触覚探索で物体属性を推定し操作方策に文脈として渡すロボット操作手法

投稿者: 亜美と智也のAI論文解説 編集部

本論文は、接触音・力・速度の触覚探索信号から代表トークンを選んで物体表現を学習し、物体属性のテキスト埋め込みと対比学習で結び付ける。その表現を操作方策の文脈として与え、実機3タスクで物体文脈なし方策より成功率が向上したと報告する。

四足ロボットの障害物押し退け計画を学ぶLoRA微調整プランナ

投稿者: 亜美と智也のAI論文解説 編集部

本論文は、四足ロボットが自然言語タスクと構造化シーン情報から、スキル・対象物・幾何目標を含む可変長の行動列を生成し、ナビゲーションと平面押しで障害物を動かして目標へ向かう枠組みを提案する。Qwen2.5-1.5BをLoRAで合成データ微調整し、予測した行動列の先頭だけを実行して再計画する。

3D都市公園の植栽配置と機能をVLMと進化計算で最適化する手法

投稿者: 亜美と智也のAI論文解説 編集部

本論文は、テキスト指示とOSM区画からVLMで上面植栽配置を生成し、3D化後に日陰・音響・バイオマス・見た目の指標を評価、CMA-ESで各植物の規模とアセットを調整する都市公園植栽の最適化手法を提案する。機能評価は校正済み物理予測ではなく設計用サロゲートである点に注意。

自然言語のクラウド要求をTOSCA化し交渉で競合を解くLLM併用手法

投稿者: 亜美と智也のAI論文解説 編集部

自由記述のクラウド要求をLLMで洗練し、TOSCAテンプレートに構造化する。競合はユーザーとの自然言語交渉で緩和し、サービス発見は実カタログに対する決定論的マッチングで行う。70件の意図で競合検出と発見の再現率・F1改善、幻覚オファーゼロ、緩和コストは競合数に比例すると報告。

動画世界モデルの潜在表現を行動復元で評価:画素精度との乖離を比較

投稿者: 亜美と智也のAI論文解説 編集部

本論文は、画像のみ・動画事前学習・再構成・拡散・ダイナミクスなど7目的系統・10エンコーダを、共通の逆動力学プローブで「行動が復元できるか」により比較する。固定4タスクのLIBEROでは画素忠実度が高くても行動復元R²は低く、動画事前学習系が強い。

見た目ではなく機能で物体を判断するA4Dの高速アフォーダンス推論

投稿者: 亜美と智也のAI論文解説 編集部

A4Dは、画像とアフォーダンス語彙をCLIP系の共通潜在空間に写し、「可動 vs 固定」のような肯定語と反意語を結ぶ軸への投影位置で機能を推論する手法です。投影スコアを等張回帰で校正して不確実性を測り、未知・高不確実時だけVLMで候補生成とラベリングを行います。