Jiankai Sun
Stanford University
収録論文 30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
- 接触の多いマニピュレーションでGPT-6 Astraはどこまで登れるか?PhysLadder:物理的相互作用のための階層的で対応の取れたSim-Realベンチマークベンチマーク/Sim2Real2026/10/25
接触の多い家事タスク16件を3段階の難易度で実機とシミュレーションの両方で評価するベンチマークPhysLadderを提案し、GPT-6 Astraのゼロショット性能が難易度上昇とともに低下する様子を明らかにした。
- ロボットを改善するのは誰か?物理的再帰的自己改善に向けて自己改善2026/10/13
物理的経験を通じてロボットが能力と改善手順そのものを更新する「物理的再帰的自己改善」を定義し、L0-L5の枠組みで既存研究を整理したサーベイ。
- RobotWorld:多様なタスクと身体性にわたるロボット利用のためのマルチモーダルエージェントベンチマークベンチマーク2026/10/7
汎用エージェントがロボットインターフェースを通じて物理タスクを実行できるかを評価する84タスクのシミュレーションベンチマークを提案し、能力の転移と失敗要因を分析した。
- EmbodiedSWE:長期的器用ロボティクスのためのコーディングエージェントVLA2026/9/23
コーディングエージェントが長期的・器用なロボットタスクを解き、その解を多様な軌道に拡張してVLAを訓練し、実機タスクまで完了できることを示した研究。
- PRIMAL3: 強化学習と模倣学習によるマルチエージェント経路探索 - LaCAM3を活用した大規模フレームワーク群制御2026/8/1
本論文は、強化学習と模倣学習を統合した大規模マルチエージェント経路探索フレームワークPRIMAL3を提案し、ボトルネックや行き止まりなどの重要な状態でのエージェント間の協調を改善する。
- 観測・行動の正準化による姿勢非依存のロボット機能的把持マニピュレーション2026/6/1
マグカップの取っ手を掴む機能的把持タスクにおいて、観測と行動を物体中心座標系に正準化する強化学習フレームワークAnyMugを提案し、シミュレーションのみで訓練した単一ポリシーを実機にゼロショット転移して高い成功率を達成した。
- LEGS: 具現化ガウススプラッティング世界における遠隔操作不要のVLA微調整による人型ロコ操作VLA/シミュレーション/人型ロボット2026/6/1
人型ロボットの移動操作タスク向けに、遠隔操作デモなしで合成データを生成し、VLAポリシーを微調整するハイブリッドシミュレータLEGSを提案。3DGS背景とメッシュ前景を組み合わせ、実機で遠隔操作デモと同等以上の性能を達成した。
- SARM2: 自己改善型ロボット操作のためのマルチタスク段階認識報酬モデリングマニピュレーション2026/6/1
長期的なロボット操作タスクにおいて、行動クローニングに依存せず、自己ロールアウトからポリシーを改善するための、段階推定器とMMoE価値ヘッドを組み合わせたマルチタスク報酬モデルRMと、それを用いた自己改善フレームワークSPIRALを提案した。
- ロックインの打破:低データVLA後訓練における操縦性の維持VLA2026/4/1
低データでの後訓練後にVLAポリシーが新しい指示に応答しなくなる「ロックイン」現象を特定し、視覚的接地の維持とテスト時の対照的プロンプトガイダンスによりこれを緩和するDeLockを提案した。
- π、しかし飛ばす:VLAモデルの空中マニピュレーションへの物理誘導転移空中マニピュレーション/VLA2026/3/1
固定ベースのマニピュレータ向けに事前学習されたVLAモデルを空中プラットフォームへ転移させる際の「ダイナミクスギャップ」を、推論時のペイロード認識ガイダンスと合成データ生成で橋渡しし、空中ピックアンドプレースの成功率を向上させた。
- SteerVLA:長尾運転シーンで視覚言語行動モデルを操舵する自動運転/VLA2026/2/1
VLMの常識推論で細かい言語指示を生成し、VLA運転ポリシーを操舵する手法を提案。閉ループベンチマークで長尾シーンの性能を大幅に改善した。
- V2X協調自動運転のエンドツーエンド競技会:研究課題と進展V2X協調自動運転2025/7/1
V2X通信を活用した協調自動運転のエンドツーエンド競技会を開催し、帯域制約下での知覚・計画の課題と上位解法の傾向を分析した。
- GRaD-Nav++:ガウスラディアンスフィールドと微分可能力学による視覚言語モデル駆動ドローン航法VLA2025/6/1
3Dガウススプラッティングシミュレータと微分可能強化学習で訓練した軽量VLAモデルを機載し、自然言語指示に従ってリアルタイムにドローンを飛行させるフレームワークを提案。
- ParticleFormer: 多物体・多素材ロボット操作のための3D点群ワールドモデルワールドモデル2025/6/1
