Ang Li
University of Maryland, College Park
収録論文 24本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 触覚生成のための潜在空間選択：画像潜在表現は素材認識を保持するか触覚2026/11/11
事前学習済み画像モデルの潜在空間で触覚を再構成し、素材分類器の性能劣化を比較してSD-VAE潜在空間が触覚生成に適することを示した論文。
- XGenAct: クロスタスク生成による幾何学強化型ワールドアクションモデルVLA2026/10/2
RGB観測・行動・深度・法線・機能セグメンテーションを統一的なRGB動画表現に変換し、単一の動画拡散トランスフォーマで予測するワールドアクションモデルを提案。RLBenchで52%の成功率を達成。
- 階段ポリシー：大規模アクションチャンクを持つ世界行動モデルのストリーミング推論VLA2026/9/29
未来予測に基づく世界行動モデルをストリーミング推論で効率化し、大きなアクションチャンクを段階的に精錬しながら実行することで、長期的なタスクでも高精度・高スループットを実現した研究。
- Causeway: VLAポリシーにおける指示切替時のタスク到達性回復VLA2026/9/25
VLAポリシーで別タスク実行後に新しい指示を与えると失敗しやすい問題に対し、学習不要の推論時介入で目標タスクの再開を可能にする手法を提案。
- 誘電エラストマーアクチュエータの自動製造のためのロボットシステム製造自動化2026/8/1
誘電エラストマーアクチュエータ（DEA）の製造工程を自動化するロボットシステムを開発し、スピンコーティングとスタンピングを自動化して、製造時間を短縮し、オペレータの関与を減らした。
- RoboSynChallenge: 合成操作スキルの一般化による実世界の巧みな操作の習得操作/ベンチマーク2026/8/1
実世界データ不足を補うため、大規模合成データ生成と標準化された実ロボット評価を統合した操作ポリシーの一般化を競うベンチマークを提案し、未見の実環境での評価を行う。
- Mirage: LiDAR 3D物体検出に対するクリーンラベルバックドア攻撃セキュリティ/3D物体検出2026/6/18
LiDAR 3D物体検出モデルに対して、ラベル改変を必要としないクリーンラベルバックドア攻撃を提案し、少量の毒サンプルで高い誤分類率を達成した。
- VOID: 潜在拡散モデルにおける不正な模倣を打ち破る拡散モデル防御2026/6/10
潜在拡散モデルによる個人の不正な模倣を防ぐため、モデルの確率的挙動を操作して画像の意味構造を破壊する防御フレームワークVOIDを提案した。
- TacGen: 触覚は物理世界表現に不可欠な次元である -- スケーラブルな視覚-触覚アライメントと生成による触覚データ不足への対処触覚/表現学習2026/6/1
触覚データ不足を解決するため、視覚と触覚のコントラスト学習と潜在空間での視覚から触覚への生成モデルを組み合わせ、RGB画像から触覚表現を合成してデータを拡張する手法を提案した。
- ドロップ・ザン・リカバリー：視覚言語行動モデルはどの程度冗長か？VLA2026/6/1
VLAモデルの冗長性を調べるため、トランスフォーマーブロックを除去して再学習する手法を提案し、言語バックボーンが操作タスクに冗長である一方、視覚・行動経路は重要であることを示した。
- 視覚と触覚のクロスモーダル物体知覚触覚2026/4/1
ロボット操作における物体の物理特性推定を改善するため、視覚と触覚の情報をベイズ推論で統合するクロスモーダル潜在フィルタを提案した。実機実験で不確実性下での推定効率と頑健性が向上することを示した。
- ロボティクスにおける視覚-言語-行動モデル：データセット、ベンチマーク、データエンジンの調査VLA/サーベイ2026/4/1
視覚-言語-行動(VLA)モデルの進歩はデータ基盤に依存するとし、データセット、ベンチマーク、データエンジンの3つの柱に沿ってデータ中心の分析を行い、今後の課題を整理したサーベイ論文。
