Fan Wu
XPENG Robotics
収録論文 31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
- デモンストレーションで調整するポート・ハミルトン型マニピュレーション方策の再チューニングマニピュレーション2026/10/5
デモからポート・ハミルトンモデルを学習し、凍結した方策の予測行動に対する努力とエネルギーを評価して、下流のインピーダンス制御器のゲインを閉形式で一度に調整するオフライン手法を提案。
- 上半身と下半身を分離したヒューマノイドの移動操作フレームワークDUETヒューマノイド/移動操作2026/9/19
脚と腰を制御する強化学習ポリシーと任意の腕操作ポリシーをロボット側で組み合わせ、再学習なしに多様な操作タスクを実現する分離型実行フレームワークを提案。
- VT-Bridge: 軽量残差適応で事前学習済み基盤VLAをVTLAへ橋渡しVLA2026/9/18
事前学習済みVLAモデルに軽量な残差アダプタを追加するだけで、触覚情報を活用した接触の多いマニピュレーションを少ないデータで実現する手法を提案。
- XPACE: 異種経験からの世界モデルと行動モデルの統合学習VLA2026/9/15
人間とロボットの多様な経験を動画予測で結びつけ、行動予測と世界シミュレーションを同時に行う統合モデルを提案し、ヒューマノイドロボットで人間の技能をロボット未経験タスクへ転移できることを示した。
- 人類が最後に作るAI：真の再帰的自己改善に向けて再帰的自己改善2026/9/10
再帰的自己改善（RSI）の概念と発展ロードマップを提示し、科学発見・身体知能・ソフトウェア工学などのシナリオでの要件を検討して、実用的なシステムとの接続や課題を整理した論文。
- AnyWorld: 因子分解された自己中心的世界モデルによるクロス身体汎化世界モデル/操作2026/8/29
人間の単一インタラクション動画を、ロボット固有の多様なロールアウトに拡張する世界モデルフレームワークを提案。行動・カメラ・身体の因子に分解し、身体・視点・シーンの再構成を可能にする。
- TacUMI：接触の多いタスクのためのマルチモーダル汎用マニピュレーションインターフェースマニピュレーション2026/1/1
手持ちデモ装置UMIに触覚・力覚・姿勢センサを統合し、接触の多い作業のマルチモーダルデータを収集できるようにした。さらに時系列モデルで作業を意味のある区間に分割する手法を提案し、ケーブル取付タスクで90%以上の分割精度を達成した。
- UPETrack: 遮蔽された変形可能な線状物体の追跡のための単方向位置推定変形可能物体追跡2025/12/1
変形可能な線状物体（DLO）の追跡において、遮蔽領域を幾何学的連続性と時間的進化パターンに基づく単方向位置推定（UPE）で予測するフレームワークを提案し、物理モデルやマーカーなしで高精度な追跡を実現した。
- Video-to-BT: 人間の実演動画からロボット組立用の反応型ビヘイビアツリーを生成VLA2025/9/1
人間の組立作業を撮影した動画をVLMでサブタスクに分解し、ビヘイビアツリーを自動生成してロボットに実行させる枠組みを提案。実行時の失敗に応じて再計画も行い、長期的な組立作業での汎化性能を実機で示した。
- 方向情報付き木探索 (DIT*): 方向フィルタと方向コストヒューリスティックによる最適経路計画経路計画2025/8/1
サンプリングベースの経路計画において、各エッジの方向情報を活用するフィルタとヒューリスティックを導入し、探索を効率化して既存手法より高速に最適解を見つける手法を提案した。
- 双方向運動計画のための木構造グラフティングと局所部分集合最適化運動計画2025/8/1
双方向探索の接続失敗を木のグラフティングで修復し、局所部分集合の最適化とサンプリング分布の動的調整により高速かつ漸近最適な経路計画を実現する手法G3T*を提案。
- APT*: 適応的長楕円R近傍探索による漸近最適動作計画動作計画2025/8/1
障害物情報に基づきバッチサイズと楕円近傍探索を適応的に調整するサンプリングベース動作計画手法を提案し、高次元空間と実機マニピュレーションで有効性を示した。
- 適応的サンプラーによる推定インフォームド・エニタイム探索サンプリングベース計画2025/8/1
初期解発見前に推定インフォームド集合を構築し、適応的サンプリングと遅延衝突チェックで経路計画を高速化するMIT*を提案。
- 楕円k近傍法：クーロンの法則とC空間障害物の無効頂点を活用した経路最適化経路計画2025/8/1
サンプリングベース経路計画において、無効頂点の情報とクーロンの法則に基づく力方向を利用した楕円k近傍探索を導入し、高次元環境での探索効率とコストを改善するFDIT*を提案した。
- 影響力のスナップショット：オンライン強化学習のための局所データ帰属フレームワーク強化学習2025/5/25
オンライン強化学習（PPO）において、直近の訓練バッファ内の各経験がエージェントの行動や累積報酬に与える影響を勾配類似度で測定する局所帰属フレームワークを提案し、学習診断・行動形成の時間分析・訓練中の介入に応用。さらに経験フィルタリングを反復するIIFアルゴリズムを提案し、サンプル効率と性能を向上させた。
