Bowen Yang
University of Science and Technology of China
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
- EgoGeneralist:動画ネイティブモデリングで一人称行動動画タスクを統合一人称動画生成2026/11/5
事前学習済み動画生成モデルを適応させ、一人称操作における行動条件付き動画生成・姿勢推定・行動動画同時生成を統合する汎用フレームワークを提案した。
- OS-Helix: ネイティブなコンピュータ操作エージェントにおけるGUI操作とコード実行の統合VLA2026/10/15
GUI操作とコード実行を単一の行動空間で扱うマルチモーダルなコンピュータ操作エージェントを提案し、ハイブリッドデータでのSFTと実環境でのオンラインRLにより性能を大幅に向上させた。
- FOMI: 接触の多いマニピュレーションを教示するための力覚フィードバック操作インターフェースマニピュレーション2026/10/14
力覚フィードバックを備えたハサミ型ハンドヘルドインターフェースFOMIを提案し、ロボットなしでの接触の多い実演収集と遠隔操作の効率を向上させた。
- 固定参照ポーズ残差による人間-ロボット相互作用予測のデータセット間手がかり転移の測定人間-ロボット相互作用2026/10/8
人とロボットの接触前予測において、あるロボットのデータで学習したモデルを別のロボットに適用した際の手がかりの転移を、幾何情報とポーズ補正を分離する固定参照ポーズ残差モデルで測定した研究。
- インスタンス固定型インタラクション証拠:人間の指差しと操作に基づくロボット計画の接地VLA2026/10/8
人間の指差しや物体操作の映像から、対象物をインスタンス単位で追跡・同定し、その証拠に基づいてロボットの行動計画を生成する手法を提案。暗黙の意図を含むタスクで既存の大規模視覚言語モデルを大きく上回る成功率を達成した。
- Agentic RSR: シーン再構成と実行に基づくロボット政策によるReal-to-Sim-to-Realsim2real2026/10/7
作業場の動画からシーンを再構成し、コーディングエージェントが実行可能な政策を開発、実機ロボットへ転移するフレームワークを提案。実機でのタスク成功率はシミュレーションの80%に達した。
- 関節条件付きステレオ表面推論によるインタラクションフィールド推定インタラクションフィールド推定2026/9/7
手と物体のインタラクションフィールド推定を、各関節の最近傍表面点を推定する問題として捉え、時間ステレオネットワークと関節条件付き候補探索を用いた手法JSSRを提案した。
- 二つのアクションヘッドを一致させる:フローマッチングポリシーのための協調メカニズムと実行時崩壊証明ポリシー学習2026/8/16
フローマッチングポリシーにおいて、関節空間とエンドエフェクタ空間の二つのデコード結果の残差を実行時信号として用いる際、マルチモーダルタスクでの誤警報を避けるための協調メカニズムを研究し、理論的な証明と実験的評価を行った。
- Open-AoE: 身体化学習のためのオープンな自己中心視操作データセットとツールチェーンデータセット2026/7/1
スマートフォンで撮影した自己中心視の操作動画約2000時間と、それをロボット学習用に加工するツールチェーンを公開した論文。
- 意味論と幾何学的接地の分離:言語条件付き模倣学習のための空間的視覚プロンプト模倣学習2026/6/1
言語条件付きロボット操作において、意味推論と空間制御を分離し、視覚基盤モデルで生成した空間的視覚プロンプトを行動生成器に注入する新しいアーキテクチャSVP-ILを提案。少ないデモデータでも高精度を達成した。
- RePO-VLA: 回復駆動型ポリシー最適化による視覚言語行動モデルVLA2026/5/1
成功軌跡のみの模倣学習では実行時のずれに対処できないため、失敗軌跡を活用して回復行動を学習するフレームワークを提案。成功・回復・失敗の軌跡に役割を割り当て、価値関数で進捗を評価し、ポリシーを改善する。
- ELAN4D: 身体中心の4D監視による視覚言語行動モデルのプラグアンドプレイ適応VLA2026/5/1
