Huang Huang
Stanford University
収録論文 42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
- BEHAVIOR-Spatial:ロボットの空間理解を評価するベンチマークVLA2026/10/25
BEHAVIOR-1K上に構築した空間QA・目標グラウンディング・ロボット行動のベンチマークで、VLMの空間理解がVLA行動にどう結びつくかを調べた。指示変更時の成功率低下や知覚性能と行動の相関を明らかにした。
- T2-Z: ロボット世界モデルのためのテスト時環境潜在最適化世界モデル2026/10/15
世界モデルに学習可能な環境潜在を付加し、テスト時に少数の相互作用から潜在を最適化することで未知環境へ適応する手法を提案。
- FACT: 人間からロボットへの巧みな操作のためのマルチモーダル力・行動・トラック基盤モデルマニピュレーション2026/10/13
人間の触覚データセットEgoForceとロボット実演を組み合わせ、視覚計画から力に基づく微調整へと段階的に処理する基盤モデルFACTを提案。道具使用や楽器演奏など10タスクで最大60ポイントの成功率向上を達成。
- 潜在行動によるクロスエンボディメント・ロボット基盤ワールドモデルワールドモデル2026/10/7
多様なロボットの身体と行動空間を統一した潜在行動空間で扱うワールドモデルLAC-WMを提案し、未知の身体への適応性能が最大46.7%向上することを示した。
- RoboRender: ロボット指向の動画生成による視覚的Sim-to-Real転移sim2real2026/10/7
シミュレーションの深度動画・言語指示・ロボットマスクから写実的なRGB動画を生成し、実機へゼロショット転移可能な方策を学習するフレームワーク。
- 展開を通じたロボットオーケストレーターとポリシーの共進化VLA2026/10/6
VLMオーケストレーターとVLAポリシーを実展開中に共進化させ、自己生成したデモでポリシーを微調整し検証後に採用することで、実世界タスクの成功率を向上させる手法Robo-COPを提案。
- T²Mem: ロボティクスのためのテスト時メモリ学習VLA2026/9/29
事前学習済み視覚言語行動ポリシーに、テスト時訓練で観測履歴を圧縮した高速重みとして記憶させ、記憶不要なベース方策を大きく上回る成功率を達成した手法。
- DexAgent: 自己進化するツールライブラリを備えたエージェント型Human2Sim2Robotフレームワークによる巧みな操作マニピュレーション2026/9/28
一人称視点の人間動画とタスク指示から、物理的に妥当なロボット軌道を生成して方策学習を可能にするエージェント型フレームワークを提案。ツールライブラリを自己進化させ、多様な物体や長期的タスクに対応する。
- 1つのデモで多様な物体へ:局所接触形状による操作の一般化マニピュレーション2026/9/1
人間のデモから学習し、接触点周りの局所形状に注目した報酬設計で、多指ロボットハンドの操作を未見の物体へ一般化する手法を提案した。
- TrAct: ロボット制御と視覚予測を視覚トラックで橋渡しするVLA/世界モデル2026/8/25
ロボットの行動と画像変化の弱い対応を補うため、視覚トラックを中間表現として用いる世界モデルベースの意思決定フレームワークTrActを提案。シミュレーションと実機で成功率を大幅に向上させた。
- オープンデータ・訓練・評価によるスケーラブルな行動クローニング行動クローニング2026/6/1
大規模な遠隔操作データセットABC-130K(3500時間、13万エピソード)とオープンソースのハードウェア・訓練・シミュレーション基盤を公開し、行動クローニングの再現可能な研究基盤を提供した。
- ステレオポリシー:ステレオ知覚によるロボット操作ポリシーの改善マニピュレーション2026/5/1
ステレオ画像ペアを直接利用して3次元幾何推論を強化する視覚運動ポリシー学習フレームワークを提案し、シミュレーションと実ロボットの操作タスクで性能を向上させた。
- CaP-X: ロボットマニピュレーションのためのコーディングエージェントのベンチマークと改善フレームワークマニピュレーション2026/3/1
コードを方策として使うエージェントを体系的に評価する環境CaP-GymとベンチマークCaP-Benchを構築し、テスト時計算の拡張で人間レベルの信頼性を達成する手法を提案した。
- 試行錯誤からの学習:身体性LLMのための内省的テスト時計画VLA2026/2/1