- SharedAssembly：共有テレアセンブリによるデータ収集手法遠隔操作2025/3/1
リーダー側とフォロワー側の両方に組立特化の知能を組み込んだ共有自律バイラテラル遠隔操作フレームワークを提案し、サブミリ単位の高精度組立タスクで97%の成功率を達成した。
- TacDiffusion: 力領域拡散ポリシーによる高精度触覚マニピュレーション触覚2024/9/1
拡散モデルで6軸力覚を生成し、単一タスクの実演から未学習の高精度挿入タスクへゼロショット転移する触覚組立フレームワークを提案。
- 大規模言語モデルによる行動木生成：人間の指示とフィードバックを用いた逐次マニピュレーション計画マニピュレーション2024/9/1
人間の指示とフィードバックを活用し、大規模言語モデルでロボットの逐次組立作業の行動木を生成するフレームワークを提案し、実機で評価した。
- LEMMo-Plan: マルチモーダル実演からのLLM強化学習による接触の多い逐次マニピュレーション計画マニピュレーション2024/9/1
人間の実演から触覚・力覚情報も取り込み、LLMが接触の多い逐次操作タスクの計画を生成できるようにするインコンテキスト学習フレームワークを提案した。
- LLMをビヘイビアツリー生成器として活用するロボット組立タスクプランニングタスクプランニング2024/9/1
大規模言語モデルを用いてロボット組立タスクのビヘイビアツリーを自動生成する枠組みを提案し、4種のインコンテキスト学習とファインチューニングで成功率を向上させた。
- 触覚・形態スキル：エネルギーベース制御とデータ駆動学習の融合触覚2024/8/1
力とインピーダンスの統合制御にデータ駆動学習を組み合わせ、エネルギー推定で安全性を確保しつつ未知の形状や表面へスキルをゼロショット転移できる枠組みを提案した。
- 視覚拡張統合力-インピーダンス制御による未知の剛体3D曲面の視触覚探索触覚2024/8/1
視覚と触覚を統合した力-インピーダンス制御により、未知の3D曲面形状を安全に探索する手法を提案し、ロボット実験で有効性を示した。
- 電池解体を革新する：電池解体自律移動マニピュレータロボット（BEAM-1）の設計と実装マニピュレーション2024/7/1
ニューロシンボリックAIを活用し、多様なボルトの連続解体を自律的に行う移動マニピュレータロボットBEAM-1を開発。実環境で98.78%の成功率を達成した。
- 小さな環境拘束下における変形可能な線状物体の形状制御のためのリアルタイム接触状態推定変形物体マニピュレーション2024/1/1
変形可能な線状物体をロボットで環境の治具に接触させて形状制御する際、加えた力と検出した接触力の依存関係を利用して接触の成立と変化をリアルタイムに推定し、異常を自動で回避・検出・修正する適応的形状制御を実現した。
- 柔軟なインフォームドツリー（FIT*）：インフォームドサンプリングベース経路計画における適応的バッチサイズアプローチ経路計画2023/10/1
サンプリングベース経路計画において、バッチサイズを構成空間の次元と超楕円体の超体積に基づいて動的に調整するFIT*を提案し、初期解の収束速度と品質を向上させた。
- 環境接触を活用した変形可能な線状物体の接触認識型成形と維持マニピュレーション2023/7/1
2台のロボットマニピュレータと環境との接触を利用し、変形する線状物体の形状を計画・制御するフレームワークを提案。ケーブル配線タスクで実機検証した。
- 最適制御器の学習：動的運動プリミティブアプローチ最適制御/運動プリミティブ2023/6/1
最適解から得た動的運動プリミティブを用いて最適制御器を学習し、その誤差を推定可能にするとともに、計算資源が限られた環境でも使える効率的なサンプリング手法を提案した。
- BSA：弾性関節ロボットにおける固有コンプライアンスと慣性結合効果を最適に活用する二段剛性アクチュエーションアクチュエーション2022/12/1
二段剛性アクチュエーション（BSA）という新しいアクチュエータ概念を提案し、スイッチ・アンド・ホールドクラッチでリンクを関節機構から完全に切り離しつつ弾性エネルギーを保持することで、可変剛性アクチュエーションと同等の最適性能を達成し、エネルギー伝達のタイミングを直接制御できることを示した。
- 可変インピーダンスを活用した省エネルギーの連続動作生成可変インピーダンス制御2020/2/1
階層型強化学習と最適制御を組み合わせ、可変インピーダンスアクチュエータの連続リーチング動作で消費電力を約30%削減した研究。
- 可変インピーダンスアクチュエータにおけるエネルギー回生制動アクチュエータ/省エネ2018/10/1
DCモータの回生制動を利用し、可変インピーダンスアクチュエータで消費エネルギーを回収する制動モジュールを提案し、長期運用での省エネ効果を実機で検証した。
- 可変インピーダンスアクチュエータのためのハイブリッド動的・回生制動スキームアクチュエータ/エネルギー回生2018/8/1
DCモータの回生制動効果を利用し、可変インピーダンスアクチュエータで消費されるエネルギーを回収できる新しい可変減衰モジュールを提案した論文。
