Huaxiu Yao
UNC-Chapel Hill
収録論文 11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
- 実世界デビュー前の統一試験:コーディングエージェントによるロボット制御ベンチマークベンチマーク/エージェント2026/11/9
コーディングエージェントが多様なロボットを物理制約下で制御できるかを評価するため、47体のロボット・35スイート・1,156タスクからなる統一ベンチマーク「Embodied First Exam」を提案した。
- 実世界向けエージェントワールドモデル:コンピュータ操作エージェント用環境の自動合成コンピュータ操作エージェント2026/10/19
GUI・MCPサービス・CLIを統合した実行可能な環境とタスクをオープンソースモデルのみで自動合成するパイプラインWildAWMを提案し、長期的なコンピュータ操作エージェントの学習を可能にした。
- DenseReward: 失敗合成によるロボット操作のための高密度報酬学習操作2026/7/1
ロボット操作の強化学習を改善するため、シミュレーションで物理的に現実的な失敗軌道を自動生成し、視覚と言語からフレーム単位の高密度報酬を予測する報酬モデルDenseRewardを提案した。
- TempoVLA: 速度制御可能な視覚言語行動ポリシーの学習VLA2026/6/1
ロボット操作の速度を明示的な条件で制御できる単一のVLAモデルを提案。デモの軌道を任意の速度に再タイミングするデータ拡張と、速度をポリシーに供給する機構を組み合わせ、低リスク区間での高速化と高リスク区間での低速化を実現した。
- エージェント世界モデル:エージェント強化学習のための無限合成環境エージェント強化学習2026/2/10
LLMエージェントの強化学習用に、コード駆動でデータベースに裏打ちされた1000の合成環境を自動生成するパイプラインを提案し、ベンチマーク外への汎化性能を実証した。
- REMAC: 長期的ロボット操作のための自己反省・自己進化型マルチエージェント協調マルチエージェント計画2025/3/1
視覚言語モデルを用いたロボット計画において、環境変化に適応し効率的に長期タスクを実行するため、自己反省と自己進化を取り入れたマルチエージェント計画フレームワークREMACを提案した。
- AutoTrust: 自動運転向け大規模視覚言語モデルの信頼性ベンチマークVLA2024/12/1
自動運転向け視覚言語モデルの信頼性を、信憑性・安全性・堅牢性・プライバシー・公平性の観点から評価するベンチマークを構築し、6つのモデルを比較評価した。
- 後知恵プランナー:実体指示追従のための閉ループ少数ショットプランナーVLA2024/12/1
大規模言語モデルを用いた実体指示追従タスクにおいて、POMDPとして定式化し、適応モジュールと後知恵手法を組み合わせた閉ループプランナーを提案。少数ショット設定で従来の教師ありエージェントに匹敵または凌駕する性能を実現した。
- GRAPE: 選好アライメントによるロボット方策の汎化VLA2024/11/1
成功・失敗の試行から報酬を暗黙的に学習し、大規模視覚言語モデルが提案する時空間制約で選好を自動設計することで、VLAモデルの未見タスクへの汎化性能を高める手法。
- 物体部分シーンフローによる具現化非依存の行動計画行動計画2024/9/1
対象物体の部分運動を3Dシーンフローとして予測し、その変換から多様なロボットの行動軌道を生成する具現化非依存の手法を提案。
- WOMD-Reasoning: 運転シーンにおけるインタラクション推論のための大規模データセットVLA2024/7/1
実世界の運転シーンにおける交通ルールに基づくインタラクションを記述・推論する300万件のQ&Aデータセットを構築し、それを用いた運転動作言語モデルMotion-LLaVAを提案した。
