AI・ソフトウェア on HWL Robot News

強化学習で羽ばたきロボの翼を再設計

Fri, 23 Oct 2026 00:00:00 +0000

北京科技大学（USTB）のチームが、深層強化学習を用いてロボット蝶の翼を再設計する研究を発表したと報じられた。取得できた本文がなく、手法や性能の詳細は不明である。タイトルから、強化学習を翼形状の最適化に使い、羽ばたき型ロボットの設計を改善する取り組みと読み取れる。具体的な成果の数値は確認できていない。

中国でAIとロボットが新物質を創る「ロボット科学者2.2」

Fri, 23 Oct 2026 00:00:00 +0000

AIが仮説を立てロボットが実験する研究システム「ロボット科学者2.2」が、18日に安徽省合肥市で開かれた「智能科学家生態連盟」の第4回年次総会で発表された。大規模AIモデルが仮説を立て、小規模モデルが検証し、研究ロボットが精密な実験を担う仕組みで、新物質を自律的に創製する。研究ロボット110台、AI化学ワークステーション196台、命令セット508種類、化学実験テンプレート3200種類、AIモデル310種類を統合する。バイオ医薬や新エネルギー、宇宙探査などで活用され、中国科学技術大学教育基金会は年500万元超の人材支援基金も発表した。

スタンフォードが自律ロボット学習の基盤を公開

Thu, 22 Oct 2026 00:00:00 +0000

スタンフォード大学が、自律ロボットの学習を世界に開放する取り組みを発表した。Stanford Reportが2026年10月22日に伝えた。提供された情報はタイトルのみで、公開される内容の詳細や仕組み、対象となる利用者、開始時期は本文から確認できない。研究成果やツールを外部の研究者へ広げることで、ロボット学習の研究が進む可能性がある。

安定性を保証する強化学習で軌道追従を最大15%改善

Thu, 22 Oct 2026 00:00:00 +0000

イリノイ大学アーバナ・シャンペーン校の研究者らが、強化学習と収縮理論を組み合わせた手法CARL（Contraction-Aware Reinforcement Learning）を開発した。学習した制御方策で追従誤差の挙動に数学的保証を与え、既存手法より追従性能を最大15%高めた。車輪型のTurboBot 3 Burger、羽ばたき型ドローン、六脚ロボットJethexaの3種で実機を含む実験を行った。学習制御の不安定化や破損のリスクを減らし、実用展開を進める成果である。

汚染LLMがロボに危害計画、攻撃と防御を提示

Thu, 22 Oct 2026 00:00:00 +0000

米ビンガムトン大学のAdnan Siraj Rakin助教らが、ロボットのタスク計画用LLMに複数のトリガー語でバックドアを仕込む攻撃MuTRAPを示した。ドメイン特化のファインチューニング時に悪意ある挙動を埋め込み、トリガーを含む指示で安全な計画が有害な計画に切り替わる。GPT2-largeやLlama-3.1-8Bなど7モデルをVirtualHomeで検証し、手を切る計画や猫を加熱する計画が生成された。実害はなく、模擬の果物や3Dシミュレーションでの実験である。生成計画を別のLLMで事前評価する防御PROTEAも提案し、IROS 2026で発表した。

LiDAR距離画像の事前学習で四脚ロボットが群衆内を移動

Wed, 21 Oct 2026 00:00:00 +0000

RangeNavは、パラメータ数183kと小型のLiDAR距離画像エンコーダで、合成データのみで事前学習する。再構成、意味分割、俯瞰図予測を組み合わせた目的で学習し、その後は固定して方策学習に使う。意味とBEVの教師を加えると、再構成のみの基準より成功率が学習環境で平均32.03pp、未知の現実的環境で23.73pp向上した。Unitree B2-Wでの実機検証では、追加学習なしで密集した人混みや暗所、工事現場を通過できた。同日には、軽量MLPを用いた自動運転計画DriveMLPも、nuPlan Val14 Reactiveで86.51点を記録している。

