Jason Jingzhou Liu
収録論文 7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
- Pixel: 汎用モバイルマニピュレーション学習のための協調設計フルスタックロボットシステムモバイルマニピュレーション2026/11/2
低コスト車輪型ヒューマノイド、遠隔操作と人間データ収集、全身制御、方策学習を一体設計し、言語条件付き視覚運動制御と長期タスク実行を実現したフルスタックシステムを提案。
- Pixel-UMI:センサ付き人間デモンストレーションから環境認識型全身マニピュレーションを学習する全身マニピュレーション2026/11/2
人間のセンサ付きデモから環境を考慮した全身マニピュレーションポリシーを学習するパイプラインを提案し、リターゲティング誤差を考慮したマスキングとDAggerによる修正で5タスク平均87%の進捗を達成した。
- COWBOY: 文脈的全身体マニピュレーションを学習するスケーラブルなsim-to-realフレームワークsim2real2026/10/20
環境認識型の全身体コントローラと局所RL専門家を組み合わせ、点群から移動ベース・アーム・巧みな手・カメラを制御する単一の視覚ポリシーに蒸留し、実世界の多様なシーンでゼロショット把持を実現した。
- FACTR 2: コモディティロボットアームの外力センシング学習がポリシー学習を向上させる力覚推定/模倣学習2026/6/1
専用の力センサーを持たないロボットアームでも、データ駆動で外力トルクを推定するNEXTと、接触前後のデータを重点的に学習するFIRSTを組み合わせることで、力覚を活用した遠隔操作とポリシー学習を可能にした論文。
- 動的環境における反応的マニピュレータ動作計画のための深層反応ポリシーマニピュレーション2025/9/1
点群入力を直接用いて動的・部分観測環境で衝突回避動作を生成する視覚運動ニューラルポリシーDRPを提案し、シミュレーションと実機で従来手法を上回る成功率を示した。
- DexWild: 日常環境での人間の手による器用な操作データ収集とロボット方策学習マニピュレーション2025/5/1
低コストなウェアラブルデバイスで人間の手の操作データを収集し、人間とロボットのデモを共訓練することで、未知環境や異なる身体でも汎化する器用な操作方策を実現した。
- FACTR: 接触の多いタスクのための力覚に注目させるカリキュラム学習マニピュレーション2025/2/1
力覚フィードバックを双方向テレオペで収集し、視覚入力を徐々に劣化させるカリキュラムで力覚に注目させる方策学習手法を提案。未見物体への汎化性能を43%向上させた。
