Chen Tang
The Chinese University of Hong Kong
収録論文 29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
- 検証器に基づく自己進化型物理推論フレームワークPhysEvolve物理推論2026/10/26
VLMが提案した実行可能な世界プログラムを物理エンジンで検証し、反事実的タスクを自動生成してGRPOで自己進化させる物理推論学習手法を提案。
- 微分可能なシャシー安全層による知的車両運動制御車両制御2026/10/24
アクチュエータ制限やタイヤ力制約を逐次二次計画に組み込み、暗黙微分で時間的勾配を伝播させる微分可能な安全層を提案し、専門家模倣とリスク誘導学習で制御方針と安全性を両立させた。
- TerraTransfer++：専門家デモ不要のエンドツーエンド自動運転プランナー自動運転/自己対戦/蒸留2026/10/21
ベクトル化シミュレータでの自己対戦によりポリシーを事前学習し、そのロールアウトをフローマッチング軌道教師へ蒸留、凍結視覚バックボーン上の軽量アダプタで再現することで、専門家デモなしにエンドツーエンド自動運転プランナーを学習する手法。
- Mem4Act: 長期的ロボット操作のための効果的な潜在記憶の学習マニピュレーション2026/10/15
過去の観測を固定サイズの潜在記憶に圧縮し、長期タスクに必要な情報を保持して操作方策を導くフレームワークを提案。複数のベンチマークと実機タスクで最高性能を達成。
- SCAPE: シナリオ条件付きシミュレーション拡張ポリシー評価評価手法2026/8/19
実世界でのポリシー性能を、限られた実機データと大量のシミュレーションデータを組み合わせてシナリオごとに予測する評価フレームワークを提案した。
- TerraTransfer: 専門家のデモなしで学ぶエンドツーエンド運転ポリシー自動運転2026/6/1
ベクトル化シミュレータでの自己対戦により運転ポリシーを事前学習し、視覚バックボーンとの潜在空間を整列させることで、専門家デモなしでエンドツーエンド運転を実現する手法を提案。
- MDrive: エンドツーエンドマルチエージェントシステムのための閉ループ協調運転ベンチマーク自動運転/協調運転/ベンチマーク2026/5/1
V2X通信を用いた協調運転の評価を閉ループで行うベンチマークMDriveを提案し、マルチエージェントシステムの利点と課題を明らかにした。
- DiscreteRTC: 離散拡散ポリシーは自然な非同期実行器である拡散ポリシー/非同期実行2026/4/1
離散拡散ポリシーが本来持つインペインティング能力を活用し、非同期実行を実現する新しいポリシー「DiscreteRTC」を提案。連続的なRTCと比べて、追加コードなしで実装でき、推論コストも削減しつつ、動的タスクでの成功率が向上することを示した。
- シンプルな手法で十分：VLAモデルは強化学習による自然な継続学習者であるVLA2026/3/1
大規模事前学習済みVLAモデルの継続強化学習を体系的に検証し、LoRAを用いた単純な逐次ファインチューニングが破滅的忘却をほとんど起こさず、複雑な継続学習手法を上回ることを示した。
- TIC-VLA：動的環境におけるロボットナビゲーションのための制御内思考型視覚-言語-行動モデルVLA2026/2/1
遅延する意味推論を明示的にモデル化し、非同期推論に適応した視覚-言語-行動モデルを提案。動的環境での言語誘導ナビゲーションをリアルタイム制御で実現する。
- ComposableNav: 合成可能な拡散モデルによる動的環境での指示追従ナビゲーションナビゲーション2025/9/1
拡散モデルで各動作プリミティブを個別に学習し、展開時に並列合成することで、訓練で見ていない指示の組み合わせにも対応できるナビゲーション手法を提案。
- SocialNav-SUB: ソーシャルロボットナビゲーションにおけるシーン理解のためのVLMベンチマークVLA2025/9/1
ソーシャルロボットナビゲーションの実世界シーン理解を評価するVQAデータセットとベンチマークを提案し、最先端VLMが人間やルールベース手法に及ばないことを示した。
- CoopReflect: マルチエージェント学習による自然言語コミュニケーションで協調自動運転を実現V2V協調/マルチエージェント学習2025/5/1
自動運転車同士が自然言語で意思疎通し協調運転できるよう、LLMベースのエージェントとマルチエージェント学習フレームワークCoopReflectを開発し、衝突回避や交通効率化を実現した。
- ロボティクスにおける深層強化学習：実世界での成功に関するサーベイ強化学習2024/8/1
深層強化学習をロボットに応用した実世界での成功事例を調査し、成功要因や未開拓領域、今後の研究方向を整理したサーベイ論文。