剛体・変形・柔軟素材が混在する多物体操作を対象に、実ロボット知覚データから直接学習できるTransformerベースの3D点群ワールドモデルを提案し、MPCによる下流操作タスクで高精度な動力学予測を実現した。
- 空間認識型ロボット把持:汎用把持制御ポリシーマニピュレーション2025/5/1
単眼深度推定と6自由度把持プロンプトを統合した空間表現と拡散ポリシーにより、環境変化に頑健な汎用ロボット把持を実現した。
- CoinRobot: 物理的知能のための汎用エンドツーエンドロボット学習マニピュレーション2025/3/1
多様なロボットや環境に適応できる汎用エンドツーエンド学習フレームワークを提案し、7つのマニピュレーションタスクで拡散モデルベースの手法が高い性能と汎化性を示した。
- GRaD-Nav: ガウス放射輝度場と微分可能力学による効率的な視覚ドローン航法の学習VLA2025/3/1
3Dガウススプラッティングと微分可能強化学習を組み合わせ、視覚ベースのドローン航法ポリシーを効率的に学習するフレームワークを提案。シミュレーションから実機へのゼロショット転移と新しい環境への適応を実現した。
- SIREN: マルチロボットGaussian Splattingマップのセマンティック・初期化不要レジストレーションマルチロボットSLAM2025/2/1
カメラ姿勢や画像、初期変換が一切なくても、セマンティクスを活用して複数ロボットのGaussian Splattingマップを高精度に位置合わせ・統合する手法を提案。
- ARCH: 長期的な接触を伴うロボット組立のための階層型ハイブリッド学習マニピュレーション2024/9/1
パラメータ化されたスキルの低レベルライブラリと模倣学習で訓練した高レベル方策を組み合わせ、接触の多い長期的な組立作業を高精度かつデータ効率的に実現する階層型手法を提案。
- BEHAVIOR-1K:1000の日常活動とリアルなシミュレーションによる人間中心の身体性AIベンチマークsim2real2024/3/1
人間がロボットにやってほしいと望む1000の日常活動を、50のシーンと9000以上の物体を含む物理シミュレーション環境OMNIGIBSONで再現し、実世界への転移も検証したベンチマークを提案した。
- ロボティクスにおける基盤モデル:応用・課題・未来基盤モデル2023/12/1
ロボット知能に基盤モデルを活用する研究を調査し、知覚・意思決定・制御への応用と、データ不足や安全性などの課題を整理したサーベイ。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- スマート自己教師ありインフラからの動画予測を用いた接続自律走行車の動作計画VLA2023/9/1
スマートインフラが自己教師あり学習で生成する将来占有予測を接続自律走行車の動作計画に活用し、混雑環境での有効性を検証した研究。
- MimicPlay:人間の遊びデータを活用した長期ホライズン模倣学習模倣学習2023/2/1
人間の自由な手遊び動画から潜在的な行動計画を学習し、少数の遠隔操作デモと組み合わせることで、ロボットの長期的なマニピュレーションタスクの模倣学習を効率化する階層的フレームワークを提案。
- NeRF-Loc: TransformerによるNeural Radiance Fields内の物体位置推定3D位置推定2022/9/1
事前学習済みNeRFとカメラ視点から、Transformerを用いて物体の3Dバウンディングボックスを推定する手法を提案。
- 自己教師あり交通アドバイザ:スマートシティのための分散マルチビュー交通予測交通予測2022/4/1
交差点を見下ろす固定カメラが自己教師あり動画予測とデバイス間通信・共同学習により、視野外の交通も事前に予測するインフラ端末の枠組みを提案した論文。
- Dojo: ロボティクス向け微分可能物理エンジンsim2real2022/3/1
接触・摩擦を二次錐計画で安定に解き、陰関数定理で滑らかな勾配を得る微分可能物理エンジンを提案し、軌道最適化やシステム同定、実機実験で有効性を示した。
- PlaTe: 手順タスクにおけるTransformerを用いた視覚に基づく計画VLA2021/9/1
指示動画から人間の意思決定過程を学習し、目標指向の手順を計画するPlanning Transformerを提案。実世界動画と対話環境で従来より高い目標到達性能を示し、UR-5での応用可能性も検証した。
- 実環境データセットと強化学習による転移可能な能動的把握マニピュレーション2020/4/1
手先カメラで視点を探索しながら把持する強化学習パイプラインを提案し、実環境の全天球サンプルを含む大規模データセットREDを構築して、実機UR-5で有効性を示した。
- 低レベル制御の模倣による自動運転の意思決定モジュール学習自動運転/模倣学習2019/12/1
古典的なモジュール型パイプラインの意思決定部を、人間の低レベル制御行動の模倣を通じて学習させるハイブリッド手法を提案し、複雑なシナリオでルールベースより優れ、端到端ポリシーより滑らかで安全な走行を実現した。
