Hao Zhang
Carnegie Mellon University
収録論文 79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
- EgoX: 身体性ドリーミングによる一人称視点のクロスエンボディメントマニピュレーションクロスエンボディメント2026/11/12
人間・実ロボット・シミュレーションの異種デモを意味的に対応付けて統合し、身体性を超えて汎化する操作ポリシーを学習するフレームワークを提案。
- 階層的マルチセンサ文脈認識によるスマートフォン屋内測位の高精度化屋内測位2026/10/29
スマホのセンサ情報から環境・シーン・行動を階層的に認識し、その文脈に応じてPDRの誤差補正と持ち方依存のドリフト補償を行う屋内測位フレームワークを提案した。
- 物理シミュレーションに基づく対話型ワールドモデル評価ベンチマークWMEvalワールドモデル評価2026/10/24
Unity製物理シミュレーションを正解基準として、対話型ワールドモデルの行動制御性や物理的因果性を状態ベースで評価するベンチマークを提案した。
- LAST-V2X: 言語駆動によるV2X安全アプリの通信起因故障シナリオの適応的生成とテストV2Xテスト2026/10/22
LLMを用いて自然言語のテスト記述からV2X通信の遅延・欠落・誤情報を含む交通シナリオを自動生成し、通信劣化と正解情報の比較実行で通信起因の安全故障を特定・再現するフレームワーク。
- 運用制約下でのUAV-UGVチームのためのマスク付き誤差有界ニューロシンボリック拡散による協調計画群制御2026/10/13
UAVとUGVの協調計画を条件付きマスク拡散モデルで生成し、論理規則で制約を課すニューロシンボリック手法を提案。誤差有界な推論スケジューリングで制約下の計画最適性を向上。
- 文脈と社会性を考慮したロボットによる効率的な人物目標ナビゲーション人物探索ナビゲーション2026/10/2
言語の不確実性や情報制約下で人物を探索するPersonNav問題に対し、距離と意味情報を信頼度で重み付けする計画フレームワークを提案し、合成ベンチマークと実機で有効性を示した。
- KPI: ヒューマノイドの物理的インタラクションのためのプロンプト可能なカーネルマニピュレーション2026/9/28
軌道源と全身トラッカー間に、方向ごとに追従・柔軟・力保持を指示する契約を送り、接触時に腕の剛性・減衰・参照・フィードフォワードを適応させるカーネルを提案。VLAエージェントが指示から軌道と契約を生成し、ウィンチ操作やドア開け、箱運搬を実現した。
- AquaOrbit: 断続的な視覚フィードバック下での水中ターゲット周回のためのSim-to-Real強化学習sim2real2026/9/21
視覚が途切れる水中環境で、目標を見失っても復帰モジュールで安定化・再捕捉しながら周回する強化学習制御器を開発し、シミュレーションから実機へゼロショット転移させた。
- SAGE: 人とロボットの協調のための安全整合勾配強制人ロボット協調2026/9/17
説明可能な決定木方針と制御バリア関数フィルタを組み合わせた協調ロボット制御において、安全投影とチーム更新の不一致を勾配レベルで解消するSAGEを提案し、衝突を抑えつつ成功率を向上させた。
- AURORA: 自然言語駆動型エージェントフレームワークによる信頼性の高い空陸協調シミュレーションの理解・推論・オーケストレーションsim2real2026/9/17
自然言語から空陸協調シミュレーションシナリオを生成し、実行時検証と局所修復により要求された相互作用を忠実に実現するエージェントフレームワークを提案。
- 時間論理に基づく普遍的なタスク表現による強化学習強化学習2026/8/16
LTL式からタスクの意味を抽出する新しい表現アーキテクチャを提案し、任意の強化学習アルゴリズムに統合可能な普遍的なタスク表現フレームワークLOTUSを導入した。双模倣距離による理論的保証で、学習効率と汎化性能を大幅に向上させる。
- PhyAI: エッジでのリアルタイム物理AI、クラウドでのスケーラブルなロールアウト推論エンジン2026/8/4