- Residual-MPPI：連続制御のためのオンラインポリシーカスタマイズオンライン計画2024/7/1
学習済みポリシーの行動分布のみを用い、実行時にMPPIで残差行動を計画することで、追加学習なしに新しい性能指標へ数ショット／ゼロショットで適応させる手法を提案。
- WOMD-Reasoning: 運転シーンにおけるインタラクション推論のための大規模データセットVLA2024/7/1
実世界の運転シーンにおける交通ルールに基づくインタラクションを記述・推論する300万件のQ&Aデータセットを構築し、それを用いた運転動作言語モデルMotion-LLaVAを提案した。
- MEReQ: 人間の介入からサンプル効率よく方針を整合させる最大エントロピー残差Q逆強化学習模倣学習/逆強化学習2024/6/1
人間の介入フィードバックから、事前方針と人間の報酬の差分を残差報酬として推定し、残差Q学習でサンプル効率よくロボットの方針を人間の好みに整合させる手法を提案。
- BeTAIL: 人間のレーシングゲームプレイからの行動トランスフォーマー敵対的模倣学習模倣学習2024/2/1
人間のレースゲームプレイのデモから学ぶ行動トランスフォーマー方策に、オンライン敵対的模倣学習の残差方策を組み合わせ、環境適応性とサンプル効率を改善した手法を提案。
- 自動運転における効率的なPOMDP計画のためのオンライン信念予測学習自動運転計画2024/1/1
TransformerとRNNメモリで他車の意図をオンライン更新する信念予測モデルを構築し、マクロ行動とDQN事前分布を用いたMCTS計画で自動運転のPOMDP意思決定を効率化した。
- ガイド付きオンライン蒸留：オフラインデモンストレーションによる安全強化学習の促進安全強化学習2023/9/1
オフラインのDecision Transformerを軽量ポリシーに蒸留し、オンライン安全強化学習でガイドすることで、安全性を保ちつつ高性能な運転ポリシーを学習するフレームワークGOLDを提案。
- 自動運転レースにおけるモデル誤差補償のための二重反復ガウス過程回帰制御/モデリング2023/5/1
自動運転レースの計画と制御の両方のモデル誤差を2つのガウス過程回帰で補償し、反復的にデータを収集する手法を提案し、高忠実度シミュレータで性能と安定性の向上を示した。
- 運転者キャラクタの編集：対話型交通シミュレーションのための社会的に制御可能な行動生成交通シミュレーション2023/3/1
実世界の運転データから礼儀正しさの度合いを定量化し、指定した礼儀レベルに応じた人間らしい運転軌道を生成するモデルを提案した。
- モデルベース計画と制御によるタイムトライアルレースでの人間レーサー超え自動運転レース2022/11/1
高忠実度レーシングシミュレータGran Turismo Sportにおいて、オフライン軌道計画とオンラインMPCを組み合わせたモデルベース制御フレームワークを改良し、人間エキスパートのトップ0.95%のラップタイムを達成した研究。
- 目標条件付きオフライン強化学習による階層的計画階層的計画2022/5/1
低レベルの目標条件付きオフラインRL方策と高レベルの目標プランナを組み合わせ、長期タスクを階層的に計画する手法を提案した論文。
- 介入的行動予測：過信した予測を避けるインタラクティブ予測行動予測2022/4/1
自動運転のインタラクティブ予測において、計画軌道を介入として扱う介入的行動予測（IBP）を提案し、時間的独立性を検証するShapley値ベースの評価指標を導入した論文。
- ドメイン知識に基づく疑似ラベルで解釈可能な目標条件付き対話型軌道予測軌道予測2022/3/1
自動運転の対話型軌道予測において、CVAEの潜在空間にドメイン知識を反映した疑似ラベルを導入し、事後崩壊を防ぎつつ解釈可能な相互作用モードを学習する手法を提案した。
- 未知への対処：悲観的オフライン強化学習オフライン強化学習2021/11/1
オフライン強化学習における分布シフト問題に対し、訓練データに存在しない状態の価値を意図的に低く見積もる悲観的価値関数を提案し、OOD状態への対処で性能を向上させた。
- ドメイン知識に基づく関係推論による説明可能な自動運転自動運転/説明可能AI2021/2/1
専門家のドメイン知識を意味的な相互作用行動として潜在空間に接地させ、エージェント間の関係グラフを推論することで、人間の知識とモデルの因果関係に整合した説明を生成する自動運転向けモデルを提案した。
- ロバスト制御に基づく自動運転向けゼロショット深層強化学習方策転移sim2real2018/12/1
外乱オブザーバを用いたロバスト追従制御と階層型強化学習プランナを組み合わせ、学習環境から実環境へゼロショットで運転方策を転移できる手法を提案した。
