Jinghuan Shang
収録論文 12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
- 合成事前分布からの世界行動モデルの効率的なSim-to-Real転移sim2real2026/6/1
シミュレーションで訓練した世界行動モデルを実ロボットにゼロショット転移させる初の試みで、物体持ち上げや引き出し開閉などの操作タスクで35%の成功率を達成した。
- AnyTask: Sim-to-Realポリシー学習を進めるための自動タスク・データ生成フレームワークsim2real2025/12/1
GPUシミュレーションと基盤モデルを組み合わせ、多様なマニピュレーションタスクの設計から専門家デモ生成、実機転移までを自動化するフレームワークを提案。生成データで学習したポリシーが実機で平均44%の成功率を達成。
- Sceniris: 高速な手続き型シーン生成フレームワークシーン生成2025/12/1
衝突のない大規模な3Dシーンを高速に生成する手続き型フレームワークを提案し、従来手法より234倍以上の高速化を実現した。
- VER: 基盤モデル蒸留と動的ルーティングによるロボット学習のための視覚エキスパートトランスフォーマーVLA2025/10/1
複数の視覚基盤モデルを蒸留してエキスパートライブラリを構築し、軽量なルーティングネットワークでタスクに応じた専門家を動的に選択することで、17種類のロボットタスクで最先端性能を達成した。
- Theia: ロボット学習のための多様な視覚基盤モデルの蒸留VLA2024/7/1
複数の視覚基盤モデルを蒸留して、多様な視覚知識を符号化したロボット学習用の視覚基盤モデルTheiaを提案し、少ないデータと小さいモデルで従来手法を上回る性能を実証した。
- LLaRA:視覚言語モデルをロボット制御に転用する対話型ポリシー学習VLA2024/6/1
ロボットの行動を視覚と言語の対話として扱い、既存の模倣学習データから自動で対話形式の学習データを生成して視覚言語モデルを微調整し、ロボット制御に転用する手法を提案した。
- クロスウェイ拡散:自己教師あり学習による拡散ベース視覚運動ポリシーの改善VLA2023/7/1
拡散モデルによるロボット模倣学習において、逆拡散過程の中間表現から画像を再構成する状態デコーダと自己教師あり学習を組み合わせ、視覚表現を強化する手法を提案した。
- 限られた視覚観測下での能動視覚強化学習能動視覚/強化学習2023/6/1
身体エージェントが運動方策と視覚観測を制御する感覚方策を同時に学習する枠組みを提案し、感覚運動報酬で両者を協調させる。
- 自己教師あり学習は本当にピクセルからの強化学習を改善するのか?強化学習2022/6/1
ピクセルベースのオンライン強化学習において、自己教師あり学習(SSL)が画像拡張のみのベースラインを有意に上回るか検証し、既存のSSLとRLの同時最適化フレームワークの限界を明らかにした。
- ニューラルニューラルテクスチャによるSim2Realの一貫性実現sim2real2022/6/1
微分可能レンダリングと画像変換を組み合わせ、ニューラルテクスチャを用いて時間的一貫性を保ちながらSim2Realを実現するTRITONを提案。
- 3D空間でトークンを復元することによる視点非依存の視覚表現学習視覚表現学習2022/6/1
Transformerの画像トークンに擬似深度推定と学習済みカメラ行列を組み合わせた3D Token Representation Layerを導入し、視点変化に頑健な視覚表現を教師なしで学習する手法を提案した。
- 三人称模倣学習のための自己教師あり分離表現学習模倣学習2021/8/1
自己運動を伴うロボットタスク向けに、三人称視点の動画から行動方策を学ぶ手法を提案し、双対オートエンコーダと表現置換損失・時間コントラスト損失で状態と視点の表現を分離する。