物理AIポリシーの推論を統一するエンジンPhyAIを構築し、エッジからクラウドまで同一ランタイムでVLAモデルや世界行動モデルを実行し、公式実装より1.40〜4.65倍の高速化を達成した。
- FreqNav: 物体指向型空中視覚言語ナビゲーションのための段階的周波数ルーティングVLA2026/8/1
空中VLNタスクにおいて、ナビゲーション段階に応じて視覚トークンの周波数成分を動的に再配分する軽量な適応認識フレームワークFreqNavを提案し、ベースラインを上回る性能と約3倍の推論高速化を実現した。
- CNS-Edit++: 結合ニューラル形状表現によるカテゴリ非依存の3D編集3D編集2026/7/18
3D形状の編集を、大域的な意味情報と局所的な空間文脈を結合した表現の最適化として定式化し、カテゴリに依存しない編集を可能にするフレームワークを提案した。
- セマンティックガイドによるガウススプラッティングを用いた段階的物体除去3Dシーン編集2026/7/1
3Dシーンから不要な物体を除去する際、セマンティック情報と段階的リファインメントを統合した新しいフレームワークを提案。DINOv2で他視点の意味情報を活用し、マスク領域を複数サブ領域に分けて品質の低い部分を選択的に改善することで、高品質な除去を実現。
- 一時的協調知覚のための視覚基盤モデルを用いた通信効率的な相対姿勢推定群制御2026/7/1
ロボット間の短時間の遭遇時に、限られた通信帯域と視野重複の欠如に対応するため、視覚基盤モデルを活用して自己運動とロボット間の相対姿勢を効率的に推定するフレームワークを提案した。
- SymTRELLIS: 対称性を強制するボクセル潜在表現による3D生成3D生成2026/6/2
3D生成モデルに任意の点群対称性（回転・鏡映・多面体）を、再学習なしで強制する手法を提案。潜在空間での変換を線形演算子で近似し、ODEステップで速度を対称化する。
- 全ローター突然故障下での6自由度アクチュエーション維持：二軸傾斜ヘキサコプタを用いた受動的フォールトトレラント飛行制御ドローン制御2026/6/1
二軸傾斜オーバーアクチュエーションヘキサコプタを用いて、事前未知の全ローター故障が発生しても検出・切替なしで6自由度飛行を維持する受動的耐故障制御手法を提案した。
- 都市交差点における異種モビリティのための微分可能モデル予測安全性群制御2026/5/1
自動運転車と移動ロボットが混在する無信号交差点での衝突回避を、モデル予測制御の先見性を強化学習に組み込んだフレームワークで実現した論文。
- LatentUM: 潜在空間統合モデルによるインターリーブ型クロスモーダル推論の可能性を解き放つVLA2026/4/2
視覚理解と生成を共通の潜在空間で表現する統合モデルLatentUMを提案し、ピクセル空間を介さずに柔軟なクロスモーダル推論と生成を実現した。
- 触覚ドリーミングによる多用途ヒューマノイド操作の学習ヒューマノイド操作2026/4/1
ヒューマノイドの全身操作を安定させるRLベースの下半身制御とVRデータ収集システムを開発し、触覚を主要モダリティとして扱うマルチモーダルトランスフォーマーHTDを提案。触覚の潜在予測により接触認識表現を学習し、実世界の接触豊富なタスクで成功率を大幅に向上させた。
- X2-N: 変形可能な車輪脚ヒューマノイドロボットによる二重モード移動と操作ヒューマノイド/移動操作2026/4/1
車輪脚ロボットとヒューマノイドの形態をシームレスに変形できる高自由度ロボットX2-Nを開発し、強化学習ベースの全身制御で移動・変形・操作を統一的に実現した。
- EMMa: 救助用装軌型ロボットのためのエンドエフェクタ安定性重視の移動操作移動操作2026/4/1
救助活動中の装軌型移動マニピュレータのエンドエフェクタ安定動作を実現する運動生成フレームワークを提案し、経路最適化と制御方式を設計して実機実験で有効性を検証した。
- HALO: 異種エージェント・リアプノフ方策最適化による人間とロボットの協調学習群制御2026/3/1
人間とロボットの協調作業において、ロボットと人間の意思決定の非対称性（合理性ギャップ）による学習の不安定さを、リアプノフ安定性理論に基づく方策更新の収束保証で解決する新しい強化学習フレームワークを提案した。
