本手法は、3D点表現をVLAモデルのアクションヘッドに直接注入することで、空間およびタスク汎化を大幅に向上させ、軽量な2層MLPのみを使用し、VLAバックボーンの変更を必要としません。LIBERO-PROベンチマークでは、タスク摂動下でGR00T-N1.6の成功率が31.2%から77.5%に、位置摂動下で28.1%から60.2%に向上しました。

本論文は、マルチロボット動作計画（MRMP）における適応型ロボット調整（ARC）の並列変種であるParallel ARC（P-ARC）を提案する。P-ARCは、ARCの3つの主要段階（初期個別解、衝突検出、衝突解決）それぞれに並列変種を導入し、ARCによるMRMP問題の分解が生み出す独立性を活用する。さらに、ARCとP-ARCの両方にOR並列マルチスタート戦略を適用し、ハイブリッド並列戦略OR-P-ARCを構築する。最大128台のロボットを用いた2D移動および平面マニピュレータシナリオで異なる並列戦略の影響を評価し、16CPUコアで実世界に即した大規模Pandaマルチマニピュレータチームにおいて、逐次版と比べて計画時間が約4倍高速化することを実証した。

本論文は、物理情報機械学習（PIML）を用いたロボット放射線源位置推定（RSL）の自動化フレームワークを提案する。ロボットが線源に接近する必要がなく、放射線損傷リスクを低減する。物理に着想を得たテンソルで未知の障害物によるガンマ線減衰を処理し、複数モデルの並列計算でロバスト性を向上。高忠実度モンテカルロシミュレーションと物理実験で検証され、連続学習により実用的なオンラインシステムを実現。

高忠実度のクアッドローターモデルと物理ソルバーを結合したハイブリッドシミュレーションフレームワークを提案。深層強化学習方策を訓練し、ゼロショットで実機展開したところ、着地誤差を最大50%、投擲時間を最大30%削減。視覚ベース方策でも同等の精度を達成。

SceneBotは、自由空間移動、地形踏破、全身操作を統一的に扱う人型ロボット用の運動追跡フレームワークです。参照動作とリンクごとの接触ラベルの両方に基づいて単一のポリシーを条件付け、環境との相互作用を明示的に定義します。注釈付き相互作用データの不足を解決するために、著者らはリターゲットされた人間の動作からシーン相互作用グラフを推論する hindsight シーン再構築手法を提案します。再構築された接触豊富なデータで7.5時間トレーニングされたSceneBotは、未知の動作や環境に一般化し、箱を階段で運ぶような複雑な長期的タスクを実行できます。これは自由空間と接触豊富な行動をシームレスに統合した初の汎用フレームワークです。

既存のフィデューシャルマーカーの多くは単一スケールで地上ロボット向けに設計されており、接近・ドッキングの重要段階でカメラ視野から外れる。本論文は、再帰的自己相似構造を持つSpidronパターンに基づくAstraTagを提案。多スケール検出、48ビットGRS符号による識別、曲面対応の薄板スプライン再ワープを実装。宇宙機模型実験で、AstraTagは曲面での検出率が3層Fractal ArUcoやAprilTagを上回り、宇宙ロボット向けの堅牢な再帰型マーカーを提供する。

新しいマルチロボット動作計画法AO-ARCは、最先端の実現可能性ソルバーと同等の初期解時間を達成しつつ、ロボット台数が増加するにつれて既存の任意時間手法よりも高速かつ確実に収束する。AO-xメタアルゴリズムをARCに適用し、有界インスタンスで反復的に呼び出すことで漸近最適性を理論的に証明。

SCOREフレームワークは、シミュレーションにおけるRLを実データで事前学習した生成ポリシーのサポートに制約することで、実世界訓練なしで操作成功率を37.8%から89.9%に向上させる。

TTEは学習可能な球面Voronoi分割を用いて識別領域に表現能力を集中させ、グローバルセマンティックトークンで類似環境の意味を共有し、地理空間タスクで最新技術を達成。

本研究では、LiDAR-慣性-視覚SLAMを活用した軽量なガウシアンスプラッティングフレームワーク「Structured-Li-GS」を提案する。高精度で密な色付き点群で学習し、少ないガウシアン原器で高品質な3D再構築を実現。ガウシアンの高密度化を必要とせず、複数の損失関数で学習を誘導する。ベンチマークおよび自社データセットでの実験により、最先端手法を凌駕する性能を示した。

TruEyeは、AI生成または改変された人間やシーンを細粒度で検出・位置特定する新しいモデルであり、5つの合成コンテンツカテゴリを区別します。LLMベースの競合他社よりも100倍以上高速で、複数のデータセットで最先端の検出器を凌駕します。

