本論文は、微分平坦性に基づく軌道生成と非線形モデル予測制御（NMPC）を統合した枠組みを固定翼UAVの軌道追従に適用し、風を考慮したサンプリング戦略により強風下でのロバスト性を高めた。シミュレーションと実機飛行実験で有効性を検証している。

本論文は、推論時に信号時相論理（STL）仕様を条件として与えられる視覚-言語-行動モデル Logic-VLA を提案する。構文グラフに基づく STL エンコーダと2段階のポリシー適応を用い、閉ループのクアッドコプター航法シミュレーションで STL 充足率を STL 非対応のベースラインより 24.8〜40.7 ポイント向上させつつ、自然言語タスクの成功率の低下を最大 1.8 ポイントに抑えた。

本論文は、MoCha 2026 パーキンソン歩行ベンチマーク＆チャレンジの優勝エントリを報告する。学習時に未見の臨床サイトで収録された正規化 SMPL モーションから MDS-UPDRS 歩行重症度を予測する課題であり、凍結した公開モーションエンコーダに単一の 4×512 線形層を付加する構成で、隠れたテストセット上で macro-F1 0.6945 を達成し、58 エントリ中 1 位となった。2 位は 0.5807、主催者ベースラインは 0.4289 であった。性能差の大半は、被験者単位での歩行ごと事後確率の平均化、参照ベンチマークのヘッド構成の厳密な再現、特徴平均と判定閾値に対するラベル不要のトランスダクティブ校准という、通常は事務的な処理と見なされる三段階から生じている。

arXiv に投稿された論文は、訓練不要でゼロショットのブラインド画像改ざん位置特定パイプラインを提案する。疑わしい画像 1 枚のノイズ残差から参照アーティファクトパターンを直接推定し、固定のフィルタ構成や色配置、ブロック周期を仮定しない。取得ノイズと補間ノイズの分散比に基づくノイズ除去器の選択基準、ブロック単位の相関分析、2 成分ガウス混合モデルによるスコアリングを組み合わせ、画素単位の改ざん確率マップを生成する。アブレーションではノイズ除去器の選択とブロックサイズの影響を評価し、既存の最先端パッシブ手法との比較で競争力があると報告している。

本arXiv論文は、マイクロ超音波画像における前立腺がん検出のための、セグメンテーション誘導型テスト時適応（TTA）フレームワークANTを提案する。エントロピー最小化や拡張ベースの自己教師あり学習ではなく、テスト時に補助的な前立腺セグメンテーション課題を解くことで、事前学習済み検出エンコーダを目標領域に適応させる。学習済みの凍結セグメンテーションネットワークが生成する擬似マスクを教師信号として用いる。leave-one-center-outプロトコルにおいて、適応なしと比較して平均AUCが生検コア単位で2.9%、患者単位で3.6%向上し、既存のTTAベースラインを上回った。

2026年8月20日にarXivへ投稿された論文DiffVC-ONEは、1ステップの動画拡散Transformerを基盤とした拡散型生成動画圧縮フレームワークを提案する。統合単方向潜在圧縮器、Video DiTベースの1ステップ拡散強調器、ハイブリッド条件生成器を組み合わせ、低ビットレートでの豊かな視覚ディテール、高い時間的一貫性、低い推論コストの両立を目指す。複数の標準ベンチマークで最先端の知覚品質と時間的一貫性を達成したと報告している。

arXiv の新論文が、ワールドアクションモデル（WAM）向けのシステムレベル適応的想像フレームワーク RISE を提案した。シーンごとに固定の想像予算を割り当てるのではなく、Latent Evaluator と Rollout Gate により段階的に Roll/Stop を判断し、NAVSIM と nuScenes で最高の総合計画性能を達成しつつ不要なロールアウトを削減する。あわせて、専門家検証済みのリスク注釈を備えた反事実データセット CounterDrive も構築している。

本論文は、世界価値観調査（WVS）の回答を14体の社会学専門家エージェントが構造的に解釈し、意味的に一貫した個人の価値観プロファイルを構築するExpertIVSを提案する。さらにマルチエージェント討論機構により動的対話下での価値観整合性を評価し、12か国480名のデータで90.78%の価値復元忠実度と、ベースライン比+5.3%の価値汎化性能を示した。

本論文は、テキストを語彙的な文字n-gram、形態統語チャネル、154特徴の心理言語学的スタイルチャネルに分解する診断フレームワークTSS（Triple-Stream Stress probe）を提案する。4つの英語データセット（N=12,906）において、スタイルチャネルに語彙特徴を加えると人手ラベルデータのMacro-F1が低下する（平均0.072減、p<10^-4）一方、自動ラベルデータでは低下しないことを示し、ラベル源を監査するDegree of Divergence（DoD）統計量を導出する。

新論文は、職業バイアスをユーザーの能力に関するモデル内部表現と観測可能な出力に分解する因果フレームワークを提案。複数のオープンウェイトモデルに適用した結果、ジェンダーや人種、社会経済的地位などの人口統計的属性が、行動指標で格差が検出されない場合でも能力表現に影響を与え、介入下で下流の行動に影響し得ることを示した。