Gaoyue Zhou
New York University
収録論文 11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
- 暗黙的ダイナミクスを持つ階層型ワールドモデルワールドモデル/計画2026/10/30
状態空間の到達可能性と局所制御を分離した階層型ワールドモデルを提案し、高レベルでサブゴールを選び低レベルで逆ダイナミクスにより精密な行動に変換することで、長期的タスクの計画精度を大幅に向上させた。
- パッチポリシー:高密度視覚表現による効率的な身体制御VLA2026/7/1
Vision Transformerの事前学習済みパッチ特徴を直接利用する軽量なロボットポリシーを提案し、グローバル表現や大規模VLAを凌ぐ性能を達成した。
- 潜在計画のための時間的直線化世界モデル/表現学習2026/3/12
世界モデルを用いた潜在計画のための表現学習を改善する手法を提案。人間の視覚処理における知覚的直線化仮説に着想を得て、曲率正則化により潜在軌道を局所的に直線化し、計画の安定性と成功率を向上させる。
- 人間の動画から巧みな手と物体の相互作用を学習する世界モデルマニピュレーション2025/12/1
一人称視点の人間動画から指のキーポイントを抽出し、巧みな手の動作を予測する世界モデルDexWMを提案。補助的な手の一貫性損失により、Franka PandaとAllegroグリッパーでのゼロショット転移でDiffusion Policyを50%以上上回る。
- ナビゲーション世界モデルナビゲーション/世界モデル2024/12/1
人間とロボットの視点動画で学習した10億パラメータの拡散トランスフォーマーにより、過去の観測と行動から将来の視覚像を予測し、ナビゲーション経路を計画するモデルを提案した。
- DINO-WM: 事前学習済み視覚特徴量上のワールドモデルによるゼロショット計画ワールドモデル2024/11/1
DINOv2のパッチ特徴量を予測するワールドモデルをオフライン軌道から学習し、行動列最適化により未見タスクをゼロショットで計画する手法を提案。
- 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。
- RoboHive:ロボット学習のための統合フレームワークロボット学習2023/10/1
多様なロボット学習環境を統一インターフェースで提供し、模倣学習や強化学習などの研究を容易にするソフトウェア基盤を構築した。
- オフラインで訓練し、オンラインでテスト:実機ロボット学習ベンチマークsim2real2023/6/1
共有ロボットハードウェアとオープンソースデータセットを提供し、遠隔からオフライン学習手法を実機で評価できるベンチマークTOTOを提案した。
- 実世界オフライン強化学習のための現実的データ源オフライン強化学習2022/10/1
安全な関連タスクの運用データを実世界ロボット学習のデータ源とし、4つの卓上マニピュレーションタスクで代表的なオフラインRL手法の汎化・転移性能を大規模に評価した研究。
- Parrot: 強化学習のためのデータ駆動型行動事前分布強化学習2020/11/1
多様な既存タスクの成功試行から複雑な入出力関係を学習する行動事前分布を事前学習し、新規タスクの迅速な学習を可能にする手法を提案。画像観測と疎報酬のロボットマニピュレーションで大幅に優れる。
