Chen Xu
Toyota Research Institute
収録論文 11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
- 失敗から学ぶVLAの汎用リカバリ学習フレームワークVLA2026/11/5
少数の修正デモから失敗の意図を推論し、空間表現と条件付きコストとして知識を符号化することで、VLAモデルが新規物体やシーン変化にも汎化できるリカバリ動作を学習する手法を提案。
- 行動グラフ:ロボット展開データを解釈するための教師なしグラフ構造データ解釈/可視化2026/10/30
ポリシーのロールアウトを解釈可能な有向グラフに圧縮する「行動グラフ」を提案し、展開データの分析やデータ収集戦略の判断を容易にするとともに、進捗予測精度も向上させる。
- 解析的ロボット自己モデル:レンダリングとモデルベース制御のためのスクリュー軸運動学の学習モデル学習/運動学2026/10/11
多視点画像と関節読みから剛体リンク割り当てとスクリュー軸を同定し、閉形式順運動学と解析的ヤコビアンを得る自己モデルを提案。実機6軸アームでエンドエフェクタ位置を中央値6.4mmで予測し、到達・把持・四足歩行を実現した。
- 双線形フローポリシー:目標条件付き視覚運動模倣のための分布的外挿模倣学習2026/10/5
未見の目標に対しても多峰性を保ちながら外挿できるよう、アンカー検索と双線形条件付きフローを組み合わせた視覚運動模倣ポリシーを提案し、シミュレーションの操作タスクで分布外成功率を大幅に改善した。
- ガウスで十分:大規模行動モデルのファインチューニングにフローマッチング事前分布は効かない模倣学習2026/9/22
大規模行動モデルのファインチューニングでは、目標に近い非ガウス事前分布を使っても標準ガウスと性能が変わらないことを大規模実験で示し、その理由を分析した論文。
- 連続ロボット学習のためのメモリアンカー連続学習2026/8/27
ロボットが新しいタスクを学習しても過去のタスクを忘れないようにするため、リプレイバッファ内の重要経験(メモリアンカー)を特定し、それを活用することで破滅的忘却を大幅に軽減する手法を提案した。
- ロボットマニピュレーションのための大規模行動モデルの共訓練におけるデータモダリティと戦略の系統的研究マニピュレーション2026/2/1
ロボット操作のための大規模行動モデルを共訓練する際に、5種類のデータモダリティと訓練戦略が性能に与える影響を大規模実験で調査し、視覚言語データと異なる身体のロボットデータの共訓練が汎化を大幅に改善することを示した。
- Genie Sim 3.0:ヒューマノイドロボット向け高忠実度統合シミュレーションプラットフォームsim2real2026/1/1
LLMで自然言語から高忠実度シーンを生成し、VLMによる自動評価を可能にするロボットマニピュレーション用シミュレーションプラットフォームを提案。1万時間超の合成データセットを公開し、ゼロショットのsim-to-real転移を実証した。
- BLM₁:デジタルと物理を横断する汎用大規模モデルVLA2025/10/1
デジタル空間と物理空間、異なるタスクやロボット身体をまたいで動作する統合型マルチモーダル基盤モデルBLM₁を提案し、2段階学習で身体性知識と制御を両立させた。
- マルチタスク巧みな操作のための大規模行動モデルの慎重な検証マニピュレーション2025/7/1
大規模行動モデル(LBM)をシミュレーションと実世界で厳密に評価し、マルチタスク事前学習が単一タスクより成功率・堅牢性・データ効率を高めることを統計的に示した。
- 失敗データなしで失敗を検出できるか?模倣学習ポリシーの不確実性を考慮した実行時失敗検出マニピュレーション2025/3/1
模倣学習ポリシーの失敗を、成功データのみから逐次的な分布外検出として捉え、不確実性を定量化するスカラー信号とConformal Predictionで検出する手法FAIL-Detectを提案。