ロボットのキーポイントの未来の3D軌跡を予測する補助分岐をVLAモデルに追加し、外乱下での汎化性能を向上させるフレームワークを提案した。
- GuidedVLA: プラグアンドプレイの行動注意特化によるタスク関連因子の指定VLA2026/5/1
VLAモデルの行動デコーダを機能部品として捉え、個々の注意ヘッドに明示的な補助信号でタスク関連因子(物体接地、空間幾何、時間的スキル論理)を学習させるフレームワークを提案し、シミュレーションと実機で汎化性能を向上させた。
- AoE: 身体性AIのための常時オンの一人称視点人間動画収集システムデータ収集2026/2/1
スマホと首掛けホルダーを使い、誰でもどこでも一人称視点の実世界インタラクション動画を低コストで収集し、身体性基盤モデルの学習データ不足を解消するシステムを提案。
- RoboCOIN: 統合マニピュレーションのためのオープンソース両腕ロボットデータ収集マニピュレーション2025/11/1
15種類のロボットプラットフォームから18万件以上の両腕操作デモを集めた大規模データセットを構築し、階層的な注釈とデータ処理パイプラインを提供した。
- OmniEVA: タスク適応型3Dグラウンディングと身体性考慮推論による汎用エンボディドプランナーVLA2025/9/1
タスクに応じて3D情報の融合を切り替えるゲート付き機構と、ロボットの身体制約を推論に組み込む枠組みにより、実機で実行可能な計画を立てるエンボディドAIプランナーを提案。
- 屋外環境における自律ナビゲーションのためのリアルタイムメトリック・セマンティックマッピングSLAM/マッピング2024/12/1
LiDAR・視覚・慣性センサを融合し、GPU加速により7ms未満で大規模屋外環境のメトリック・セマンティックメッシュマップをオンライン生成するシステムを提案し、実環境ナビゲーションに統合した。
- Mimicking-Bench: 人間模倣による汎化可能なヒューマノイド-シーンインタラクション学習のベンチマークヒューマノイド/模倣学習2024/12/1
大規模な人間アニメーションを模倣してヒューマノイドロボットが3Dシーンと相互作用する技能を学習するための、6タスク・11K物体形状・20K合成/3K実世界参照を含む初のベンチマークを構築し、動作リターゲティングや模倣学習の手法を比較評価した。
- BeautyMap: バイナリ符号化適応型グラウンドマトリクスによるグローバルマップの動的点除去SLAM/マッピング2024/5/1
バイナリ符号化行列で環境特徴を抽出し、フレームと地図領域のビット比較で動的領域を検出、z軸の階層的分割と可視性処理で静的マップを高精度・高効率に復元する手法を提案。
- 点群トモグラフィに基づく3D構造物における効率的なグローバルナビゲーション計画ナビゲーション2024/3/1
点群地図からトモグラムスライスを生成して環境を2.5D的に表現し、並列計算で走行可能性を評価することで、多層構造物でのグローバル経路計画を高速化した手法を提案。
- 模倣ベース自動運転プランナーの再考自動運転プランニング2023/9/1
nuPlanベンチマークを用いて模倣ベースの自動運転プランナーに必要な特徴量とデータ拡張手法を体系的に検討し、強いベースラインPlanTFを提案した。
- 複数Kinectの非線形三点測位による自己校正型モーションキャプチャシステムの開発モーションキャプチャ2022/12/1
複数のKinect v2を用いた分散リアルタイムモーションキャプチャシステムを開発し、キャリブレーションワンドによる自己校正と非線形最小二乗法による統合で精度を向上させた。
- 不確かさ推定を伴う都市地形のリアルタイムニューラル高密度標高マッピング地形マッピング2022/8/1
疎なLiDAR観測からロボット中心の高密度標高マップをオンライン生成し、Bayesian-GANで地形構造を復元しつつ画素ごとの不確かさを推定するフレームワークを提案。
- 多様な歩行モードに対応する大腿義足制御のための区分単調歩行位相推定モデル義足制御2022/7/1
大腿角度のみから歩行位相を推定する区分単調モデルを提案し、カルマンフィルタで平滑化して大腿義足の関節角度追従制御を実現した。
