Chunxiao Liu
収録論文 12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
- 経験時代における実世界コード・アズ・ポリシー:ACE-CaP-0マニピュレーション2026/11/12
人間の実演とシミュレーションを選択的に活用してコードポリシーを改良するエージェント手法を提案し、8つの実世界マニピュレーションタスクで92.1%の成功率を達成した。
- GPT-6-Astraは身体知能を獲得したのかVLA2026/10/15
GPT-6-Astraを12のベンチマークで大規模評価し、操作・移動・器用な手などで高い性能を示す一方、実機展開ではICL用デモ収集コストや実行時間と成功率のトレードオフなどの課題を明らかにした報告。
- DreamHand: ビデオ拡散モデルを転用した、遮蔽に頑健な自己中心視点3D手動作復元手動作復元2026/8/20
ビデオ拡散モデルを決定的な幾何エンコーダとして転用し、遮蔽やフレーム外の手の動きを復元する新しい手法を提案。5つのベンチマークでSOTAを達成し、特に遮蔽の多いデータで誤差を大幅に削減した。
- ACE-Brain-0.5:物理的エージェントAIのための統合具現化基盤モデルVLA2026/7/1
ロボット知能を空間知覚、意思決定、身体的行動、自己監視、自己改善の5機能に統合した、単一の8Bバックボーンによる閉ループ基盤モデルを提案する。
- ACE-Ego-0: 自己中心視点の人間とロボットデータを統合したVLA事前学習VLA2026/6/1
ロボットの軌跡データ収集のコストを抑えるため、大規模な自己中心視点の人間ビデオを擬似行動ラベルに変換し、ロボットデータと統合してVLAモデルを事前学習するフレームワークを提案した。
- ACE-Brain-0: 空間知能を共通の足場とする普遍的身体性知能基盤モデル2026/3/1
多様な身体(自動運転、ロボット、ドローン)を統合する基盤モデルを提案し、空間知能を共通の足場として、専門化と融合を経て高い性能を達成した。
- Hi-Drive: 多様な都市環境での安全な自動運転のための階層型POMDP計画自動運転計画2024/9/1
動的な道路環境の不確実性に対処するため、運転者モデルを高レベル行動として用いる階層型POMDP計画法を提案し、重要度サンプリングによる軌道最適化で安全性を高め、実世界データで既存手法を上回る性能を示した。
- 専門家誘導方策最適化による安全運転強化学習2021/10/1
専門家が危険時に介入してデモンストレーションを行う強化学習手法EGPOを提案し、安全運転タスクで訓練・テスト時の安全性とサンプル効率を向上させた。
- RRTを用いた自律型水中ロボットマニピュレータの経路計画経路計画2021/9/1
水中ロボットマニピュレータの経路計画のため、RRTと運動学モデルを統合したRRTAUVMSアルゴリズムを提案し、従来のRRTより効率を改善した。
- 手続き型生成でEnd-to-End自動運転の汎化性能を向上させる自動運転/シミュレーション2020/12/1
道路ブロックをランダムに組み合わせて多様なシーンを自動生成する運転シミュレータPGDriveを開発し、生成シーンを増やして学習することで交通密度や道路網の異なる未知環境への汎化が大きく改善することを示した。
- 低レベル制御の模倣による自動運転の意思決定モジュール学習自動運転/模倣学習2019/12/1
古典的なモジュール型パイプラインの意思決定部を、人間の低レベル制御行動の模倣を通じて学習させるハイブリッド手法を提案し、複雑なシナリオでルールベースより優れ、端到端ポリシーより滑らかで安全な走行を実現した。
- 時間的一貫性を持つオンポリシー探索手法NADPEx強化学習2018/12/1
ドロップアウトを方策に組み込み、時間的に一貫した探索を実現する深層強化学習の新手法を提案し、疎な報酬タスクでも安定して学習できることを示した。