- 認知から制御へ：人間とヒューマノイドの協調運搬のためのマルチエージェント学習ヒューマノイド協調/マルチエージェント学習2026/3/1
高次の意図を接触安定な全身動作に変換し、人間パートナーに適応するための3層階層（VLM基盤層、熟考的スキル調整層、全身制御層）を提案し、マルコフ潜在ゲームとしてMARLを用いて長期的な協調を実現する。
- 運用制約下のUAV-UGVチームにおける同期並行協調計画群制御2026/3/1
UAVとUGVの異種ロボットチームが、エネルギーや走行可能地形などの運用制約を考慮しつつ、同期して並行に協調計画を行う学習ベース手法CoPCSを提案した。
- 接触を考慮した全身制御による柔軟な物体搬送マニピュレーション2026/3/1
人型ロボットが物体を支えながら運ぶ際に、上半身の接触力制御と下半身のバランス制御を分離し、強化学習で外乱や負荷変動に適応する全身制御手法を提案した。
- ExtremControl: 四肢直接制御による低遅延ヒューマノイド遠隔操作遠隔操作2026/2/1
全身リターゲティングを避け、選択した剛体リンク（主に四肢）のSE(3)姿勢を直接操作し、速度フィードフォワード制御を組み合わせることで、50msの低遅延を実現したヒューマノイド遠隔操作フレームワーク。
- STaR: 長期的マルチモーダルロボット記憶のためのスケーラブルなタスク条件付き検索VLA2026/2/1
ロボットの長期記憶を構築し、情報ボトルネック原理に基づくタスク条件付き検索で必要な記憶を抽出するエージェント推論フレームワークを提案。屋内・屋外の実環境で有効性を実証。
- VP-AutoTest: 仮想・実機融合型自動運転テストプラットフォーム自動運転テスト2025/12/1
仮想と実機の要素を組み合わせ、単車・複数車協調の敵対的テストや並列推論、多次元評価とAI診断を可能にする自動運転テストプラットフォームを提案した。
- VacuumVLA: 吸引と把持を統合したエンドエフェクタでVLAの能力を強化する複雑ロボットマニピュレーションマニピュレーション2025/11/1
2本指グリッパと真空吸引ユニットを組み合わせた低コストなハイブリッドエンドエフェクタを開発し、DexVLAやPi0といったVLAフレームワークに組み込むことで、従来困難だった複雑な操作タスクを実現した。
- アフォーダンス学習と拡散ポリシーによる関節物体操作の汎化フレームワークDARTマニピュレーション2025/9/1
線形時相論理でタスク意味を理解し、アフォーダンス学習で最適な接触点を特定する拡散ベースのポリシーを提案し、関節物体の巧みな操作をカテゴリを超えて汎化させる。
- 協調マルチロボットナビゲーションのためのサブチーム化と適応的フォーメーション制御群制御2025/9/1
ロボットチームが狭い通路などで動的にサブチームに分かれ、隊形を保ちながら協調移動できる階層型学習フレームワークSTAFを提案した。
- AsyMoE: モーダル非対称性を活用した大規模視覚言語モデルにおける専門家の特化VLA2025/9/1
視覚と言語の処理の非対称性に着目し、モダリティ特化・双曲線的クロスモーダル・証拠優先の3種の専門家群で構成される新しいMoEアーキテクチャを提案し、精度向上とパラメータ削減を実現した。
- 対抗強度を調整可能な自動運転車のインタラクティブ敵対的テスト自動運転テスト2025/7/1
周囲車両を強化学習で知的試験官としてモデル化し、対抗強度を連続調整できる自動運転の敵対的テストフレームワークExamPPOを提案した。
- 自動運転車は自然言語で接続されるべきである協調運転2025/7/1
協調運転における既存の通信手段の限界を指摘し、意図や推論を自然言語で直接伝えることで、反応的な知覚データ共有から能動的な調整へと転換することを提唱した論文。
- 非重複を考慮した自己中心姿勢推定による接続自律システムの協調認識協調認識2025/6/1
マルチロボットチームで、通信帯域制約下でも重複しない視点を識別しながら自己中心姿勢推定を行う階層的学習手法NOPEを提案し、シミュレーションと実環境で有効性を示した。
