Duomin Wang
NVIDIA
収録論文 7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
- Open-HumanScale:身体性基盤モデルのための人間・ロボット経験スケーリングのオープンレシピVLA2026/11/4
50,000時間の一人称視点人間動画を整備し、人間動画の事前学習時間とロボット成功率の対数線形スケーリング則を発見。人間のみ事前学習のHumanWAM-Vanillaと人間・ロボット混合学習のHumanWAM-Goalを開発し、RoboTwin 2.0で最先端性能を達成した。
- LLMエージェントによる低コスト遠隔操作代替のロボットデータ生成データ生成2026/11/3
コーディングエージェントがキャリブレーション1回からシミュレーションでタスクを再構築し、映像モデルで実写風データを生成、実機ポリシー学習を可能にする手法。
- CausalAlign: 映像生成モデルの自己運動を一貫させる因果的アライメント映像生成/自己運動2026/10/21
拡散型映像生成モデルのカメラ自己運動のドリフトを診断し、3D基盤モデルとのデルタトークン空間でのアライメントで運動精度と幾何一貫性を改善する手法を提案。
- USDCraft: 関節付き3Dアセットの幾何学的根拠に基づくプログラム的モデリングによるシミュレーションsim2real2026/10/8
LLMが実行可能なプログラムを書いて関節付き3Dアセットを生成し、実世界の物体をシミュレーション可能なUSDアセットとして再構築するフレームワークを提案。
- トークンを減らして行動を改善:成功率14%向上・トークン65%削減を実現するGPT-6 AstraロボットエージェントVLA2026/10/1
ロボットプリミティブとVLAポリシーをPythonコードとして組み合わせ、必要な観測だけを要求するフレームワークPyRUA-Leanを提案。同一プランナーで成功率を63.1%から71.7%に向上させつつ、入力トークンを65%削減した。
- HumanScale: 身体中心の人間ビデオは実ロボットデータを凌駕する身体化事前学習の可能性身体化事前学習2026/6/18
身体化基盤モデルの事前学習データとして、遠隔操作の実ロボット軌跡と身体中心の人間ビデオを比較し、適切なフィルタリングとラベリング処理を施した人間ビデオが実ロボットデータよりも優れた性能を示すことを発見した。
- PhysisForcing: ロボット操作のための物理強化ワールドシミュレータビデオ生成/物理シミュレーション2026/6/1
ビデオ生成モデルをロボット操作の世界シミュレータとして使う際に、物理的に不自然な動きが生じる問題を解決するため、物理的に重要な領域に注目した学習フレームワークを提案した。
