Jianlan Luo
Shanghai Innovation Institute
収録論文 28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
- STAR: 視覚・触覚・言語・行動モデルにおけるスパース触覚表現学習による巧みなマニピュレーションマニピュレーション2026/9/11
200時間の双腕巧みな操作データセットを構築し、触覚信号のスパース性に対処する視覚・触覚・言語・行動モデルSTARを提案。実世界4タスクで平均61%の成功率を達成した。
- τ0-VLA: 世界モデル誘導のテスト時計算を備えた階層型ロボット基盤モデルVLA2026/8/17
長期的なロボット操作タスクを、高レベル方策がサブタスク生成時にテスト時計算を追加で行える階層型VLAモデルを提案し、実データで性能向上を実証した。
- Orca:世界は心の中にある世界モデル2026/6/29
Orcaは、マルチモーダルな世界信号から統一された世界潜在空間を学習し、テキスト生成・画像予測・身体動作生成などの下流タスクを軽量デコーダで実現する世界基盤モデルである。
- τ0-WM: ロボット操作のための統合ビデオ・アクション世界モデルVLA/世界モデル2026/6/1
ロボット操作のための、ポリシー学習・ビデオ予測・行動評価を単一の未来予測フレームワークに統合した世界モデルを提案。実ロボットデータ約27,300時間で訓練し、推論時に候補行動のサンプリングと評価・修正を行うことで、長期的で細かい操作タスクで高い性能を示した。
- 配備しながら学習:汎用ロボットポリシーのためのフリート規模強化学習強化学習/VLA2026/5/1
事前学習済みのVLAポリシーを、ロボットフリートからの実データで継続的に強化学習し、配備中に性能を向上させるフレームワークを提案。16台の二腕ロボットで95%の成功率を達成。
- SOP:視覚-言語-行動モデルのためのスケーラブルなオンライン事後学習システムVLA2026/1/1
ロボット群が実世界で収集した経験と人間の介入をクラウド上の学習器に非同期で送り、更新された方策を即座に受け取るオンライン分散事後学習システムを提案。布畳みや箱組立などのタスクで大規模VLAモデルの性能を数時間で大幅に向上させる。
- 自己回帰離散事前学習による身体性VLM推論とロボット行動の統合VLA2025/12/1
身体性推論を評価するベンチマークERIQと、連続制御を離散化するFACTトークナイザを提案し、推論と行動を統合したGenieReasonerで実世界マニピュレーション性能を向上させた。
- Act2Goal: ワールドモデルから汎用ゴール条件付き政策へマニピュレーション2025/12/1
視覚的ゴールと現在の観測から、目標条件付きワールドモデルで中間視覚状態を生成し、マルチスケール時間制御で長期的なマニピュレーションを実現する汎用政策を提案。
- Genie Envisioner:ロボット操作のための統合ワールド基盤プラットフォームVLA2025/8/1
指示条件付き動画拡散モデルを核に、方策学習・評価・シミュレーションを一つの動画生成フレームワークへ統合した基盤を提案し、軽量デコーダで行動軌跡を生成、専用ベンチマークも整備した。
- AgiBot World Colosseo:スケーラブルで知能的な身体性システムのための大規模マニピュレーションプラットフォームマニピュレーション2025/3/1
100万以上の軌道と217タスクを含む大規模ロボット操作データセットと、潜在行動表現を活用した汎用方策GO-1を提案し、データ規模の拡大に伴う性能向上と実世界での巧みな長期的タスクの成功率向上を示した。
- 反射的計画:多段階長期的ロボットマニピュレーションのための視覚言語モデルマニピュレーション2025/2/1
視覚言語モデルに「反射」機構を組み込み、未来の世界状態を想像しながら推論を反復的に改善することで、多段階の長期ロボットマニピュレーション計画を可能にした。
- RLDG: 強化学習によるロボット汎用方策の蒸留マニピュレーション2024/12/1
強化学習で生成した高品質なデータを用いて汎用ロボット方策を微調整する手法を提案し、人間のデモより最大40%高い成功率を達成した。
- 人間参加型強化学習による精密で器用なロボットマニピュレーションマニピュレーション2024/10/1
人間のデモと修正を組み込んだ視覚ベース強化学習システムを提案し、動的操り・精密組立・両腕協調などの多様なタスクを1〜2.5時間の訓練でほぼ完璧な成功率かつ高速に学習できることを示した。
