Hao-Tien Lewis Chiang
収録論文 15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
- ロボットポリシー編成における重要要素:階層型VLAエージェントの体系的研究VLA/階層制御2026/6/9
階層型VLAシステムの設計原則を体系的に研究し、プランナーとコントローラの選択や接続方法などが性能に与える影響を分析。導出した原則に基づくシステムが、フラットなVLAや素朴な階層構造より優れることをシミュレーションと実機で示した。
- ソーシャルナビゲーションにおける人間のロボット評価の少数ショット推論ソーシャルナビゲーション2025/12/1
大規模言語モデル(LLM)の少数ショット学習能力を活用し、ソーシャルナビゲーションタスクにおいてロボットがユーザーの性能認識を予測する手法を提案。SEAN TOGETHERデータセットを拡張し、従来の教師あり学習より少ないラベルで同等以上の性能を達成。
- Gemini Robotics 1.5:高度な身体性推論・思考・動作転移で汎用ロボットの最前線を押し広げるVLA2025/10/1
異種ロボットデータから学ぶ動作転移機構と自然言語での多段階推論を組み合わせたVLAモデルと、身体性推論に特化したモデルを発表し、複雑な多段階タスクの実行と解釈性を向上させた。
- Gemini Robotics:AIを物理世界へVLA2025/3/1
Gemini 2.0を基盤に、ロボットを直接制御できる汎用VLAモデル「Gemini Robotics」と、空間・時間理解を強化した推論モデル「Gemini Robotics-ER」を提案した論文。
- Mobility VLA:長文脈VLMとトポロジカルグラフによるマルチモーダル指示ナビゲーションナビゲーション/VLA2024/7/1
デモ動画と自然言語・画像の指示を入力とし、長文脈VLMで目標フレームを特定、トポロジカルグラフに基づく低レベル方策で実環境をナビゲートする階層型VLAを提案した。
- 社会的に適切なロボット行動の連合継続学習のための特徴集約と潜在生成リプレイ連合学習2024/5/1
複数のロボットが協調学習する連合学習環境で、社会的に適切な行動を継続的に学ぶための新しい重み集約手法FedRootと、生成モデルによる擬似リプレイで忘却を防ぐFedLGRを提案し、計算資源を大幅に削減しつつ性能を向上させた。
- ロボットのナビゲーション性能に対する人間の知覚予測人間ロボットインタラクション2023/10/1
VRでの人間とロボットのインタラクションから、非言語的手がかりを用いてロボット性能の知覚を予測する手法を提案し、機械学習が人間より優れることを示した。
- ソーシャルロボットナビゲーションアルゴリズム評価のための原則とガイドラインソーシャルナビゲーション2023/6/1
人混み環境でのロボットナビゲーションを公平に評価するための共通ベンチマーク基準を提案し、安全性や快適さなどの原則、メトリクスやシナリオ設計のガイドライン、評価フレームワークを示した。
- 言語から報酬へ:ロボットスキル合成の新パラダイムVLA2023/6/1
大規模言語モデルに報酬関数のパラメータを生成させ、それをリアルタイム最適化器で最適化することで、言語指示から多様なロボット動作を実現する手法を提案。
- Scene Transformer:複数エージェントの軌道を統合予測する統一アーキテクチャ軌道予測2021/6/1
自動運転向けに、全エージェントの将来軌道を相互作用を考慮して同時に予測するTransformerベースのモデルを提案し、2つのデータセットで最先端性能を達成した。
- 強化学習による到達可能性推定を組み合わせたRRT運動計画運動計画2019/7/1
深層強化学習で障害物回避の局所計画器を学習し、その到達時間を予測する推定器をRRTの距離関数として用いることで、動力学制約付き運動計画を効率化した論文。
- PRM-RLによる長距離屋内ナビゲーションナビゲーション2019/2/1
強化学習エージェントと確率的ロードマップを組み合わせ、騒音や障害物のある屋内環境でロボットを長距離誘導する階層的ナビゲーション手法を提案し、実機で5.8km以上の走行を実現した。
- 選好評価強化学習による運動計画PEARL運動計画2018/11/1
ユーザーが与える複数の選好(目標到達や障害物回避など)のバランスを強化学習で学習し、訓練より複雑な環境でも軌道生成できる運動計画手法PEARLを提案した論文。
- AutoRLによるナビゲーション行動のエンドツーエンド学習ナビゲーション2018/9/1
進化的自動化層AutoRLを用いて、ノイズを含むLiDAR観測から速度指令を出力する移動障害物回避ナビゲーション方策を学習し、シミュレーションと実機で頑健性と汎化性能を示した。
- 深層ニューラルネットワークによる2配置間の掃引体積予測運動計画2018/5/1
ロボットの2つの配置間の掃引体積を深層ニューラルネットワークで高速に予測し、従来手法より1500倍以上速く推定できることを示した。