実行前の内省で行動候補を生成・評価し、実行後の内省でモデルと方針を更新する内省的テスト時計画を提案し、長期的な家庭内タスクやロボット実験で性能向上を実証した。
- MoMaGen: ソフト・ハード制約下で多段階両腕移動マニピュレーションのデモを生成sim2real2025/10/1
移動ベースと両腕の多段階タスク向けに、到達可能性などのハード制約と視認性などのソフト制約を満たすデータ生成を制約付き最適化として定式化し、多様なデモを自動生成する手法を提案。
- Robo-DM: 大規模ロボットデータセットのためのデータ管理データ管理2025/5/1
ロボット軌道データをEBML形式で効率的に圧縮・管理し、学習時の読み込みを高速化するオープンソースのクラウド型データ管理ツールキットを提案。
- Real2Render2Real:力学シミュレーションもロボット実機も不要なロボットデータ拡張sim2real2025/5/1
スマホで撮影した物体スキャンと人間の実演動画1本から、3Dガウススプラッティングで高精細なロボット実演データを大量生成する手法。実機テレオペ150回分に匹敵する性能を実現。
- OTTER: テキスト認識型視覚特徴抽出を備えた視覚-言語-行動モデルVLA2025/3/1
言語指示に意味的に対応する視覚特徴だけを選択的に抽出して行動予測に用いるVLAアーキテクチャを提案し、事前学習済みの視覚言語モデルを凍結したまま高いゼロショット汎化を実現した。
- DiffusionSeeder: 拡散モデルによる運動最適化のシード生成で高速動作計画動作計画2024/10/1
拡散モデルで深度画像から多様な軌道を生成し、GPU加速運動最適化の初期シードとして使うことで、混雑環境でのロボット動作計画を大幅に高速化・高成功率化する手法。
- Blox-Net: VLM監督・物理シミュレーション・リセット付きロボットによるロボット組立のための生成的設計ロボット組立/生成的設計2024/9/1
自然言語プロンプトと部品画像から、VLMと物理シミュレーションを組み合わせてロボットが組み立て可能なアセンブリを自動生成するシステムを提案し、キリンなどの形状を高精度で再現しつつ実機で安定して組み立てられることを示した。
- 次トークン予測によるインコンテキスト模倣学習模倣学習2024/8/1
言語や報酬を使わず、人間の教示軌道をプロンプトとして与えるだけで実機ロボットが新しいタスクを学習なしに実行できる次トークン予測モデルICRTを提案した。
- 自由端ケーブルの動的平面操作における自己教師あり学習マニピュレーション2024/5/1
シミュレータで訓練データを収集し、ロボットの到達範囲外の目標位置へケーブル端を動的に操作する手法を提案。実機UR5で評価し、ベースラインを上回る精度を達成した。
- ORBIT-Surgical: 手術支援巧緻性学習のためのオープンシミュレーションフレームワークsim2real2024/4/1
NVIDIA Omniverse上でdVRKとSTARロボット向けに14の手術タスクを提供し、強化学習・模倣学習による手術スキル向上とsim-to-real転移を可能にする物理ベースの手術ロボットシミュレータを開発した。
- 生涯LERF:FogROS2を用いた局所的3Dセマンティック在庫モニタリングVLA2024/3/1
移動ロボットが言語と幾何の密な表現を継続的に最適化し、物体の変化を検出して選択的に更新することで、自然言語クエリに応じて3Dヒートマップで在庫位置を提示する手法を提案。
- 触覚・視覚・言語を統合するマルチモーダルデータセット触覚2024/2/1
44Kの視覚-触覚ペアに言語ラベルを付けたデータセットを構築し、触覚・視覚・言語を統合した生成モデルを訓練した。
- 分布シフト下でのセンサーモーター制御のためのコンフォーマル政策学習強化学習2023/11/1
コンフォーマル分位点を入力とするスイッチングポリシーを設計し、分布シフトを統計的保証付きで検出・対応する手法を提案。自動運転シミュレーションと四足歩行ロボットの能動知覚で有効性を実証。
- 注意誘導型クロスモーダル融合と転移学習による把持安定性評価マニピュレーション2023/8/1
視覚と触覚を注意機構で統合する把持安定性評価モデルを提案し、物理シミュレーションでデータ収集してドメインランダム化と適応で実機へ転移した。
- マニピュレータを尾として活用:脚式ロコモーションの動的安定性向上歩行2023/5/1
