Boyuan Chen
Beijing Academy of Artificial Intelligence
収録論文 56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
- PhysCapBench:物理的根拠に基づく動画キャプションのクロスドメインベンチマーク動画言語/ベンチマーク2026/11/12
三人称視点・一人称視点・グリッパー操作の3領域にまたがる物理キャプション品質を評価する初の統一ベンチマークを構築し、7つの物理次元で精度と網羅性を評価した。
- ROS1からROS2への移行におけるLLMベンチマークROSTransコード生成/ベンチマーク2026/10/30
ROS1コードをROS2へ移行するタスクでLLMを評価するベンチマークROSTransを構築し、実行時テストで正しさを検証した結果、最先端モデルでもpass@1が10.9%未満と低いことを示した。
- RobotWorld:多様なタスクと身体性にわたるロボット利用のためのマルチモーダルエージェントベンチマークベンチマーク2026/10/7
汎用エージェントがロボットインターフェースを通じて物理タスクを実行できるかを評価する84タスクのシミュレーションベンチマークを提案し、能力の転移と失敗要因を分析した。
- CoDance: 動画から人間とヒューマノイドの反応的で柔軟なインタラクションを学習ヒューマノイド2026/10/4
2人の人間のダンス動画から、ヒューマノイドが人間と両手で接触しながら足取りを合わせて踊る動作を学習するフレームワークを提案。
- 画像からテキストへのジェイルブレイクはどの画像特性が引き起こすのか:制御された分解解析VLA2026/10/4
画像とテキストの関係性がジェイルブレイク成功率に与える影響を、複数の攻撃手法とモデルで制御実験により検証した。
- 空陸モジュール再構成プラットフォームHARP:フィールド作業のための異種ロボットチーム空陸ハイブリッド/モジュール再構成2026/9/24
飛行ロボットと地上ローバー、ペイロードモジュールを独立に展開し、ミッション中に物理的に組み替えて協調輸送や環境サンプリングを行う異種モジュール型空陸プラットフォームを提案・実証した。
- 閉ループシステムモデリングによるオンラインSim-to-Real適応sim2real2026/9/24
既存の制御器への参照コマンドをオンラインで適応させることで、シミュレーションと実機のギャップによる追従誤差を低減するフレームワークOSRAMを提案。
- CoPRE: 低コストロボットアームの固有感覚接触検出感度の向上触覚2026/9/23
力覚センサなしで固有感覚のみから接触を検出する手法CoPREを提案し、低コストアームでの検出感度を大幅に改善した。
- 内部質量駆動による全方向水陸両用移動水陸両用移動2026/9/23
内部の質量を動かすだけで回転し、陸上では転がり、水上ではフィンで推進する密閉球体ロボットMARBLEを開発した。
- 直交ハンド:全直動指による把持内マニピュレーションマニピュレーション2026/9/22
直動運動のみで動く指と2つの独立グリッパを組み合わせた7自由度エンドエフェクタを提案し、ネジやピボット構造を持つ物体の操作を実現した。
- ORCH: 身体性AIにおける集合知を実現する組織原理群制御2026/9/10
人間の組織論を応用し、タスクに応じた階層構造を自動構築することで、最大50体の異種エージェント群による山火事対応ミッションの性能と効率を大幅に向上させた。
- 可視到達可能ワークスペース:知覚を考慮したヒューマノイド設計のための指標ヒューマノイド設計2026/9/8
ロボットの到達可能性だけでなく、到達姿勢での視認性も考慮した設計指標「可視到達可能ワークスペース(VRW)」を提案し、カメラを可動式にすることでヒューマノイドの作業範囲と効率が大幅に向上することを示した。
- SocioGesture: 人とロボットのインタラクションのためのリアルタイム適応型社会的ジェスチャ認識HRI/ジェスチャ認識2026/9/3
ロボットが人との対話中に、招待や拒否などの社会的合図をノイズの多いオンボードセンサーからリアルタイムに認識するシステムを提案。軽量な骨格表現とデュアルストリームモデルで低遅延認識を実現し、オクルージョン耐性を高めつつ、不確実な区間を保存して適応的に語彙を拡張する。
