Jianxin Bi
Peking University
収録論文 9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
- タスクを学ぶのか、検証器を学ぶのか:身体性自己改善における基準露出の再考自己改善エージェント2026/11/5
ロボットシミュレーションのベンチマーク基準をエージェントに与える「基準露出」が、指示タスクの遂行ではなく検証基準への過適合を招くことを実験で示し、指示に忠実な基準の有効性を提案した論文。
- 実世界での探索と自己改善を実現するロボットフレームワークPyRUA-REALロボット探索/自己改善2026/11/4
コーディングエージェントが実世界で探索・コード改善・スキル蓄積を繰り返し、ロボット能力を自己改善する枠組みを提案。実タスクで91.1%、RoboDojoで84.4%の成功率を達成した。
- Open-HumanScale:身体性基盤モデルのための人間・ロボット経験スケーリングのオープンレシピVLA2026/11/4
50,000時間の一人称視点人間動画を整備し、人間動画の事前学習時間とロボット成功率の対数線形スケーリング則を発見。人間のみ事前学習のHumanWAM-Vanillaと人間・ロボット混合学習のHumanWAM-Goalを開発し、RoboTwin 2.0で最先端性能を達成した。
- トークンを減らして行動を改善:成功率14%向上・トークン65%削減を実現するGPT-6 AstraロボットエージェントVLA2026/10/1
ロボットプリミティブとVLAポリシーをPythonコードとして組み合わせ、必要な観測だけを要求するフレームワークPyRUA-Leanを提案。同一プランナーで成功率を63.1%から71.7%に向上させつつ、入力トークンを65%削減した。
- 物理的インタラクションの学習:触覚・力覚を考慮したロボット学習のサーベイ触覚・力覚学習2026/8/1
触覚・力覚センシングを統合したロボット学習手法を、マルチモーダルかつ多段階のシステム設計の観点から統一的な分類学TF-ARTを用いて整理し、今後の研究課題を考察したサーベイ論文。
- HumanScale: 身体中心の人間ビデオは実ロボットデータを凌駕する身体化事前学習の可能性身体化事前学習2026/6/18
身体化基盤モデルの事前学習データとして、遠隔操作の実ロボット軌跡と身体中心の人間ビデオを比較し、適切なフィルタリングとラベリング処理を施した人間ビデオが実ロボットデータよりも優れた性能を示すことを発見した。
- 異種触覚トランスフォーマー触覚2026/6/1
異なる触覚センサー間で共有可能な表現を学習するフレームワークを提案し、多様な触覚データからの操作ポリシー学習を可能にした。
- VLA-Touch:二段階の触覚フィードバックで視覚-言語-行動モデルを強化VLA2025/7/1
ベースのVLAモデルを微調整せずに、触覚言語モデルによる高レベル計画と拡散ベース制御器による行動修正の二段階で触覚フィードバックを統合し、接触を伴うタスクの計画効率と実行精度を向上させた。
- 限られた行動データで模倣学習を実現する拡散プランナとDeep Koopman制御器模倣学習2024/10/1
観測のみのデモデータからDeep Koopman作用素で潜在行動表現を学習し、拡散プランナと組み合わせることで、行動ラベル付きデータを大幅に削減してロボットの模倣学習を高成功率で行う手法を提案した。