脚式ロボットの腕を尾のように使うことで、高速旋回や外乱下での安定性を高める強化学習手法を提案。自由度を段階的に解放する訓練法で効率的に学習し、シミュレーションと実機で有効性を確認。
- 大規模視覚言語モデルによる意味的メカニカルサーチマニピュレーション2023/2/1
大規模言語モデルを活用して物体間の意味的関係を推論し、隠れた対象物を効率的に探索するフレームワークを提案。従来の幾何学的計画より探索性能を大幅に向上させた。
- dVRK手術ロボットによる血管シャント挿入の自動化手術ロボット2022/11/1
da Vinci Research Kitを用いて、血管の縁を視覚的に推定し把持・拡張してシャントを挿入する自動パイプラインを構築し、厳しい公差や血管の向きの変化に対しても高い成功率を達成した。
- 産業用挿入タスクのための視触覚フィードバック方策の実環境における安全な自己教師あり学習マニピュレーション2022/10/1
力覚センシングを活用した安全な自己教師ありデータ収集により、把持姿勢のばらつきに頑健な視触覚挿入方策を実機で学習し、USB挿入タスクで45/45の成功率を達成した。
- 衣服の特徴を定位・追従するための自己教師あり視触覚事前学習触覚2022/9/1
視覚と触覚のペアを自己教師ありで収集し、クロスモーダル対比学習で共有潜在空間を獲得することで、衣服の特徴分類や接触位置推定、遮蔽下での特徴探索、布端の追従などを可能にした研究。
- 積み重ねられた物体の効率的な積み下ろしを伴う棚上でのメカニカルサーチマニピュレーション2022/7/1
棚に積み重なった物体を積み下ろししながら目標物体を探索する手法を提案し、シミュレーションと実機実験で有効性を示した。
- 片腕フリング動作による衣類の効率的な平滑化学習マニピュレーション2022/6/1
6自由度ロボットアームが片腕のフリング動作を学習し、衣類のカバー率を高める粗から細への学習法を提案。バンディットと連続最適化を組み合わせ、事前経験で新規衣類の学習時間を最大87%短縮した。
- ロボットの取り出し時間を最小化する最適な棚配置マニピュレーション2022/6/1
各物体のアクセス頻度と移動コストに基づき、棚上の物体配置を最適化する混合整数計画法を提案し、実機実験で取り出しコストを60-80%削減できることを示した。
- LUV: 紫外蛍光塗料で実現する教師なしラベル付き画像収集データ収集/セグメンテーション2022/3/1
透明な紫外蛍光塗料とUVライトを使い、通常照明とUV照明のペア画像からセグメンテーションマスクやキーポイントを自動抽出し、人手不要でラベル付きデータを高速収集するフレームワークを提案。
- 新ツール「ブラクション」を用いた棚上のメカニカルサーチマニピュレーション2022/1/1
薄い押し出しブレードと吸盤グリッパを組み合わせた新ツール「ブラクション」と、棚の側面から対象物を探索するための改良シミュレーション・知覚・探索方策を提案し、吸着把持動作が押し出しのみの手法より成功率を向上させることを示した。
- 実機とシミュレータを往復する自己教師あり学習による平面ロボットキャスティングsim2real2021/11/1
ロボットアームがケーブルの一端を動かして他端を平面上の目標へ滑らせるタスクを提案し、実機軌道でシミュレータを差分進化により調整して大量の模擬データを生成し、実機と模擬を組み合わせて方策を学習するReal2Sim2Realを開発した。
- 失われた弧のロボットたち:固定端点ケーブルを動的に操る自己教師あり学習ケーブル操作2020/11/1
UR5ロボットが自己教師あり学習で3Dアペックス点を獲得し、ケーブルを高速に振り回して障害物越え・台上の物体叩き落とし・障害物間の織り込みを実現した研究。
- 棚上の隠れた物体を横方向アクセスで探索するLAX-RAYマニピュレーション2020/11/1
棚に隠れた対象物を横から効率的に探すため、対象物の占有支持分布を予測し、遮蔽物を順に押しのける機械探索ポリシーを提案・評価した論文。
- ヒステリシス減衰を考慮した複素剛性ヒューマンインピーダンスモデルとカスタマイズ可能な外骨格制御外骨格制御2020/9/1
人間の関節剛性にヒステリシス減衰項を加えた複素剛性モデルを提案し、それを活用した分数階制御で外骨格の力増幅帯域と安定性を両立させる手法を示した。
- 複素剛性モデルによる人-ロボット相互作用の解析とパワーアシスト外骨格制御への応用外骨格・人間機械相互作用2019/3/1
人間の関節剛性を実部剛性とヒステリシス減衰からなる複素剛性でモデル化し、外骨格装着時の動特性を精度よく説明できることを実験で示した論文。
