Jie Hu
Meituan
収録論文 6本 ・ フィジカルAI/ロボット学習
VLAクロスエンボディメント転移障害検出マニピュレーション
※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
- Meituan-Robotics-0: デスクトップ操作のための視覚言語行動基盤モデルVLA2026/11/5
視覚言語データと多様なロボット軌道を組み合わせ、離散行動トークン事前学習・フローマッチング中間学習・実環境後学習の3段階で訓練したデスクトップ操作向けVLA基盤モデル。Rollbackによる効率的な人間修正学習と非同期行動チャンク統合、イベント駆動エージェントを導入し、実ロボットタスクで高い成功率を達成。
- 人間動画からロボット操作への因果的クロスエンボディメント転移クロスエンボディメント転移2026/10/15
人間の操作動画から操作に関連する表現を学習し、因果ビーム制約で意味情報を選択してロボットの行動生成に転移する手法を提案。
- Fail-RAG:ロボット障害識別のための検索拡張生成フレームワーク障害検出2026/6/1
倉庫内のロボット操作における予期せぬ障害を検出するため、障害画像と文脈情報をデータベースと照合するRAGベースのフレームワークを提案し、VLMを組み合わせて障害分析を行う。実験では既製VLMより平均25ポイント高い検出精度を達成した。
- ハイブリッド整合性ポリシー:ロボットマニピュレーションにおけるマルチモーダル多様性とリアルタイム効率の分離マニピュレーション2025/10/1
拡散ベース模倣学習の多様性を保ちつつ、短い確率的プレフィックスと1ステップ整合性ジャンプで高速推論を実現するハイブリッド整合性ポリシーを提案。
- 自己教師あり学習による吸着把持領域予測:密集環境での物体ピッキングマニピュレーション2019/4/1
ResNetとU-Netを組み合わせたCNNで、認識や姿勢推定なしに吸着把持領域を予測し、オンラインサンプルでend-to-end学習するロボットピッキング手法を提案した。
- RGBと点群を組み合わせたロボットビンピッキングの把持領域予測マニピュレーション2019/4/1
散らかった環境でのビンピッキングのため、U-netでRGB画像と深度情報を統合し、物体認識や姿勢推定なしに把持領域を予測する手法を提案。RGB-Points入力で95.74%の精度を達成した。