ReWorldは、自動運転向けワールドアクションモデルに特化した初の表現学習フレームワークです。中間表現を直接最適化し、生成モジュールへの未来予測監視、計画モジュールへのクロスモーダルアライメントとハードネガティブサンプリングの3次元で改善します。nuScenesとNAVSIMでの実験により、ビデオ生成品質と閉ループ計画性能が大幅に向上し、収束も高速化しました。

Aloe-Visionは、大規模な品質フィルタリング済みデータセットで訓練されたオープンソースの医療用視覚言語モデル群を導入し、バランスの取れた性能を達成するとともに、敵対的入力に対する脆弱性を明らかにします。

DMV-Benchは、マルチモーダルエージェントの視覚記憶を評価する初のインタラクティブベンチマークであり、1000種類の製品を含む家具eコマースカタログに基づいています。各製品画像には固有の偶発的手がかりが埋め込まれており、エージェントは長いショッピングセッションの後に特定の製品を想起する必要があります。提案されたDualMemアーキテクチャは、視覚と言語のコードを並行して維持し、Gemini 2.5 FlashおよびQwen2.5-VL-7Bにおいてベースラインを上回る性能を示しました。

SelectAnyTreeは、少数のクリックで3D森林LiDAR点群から個々の木をセグメント化するプロンプト可能なインスタンスセグメンテーションモデルです。クリックからクエリへのプロンプトエンコーダと、樹冠高モデル（CHM）による最初のプロンプトを導入し、状態空間クエリデコーダで長距離コンテキストを効率的に捉えます。7つの多様な森林地域と独立したテストデータセットで評価され、1回のクリックで78.2のIoUを達成し、ベースラインを24.8ポイント上回りました。

研究者らは、低ランク適応を用いて400件の臨床医評価済み家庭動画でGemini 2.5 Proを微調整し、評価者間信頼性と自閉症診断精度において有意な改善を達成、臨床医のパフォーマンスに匹敵または上回りました。このアプローチは、自閉症評価におけるスケーラブルな行動特徴抽出を可能にします。

SemCityLocは、基礎モデル由来の視覚事前情報と標準化されたLoD 3D都市モデル間の構造化表面レジストレーションとして空中姿勢推定を再定義する新しい位置推定手法である。セマンティック表面と単眼深度を軽量なセマンティック建築モデルに整列させることで、高精度なGNSS信号や放射量豊富な3D再構成に依存せず、反復的・遮蔽された都市環境での姿勢識別性を向上させる。さらに、センチメートル精度のUAV姿勢とLoD1-LoD3セマンティック都市モデルを組み合わせた実世界ベンチマークSemCityLockeDを導入。実験では、既存の地図ベース手法と比較してリコールを最大36%向上させ、平均位置誤差を9.89mから2.62mに低減した。コードとデータは公開されている。

変換認識デカップリング（TAD）と呼ばれる新しいフレームワークは、関係推論を視点依存と視点不変の成分に分解することで、3Dシーングラフ生成における視点ロバスト性を向上させる。

超詳細エンティティタイピング（UFET）は、文レベルのコンテキストに依存するため、ロングテールタイプの処理に苦戦している。本研究では、各エンティティメンションに自動生成された短いナラティブをペアリングし、文をまたがるコンテキストを提供するNarrative-UFETを提案する。実験では、ナラティブコンテキストがロングテールタイプの性能を一貫して向上させ、特にエンティティのタイプが変化する場合に効果が高いことが示された。合成ナラティブは自然なコンテキストよりも優れており、制御された談話構築が暗黙の信号を表面化できることを示唆している。

Ko-WideSearchは、自動合成・検証パイプラインで構築された韓国語の広域検索ベンチマークです。190エンティティ、228テーブル、16カテゴリ、3段階の難易度で構成され、20のWebエージェントを評価した結果、エージェントは集合を復元できても行の完全性は低く（Item-F1 92.8、Row-F1 53.7）、難易度が上がると精度が低下し、自由記述セルが主な障害であることが明らかになりました。

EntMTPは、局所的な生成エントロピーに基づいてツリー型アテンショントポロジを動的に切り替える訓練不要のスケジューラです。低エントロピー領域では深い推測を行い、高エントロピー領域では保守的な推測を行うことで、生成品質を損なわずにスループットを最大化します。複数のベンチマークで、Hydraに対して1.15倍、Medusaに対して最大1.36倍の高速化を達成しました。