VLAの不確実性推定と実行監督を効率化する研究群

Wed, 21 Oct 2026 00:00:00 +0000

VLA（視覚言語行動）政策の信頼性向上を狙う4本のarXiv論文が相次いだ。単一ポリシーの埋め込みからGaussian過程の条件付き分散で認識的不確実性を推定する手法は、SmolVLAとLIBERO-10の実験でアンサンブルに匹敵し、スコア算出時間を最大約50分の1に減らした。FastHarnessはGPT-6 Astraによるπ0.5の監督頻度を経験から調整し、レビューのトークン使用量を平均57.2%削減、成功率を80%から97.19%に高めた。Echoは停止・失敗信号を行動チャンクに加えて同時にデノイズし、成功・失敗の判定と行動生成を一つのVLAで担う。ほかに実行可能な記憶を扱うストリーミング推論の研究もある。

コード計画と世界モデルを統合する行動モデル

Wed, 21 Oct 2026 00:00:00 +0000

ロボット操作向けのワールドアクションモデル（WAM）に関する論文が複数、arXivに投稿された。AW-0は、コード、将来映像、ロボット行動の3つの流れをMixture-of-Transformersで同時に生成し、コード計画と物理的な予測を結び付ける。生成したプログラムはスキルとして再利用でき、RoboTwin 2.0と双腕の実機タスクでVLAやWAMの基準手法を上回った。FREDは単一ノイズ除去ステップで得る将来映像表現を自己蒸留で改善し、人の動画だけで示したタスクの成功率を、最良の競合の19.4%に対し50.0%にした。ほかに4D幾何を統合したUniFlowWAMや、物理較正、骨格に基づく潜在行動モデルも報告された。

因果知識でMLLMのロボット計画を強化するCausGround

Wed, 21 Oct 2026 00:00:00 +0000

CausGroundは、行動の前提条件と効果を因果知識として蓄積し、再利用する非パラメトリックな枠組みである。物体の属性や関係を表す世界状態の上で、前提の後ろ向き推論と効果の前向き推論を行い、行動選択や複数手順の計画に生かす。VirtualHomeでは平均タスク成功率が24.9％から53.3％へ、RoboCasaでは閉ループ計画成功率が43.0％から57.0％へ上がった。パラメータ更新なしで実ロボットの逐次操作にも適用できた。同じ話題として、長期の身体性エージェントを評価するTARSphereやSCOPEなどの関連研究も報告されている。

運用しながら学ぶ人介入型オンライン後学習TIDE

Wed, 21 Oct 2026 00:00:00 +0000

事前学習済みロボット基盤モデルを、現場で動かしながら改善する後学習システムTIDEがarXivで発表された。人の介入データと方策自身の実行データを、出自を条件にした教師あり学習でオンライン更新する。価値関数や報酬モデルなどの補助モデルは使わず、学習の複雑さと不安定さを避ける。双腕の実機4タスクで、ウォームスタート方策や同量のオフライン実演を追加した場合より進捗と完遂率が向上した。1タスクあたり1時間未満で最終チェックポイントまで到達する。

言語を行動表現にする潜在世界モデルLaLa-World

Wed, 21 Oct 2026 00:00:00 +0000

言語を共通の行動インターフェースとして使い、シミュレーション、ロボット軌跡、画像、動画から学習する潜在世界モデルLaLa-Worldが発表された。数値の行動や視覚変化を言語で記述し、言語モデル上に構築した単一の予測器で異種データを横断学習する。各領域・タスク別に学習した既存の潜在世界モデルよりMPC計画性能が高く、動画生成モデルのベースラインと同等の性能を学習コスト6分の1、計画13.9倍速で達成した。さらに方策へ微調整したLaLa-Policyは、LIBEROとRoboCasaでCosmos Policyと競合し、推論は最大5.5倍速い。