- 動的LiDAR環境における移動ロボットのリアルタイム空間推論：再構成とナビゲーションLiDAR/ナビゲーション2025/5/1
移動ロボットが取得するLiDARデータから、歩行者などの動物体を含む動的環境でリアルタイムに表面再構成と自由空間推定を行い、自律ナビゲーションを実現するフレームワークを提案した。
- 折り紙 inspired 再構成可能マニピュレータの物理再構成パラメータと制御器の共最適化マニピュレーション2025/4/1
折り紙 inspired モジュールからなる腱駆動再構成マニピュレータにおいて、関節剛性を設計変数として強化学習で制御方策と共最適化し、衝突回避を伴う目標到達タスクを実現した。
- 仮想道路で賢く安全に：混在交通の安全解析のためのデジタルツインフレームワークsim2real2025/4/1
ドローンLiDARや地図・車両センサデータから高精細3D道路を生成し、CARLA・SUMO・PhysXを統合したデジタルツインで自動運転車と一般車が混在する交通の安全性を物理的に評価する。
- GR00T N1: 汎用人型ロボットのためのオープン基盤モデルVLA2025/3/1
視覚言語モジュールと拡散トランスフォーマを組み合わせた二重システム構成のVLA基盤モデルを提案し、実機・人間動画・合成データで学習して人型ロボットの両手マニピュレーションを実現した。
- HEATS: 移動マニピュレータによる効率的な自律目標探索のための階層型フレームワーク移動マニピュレーション2025/3/1
移動マニピュレータの強みを活かした視点計画と全身運動計画を組み合わせ、未知環境での目標探索を効率化する階層型フレームワークを提案した。
- 帯域適応型時空間対応付けによる協調知覚協調知覚2025/2/1
通信帯域が動的に変化する環境で、複数ロボットが同じ物体を一貫して認識できるよう、時空間観測を段階的に選択・共有する手法を提案した。
- 信号交差点における知識活用型マルチエージェント軌道予測：インフラ協調型予測スキーム軌道予測2025/1/1
路側機が全車両の将来軌道を予測して車両に配信するインフラ協調型予測スキームを提案し、信号状態・運転戦略知識・マルチエージェント相互作用を活用した予測モデルI2XTrajを開発した。
- 運動学的・異方性速度制約下での二台の四足ロボット協調搬送のための二階層学習群制御2024/12/1
二台の四足ロボットが協調して荷物を運ぶため、チーム方策と各ロボットの速度制御を二階層で学習する手法を提案し、異方性のある速度制約や障害物を考慮して搬送を実現した。
- 線形時相論理で解釈可能な操作のためのハイブリッド強化学習方針マニピュレーション2024/12/1
線形時相論理(LTL)でタスク仕様を符号化し、ウェイポイント計画・行動プリミティブ選択・パラメータ決定の3階層方針を組み合わせることで、長期的なロボット操作タスクの探索効率と解釈性を高める強化学習フレームワークHyTLを提案した。
- TAPTRv2: 注意に基づく位置更新で任意点追跡を改善任意点追跡2024/7/1
Transformerベースの任意点追跡手法TAPTRを改良し、コストボリュームへの依存を排除する注意ベースの位置更新(APU)を導入して精度を大幅に向上させた。
- GPU加速による最適化ベースの衝突回避衝突回避/最適化2024/6/1
凸多面体で表される物体と障害物の衝突回避を、スケールベース検出と双対性を利用した制約で低次元QPに分解し、ADMMとGPU並列計算で高速に解く手法を提案した。
- 適応的フォーメーションと振動抑制による協調マルチロボットナビゲーション群制御2024/4/1
階層学習とバネ-ダンパモデルを組み合わせ、狭い通路などでも隊形を適応的に変化させながら複数ロボットを協調移動させる手法AFORを提案した。
- TAPTR: 検出としてのTransformerによる任意点追跡点追跡2024/3/1
点追跡を物体検出・追跡と類似とみなし、DETR風のTransformerで各追跡点をクエリとして扱うシンプルで高性能な任意点追跡フレームワークを提案。
- 深層強化学習に基づくマルチロボット協調エリア探索のための自律的・適応的役割選択群制御2023/12/1
