PISTOは、KL正則化を用いて更新を安定化させる新しい確率的軌道最適化アルゴリズムであり、ロボットアームの動作計画において89%の成功率を達成し、CHOMPやSTOMPを上回り、より短く滑らかな経路を生成する。

本論文では、2D回転レーダー強度画像に直接作用する初のレーダーバンドル調整（BA）フレームワークDr-BAを紹介する。レーダーは降水の影響を受けにくく、全天候型自律システムに不可欠である。Dr-BAは複数スキャンの完全なレーダーリターンを利用し、分離最適化により密な地図とセンサー位置を同時推定する。さらに、直接レーダーのみによる位置特定（DRL）に自然に拡張される。200km以上の路上データで最先端の性能を実証。

従来の位置追跡に代わり、操作者の目標位置を推定する意図同化制御（IAC）を提案。低剛性でも高精度な追跡を可能にし、安全性と精度のトレードオフを解決。7自由度マニピュレータでの実験により、従来の遠隔インピーダンス制御（TIC）と比較して追跡精度、タスク成功率の向上、完了時間の短縮を確認。

弾性モデルを必要としない適応コントローラにより、2機のUAVが協調して曲げ可能物体を運搬する手法を提案。リアプノフ解析により漸近安定性を証明し、ハードウェア実験で性能を実証した。

本研究では、自然言語の記述を制約に変換する基盤モデルと、制約を解くソルバーを用いて、自動運転車のテストシナリオを生成する手法を提案。ベンチマークで優れた成功率を示し、特に自己反応仕様を要するシナリオで閉ループアプローチの重要性が確認された。

本論文では、RGBD知覚、MPPI UAV制御、軽量2自由度マニピュレータを統合した空中マニピュレータプラットフォームを提案し、垂直農場での花の検出と位置決めを実現。実験によりセンチメートル級のエンドエフェクタ精度を実証し、非接触受粉システムの基盤を築く。

新しい制御フレームワークは、スクリュー理論に基づくLie代数と偏微分方程式を用いて、多体フレキシブルマニピュレータを管理します。このアプローチはシステムをサブシステムに分解し、Lyapunovベースの手法と適応パラメータ推定により、大域的な指数安定性とモジュール性を実現します。数値シミュレーションにより、その物理的整合性が検証されています。

本論文では、速度ダイナミクスに基づいて時空間トークンごとに異なるステップ予算を割り当てる訓練不要の推論アルゴリズム「不均一ステップ割り当て（HSA）」を提案する。KVキャッシュ同期機構とキャッシュオイラー更新により、グローバルコンテキストを犠牲にすることなく動画生成を高速化する。Wan-2およびLTX-2モデルでの評価では、HSAは積極的な高速化において従来手法を大幅に上回り、優れた品質-実行時間パレートフロンティアを達成した。

本論文は、クリーンなアノテーションなしでトレーニングデータ内のラベルバイアスを検出するために、Confident Learningをセグメンテーションに適応したデータ中心の手法を提案する。方向性のある誤りを特定し、特徴空間の分離可能性に対するバイアスの影響を緩和に利用することで、3つのデータセットで公平な性能を達成した。

TriDEは、カメラの三角形一貫性を利用してペアごとの並進方向を改良し、精度と下流のカメラ位置推定を向上させる新しいグローバルカメラポーズ推定手法です。

AdpSplitは、L1ピクセル誤差領域統計から分割子の数を決定し、子パラメータを初期化することで、3Dガウススプラッティング（3DGS）トレーニングの高密度化反復回数を削減し、レンダリング品質を維持しながらトレーニング時間を9.2%～22.3%短縮する新しい適応分割演算子です。FastGSと組み合わせると、MipNeRF360でフルスケジュールPSNRを達成しつつ、トレーニング時間を16.4%削減、バニラ3DGS比12.6倍の高速化を実現します。

本論文は3D医用画像における知識転送のスケーリング則を研究し、モダリティ間の非対称な転送を明らかにし、最大58%の性能向上をもたらすデータ割り当て最適化を提案する。

LookWhen は、選択子-抽出子フレームワークを用いて、いつ、どこで、何を計算するかを学習することで、全トークンを処理せずに動画全体の表現を近似し、精度と計算量のトレードオフを改善する。実験では、InternVideo2-B と同等の精度で6.7倍高速であることを示した。

本論文では、マルチホップ相対空間推論における誤差蓄積問題に対処するR$^3$Lフレームワークを提案する。不変空間分解、想像-修正ループによる一貫した空間想像、大域-局所座標再パラメータ化による支援的空間最適化を導入。実験により物理的に実現可能で意味的に一貫したレイアウトを実証。コードは公開。

HumanNetは、一人称視点と三人称視点の両方をカバーする100万時間の人間中心ビデオコーパスであり、細かな活動、人と物体のインタラクション、道具の使用、長期的な行動を多様な実世界環境で捉えています。このデータセットは、キャプション、動作記述、手や体に関する信号などのインタラクション中心のアノテーションを提供し、動作認識とインタラクション認識の学習を可能にします。体系的なデータキュレーションパラダイムにより、非構造化インターネットビデオを表現学習、活動理解、動作生成、人間からロボットへの転移のためのスケーラブルな基盤に変換します。初期検証では、HumanNetから抽出した1000時間の一人称視点ビデオを用いた継続学習が、Magic Cobotの100時間の実ロボットデータを用いた継続学習を上回ることが示されました。

本論文は、コンピュータビジョン、特に医療診断に焦点を当てたエッジ深層学習の最新技術を包括的にレビューする。基本原則、ハードウェアプラットフォームの分類、軽量設計やモデル圧縮などの展開手法、実用的応用例を紹介し、将来の方向性と課題を分析する。

