Dayou Li
Texas A&M University
収録論文 13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
- Ego2Contact:一人称視点の人間動画から触覚を予測し接触の多いロボット操作に活用触覚2026/10/16
人間の一人称視点RGB動画から両手の触覚場を予測するモデルを学習し、解剖学的対応付けでロボットの触覚レイアウトに適応させ、シミュレーションと実機の操作ポリシーに触覚入力を供給した研究。
- タスク関連潜在ダイナミクスの分離による報酬モデリング報酬学習2026/10/9
動画からタスクに関連する潜在表現を分離し、その時間変化から密な報酬を学習する手法DiTaRを提案。ロボット操作タスクの政策学習を改善し、実世界オフラインRLにも転移可能。
- TouchScale:視覚と触覚の大規模ヒューマンインタラクションデータセット触覚2026/10/7
単一のウェアラブル装置で収録した500時間の接触豊富な人間の行動データを構築し、視覚-触覚学習の事前学習に用いることで、未知の触覚センサへのゼロショット予測やロボットの接触を伴う操作タスクの成功率を大幅に改善した。
- RoboIRS: 推論時の内部表現操作による汎用ロボットポリシーの性能改善VLA2026/10/3
成功・失敗ロールアウトから線形分類器を学習し、ポリシーの内部表現を推論時に操作することで、パラメータ更新なしに分布外タスクでの成功率を向上させる手法を提案。
- 行動アンクローニング:推論時ステアリングなしでモードリダイレクションをポリシー重みに蒸留する手法模倣学習/ポリシー編集2026/6/1
デモデータに含まれる望ましくない行動モードを抑制するため、一時的なモード分類器からのリダイレクション信号をポリシー重みに蒸留し、推論時オーバーヘッドなしで安全な行動を実現する手法MoREを提案した。
- EgoTL: 長時間タスクのための自己中心視点シンクアラウド連鎖VLA2026/4/10
自己中心視点のデータに、発話と行動のタイムスタンプ付き思考連鎖とメートルスケールの空間情報を付与するパイプラインを構築し、VLMやワールドモデルの評価・微調整を行う。
- 幾何学的有用性スコアリングによるTransformerベース単眼SLAMの高速化SLAM2026/4/1
単眼SLAMの計算冗長性を減らすため、フレームのマッピング価値を事前に予測する軽量なゲーティングネットワークLeanGateを提案し、90%以上の冗長フレームをスキップして85%以上の計算削減と5倍のスループット向上を実現した。
- 反実仮想失敗合成による実行可能な操作リカバリの学習マニピュレーション2026/3/1
実世界の成功デモから生成モデルで反実仮想的な失敗ロールアウトを合成し、失敗診断と回復軌道を予測するフレームワークを提案。実機実験で補正精度を大幅に向上させた。
- 自己中心視点の世界モデルによる写実的な手と物体のインタラクション合成世界モデル/インタラクション合成2026/3/1
ユーザーの行動のみから物理的に妥当な自己中心視点の手と物体のインタラクション動画を生成する世界モデルを提案し、3D推定から得た物理的知識を埋め込むことで将来の物体軌跡を使わずに高品質な合成を実現した。
- アテンションマップを用いたメタ推論とクラウドロボティクスへの応用メタ推論2025/5/1
予期せぬ状況下でのロボットの意思決定を改善するため、意味的アテンションマップと教師なしアテンション更新を組み込んだメタ推論フレームワークを提案し、クラウドロボットで実証した。
- MPGNet:遮蔽環境における目標指向把持のための移動・押し・把持の連携学習マニピュレーション2024/8/1
遮蔽された環境で目標物体を効率的に把持するため、移動・押し・把持の3動作を連携させる三枝ネットワークMPGNetと多段階学習戦略を提案し、シミュレーションと実機で有効性を示した。
- 大規模モデルによる指示誘導型マニピュレーションアフォーダンスの学習マニピュレーション2024/8/1
視覚言語モデルと大規模言語モデルを活用し、言語指示に応じて対象物の操作領域を予測するアフォーダンスネットワークを提案。自動データ拡張により実世界タスクでの性能と未知物体・指示への汎化を向上させた。
- どこから取るか:大規模事前学習モデルによるロボット目標ナビゲーションのための視覚シーン表現抽出目標ナビゲーション2024/8/1
大規模視覚言語モデルで環境の特徴表現を構築し、言語モデルと組み合わせて指示を行動列に変換することで、ロボットが複雑な目標ナビゲーションを遂行できる手法を提案した。