- RTNav: リアルタイムゼロショット物体ナビゲーションに向けてナビゲーション2026/8/27
未知環境での物体探索ナビゲーションにおいて、推論遅延を考慮したリアルタイム実行を可能にするアーキテクチャRTNavを提案し、従来手法より成功率を最大11%向上させた。
- 身体化された受動空力音響知覚による空中ロボット間の相対センシングと追跡空中ロボット/音響知覚2026/8/1
飛行音を利用して、GPSや通信を使わずにドローンが他のドローンを追跡する受動的な音響知覚フレームワーク「SonicFly」を提案し、屋外実験で有効性を実証した。
- 投影された視覚的抽象表現を通じたロボットのコミュニケーション学習ロボット表現/影生成2026/7/1
ロボットが自身の影を動的に表現するシステムを提案。柔らかい皮膚を持つ多指ハンドと学習された影の自己モデルを用いて、目標の影画像や動画に合わせて手の動きを最適化する。
- 時間的自己模倣学習強化学習2026/6/1
ロボット操作の強化学習において、学習中に発見された時間的に効率的な成功軌道を自己模倣学習で再利用し、長期的なタスクの学習効率と成功率を向上させるフレームワークを提案した。
- CEER: 階層型ヒューマノイド移動操作のための統一インターフェースとしてのコンプライアントなエンドエフェクタ・ルート制御移動操作2026/5/1
ヒューマノイドの移動操作を階層的プランニングで実現するため、エンドエフェクタとルートのコンプライアント制御を統一インターフェースとして提案し、教師学生フレームワークで低レベルポリシーを学習。シミュレーションと実機で精度と安定性を実証した。
- 極限の動的対称性が全方位・多機能ロボットを可能にするロボット設計2026/5/1
ロボットの重心加速度の均一性を「動的対称性」として定義し、シミュレーションと実機でその効果を検証。動的対称性を高めた球状ロボットが、全方位移動や障害物走破、自己安定化などに優れることを示した。
- RAFL: 残差加速度場学習によるソフトロボットの汎用的シミュレーションから実機への転移sim2real2026/3/1
ソフトロボットのシミュレーションと実機の差を埋めるため、ベースシミュレータに要素レベルの補正力学場を追加学習するフレームワークを提案。形状に依存しない局所特徴を用いることで、未見の形状にもゼロショットで転移可能。
- 滑らかなニューラルサロゲートによる脚式ロボットのMPC学習歩行2026/1/1
接触を含む脚式ロボットのダイナミクスを滑らかに学習するニューラルサロゲートと裾の重い尤度を導入し、モデル予測制御の信頼性と汎化性能を大幅に向上させた。
- 大規模動画プランナーによる汎用ロボット制御VLA2025/12/1
インターネット規模の人間活動動画で生成的なロボット計画モデルを基盤モデル規模で学習し、新しい場面やタスクに対してゼロショットで動画計画を生成して実機の行動に変換する手法を提案した。
- TumorMap:3D腫瘍マッピングと完全自動腫瘍切除のためのレーザー手術プラットフォーム医療ロボティクス/自動手術2025/11/1
3種類のレーザー(OCT・自家蛍光・切断用)と深層学習を統合し、術中に3D腫瘍境界を推定して非接触で完全自動切除する手術ロボットを開発、マウス肉腫モデルでサブミリ精度を実証した。
- 時間を制御次元として扱うロボット学習マニピュレーション2025/11/1
残り時間と時間比率をポリシーに与え、時間を制御変数として扱う強化学習フレームワークを提案。多様なマニピュレーションタスクで効率・ロバスト性・人間による制御性が向上することを示した。
- 拡散ポリシーは運動学的制約多様体をどの程度学習するか?模倣学習2025/10/1
両腕ピックアンドプレースタスクを用いて、拡散ポリシーが運動学的等式制約をどの程度正確に学習するかをデータセットサイズ・品質・多様体曲率の観点から分析し、実機評価も行った。
- Sym2Real: 記号動力学と残差学習によるデータ効率の良い適応制御sim2real2025/9/1
低忠実度シミュレーションで記号回帰により動力学を学習し、少数の実世界データで残差適応を行うことで、クアッドロータとレースカーのsim2real制御を実現した。
- Scensory: 真菌識別と発生源定位を同時に行うリアルタイムロボット嗅覚嗅覚2025/9/1
