Hongtao Wu
収録論文 20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
- BridgeVLA++: 3次元操作のためのデータ効率的で汎化可能なメモリ拡張型視覚言語行動フレームワークVLA2026/8/1
事前学習済み視覚言語モデルを活用した3次元ロボット操作フレームワークBridgeVLAを拡張し、空間的・時間的メモリを統合することで、データ効率と汎化性能を保ちつつ、記憶依存の操作タスクで最先端の性能を達成した。
- GR-3 汎用ロボットポリシー構築に向けた大規模VLAモデルVLA2025/7/1
ウェブ規模の視覚言語データとVR収集の人間軌道データ、ロボット軌道データを組み合わせて訓練した大規模VLAモデルGR-3を開発し、両腕移動ロボットByteMiniと統合して新規物体・環境・長期タスクへの汎化性能を示した。
- BridgeVLA: 視覚言語モデルによる効率的な3Dマニピュレーション学習のための入出力アラインメントVLA2025/6/1
3D入力を複数の2D画像に投影し、2Dヒートマップで行動予測を行うことで、VLMを活用した3Dマニピュレーション学習を効率化する手法を提案。
- 人間支援によるロボット政策の行動選好最適化VLA2025/6/1
人間とのインタラクションから得た選好信号を用いてVLAモデルを事後的に改善するAPOを提案し、失敗からの学習を可能にした。
- GR-2: ウェブ規模の知識を持つ生成型ビデオ・言語・行動モデルによるロボットマニピュレーションVLA2024/10/1
3800万本のインターネット動画で事前学習した大規模モデルをロボット軌道で微調整し、100以上のタスクで平均97.7%の成功率と未知環境への高い汎化性能を実現した。
- 世界モデルに基づく知覚による視覚的脚式移動歩行2024/9/1
環境の世界モデルを構築し、それを用いて視覚入力から直接脚式ロボットの制御方策を学習する手法を提案。シミュレーションで訓練しながら実世界でも正確な予測が可能で、従来手法より高い走破性と頑健性を示した。
- GR-MG: 部分注釈データを活用するマルチモーダル目標条件付きポリシーマニピュレーション2024/8/1
テキスト指示と目標画像の両方で条件付けできるポリシーを提案し、部分的に注釈されたデータを活用してロボット操作の汎化性能を向上させた。
- IRASim: ロボットマニピュレーションのための細粒度ワールドモデルワールドモデル2024/6/1
拡散トランスフォーマーとフレーム単位の行動条件付けモジュールを導入し、ロボットと物体の細かな相互作用を捉えた動画を生成するワールドモデルを提案。方策評価の加速やモデルベース計画による性能向上を実証した。
- 大規模動画生成事前学習を活用した視覚ロボットマニピュレーションマニピュレーション2023/12/1
大規模動画データで生成的に事前学習したGPT型モデルGR-1を提案し、言語条件付き多タスク視覚マニピュレーションにおいてCALVINベンチマークや実機で高い成功率と汎化性能を示した。
- 視覚言語基盤モデルをロボット模倣学習に活用するRoboFlamingoVLA2023/11/1
オープンソースの視覚言語モデルOpenFlamingoを基に、単一ステップの視覚言語理解とポリシーヘッドを分離し、模倣学習で微調整するだけでロボット操作を実現するフレームワークを提案。
- MOMA-Force: 実世界の移動マニピュレーションのための視覚・力模倣マニピュレーション2023/8/1
視覚と力の模倣学習にアドミタンス全身制御を組み合わせ、移動マニピュレータが接触を伴う複数の家庭内タスクを高い成功率と小さな接触力で実行できるようにした。
- クマさんのために椅子を用意しよう!未知の椅子を座れる向きに再配置するロボットのアフォーダンス想像マニピュレーション2023/6/1
未知の椅子を能動的に操作して3Dモデルを再構成し、物理シミュレータ上で「椅子らしさ」と安定した座れる姿勢を判断して、実際にその向きへ再配置するロボット手法を提案した。
- マイクロインジェクションの速度効果を考慮した膜理論に基づく細胞生体力学モデリング細胞操作2022/11/1
マイクロインジェクション時の細胞の力学応答を、注入速度と加速度に依存する弾性係数を用いた膜理論モデルで表現し、シミュレーションと実験でその有効性を検証した。
- 視覚的先読みを備えたトランスポーターによる未見の再配置タスクの解決マニピュレーション2022/2/1
ピックアンドプレース再配置のための視覚的先読みモデルとGoal-Conditioned Transporter Networkを基にしたマルチモーダル行動提案モジュールを開発し、少数のデモから未見タスクへゼロショット汎化できる画像ベース計画手法を実現した。
- クマを椅子に座らせよう!ロボットの想像力による未知の椅子への知能的インタラクションマニピュレーション2021/8/1
仮想ヒューマノイドを椅子に座らせる物理シミュレーションで未知の椅子への座り姿勢を想像し、人間の補助も活用してテディベアを椅子に座らせるロボットシステムを開発した。
- 楕円体で構成されたロボットの狭通路における効率的経路計画経路計画2021/4/1
ロボットを楕円体の集合で表現し、環境を凸体でモデル化することで、狭い通路でも衝突判定なしに回転を含む遷移を保証する経路計画手法を提案した。
- 注げる?物理シミュレーションで未知物体の開口容器アフォーダンスを想像するロボットアフォーダンス2020/8/1
RGB-Dでスキャンした未知物体に粒子を落とす物理シミュレーションを行い、開口容器かどうかの判定と注ぎ位置・姿勢の推定を実現した。
- 圧電アクチュエータのヒステリシス非線形性に対する分数階正規化Bouc-Wenモデルモデリング/制御2020/3/1
圧電アクチュエータの非対称・速度依存ヒステリシスを表現するため、多項式入力と分数階演算子を組み込んだ分数階正規化Bouc-Wenモデルを提案し、従来モデルより高精度なモデリングと補償を実現した。
- 椅子かな?関節人体シミュレーションでアフォーダンスを想像するアフォーダンス推論2019/9/1
関節人体モデルと物体の物理的な着座シミュレーションにより、物体のアフォーダンスを推論して椅子かどうかを分類し、機能的な正立姿勢も予測する手法を提案した。
- 「いいロボット!」:シミュレーションから実機への転移を伴う多段階視覚タスクのための効率的強化学習sim2real2019/9/1
行動安全ゾーン内で探索し危険領域を探索せずに学習、進捗を逆行させる経験を優先するSPOTフレームワークを開発。積み木や列作りなどの長期タスクで成功率を大幅に改善し、シミュレーション学習モデルを実機に直接転移させて成功させた。
