EgoTraj-Bench: Towards Robust Trajectory Prediction Under Ego-view Noisy Observations
本論文は、第一人称視点の観測ノイズに耐性を持つ軌道予測を実現するため、実世界ノイズを含む履歴とクリーンな未来軌道を対応させた初のベンチマーク「EgoTraj-Bench」を提案し、歴史的観測のノイズ除去と将来の運動予測を同時に行う双フローモデル「BiFlow」を開発して最先端の性能と堅牢性を示したものです。
🦾 Category
cs.RO
864 件の論文
Conflict-Based Search as a Protocol: A Multi-Agent Motion Planning Protocol for Heterogeneous Agents, Solvers, and Independent Tasks
この論文は、異なるメーカーやアルゴリズム（A*、RRT、最適化、拡散モデル、強化学習など）を用いた多様な単一エージェント計画システムを、衝突ベース探索（CBS）をプロトコルとして統合し、異種ロボットが共有環境で効率的かつ衝突なく動作するための枠組みを提案しています。
Seeing the Bigger Picture: 3D Latent Mapping for Mobile Manipulation Policy Learning
本論文は、ロボットの視野を超えた空間的・時間的推論を可能にする 3D 潜在マップを用いたエンドツーエンドの移動マニピュレーション学習手法「Seeing the Bigger Picture (SBP)」を提案し、画像のみに依存する手法よりも新規環境を含むタスクで高い成功率を達成することを示しています。
MachaGrasp: Morphology-Aware Cross-Embodiment Dexterous Hand Articulation Generation for Grasping
本論文は、異なる手の形状（モルフォロジー）を埋め込みと固有把持（eigengrasp）セットとして表現し、物体の点群と手首の姿勢に基づいて関節角度を直接生成するエンドツーエンドのフレームワーク「MachaGrasp」を提案し、これにより未知の物体や未学習のロボットハンドに対しても高い把持成功率と高速な推論を実現することを示しています。
CBF-RL: Safety Filtering Reinforcement Learning in Training with Control Barrier Functions
本論文は、強化学習の訓練段階に制御バリア関数（CBF）を組み込むことで、安全制約を方策自体に内包させ、実世界での展開時にオンラインの安全フィルタを不要としつつ、より安全かつ効率的な学習を実現する「CBF-RL」という枠組みを提案し、ヒューマノイドロボットなどでの実証を通じてその有効性を示したものである。
Least Restrictive Hyperplane Control Barrier Functions
本論文は、動的システムが複雑な形状の障害物に近接して高速移動する際にも安全性を保証しつつ、従来の距離ベースの手法よりも制約の少ない制御入力を可能にする「最小制限ハイパープレーン制御バリア関数（H-CBF）」を提案し、その有効性を示しています。
Kinodynamic Task and Motion Planning using VLM-guided and Interleaved Sampling
本論文は、視覚言語モデル（VLM）による視覚的バックトラッキングと物理シミュレータによる運動制約の検証を統合したハイブリッド状態木に基づく新しいタスク・モーション計画手法を提案し、複雑な長期計画問題において既存手法や LLM 単独の手法よりも大幅に成功率を向上させ、計画時間を短縮することを示しています。
SpikeATac: A Multimodal Tactile Finger with Taxelized Dynamic Sensing for Dexterous Manipulation
本論文では、高速な動的応答と静的な圧力検出を統合した多モーダル触覚センサー「SpikeATac」を開発し、これを強化学習と組み合わせることで、脆弱な物体の把持や指内操作といった高度で接触に満ちたデキストラな操作を実現したことを報告しています。
Runge-Kutta Approximations for Direct Coning Compensation Applying Lie Theory
この論文は、古典的ルンゲ・クッタ法に基づいて新たな直交コンイング補正アルゴリズムのクラスを提案し、その導出手順を示すとともに、既存の代表的なアルゴリズムとの関係を明らかにするものである。
ROVER: Regulator-Driven Robust Temporal Verification of Black-Box Robot Policies
この論文は、モデル内部にアクセスできないブラックボックスのロボット政策の時間的検証を行うため、優先順位付き信号時相論理（STL）に基づく規制者主導のアプローチを提案し、その実証結果として仮想レースと移動ロボットナビゲーションの両領域で安全性要件の満足度を大幅に向上させたことを示しています。
