Jinghan Yang
収録論文 6本 ・ フィジカルAI/ロボット学習
VLA模倣学習/速度制御VLA/失敗予測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
- 想像された未来を信頼する:VLA事後学習のための想像報酬監査VLA2026/11/3
映像世界モデルが予測する報酬の過大評価を実行フィードバックで監査し、VLA事後学習のオフライン監督選択を改善する手法TIFを提案。
- Δフローマッチング:ロボット基盤モデルのための効率的生成VLA2026/10/11
過去の履歴をノイズ付きで初期分布に用いるΔフローを提案し、VLAやWAMの学習・推論を大幅に高速化しつつ動作の滑らかさと汎化性能を向上させた。
- FreeSpeed: 生成ロボットポリシーのための訓練不要な速度制御模倣学習/速度制御2026/10/5
事前学習済みポリシーの行動チャンクを後処理し、隣接行動の方向不一致を信号に実行速度を適応的に調整する訓練不要モジュールを提案。シミュレーションと実機で成功率を保ちつつ0.22倍から2.53倍の速度制御を実現した。
- Tri-Info: 情報理論によるVLAモデルの汎用的で解釈可能な失敗予測VLA/失敗予測2026/6/1
VLAモデルの動作を情報理論の観点から分析し、成功と失敗で異なる情報的シグネチャを捉えるTri-Info信号を提案。再学習なしでアーキテクチャや環境をまたいで失敗を検出でき、実世界タスクでも高い精度を達成。
- CAPER: 制約付き手順推論によるロボット科学実験マニピュレーション2026/2/1
科学実験の手順を守るため、タスク推論・マルチモーダル接地・低レベル制御を分離したフレームワークCAPERを提案し、長期的操作と低データ環境での成功率と手順正確性を向上させた。
- iSTAR: パラメータ内構造推論による機能分化でVLAを強化VLA2026/2/1
VLAモデルのパラメータにタスク構造を直接埋め込み、外部プランナーやプロンプトなしでタスク分解と推論を行えるようにした手法iSTARを提案。