低コストなVOCセンサアレイの短時間時系列データから、ニューラルネットワークを用いて真菌の種類識別と発生源の位置推定を同時に実現するロボット嗅覚フレームワークを提案した。
- LAPP: 大規模言語モデルフィードバックによる選好駆動型強化学習強化学習2025/4/1
LLMを使って強化学習中の軌道から自動で選好ラベルを生成し、オンライン選好予測器を訓練することで、人間の手間を最小限に抑えつつ複雑なロボット行動を獲得するフレームワーク。
- ピクセル入力による平面押しタスクにおける拡散ポリシーのシミュレーション・実機同時学習の実証分析sim2real2025/3/1
シミュレーションと実機のデータを同時に使って模倣学習をスケールさせる際の基本原則を、平面押しタスクで大規模に検証した。
- たった1段落で十分:相互作用する信頼されたLLMによる豊かなロボット行動VLA2024/12/1
4つのLLMを自然言語で連携させてロボットを制御し、低い通信レートでも多様なタスクを実現できることを示した研究。
- 単一の人間ガイダンスによるマルチロボット協調の実現群制御2024/9/1
人間が短時間だけ複数のエージェントを切り替え操作し、心の理論モデルを組み込むことで、マルチエージェントの協調行動を効率的に学習させる手法を提案し、かくれんぼタスクで成功率を最大58%改善、実機マルチロボットでも検証した。
- デュークヒューマノイド:受動ダイナミクスを活用した省エネ二足歩行の設計と制御歩行2024/9/1
10自由度のオープンソースヒューマノイドを開発し、強化学習で速度追従歩行を実現するとともに、受動ダイナミクスを活用して移動エネルギーを最大50%削減する手法を提案した。
- WildFusion: 実環境におけるマルチモーダル暗黙的3D再構成3D再構成2024/9/1
LiDAR・RGBカメラ・接触マイク・触覚センサ・IMUを統合したマルチモーダル暗黙的ニューラル表現により、非構造化野外環境の3Dシーン再構成を行い、脚式ロボットの森林ナビゲーションで走行可能性予測の精度向上を示した。
- 拡散強制:次トークン予測と全系列拡散の融合生成モデル2024/7/1
各トークンに独立なノイズレベルを与えて拡散モデルを訓練する新手法を提案し、次トークン予測と全系列拡散の長所を組み合わせて可変長生成や計画タスクで性能を向上させた。
- ClutterGen: ロボット学習のための散らかったシーン生成器sim2real2024/7/1
強化学習を用いて、物理法則に従った多様で安定した散らかった物体配置シーンを自動生成するシミュレータを提案し、実機での片付け・配置学習に応用可能であることを示した。
- 深層ネットワークによるヤコビアン場推定で多様なロボットを制御ロボット制御2024/7/1
カメラ映像からロボットの視覚運動ヤコビアン場を深層学習で推定し、単一カメラのみで多様なロボットを閉ループ制御する手法を提案。
- Text2Robot: テキスト記述からの進化的ロボット設計設計自動化2024/6/1
ユーザーのテキスト仕様と性能選好から、物理的に製造可能な四足歩行ロボットを自動生成するフレームワークを提案。テキストから3Dモデルを生成し、形状処理と身体・制御の共最適化により1日以内に歩行可能なロボットを実現する。
- 知覚スティッチング:視覚運動ロボットポリシーのためのゼロショット知覚エンコーダ転送VLA2024/6/1
異なる視覚運動ポリシー間で視覚エンコーダの潜在特徴を整列させ、視覚エンコーダを直接つなぎ合わせることで、大きな視覚変化に対するゼロショット適応を可能にした。
- SonicSense:把持中の音響振動による物体知覚触覚2024/6/1
把持中の音響振動センシングで、容器の中身の状態判別・異種材料の予測・3D形状復元・物体再同定を83種類の実物体に対して実現するハードとソフトの統合システムを提案。
- PreAfford: 多様な物体と環境に対応するユニバーサルなアフォーダンスベースの事前把持マニピュレーション2024/4/1
把持しにくい物体に対して、点レベルのアフォーダンス表現とリレー学習を用いた事前把持計画フレームワークを提案し、把持成功率を69%向上させた。
- SpatialVLM:視覚言語モデルに空間推論能力を与えるVLA2024/1/1
