Jie Song
HKUST (GZ)
収録論文 17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
- 知覚・予測・計画:自己中心的な巧みな操作のための統合ワールドアクションモデルVLA2026/10/15
動画から手の動きとカメラ軌道を再構成し、行動に基づく未来映像を生成し、言語指示と目標から行動軌跡とその結果を計画する3モードを統合したモデルを提案。
- HiFun: 機能的巧みな操作学習のための階層的フレームワークマニピュレーション2026/10/14
腕と多指ハンドの制御を階層化し、実世界強化学習で精密接触を要する巧みな操作を1時間以内に高成功率で学習する手法を提案。
- SatNav: 衛星画像を用いた長距離UAV視覚言語ナビゲーションのためのスケーラブルなベンチマークVLA2026/9/25
高解像度衛星画像から都市規模の長距離UAV視覚言語ナビゲーション用ベンチマークを構築し、18都市59シーンから11.8万エピソードを自動生成した研究。
- ConGraspXL: 制約条件に基づく制御可能な巧みな把持動作の生成マニピュレーション2026/9/14
多様なタスク制約(接近方向・接触領域・手首軌道・機能的手姿勢)とその組み合わせに柔軟に対応し、精密に制御可能な把持動作を生成する手法を提案した。
- 片手で二部品を組み立てるイン・ハンド・アセンブリマニピュレーション2026/9/9
2つの剛体部品を片手だけで把持・位置合わせして組み立てるタスクを強化学習で解き、シミュレーション学習から実機へゼロショット転移を実現した。
- PAKE: 部分的な運動学的埋め込みによる全身移動操作の学習移動操作2026/7/1
複雑な移動操作問題を部分参照動作生成と低レベル模倣制御に分解し、運動学的正規化フローを用いて多自由度の全身システムを高精度に制御する新しいフレームワークを提案した。
- UniCross: 統合されたクロススキル巧みな操作合成マニピュレーション2026/7/1
把持、移動、手内回転、手内並進の4つの巧みな操作スキルを単一の統一フレームワークでモデル化し、共通の状態・行動空間と目的構造を共有することで、長期的な操作の連鎖を可能にする。
- 脚式マニピュレータの動的ピックアンドプレース学習移動操作2026/5/1
四足ロボットに6自由度アームを搭載し、階層型強化学習で動的ピックアンドプレースを実現。質量推定モジュールにより重量変化に適応し、シミュレーションと実機で高い成功率を達成した。
- 合成デモンストレーションから汎化可能な手と物体のトラッキングを学習マニピュレーション2025/12/1
人間のデモなしに合成データのみから、多様な物体形状や手の形態に対応する器用な手と物体のトラッキング制御器を学習する手法を提案。
- DualMap: 動的に変化する環境での自然言語ナビゲーションのためのオンラインオープン語彙セマンティックマッピングVLA2025/6/1
ロボットが自然言語クエリで動的に変化する環境を理解・ナビゲートできるよう、グローバル抽象マップとローカル具体マップを組み合わせたオンラインオープン語彙セマンティックマッピングシステムを提案した。
- RobustDexGrasp: 汎用物体のロバストな巧みな把持マニピュレーション2025/4/1
単眼視画像から未知物体を動的に把持するフレームワークを提案し、シミュレーションと実機で高い成功率と外乱へのロバスト性を示した。
- FunGrasp:多様な多指ハンドのための機能的な把持マニピュレーション2024/11/1
人間の機能的把持のRGBD画像1枚から手姿勢を推定し、多様なロボットハンドへ転移して強化学習で動的把持を実現するシステム。
- 未知の障害物地形におけるサイボーグ昆虫の群れナビゲーション群制御2024/3/1
生きた昆虫に小型電子制御装置を組み込んだサイボーグ昆虫を複数連携させ、個体差による反応のばらつきを考慮した群れナビゲーションアルゴリズムを提案し、実験で検証した。
- GraspXL: 多様な物体に対する把持動作の大規模生成マニピュレーション2024/3/1
3D手-物体データを使わずに、把持領域や接近方向などの複数の目的に沿った把持動作を強化学習で生成し、50万以上の未知物体にも対応できるフレームワークを提案。
- SynH2R: 人間からロボットへの受け渡し学習のための手指物体動作の合成マニピュレーション2023/11/1
人間の動作キャプチャデータに頼らず、受け渡しに適した手指物体動作を合成してロボット方策を訓練する手法を提案し、実機でも既存手法に匹敵する性能を示した。
- ArtiGrasp:両手巧みな把持と関節操作の物理的に妥当な合成マニピュレーション2023/9/1
強化学習と物理シミュレーションを用いて、両手で物体を把持し関節を操作する動作を生成する手法を提案。難易度を段階的に上げる学習カリキュラムで精密な指制御を実現し、画像からの推定ノイズにも頑健であることを示した。
- D-Grasp: 物理的に妥当な動的把持動作の生成マニピュレーション2021/12/1
強化学習と物理シミュレーションを用い、物体を把持して目標位置まで動かす人間らしい手の動作を階層的に生成する手法を提案した論文。