次の足場だけを見る人型ロボットの歩行知覚

Wed, 21 Oct 2026 00:00:00 +0000

ETHの研究チームが、人型ロボットの不整地歩行で使う標高マップを、次の足場の周辺だけに絞る手法を提案した。軽量な足場予測モデルが固有感覚と速度指令から次の2歩を予測し、その周囲の7×7パッチだけを方策に与える。入力は全体スキャンの693点から102点に減り、同じ地形難度に達するまでの学習反復は約3分の1になった。足場がまばらな環境や未知の地形でも全体マップ方式を上回り、計算コストが数倍の注意機構型エンコーダとも同等の性能を示した。Unitree G1にゼロショットで移植し、階段や段差、隙間を屋内外で踏破している。

自己進化するハーネスで履歴依存の操作を改善

Wed, 21 Oct 2026 00:00:00 +0000

中国科学技術大学や上海AIラボらが、VLMを編集可能なハーネスでロボットエージェント化するSERAを提案した。長期タスクでは進捗や過去の結果を保持する非マルコフ的な依存が生じる。SERAは観測と実行結果からタスク文脈を更新し、次の計画に反映する。低レベル制御は固定のVLAが担い、環境ロールアウトでハーネスの修正案を評価して選ぶ。RoboMMEで自律選択時の全体成功率は51.38%となり、自己進化なしの44.38%を上回った。

人間のRGB動画から両手の器用さを事前学習

Wed, 21 Oct 2026 00:00:00 +0000

RGBのみの人間動画から3D空間に根ざした両手の器用操作を学ぶ枠組み「SpatialDex」が発表された。各動画から場面の形状を復元して手の動きを推定し、手の大きさの事前知識でスケールを揃える。復元した形状は方策の入力と予測対象の両方に使い、視覚言語モデルのトークンに融合する。100万クリップで事前学習し、少数のロボット実演で微調整した結果、シミュレーション9課題で最先端手法を16.5ポイント、実機の両手6課題で38.3ポイント上回った。形状を使わず手の動きだけで事前学習した場合との比較でも、成功率が14.2ポイント向上している。

接触力を予測する世界モデルで挿入成功率が向上

Wed, 21 Oct 2026 00:00:00 +0000

接触力が必要な操作では、視覚だけでは荷重情報が得られない。CW-WAMは映像・動作・接触レンチを同時に予測する世界行動モデルで、動作と力を対にして扱う注意機構と長い力の記憶を備える。予測した力は20Hzの外側ループのアドミタンス制御器に参照値として渡される。1mmクリアランスの角ペグ挿入成功率は25%から70%、電源アダプタは40%から95%に向上した。力参照のRMSEもペグ挿入で4.8Nから2.7Nに下がった。

物理AIの再帰的自己改善を整理したサーベイ論文

Wed, 21 Oct 2026 00:00:00 +0000

NUS、HUST、SJTU、NTU、HKBUの研究者が、物理世界のロボットにおける再帰的自己改善（RSI）を論じる論文をarXivに投稿した。RSIとは、挙動だけでなく改善の過程そのものも改善していく仕組みである。部分的な観測や高コストな試行、不可逆な結果といった物理環境の制約を踏まえ、ロボット学習の中での位置づけと道筋を整理している。既存研究は操作タスクが中心で、挙動の改善や後続の学習への効果、手順の改善は確認されている。一方、再帰そのものに起因する利得を切り分けた物理実験はまだないと指摘する。評価の原則と今後の研究方向もまとめている。

両手の器用操作を1方策で追従するDONIC

Wed, 21 Oct 2026 00:00:00 +0000

DONICは、人間のデモから両手の器用な動作を追従する汎用の制御方策で、1つのネットワークで左右の手を制御する。多視点の両手物体操作データセットBiHOI（229物体、1,575シーケンス）も新たに構築し、ロボットハンド向けの参照動作に変換した。学習はPPOと行動模倣を組み合わせ、成功した実行結果をデモとして再利用する。物体中心の手ごとの報酬や、クリップ単位の優位性補正も導入した。微調整なしで、学習物体の未見軌道で86.79%、未見物体で57.32%の成功率となり、既存手法を大きく上回った。評価はIsaac Gymのシミュレーション上である。

VLAの頑健性と汎用AIの操作力を測る評価研究