200億規模の3D空間VQAデータを自動生成し、それを用いて視覚言語モデルを学習することで、距離や大きさの定量的な空間推論能力を大幅に向上させた研究。
- DittoGym:柔軟な形状変化ロボットの制御を学習するソフトロボティクス2024/1/1
生涯を通じて形態を変化させられる再構成可能なソフトロボットの制御を、強化学習で実現する手法とベンチマークを提案。
- ポリシーステッチング:転移可能なロボットポリシーの学習転移学習2023/9/1
ロボットとタスクを別々に学習したモジュールを潜在表現で整合させて直接つなぎ合わせ、新しいロボットとタスクの組み合わせにゼロショット・少数ショットで適応できる転移学習フレームワークを提案した。
- ランダム特徴を用いた自己教師あり強化学習によるタスク間転移強化学習2023/5/26
ランダムな報酬で自己教師あり事前学習したモデルフリー強化学習により、長期的な環境ダイナミクスを暗黙的にモデル化し、新しい報酬関数のタスクへ迅速に適応する手法を提案。
- タスク無関係区間を考慮した模倣学習模倣学習2022/10/1
実世界のデモに含まれるタスクと無関係な区間を自己教師あり学習で除外し、視覚運動方策を学習する手法を提案した。
- 自己モデリングの起源について自己モデリング2022/9/1
ロボットが自身の動力学を予測する自己モデルを学習する利点を、自由度の数と比較し、自由度が高いほど自己モデリングの付加価値が大きいことを示した研究。
- 実世界計画のためのオープン語彙でクエリ可能なシーン表現VLA2022/9/1
視覚言語モデルとLLMを組み合わせ、自然言語で問い合わせ可能なシーン表現を構築し、ロボットが周囲の物体を認識・照会しながら計画を立てられるようにした。
- 自己視点の視覚によるロボットの自己ダイナミクスモデリングと適応自己モデリング2022/7/1
一人称視点カメラのみを用いた自己教師あり学習で、ロボットが自身の動力学モデルを獲得し、損傷検知や適応歩行を実現する手法を提案。
- ロボット形態の全身視覚的自己モデリング自己モデリング2021/11/1
ロボットが自身の形状を空間占有クエリで学習する視覚的自己モデルを提案し、運動計画や損傷検出・復帰を実現した。
- 制御のための視覚的3Dキーポイントの教師なし学習表現学習2021/6/1
画像から微分可能なエンコーダで3Dキーポイントを教師なし学習し、多視点一貫性と制御タスク目的を同時最適化することで、ロボット関節や物体運動を捉え強化学習ベンチマークで従来手法を上回った。
- 相手の視点取得による行動モデリング視覚予測2021/5/1
ロボットが他者の視点を推測し将来の行動を予測する視覚的視点取得と行動理論の枠組みを、かくれんぼを通じて実現した研究。
- 笑顔を本気で:学習モデルで動かすアニマトロニクス顔ロボット表情模倣/自己教師あり学習2021/5/1
柔らかい皮膚を持つアニマトロニクス顔ロボットを設計し、人間の表情を模倣する視覚ベースの自己教師あり学習フレームワークを開発した。運動学モデルやカメラ校正、事前定義表情を必要とせず、単一のモーターバブリングデータで生成モデルと逆モデルを学習し、多様な被験者の表情を正確に模倣できることを示した。
- 音響振動から内部の様子を可視化するスマートコンテナ「Boombox」音響センシング2021/5/1
箱と中身の衝突で生じる振動を接触マイクで取得し、畳み込みネットワークで箱内部の視覚シーンを再構成する手法を提案した。
- 信頼度を考慮した意味的シーン補完による視覚意味ナビゲーションナビゲーション2020/12/1
未知環境で対象物体へ移動する視覚意味ナビゲーションのため、部分観測から未観測領域の意味ラベルと信頼度マップを推定するシーン補完モジュールを提案し、ナビゲーション方策の効率を向上させた。
- 視覚的かくれんぼ:身体性エージェントによる追跡回避行動の学習強化学習2019/10/1
獲物と捕食者のエージェントが一人称視点の部分観測下でかくれんぼを学習し、獲物は障害物を利用して自分の可視性を予測しながら逃げる方策を獲得する。
- ワークスペースを考慮したオンライン把持計画マニピュレーション2018/6/1
オフラインで構築したエンドエフェクタ姿勢の到達可能性データベースを用いてオンライン把持計画をバイアスし、到達可能な把持の割合・成功率を高め計画時間を短縮するフレームワークを提案。