- Octo: オープンソースの汎用ロボットポリシーVLA2024/5/1
80万件の軌道データで学習したTransformerベースの汎用ロボットマニピュレーションポリシーを提案し、言語や目標画像で指示でき、新しいセンサーや行動空間にも短時間でファインチューニング可能であることを示した。
- ロボットに怒鳴って教える:言語訂正によるオンザフライ改善VLA2024/3/1
人間がロボットに言語で訂正を与えることで、高レベル方策がリアルタイムに適応し、反復学習を通じて長期的タスクの成功率を向上させるフレームワークを提案。
- SERL: サンプル効率の高いロボット強化学習のためのソフトウェアスイート強化学習2024/1/1
実世界でのロボット強化学習を効率的に行うためのライブラリを開発し、PCB組み立てやケーブル配線などのタスクで25〜50分の訓練で高い成功率を達成した。
- FMB: 汎化可能なロボット学習のための機能的マニピュレーションベンチマークマニピュレーション2024/1/1
3Dプリント可能な物体を用いて、把持・再配置・組立などの基本スキルとその組み合わせを評価する実世界ロボット学習ベンチマークを提案し、模倣学習フレームワークも提供する。
- RLIF: 対話型模倣学習を強化学習として再解釈する模倣学習/強化学習2023/11/1
対話型模倣学習における専門家の介入信号を報酬として用いることで、専門家が最適でなくてもそれを超える行動を学習できる強化学習手法を提案し、理論解析と高次元連続制御タスクでの評価を行った。
- 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。
- REBOOT: 実世界の巧みな操作を効率的にブートストラップするためのデータ再利用マニピュレーション2023/9/1
サンプル効率の良い強化学習とリプレイバッファのブートストラップを組み合わせ、過去のタスクのデータを再利用して実世界の多指ハンド操作スキルを効率的に学習するシステムを提案。
- 階層的模倣学習による多段階ケーブル配線マニピュレーション2023/7/1
ケーブルを複数のクリップに通す多段階操作を、下位の運動制御と上位のタスク順序決定を模倣学習で階層的に学習し、失敗からの回復も可能にした研究。
- 産業用挿入タスクのためのオフラインメタ強化学習メタ強化学習2021/10/1
過去タスクの実演と試行データのみからメタ学習し、産業用挿入タスクへ迅速に適応するオフラインメタ強化学習手法を提案した論文。文脈メタ学習とオンライン微調整を組み合わせ、類似タスクには即応・大きく異なるタスクには段階適応する。
- 強化学習と実演による産業組立向け堅牢マルチモーダル方策:大規模実証研究産業組立/強化学習2021/3/1
産業組立タスクにおいて、実演からの強化学習(DRL)を産業志向の設計基準で構築し、NISTベンチマークでプロのインテグレータや人間を上回る速度と信頼性を実証した大規模研究。
- アクション画像表現:実世界データなしで学習するスケーラブルな深層把持ポリシー把持/sim2real2020/5/1
把持提案を画像として表現するAction Imageを導入し、シミュレーションのみの学習で実世界物体への把持成功率84%を達成した研究。
- UniGrasp:多指ロボットハンドのための統合把持学習モデルマニピュレーション2019/10/1
物体の点群とハンドの属性を入力とし、力閉包かつ到達可能な接触点集合を予測することで、多様な多指ハンドに転移可能な把持合成を実現した。
- 視覚入力と自然な報酬による産業用挿入タスクの深層強化学習マニピュレーション2019/6/1
視覚入力とスパース報酬や目標画像といった自然な報酬設定の下で、強化学習に古典的制御器やデモンストレーションの事前情報を組み合わせることで、産業用挿入タスクを現実的な試行回数で解けることを示した論文。
- 可変インピーダンス制御と強化学習による高精度ロボット組立マニピュレーション2019/3/1
作業空間の力・トルク情報を強化学習に組み込み、可変インピーダンス制御と組み合わせることで、きつい嵌合の歯車組立を高精度に実現する手法を提案した。
- 残差強化学習によるロボット制御強化学習/マニピュレーション2018/12/1
従来のフィードバック制御で解ける部分と、接触や摩擦を含む残差部分を強化学習で解き、両者を重ね合わせて実世界のブロック組立タスクを成功させた。