研究者らは、視覚テキスト圧縮（VTC）における情報損失を予測するための測度輸送フレームワークを提案。コストを精度とカバレッジに分解し、ラベルなしルーティング基準と適応的フォビエーション機構を導出。Qwen3-4Bを用いた24のNLPデータセットでの実験では、70.8%のデータセットでデータセット単位のオラクルに一致し、タスクスコアは3.3%向上、トークン使用量は10.3%削減。

本論文はGoSkillsを提案。スキルライブラリからフラットなリストではなく、役割ラベル付きの実行コンテキスト（開始、サポート、チェック、回避）を返すグループ構造化検出手法。SkillsBenchとALFWorldでの実験でベースラインを上回る性能を示した。

MultiSoc-4Dは、58K以上のベンガル語ソーシャルメディアコメントを含むベンチマークデータセットで、カテゴリ、感情、ヘイトスピーチ、皮肉の4次元で注釈されています。ChatGPT、Gemini、Claude、GrokなどのLLMを用いた構造化パイプラインにより、「命令誘発ラベル崩壊」と呼ばれる現象を発見。LLMは予備ラベル（その他、中立、なし）を好む傾向があり、ヘイトスピーチ（79%未検出）や皮肉（75%未検出）などのマイノリティカテゴリを見逃します。フライスのカッパ係数がほぼゼロ（κ≈-0.001）であることから、これは「ラベル合意の錯覚」であることが示されています。40以上のLLMでテストし、アーキテクチャの違いに関わらずバイアスが伝播することを確認。

新しい研究により、大規模言語モデルが検索情報の確実性に応じて応答を調整する能力に系統的な限界があることが明らかになり、インタラクション戦略によってエラーを平均25%削減できることが示されました。

本論文は、自然言語処理、ヒューマンコンピュータインタラクション、責任あるAIの視点を統合した人間中心の大規模言語モデル（HCLLM）開発のフレームワークを提示し、設計から展開に至るパイプラインの各段階で人間の関心事に対処する必要性を主張し、未来の労働に関するケーススタディで締めくくっています。

研究者らは、IoTデバイス向けの合成マルチターン音声駆動コード生成タスクであるMIST（マルチモーダル対話型音声ツール呼び出しデータセット）を提案した。実験の結果、オープンウェイトとクローズドウェイトのマルチモーダルLLMの間には大きな性能差があり、最先端のクローズドウェイトモデルにも改善の余地が大きいことが示された。データセットと拡張可能な生成フレームワークは公開され、物理世界の制約を推論する混合イニシアティブ音声アシスタントの研究を促進する。

本論文では、低リソース設定でのクロススクリプト語彙検索、翻字、アライメントのための40,112の単語および短句ペアからなる厳選されたタジク・ペルシャ並列語彙リソース「TajPersLexon」を紹介する。CPUのみを使用した包括的なベンチマークでは、軽量ハイブリッドパイプライン、ニューラル系列変換モデル、検索手法の3つの方法族を比較。ニューラルおよび検索ベースラインは98-99%のトップ1精度を達成する一方、大規模多言語文変換器はこの正確な語彙マッチングに失敗する。解釈可能なハイブリッドモデルは、OCR後補正タスクで96.4%の精度を達成し、精度と効率の良好なトレードオフを提供する。すべての実験は固定乱数シードを使用し、完全な再現性を保証。データセット、コード、モデルは公開予定。

IntentGraspは、12分野にわたる49のコーパスから構築された大規模かつ多分野の意図理解ベンチマークであり、26万以上の訓練サンプルと2つの評価セットを備える。20のLLMを評価した結果、人間のパフォーマンス（81.1%）には遠く及ばず、提案された意図的ファインチューニング（IFT）により大幅な改善と強力な分野横断的一般化が確認された。

VITA-QinYuは、自然な会話、ロールプレイ、歌唱生成をサポートする初のエンドツーエンド表現型音声言語モデルです。ハイブリッド音声テキストパラダイムとマルチコードブック音声トークンを採用し、モダリティを分離しつつ副言語表現を強化します。15.8K時間の合成データで訓練され、ロールプレイと歌唱のベンチマークで既存モデルを上回り、会話の精度と流暢さで最先端を達成しています。コードとモデルはオープンソース化されています。

33のフロンティアLLM、1500のMMLU項目を用いた研究により、集約メタ認知スコアがドメイン内の変動を隠蔽することが明らかに。応用/専門知識は最もモニタリングが容易で、形式推論と自然科学が最も困難。モデルファミリー内のクラスタリングが顕著で、Gemma 4はGemma 3から大幅に改善。展開前のドメインスクリーニングを支持する。

研究者らは、抗体配列設計のための離散拡散モデルを導入し、生殖系列吸収状態を使用して生殖系列バイアスを低減し、分類器誘導の条件付き生成を可能にし、非生殖系列残基予測で大幅な改善を達成した。

本研究は、複数のオフポリシー評価手法を用いて、米国における難民マッチングの反実影響評価結果の安定性を検証した。異なる評価手法や修正条件下でも、影響推定値は大きさが一貫し、ほとんどの場合で統計的に有意であり、先行研究と一致した。

2020～2023年のCRSSデータを用いて、シートベルト非使用、車齢、速度超過、運転手の障害が樹木関連衝突の重大性に影響する主要因子であることを特定し、相互作用を分析。安全対策の強化を提案。

Toeplitz MLP Mixer（TMM）は、アテンションの代わりに三角マスク付きToeplitz行列乗算を用いる新しいアーキテクチャであり、学習時にO(dn log n)の時間とO(dn)の空間複雑度を達成し、より多くの入力情報を保持してコピー能力、情報検索、文脈内学習の精度を向上させる。