トークンをD層トランスフォーマーブロックに入力する前に事前にコンテキスト化する新しいリカレントニューラルネットワークアーキテクチャ。標準トランスフォーマーと比較して大幅な速度向上を実現し、性能を維持または向上させる。

大規模言語モデル（LLM）エージェントは長期のマルチセッション対話で事実を更新する必要があるが、既存のメモリシステムでは失敗する。最先端モデル（gpt-5.4）でも、限定された自己維持メモリに置き換えると精度が92%から77%に低下。このギャップはメモリ容量不足ではなく、対話の長さに比例して悪化する。研究者は、強化学習を用いて現在の事実を報酬、古い事実を罰する環境「Supersede」を開発。Qwen2.5-3Bをこの環境でGRPO微調整した結果、実際の対話での更新精度が9.0%から16.7%にほぼ倍増した。

本研究では、発達的アプローチを用いてニューラル言語モデル（NLM）の統計的学習と心的表象を調査する。一連の生成型Transformerモデルを合成文法で訓練し、訓練の複数段階でモデルの状態を保存する。内部表現の変化を分析することで、NLMは学習の初期に最も抽象的な大域的統計知識を獲得し、その後比較的局所的な統計的依存関係を獲得することがわかった。この学習経路は初期に多くの過剰一般化を含み、後期に徐々に制約される。この観察に基づき、NLMの統計的学習と言語認知を説明する新しい枠組みを提案する。

本稿では、HSA_CORALチームがFinCausal 2026共有タスクに提出した研究成果を紹介します。このタスクは、金融ナラティブから因果関係を抽出するための抽出型質問応答を英語とスペイン語で行うものです。チームは、エンコーダのみのトークンタグ付け（多言語BERT）、エンコーダ-デコーダ生成（多言語BART）、およびデコーダのみの大規模言語モデル（Llama 3.1やGPTバリアント）の3つのモデルファミリーを比較し、プロンプト最適化、少数ショットデモンストレーション、教師ありファインチューニングを用いました。結果、教師ありファインチューニングが最大の改善をもたらし、最良のGPT-4.1 Miniは英語で最高スコア、スペイン語で第3位を獲得しました。多言語ファインチューニングの価値を示しています。

本サーベイは、発音、流暢さ、韻律、マルチモーダル、Q&A練習ツールをカバーする自動プレゼンテーションコーチングシステムを体系的にレビューする。5次元のタスク分類（分節発音、語彙強勢、超分節韻律、ペーシング、内容忠実性）を導入し、対象システムをマッピングしてカバレッジのギャップを明らかにする。中核的手法はTTSベースの例示生成と診断評価である。未解決の課題には、注釈付きコーパスの不足、アクセントに公平なフィードバック、リアルタイムの低遅延診断が含まれる。

このポジションペーパーは、「機械学習の忘却」という用語が大規模言語モデル（LLM）の研究で過剰に使用されており、データセット定義の削除に限定すべきだと主張している。現在「忘却」とラベル付けされている多くのタスクは異なる目的を追求しており、別の用語と評価方法が必要である。著者らは、明確な保証と参照モデルに関連付けられたより厳格な用語を求めている。

研究者らは、大規模言語モデル（LLM）の潜在思考表現を評価する公理的フレームワークを提案。因果性、最小性、分離可能性、安定性の4つの公理を定義し、それぞれに下流精度から独立した量的指標を導入した。23の推論タスクにおける調査では、すべての公理を同時に満たす表現はなく、同一タスク内の異なる質問を区別できず、入力埋め込み以上の情報を符号化していないことが判明。この欠陥は複数のモデルファミリーで一貫しており、構造的な問題であることを示している。

本論文は、プライバシーを保護しつつ米国LinkedInメンバーの人種/民族に関する公平性測定を可能にする、Privacy-Preserving Probabilistic Race/Ethnicity Estimation（PPRE）を提案する。ベイズ改善型姓ジオコーディング推定器と自己申告人口統計のスパースなゴールデンサーベイセットを組み合わせ、安全な二者間計算、差分プライバシー、加法準同型暗号を適用する。

この研究では、地層炭素貯留における坑底圧（BHP）とCO2プルーム移動の予測精度に影響を与える10種類の縮小領域境界処理を評価しました。隅の細孔容積の保存が最も重要であり、均一処理は大きな誤差を生む一方、隅補正により精度が大幅に向上します。透過率補正を伴う漸進的修正が最も一貫した性能を示し、均質・不均質両方の貯留層でBHP NRMSE 3.7%未満、プルームIoU 0.97超を達成しました。