」にしてRLを導く:Dex-One2Manyの提案
Dex-One2Manyは、単一の人間動画を逐次的シーングラフに抽象化し、RLの探索と報酬設計を同時にガイドする枠組みを提案する。動画にない姿勢や把持への一般化と、多段タスクでの探索困難の緩和を狙う。5タスクで、見た構成では6.5%、見ていないシナリオでは71%ベースラインを上回ったと報告する。
ロボティクス・身体性 / 2026-10-11
テキスト条件付きモーション生成の「場面に依存する危険」を抑える学習不要フィルタCSF
テキスト条件付きモーション生成器が場面文脈に応じた安全性を扱いにくい課題に対し、自然言語ルールを参照軌道に接地して適用する学習不要フィルタCSFを提案。4種の生成器で危険事象を最大90%低減し、無害モーションの88–100%を保持したと報告する。
ロボティクス・身体性 / 2026-10-10
安全フィルタを学習で償却する「FAITH」:高次元ロボット向けSafe RLの提案
FAITHは、安全と性能の競合を避けるため行動実行時に安全フィルタをかける枠組みを提案する。解析的モデル不要で安全価値を近似し、介入を最小にするフィルタをニューラルネットで償却する。安全行動がない場合も害を小さくする行動へ寄せるという。
ロボティクス・身体性 / 2026-10-09
RoboJEPAが示す、ロボット向け潜在世界モデルの「計算量と誤差」のスケーリング
JEPAベースの潜在世界モデルRoboJEPAについて、計算量に対するimagination errorのスケーリング則(2次のパワーロー)と、計画性能との相関を示した。実機で単一ゴール画像に向けたゼロショット計画のデモと、コード公開も報告している。
ロボティクス・身体性 / 2026-10-09
エゴセントリック動画から作る「永続的3D物体メモリ」Ledger:位置・履歴・文脈を統合して後の質問に答える
エゴセントリック動画から物体の3D位置だけでなく履歴と短い文脈記述を統合して保存する「Ledger」を提案。視野外の物体も保持し、元映像なしで空間質問に答えることを狙う。HD-EPICとUCS-Benchで精度向上を報告。
ロボティクス・身体性 / 2026-10-08
フローポリシーをオフポリシーで強化学習する手法「QF3」の提案
QF3はフローポリシーをオフポリシーで学習するオンラインRL手法。フローマッチングにcriticのaction gradientを組み合わせ、更新をリプレイ近傍の次元に限定する。ヒューマノイドでFPO++比10xの壁時計時間高速化を報告する。
機械学習 / 2026-10-06
公開エンコーダだけで作る転移可能な敵対的パッチ攻撃「TAPDreamer」
ロボット制御の基盤となるworld action modelに対し、公開エンコーダのみから固定パッチを作る攻撃TAPDreamerを提案。注意機構を通じた表現シフトの拡散を利用し、閉ループ評価で複数ベンチマークの成功率を大きく低下させた。
LLM / 2026-10-06
デモ動画を階層化して必要部分だけ参照する「RV-ICL」:LLMエージェントの計画と実行を支える提案
LLMエージェントがデモ動画をそのまま抱え込まず、把持・リリースなどのサブイベントに基づく階層として必要箇所だけを読み出すRV-ICLを提案。RPent上でLIBERO-PROとLIBERO-Plusの成功率向上が報告された。
02論文
2026-11-19
2611.26596
PGX: Physically Grounded Execution for Long-Horizon Humanoid Loco-Manipulation
2026-11-13
2611.18562
Training Reasoning Models in Simulation to Natively Use Real Robots
2026-11-12
2611.17330
ProtoVis-Nav: Prototypical Visual Imagination for Visual-Spatial Aligned UAV Navigation
2026-11-06
2611.09892
On Agentic Manipulation Policies
2026-11-05
2611.08458
Latent RL Priors for Data-Efficient Dexterous Manipulation
2026-11-05
2611.08462
OopsieRecover: Learning Transferable VLA Corrections from Semantic Interventions
2026-10-29
2610.40632
SymAnt: Grounding Long-Horizon Action Anticipation with Adaptable Symbolic Priors
2026-10-27
2610.37666
ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning
2026-10-27
2610.37652
Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well
2026-10-26
2610.35862
Learning Force-Reactive Humanoid Loco-Manipulation
2026-10-23
2610.32971
RobustRLlib: A Unified Library and Benchmark for Robust Reinforcement Learning Algorithms
2026-10-23
2610.32965
RynnUnify: Towards Unified Embodied Brain
2026-10-22
2610.31661
OpenTac: An Open Ecosystem for Customizable, Scalable, and Transferable 3D Tactile Sensing
2026-10-22
2610.31670
Sensorimotor Alignment: A Platonic Proxy for Embodied Policy Success
2026-10-21
2610.30136
Agentic World Action Models
2026-10-19
2610.26855
Ropedia W0: Scaling Loco-Manipulation World Models across Embodiments with Human Experience
2026-10-15
2610.22372
LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation
2026-10-15
2610.22323
Mem4Act: Learning Effective Latent Memory for Long-Horizon Robotic Manipulation
2026-10-15
2610.22342
Spark-0: Scaling Spatially Aligned Tactile Pretraining for Robot Dexterous Manipulation
2026-10-15
2610.22363
Perceive, Predict, and Plan: a Unified World Action Model for Egocentric Dexterous Manipulation
2026-10-14
2610.20609
SafeDriveVLA: Navigation-Conditioned World Model Dreaming for Conflict-Aware End-to-End Autonomous Driving
2026-10-13
2610.18873
LoopWAM: Closed-Loop Generalist Policy Improvement from Deployment Rollouts
2026-10-13
2610.18866
AutoAgent0: An Agentic Runtime for Safe Closed-Loop Driving
2026-10-08
2610.12467
CSF: Contextual Safety Filtering for Motion Generators
2026-10-08
2610.12432
FAITH: Feasibility-Aware Safety-Filtered RL for High-Dimensional Systems
2026-10-08
2610.12470
Dex-One2Many: Learning Dexterous Manipulation from a Single Human Demonstration
2026-10-07
2610.10515
RoboJEPA: Scaling Robotic Latent World Models
2026-10-07
2610.10538
Never Look Back: Understanding Persistence in 3D Object Memory from Egocentric Videos
2026-10-06
2610.08789
QF3: Fast Flow RL with Filtered Q-Gradients
2026-10-05
2610.06843
Recursive Video In-Context Learning for Agentic Robot
2026-10-05
2610.06814