- ThinkJEPA：大規模視覚言語推論モデルで潜在世界モデルを強化世界モデル2026/3/1
VLMの長期的な意味推論とJEPAの密な動力学モデリングを二重時間経路で統合し、手の操作軌道予測の精度を向上させた研究。
- 高耐久ソフトアクチュエータのパイプライン探索のためのロボット試験プラットフォームソフトアクチュエータ2026/2/1
誘電エラストマーアクチュエータの寿命を自動でスキャンする試験ロボットを開発し、パラメータ最適化により寿命を最大2倍に延ばし、四足歩行ロボットへの応用を実証した。
- DeepFleet: 大規模モバイルロボット群のためのマルチエージェント基盤モデル群制御2025/8/1
アマゾン倉庫の数十万台のロボットの移動データで訓練した4種類の基盤モデルを比較し、ロボット中心型とグラフ床型が最も有望であることを示した。
- HWC-Loco：階層型全身制御による堅牢なヒューマノイド歩行歩行2025/3/1
ヒューマノイドの歩行制御をロバスト最適化問題として定式化し、安全性と目標追従のトレードオフを階層型ポリシーで動的に解決する手法を提案。多様な地形・機体・タスクで優れた性能を示した。
- Primitive-Swarm: 大規模飛行群れのための超軽量でスケーラブルなプランナ群制御2025/2/1
時間最適な運動プリミティブライブラリと衝突チェックを組み合わせ、オフライン計算で線形複雑度の選択問題に変換することで、大規模な飛行ロボット群れの分散非同期再計画を実現した超軽量プランナを提案。
- t-READi: 自動運転向けTransformer駆動の堅牢で効率的なマルチモーダル推論マルチモーダル融合2024/10/1
マルチモーダルセンサのデータ分布や可用性の変動に適応する推論システムを提案し、欠損モダリティを補償しつつ精度と効率を向上させた。
- Ground-Fusion: コーナーケースに頑健な低コスト地上SLAMシステムSLAM2024/2/1
RGB-D画像・慣性計測・車輪オドメトリ・GNSSを因子グラフで統合し、初期化やセンサ異常検出を工夫することで、屋内屋外の厳しい状況でも高精度に自己位置推定する低コストSLAMを実現した。
- スタイル変換によるSim2Realフレームワーク：シミュレーションデータを用いたロボット超音波画像解析の効率的学習sim2real2023/5/1
スタイル変換とCNN+ViTモデルを組み合わせ、シミュレーション超音波画像のみで実世界のロボット超音波画像解析タスクを効率的に学習するSim2Realフレームワークを提案した。
- 閉ループ磁気操作によるロボット経食道心エコー検査磁気操作2023/1/1
経食道心エコー用プローブ先端に永久磁石と慣性センサを取り付け、外部磁石で6自由度位置推定と5自由度閉ループ制御を実現する磁気操作フレームワークを提案した。
- 物理ベースのアクティブステレオセンサシミュレーションで光学センシングのドメインギャップを埋めるsim2real2022/1/1
アクティブステレオ深度センサを物理法則に基づきシミュレーションし、実機に近い材質依存の誤差パターンを持つ深度画像をリアルタイム生成するパイプラインを構築した。シミュレーションで学習した認識アルゴリズムや強化学習方針が実世界へファインチューニングなしで転移することを示した。
- M2DGR：地上ロボット向けマルチセンサ・マルチシナリオSLAMデータセットSLAMデータセット2021/12/1
魚眼カメラやLiDAR、RTK付きGNSSなど多数のセンサを搭載した地上ロボットで屋内・屋外の多様な環境を走行し、約1TB・36系列の同期済みSLAM用データセットを構築した。
- 街路ナビゲーションのためのクロスビューポリシー学習ナビゲーション2019/6/1
地上視点と航空視点のマルチモーダルポリシーを学習し、航空視点のみで未見地域に適応後、地上視点で転移する3段階の転移学習手法を提案。
