Hongzhan Yu

収録論文 10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

• 潜在モデリングのための感度整形
  モデルベース強化学習/OOD検出2026/6/1

  学習したダイナミクスモデルが制御入力の変化に対して局所的に鈍感な場合、OOD検出が失敗する問題を指摘し、高サポート領域での制御感度を高める正則化を導入してOOD検出と安全な計画を改善した。

• 数秒のデモから学ぶ四足歩行
  歩行2026/3/7

  四足歩行の模倣学習が少量データで効果的な理由を解析し、潜在空間と出力の変動を整える新手法を提案。数秒のデモからオフラインで歩行ポリシーを学習できることを実機で確認した。

• 接触を許容する安全なロボット操作のためのスケーラブルなバリア関数フレームワーク
  安全制御2026/1/1

  密集環境での接触を安全とみなす新たなバリア関数を学習し、任意の物体配置に合成可能でタスク転移も容易な安全フィルタを実現した。

• サンプリングベースのロバスト性解析を伴う時間最適四rotor軌道最適化のための系列モデリング
  軌道最適化2025/6/1

  モデルベースの時間最適軌道計画を模倣する学習モデルを提案し、衝突のない幾何学的経路から時間最適軌道を高速生成。データ拡張でロバスト性を向上させ、実機でリアルタイム性を検証。

• 拡散モーダル結合による制御可能な動作生成
  動作生成2025/3/1

  拡散モデルにマルチモーダルな事前分布とモーダル結合を導入し、物理制約やタスク目標に沿った制御可能な動作生成を実現するフレームワークを提案。

• 倉庫環境における安全な人とロボットのナビゲーション
  ナビゲーション2025/3/1

  学習ベースの制御バリア関数とOpenRMFを統合し、倉庫内で人を含む動的障害物を避けながら複数ロボットを安全にナビゲートする手法を提案した。

• オフラインデータからの制御バリア関数の推定
  安全制御2025/3/1

  訓練前に収集した固定のラベル付きデータセットからニューラル制御バリア関数を学習する枠組みを提案し、実機での動的障害物回避において安全性と保守性の改善を実現した。

• ROS-LLM：タスクフィードバックと構造化推論を備えた身体性AIのためのROSフレームワーク
  VLA2024/6/1

  ROSと大規模言語モデルを統合し、非専門家が自然言語でロボットをプログラミングできるフレームワークを提案。行動モードや模倣学習、フィードバックによる反省機能を備え、多様なタスクで有効性を検証した。

• スケーラブルな動的障害物回避のための逐次ニューラルバリア
  ナビゲーション2023/7/1

  各障害物の状態時系列に分解して逐次ニューラル制御バリア関数を学習し、少数の障害物で訓練した方策を100倍の障害物密度でも汎化可能にした動的障害物回避手法。

• グラフニューラルネットワークによるマルチエージェントナビゲーションのための制御許容モデル学習
  群制御2022/10/1

  マルチエージェントナビゲーションにおいて、最適行動の予測ではなく許容行動の集合を予測する制御許容モデル（CAM）をグラフニューラルネットワークで学習し、少数エージェント環境で訓練したモデルを数百エージェントの密集環境に組み合わせて適用可能にした。