マルチロボット協調エリア探索において、階層型マルチエージェント強化学習で役割選択と実行を分離し、探索とカバレッジを両立させる手法を提案した。
- 人間とロボットのインタラクションにおける属性ベース物体参照のための合成的ゼロショット学習VLA2023/12/1
言語指示に含まれる属性の組み合わせから未知の物体をゼロショットで同定する手法を実装し、MIT-StatesとClothing 16Kで評価した。
- ニューラルパッキング：視覚認識から強化学習までマニピュレーション2023/11/1
RGBDセンシングで物体を認識し、強化学習で3Dの輸送・梱包問題を解き、ロボットアームで実際に箱詰めする一連のパイプラインを提案した論文。
- 逃げ場なし：ターゲット捕獲環境におけるマルチロボット協調のベンチマーク群制御2023/8/1
2種類のロボットが同じ空間で捕獲側と逃走側に分かれ、環境レイアウトを活用しながら協調して目標を達成するマルチロボット協調の新ベンチマークT2Eを提案し、複数の学習ベース手法を評価した。
- SoftZoo：多様な環境での移動のためのソフトロボット共同設計ベンチマークソフトロボティクス/共同設計2023/3/1
多様な環境での移動を対象に、ソフトロボットの形態と制御を同時最適化する共同設計アルゴリズムを評価するためのベンチマークプラットフォームSoftZooを提案し、既存手法を比較分析した。
- 協調知覚における対応同定のための深層マスク付きグラフマッチング協調知覚2023/3/1
複数ロボットが観測した物体の対応関係を同定するため、視覚・空間・GPS情報を統合するマスク付きニューラルネットワークによるグラフマッチング手法を提案し、自動運転の協調知覚で最高性能を達成した。
- 掴めない姿勢からのプッシュ＆グラスプ強化学習マニピュレーション2023/2/1
掴めない姿勢の物体をテーブル端に押し出してから掴むため、プッシュとグラスプを単一の強化学習ポリシーで統合し、実機へ転移可能にした研究。
- NIFT: 物体操作のためのニューラル相互作用場とテンプレートマニピュレーション2022/10/1
物体操作のデモから相互作用のテンプレートを抽出し、新しい物体に対してニューラル場上で特徴マッチングを行うことで、模倣学習による操作生成を実現する手法を提案した。
- スパース報酬強化学習におけるTransformer活用による解釈可能な時相論理動作計画VLA2022/9/1
Transformerを二重に活用し、LTL指示の理解と文脈変数の符号化を行うことで、スパース報酬下での解釈可能な時相論理動作計画を実現するT2TLフレームワークを提案した。
- NAUTS: 非構造地形への適応のための交渉手法ナビゲーション2022/7/1
複数のナビゲーションポリシーをオンラインで交渉・統合し、不整地や動的障害物に適応する地上ロボットのナビゲーション手法を提案。
- 時空間グラフ学習とモデルベース推定を統合した非同期協調自己位置推定協調自己位置推定2021/11/1
複数ロボットが非同期に得た観測を、不確実性を考慮した時空間グラフ学習とモデルベース状態推定で融合し、物体位置を高精度に協調推定する手法を提案した論文。
- 自己反省型地形認識適応による不整地オフロード走行の一貫性向上不整地走行2021/11/1
ロボットが自分の走行結果を振り返って地形や機体の変化に適応し、不整地でも計画通りの安定した走行制御を生成する手法を提案した。
- カメラとV2V通信センサ間のデータ対応付けV2X/センサフュージョン2021/1/1
カメラと車車間通信センサの測定値をマハラノビス距離で対応付ける低計算コストなリアルタイムアルゴリズムを実装した論文。
- 不整地走行における一貫したナビゲーション行動のためのロボット適応不整地走行2021/1/1
車輪滑りや空気圧低下などの外乱を明示的にモデル化せず、実際の行動と期待行動のずれを補正するオフセット行動を学習し、不整地でも一貫した走行を実現する手法を提案した。
- グラフ表現学習による異種マルチロボットのセンサカバレッジのためのチーム割り当て群制御2020/12/1
異種ロボット群のセンサカバレッジ問題をグラフ表現学習として定式化し、正則化最適化に基づいてロボット間の多様な関係を統合表現に学習してチーム割り当てを行う手法を提案した。