Observer-Actor: Active Vision Imitation Learning with Sparse-View Gaussian Splatting
この論文は、腕に搭載されたカメラを移動させて最適な視点を確保し、3D ガウススプラッティングを用いて視覚的観測を最適化する「Observer-Actor」フレームワークを提案し、これによりロボットアームの模倣学習における成功率を大幅に向上させることを実証しています。
MarketGen: A Scalable Simulation Platform with Auto-Generated Embodied Supermarket Environments
本論文は、既存のデータセットでは対応が難しかった複雑な商業環境向けに、自動生成機能と大規模アセットライブラリを備えたシミュレーションプラットフォーム「MarketGen」と、その評価基準を提案し、実世界への転移実験を通じてその有効性を検証したものである。
LAP: Fast LAtent Diffusion Planner for Autonomous Driving
この論文は、拡散モデルの推論遅延と低次元キネマティクスへの過剰依存を解決するため、VAE 学習された潜在空間で高レベルの意図を捉え、単一ステップのデノイジングにより 10 倍の高速化と nuPlan ベンチマークにおける SOTA クラスの閉ループ性能を達成する「LAP（Fast LAtent Diffusion Planner）」を提案するものである。
GRAND: Guidance, Rebalancing, and Assignment for Networked Dispatch in Multi-Agent Path Finding
本論文は、強化学習に基づくグラフニューラルネットワークによる大域的なエージェント配分ガイダンスと、最小費用流および局所割り当てによる最適化を階層的に結合した「GRAND」という手法を提案し、大規模な物流倉庫におけるマルチエージェント経路探索タスクの処理量を既存の最優秀スケジューラーと比較して最大 10% 向上させつつ、リアルタイム性を維持することを示しています。
TEMPO-VINE: A Multi-Temporal Sensor Fusion Dataset for Localization and Mapping in Vineyards
本論文は、異なる季節や天候、生育段階を含む複雑なブドウ園環境における自律走行システムの評価を可能にするため、多様なセンサーと高精度な真値軌跡を備えた大規模なマルチタイムデータセット「TEMPO-VINE」を初めて公開したものである。
NeuralRemaster: Phase-Preserving Diffusion for Structure-Aligned Generation
本論文は、拡散モデルのノイズ過程で位相成分を保持し振幅のみをランダム化することで、アーキテクチャの変更なしに幾何学的整合性を保つ構造整合生成を実現する「位相保存拡散（Phase-Preserving Diffusion）」を提案し、画像・動画の再レンダリングやシミュレーションから実世界への転移タスクにおいて高い性能を示すことを示しています。
Efficient Path Generation with Curvature Guarantees by Mollification
この論文は、非微分可能な経路を任意の精度で微分可能関数に近似し、曲率を系統的に制御することで、リアルタイム実装が可能かつ既存の追跡アルゴリズムと互換性のある効率的な経路生成手法（モリフィケーション）を提案するものである。
A Bi-directional Adaptive Framework for Agile UAV Landing
本論文は、従来の「追尾後に降下」という受動的なアプローチを転換し、ドローンと着陸プラットフォームが双方向に協調して最適な姿勢を調整・同期させることで、動的環境下での自律着陸の効率性、精度、堅牢性を飛躍的に向上させる新しいフレームワークを提案しています。
EmboTeam: Grounding LLM Reasoning into Reactive Behavior Trees via PDDL for Embodied Multi-Robot Collaboration
本論文は、LLM の推論能力と PDDL ベースの古典的プランナー、そして行動木を統合した「EmboTeam」フレームワークを提案し、異種ロボットチームによる長期的なタスク実行の成功率を大幅に向上させることを示しています。
MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams
本論文は、単一のオペレーターによる監視下で、 Points of Interest（POI）に基づく統一ミッション抽象化と多層自律構造を活用し、ロボット間の能力に応じた動的タスク割り当てを可能にする「MOSAIC」というモジュール型スケーラブル自律枠組みを提案し、月面探査を模倣した異種ロボットチームの実地実験において、1 台の故障にもかかわらず高いタスク達成率と自律性を維持したことを実証しています。