すべての人に一次情報を
グリーディLyapunovアルゴリズムは、もともと線形定常系用に開発された手法であるが、ロボットの周期軌道を近接線形化した時間変動系にも拡張できることが示された。単純なスパイク制御器を用いることで、複数のスパイクが周期的に発生し、ロボットの軌道を安定化させることができた。 制御則
研究者は、サーブプレイヤーが装着したカメラで85ラリーを撮影し、53,155枠の動画フレームを収集した。このデータは5台の外部カメラと同期され、球とプレイヤーの3D位置を多くの場合把握できる。 全てのフレームに対して、3D球軌跡・2Dコートフレーム内のプレイヤー軌跡・ショット種別
EgoThumbは、単一の手に追加の親指を装着することで、掴みやすさと操作精度を向上させるシステムです。機械設計は、前腕にアクチュエーターを配置したコンパクトな二腱式指を採用し、先端部の重さを抑えつつ関節の正確な制御を可能にしています。\n\n視覚情報は、手の表面に設置された魚眼
World Dreamer v5‑liteは、複数のロボットがそれぞれ別々の行動列を予測しつつ、複数カメラの観測を統合する世界行動モデルである。各ロボットは、ワークスペース座標にキャリブレーションされた映像特徴量で構成される固定サイズの共有状態 φ を読み取り、行動列を個別に生成
主要発見：FLoReは、動作と接触力（wrench）を同時に記録したロボット非同伴デモから、力に反応するヒューマノイドの「loco‑manipulation（歩行しながら物を扱う操作）」を学習する枠組みです。wrenchは6軸力/トルクセンサによる力と回転力の測定を指します（D1
主要発見：VioLAは関節指令ではなく、身体と手の“運動潜在（motion latent）”を予測する一般目的のヒューマノイド方策です。事前学習した身体・手のコントローラがその潜在を実機で実行します。人とロボットの動作を同じ潜在空間に写すことで、ヒトの記録をロボットの行動表現で教
研究概要：ARCと呼ばれる推論レシピは、既存の最先端ロボット基盤モデル（RFM）のゼロショットタスク性能を改善します。ここでゼロショットは、追加のタスク固有の学習なしに新しい課題に対応することを指します。著者らは、報告された改善が追加のロボット実演や基盤モデル規模での再学習を行わ
研究の要旨 人間は腕や胴体、肩など身体全体を使って大きくて重い物体を抱えたり、こすりつけて位置をずらしたりできる。一方で多くのヒューマノイドロボットによる巧緻（こうち）な操作は、エンドエフェクタ（手先）や単純な把持に限られており、こうした“全身を使った”扱いは十分に実現されていな
ドローン（UAV）が人や車の近くを飛ぶとき、単に「そこに物がある」という幾何学的な情報だけでは不十分だ。歩行者に対してはより大きな余裕を取り、駐車車両や壁とは異なる扱いが求められる──しかし従来の知覚・経路計画スタックは多くの場合、それらを単なる占有領域として扱ってしまう。本論文
概要 軌道上では太陽光の当たり方が急速に、かつ大きく変化し、日食や自己陰影、材質による鏡面反射といった現象が発生します。これらは検査画像の情報量を著しく損ない、幾何学的に見えている（line‑of‑sight）ことと、実際に撮影して有用な情報が得られることは同義ではない、という問