Chenfeng Xu
収録論文 21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
- 非混和拡散ポリシー:ラベルフリーなノイズ割り当てによるマルチモーダルなロボット行動の保持VLA/拡散ポリシー2026/10/7
拡散ポリシーがマルチモーダルな行動分布を崩壊させる問題に対し、行動とノイズの割り当てを工夫するラベルフリーな学習時追加手法を提案し、モダリティ保持を大幅に改善した。
- 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。
- OXE-AugE: 異なるロボット形態間のポリシー学習を拡張するための大規模ロボットデータ拡張VLA2025/12/1
Open X-Embodimentデータセットに9種類のロボット形態を追加し、440万軌道以上に拡張するパイプラインを構築。多様なアームとグリッパーでの学習が未知のロボットへの汎化性能を高めることを示した。
- テスト時観測介入による再想像:視覚モデル予測制御のための妨害物に頑健な世界モデル予測モデルベース強化学習2025/6/1
世界モデルが未知の視覚的妨害物に弱い問題に対し、テスト時に妨害物を検出・除去して予測を再想像し、事後的に妨害物を戻すことで、行動検証を頑健にする手法を提案。
- 最小限のフィードバックでアラインメントを最大化:視覚運動ロボット政策のアラインメントのための効率的な報酬学習VLA2024/12/1
視覚運動ロボット政策を人間の選好に合わせるため、事前学習済み視覚エンコーダを微調整し特徴マッチングで密な視覚報酬を構築するRAPLを提案。従来のRLHFより5倍少ない人間フィードバックでアラインメントを実現。
- RoVi-Aug: ロボットと視点の拡張による異なる機体間のロボット学習sim2real2024/9/1
画像生成モデルでロボットの種類とカメラ視点を拡張し、未見のロボットや視点でもゼロショットで動く方策を学習する手法を提案。
- DSLO: 不整合な時空間伝播に基づく深層シーケンスLiDARオドメトリLiDARオドメトリ2024/9/1
LiDAR点群の時系列から自己位置推定を行う深層学習手法を提案し、空間特徴の再利用やゲート付き階層的姿勢精緻化、時間的特徴伝播により、KITTIとArgoverseで精度と速度を両立した。
- スパース拡散方策:ロボット学習のためのスパースで再利用可能かつ柔軟な方策VLA2024/7/1
Transformerベースの拡散方策にMixture of Expertsを組み込み、タスクごとに専門家を選択的に活性化することで、マルチタスク学習や継続学習を効率化する手法を提案した。
- 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。
- ロボティクスにおけるNeRF:サーベイNeRF2024/5/1
NeRFのロボティクスへの応用と、ロボティクス展開に向けたNeRF自体の改良に関する研究を体系的にまとめたサーベイ論文。
- Mirage: クロスペインティングによる異なるロボット間のゼロショット方策転移sim2real2024/2/1
実行時に目標ロボットをマスクして学習済みロボットを描き直す「クロスペインティング」により、異なるロボットアームやグリッパ間で視覚ベースの方策をゼロショット転移させる手法を提案。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- RSRD: 安全で快適な自動運転のための路面再構成データセットとベンチマーク自動運転/データセット2023/10/1
多様な走行条件下で収集した高解像度・高精度の路面再構成データセットRSRDを構築し、深度推定とステレオマッチングによる路面プロファイル復元のベンチマークを提供した。
- LanguageMPC:大規模言語モデルを自動運転の意思決定者として活用自動運転2023/10/1
大規模言語モデル(LLM)に常識推論させて自動運転の意思決定を行い、その判断を低レベル制御器に変換して車両制御に統合する手法を提案した論文。
- ロボットマニピュレーションのための人間指向表現学習マニピュレーション2023/10/1
人間の知覚スキルを模したマルチタスク微調整とTask Fusion Decoderにより、視覚エンコーダの表現をロボット操作タスク向けに改善する手法を提案。
- あなたにとって重要なものは何か?ロボット学習のための視覚表現アラインメントに向けてVLA2023/10/1
人間のフィードバックを用いてロボットの視覚表現をユーザーの好みに合わせ、タスクに重要な要素を分離するRAPLを提案。X-MAGICALとロボットマニピュレーションで高いサンプル効率とゼロショット汎化を実現。
- 時が明かす:時間的多視点3D物体検出の新たな展望とベースライン3D物体検出2022/10/1
長期履歴の画像からコストボリュームを生成し、短期の細粒度マッチングと組み合わせることで、時間的多視点3D物体検出の精度を大幅に向上させた研究。
- DetMatch:2Dと3Dの半教師あり物体検出を統合するデュアルティーチャーフレームワーク半教師あり学習2022/3/1
RGB画像と点群の相補性を活かし、2Dと3Dの半教師あり物体検出を統合的に学習するフレームワークを提案。両センサーで検出された物体を基に高品質な擬似ラベルを生成し、単一モダリティの誤り伝播を抑制する。
- Image2Point: 2D画像事前学習モデルによる3D点群理解3D点群2021/6/1
2D画像で事前学習したモデルのアーキテクチャと重みを3D点群理解に転移できることを示し、少数層の微調整で高い分類性能とデータ効率・学習高速化を実現した研究。
- LiDAR点群から3D物体検出と道路理解を同時に行う簡潔で効率的なマルチタスクネットワーク3D物体検出2021/3/1
生のLiDAR点群を入力とし、3D物体検出と走行可能領域・地面高さ推定など6つの知覚タスクを単一のエンコーダ・デコーダ型ネットワークで同時に予測する手法を提案し、オンライン自己位置推定にも応用した。
- 一度だけグループ化:トークン表現と関係推論モジュールによる効率的な点群処理点群処理2021/3/1
点群を一度だけサンプリング・グループ化し、少数のトークン上で処理することで冗長な計算を避けつつ、トークン特徴を点特徴に射影して情報損失を防ぐ効率的なモデルYOGOを提案した論文。