- 分散ゲームによる通信不要のマルチロボットナビゲーション群制御2020/12/1
各ロボットが近傍の仲間の行動を推定して分散ゲームを解くことで、明示的な通信なしに障害物や衝突を避けつつ目標へ到達する手法を提案し、ナッシュ均衡への収束を理論的に示した。
- 異種マルチロボットのセンサカバレッジにおけるチーム構成変化への適応群制御2020/12/1
異なるセンサを持つロボットチームで環境を効率的に観測するため、チーム構成の変化に応じて各センサの重要度を自動調整する正則化最適化手法を提案し、故障時にも頑健に適応できることを示した。
- 協調マルチロボット知覚のための視点と特徴量の同時選択マルチロボット知覚2020/12/1
複数ロボットの観測から認識に有用な視点と特徴量をスパース正則化で同時に選び、統一最適化として解く手法を提案し、シミュレーションと実機で有効性を示した。
- グラフ学習とモデルベース推定を統合した多視点センサフュージョンによる協調物体位置推定協調位置推定/センサフュージョン2020/11/1
時空間グラフ表現とベイズ推定を組み合わせ、複数視点の観測を不確実性を考慮して融合する協調物体位置推定手法を提案し、自動運転や歩行者位置推定で最先端性能を達成した。
- 人間の姿勢と物体手がかりの同時学習によるリアルタイム行動認識行動認識2020/4/1
人間の骨格姿勢と操作対象物体の情報を統合して同時学習し、家庭支援ロボット上で1万Hzのリアルタイム行動認識を実現した研究。
- マルチモーダルグラフ埋め込みによるマルチロボット構造の表現とチーム選択群制御2020/3/1
複数の関係情報を有向グラフとして統合埋め込みし、教師なし学習でマルチロボットシステムをチームに分割する手法を提案した論文。
- 深層モデル融合強化学習による効率的なロボットタスクの汎化強化学習2019/12/1
学習済みモデルを融合して環境適応を効率化するDeep Model Fusion強化学習と、学習効率を高める多目的誘導報酬整形を提案し、様々な環境で有効性を検証した論文。
- RoboCoDraw：GANスタイル変換と時間効率経路最適化によるロボットアバター描画描画ロボティクス2019/12/1
実写の顔写真からGANで似顔絵アバターを生成し、線画抽出と遺伝的アルゴリズムによる経路最適化でロボットアームに効率的に描かせる協調描画システムを提案した。
- 深層強化学習による分散型マルチロボット衝突回避の最適化群制御2017/9/1
生のセンサ計測から直接速度指令を出力する分散型衝突回避ポリシーを、多シナリオ多段階の強化学習で訓練し、大規模ロボット群でも効率的で衝突のない経路生成を実現した。
- 全方位・長期場所認識のためのマルチセンサベンチマークデータセットと解析SLAM/場所認識2017/4/1
全方位の輝度・視差画像を含む長期場所認識用データセットMOLPを構築し、場所認識を正則化付きスパース凸最適化として定式化して輝度情報の優位性と双方向ループ閉じ込めの有効性を示した。
- 系列ベースのマルチモーダル見習い学習によるロボットの知覚と意思決定見習い学習2017/2/1
時系列情報とマルチモーダルデータを同時に融合し、ロボットの知覚と意思決定を統合するSMAL手法を提案。救助探索シミュレーションと実機実験で有効性を示した。
- 身体部位と特徴量の同時学習によるロボットのリアルタイム人間行動認識行動認識2017/2/1
骨格データから識別的な身体部位と特徴量を同時に学習し、構造的スパース性を用いた最適化でロボットが人間行動をリアルタイムに認識する手法を提案した。
- 自己省察型リスク認識人工認知モデリングによる人間行動へのロボット応答人間ロボット協働2016/5/1
人間行動の解釈と未知状況の自己省察を可能にする2つの指標を導入し、協働ロボットがリスクを考慮して適切に意思決定できるSRACモデルを提案した。
- DoraPicker: 汎用物体の自律ピッキングシステムマニピュレーション2016/3/1
倉庫内で対象物体を検出・6D姿勢推定し、3種のグリッパと把持計画を用いて棚やテーブルから物体を掴んで配置するピック&プレースロボットシステムを提案・評価した。
