Jingjing Liu
収録論文 16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
- デジタル改ざんから物理的なりすましまで対応する視覚フォレンジック基盤モデルフォレンジック基盤モデル2026/10/27
画像・動画の改ざん検出と物理的ななりすまし検出を統合的に扱う基盤モデルVenus-DefakerOne2を提案し、多様なベンチマークで最先端性能を達成した。
- 拡散モデルによるエンドツーエンド自動運転の可能性を解き放つ自動運転/拡散モデル2026/2/1
実車データと公道試験を通じて拡散モデルをエンドツーエンド自動運転のプランナーとして大規模に検証し、学習の鍵となる知見と強化学習による事後学習を提案、実車で10倍の性能向上を達成した。
- 二分的拡散方策最適化拡散方策/強化学習2026/1/1
拡散方策の強化学習において、報酬最大化と最小化の二つの方策に分解し、推論時にスコアを線形結合することで安定かつ制御可能な最適化を実現する手法を提案。
- X-VLA:ソフトプロンプト付きTransformerによるスケーラブルなクロスエンボディメント視覚言語行動モデルVLA2025/10/1
多様なロボットのデータ源ごとに学習可能なソフトプロンプトを割り当てることで、異なる機体を横断して学習できる汎用VLAモデルX-VLAを提案し、6つのシミュレーションと3体の実機でSOTA性能を示した。
- フローマッチングに基づく対話行動モデリングを用いた自動運転プランニング自動運転プランニング2025/10/1
複雑な運転シーンでの対話行動をモデル化するため、軌道の細分化とフローマッチングを組み合わせたプランナーを提案し、大規模データセットで評価した。
- 自律走行のための離散拡散による反射型視覚言語行動モデルVLA2025/9/1
離散拡散と言語モデルを活用し、安全な軌道生成のための反射機構を備えた自律走行向けVLAフレームワークを提案。
- IROAM: 自動運転車データから路側単眼3D物体検出を改善する学習手法3D物体検出2025/1/1
車載カメラと路側カメラの視点差を埋めるため、意味と幾何を分離した対照学習フレームワークIROAMを提案し、路側単眼3D物体検出の性能を向上させた。
- ユニバーサルアクションによる具現化基盤モデルの強化VLA2025/1/1
多様なロボットの動作を共通の「ユニバーサルアクション空間」で表現し、異なる機体間でのデータ活用と汎化性能を高める具現化基盤モデルUniActを提案。0.5Bパラメータで14倍規模の既存モデルを上回る。
- 柔軟なガイダンスを備えた拡散ベース自動運転プランニング自動運転計画2025/1/1
Transformerベースの拡散モデルで自動運転の閉ループ計画を行い、予測と計画を統合しつつ分類器ガイダンスで安全かつ適応的な軌道生成を実現した研究。
- Robo-MUTUAL: 単一モーダル学習によるロボットのマルチモーダルタスク指示VLA2024/10/1
単一モーダルの指示データを活用し、クロスモーダルアライメントを事前学習とCollapse/Corrupt操作で強化することで、ロボットがマルチモーダルなタスク指示を理解できるフレームワークを提案。
- 指示誘導型ビジュアルマスキングVLA2024/5/1
指示に関係ない画像領域をマスクすることで、マルチモーダルモデルが指示に沿った領域に注目できるようにする手法を提案し、VQAやロボット制御で性能を向上させた。
- DecisionNCE: 暗黙的選好学習による身体性マルチモーダル表現VLA2024/2/1
視覚軌跡と言語指示の対応を暗黙的選好として扱い、Bradley-Terryモデルを再パラメータ化することで、タスク進捗と時間的一貫性、言語接地を同時に学習する統合表現学習フレームワークを提案した。
- 実現可能性誘導拡散モデルによる安全なオフライン強化学習安全オフラインRL2024/1/1
安全制御理論の到達可能性解析を用いてハードな安全制約を実現可能領域の特定に変換し、拡散モデルベースの重み付き行動クローニングで安全なオフラインRLを実現した。
- PROTO: 反復的政策正則化によるオフライン・オンライン強化学習強化学習2023/5/1
オフライン事前学習とオンライン微調整を組み合わせる際に、反復的に進化する正則化項を導入することで、安定した微調整と高い最終性能を両立させる枠組みを提案した。
- データ幾何と深層関数の融合:オフライン強化学習の汎化オフライン強化学習2022/5/1
オフライン強化学習において、データの凸包内ではQ関数がよく近似できる点に着目し、状態条件付き距離関数をポリシー制約として用いるDOGEを提案。OOD領域での過度な保守性を緩和し、D4RLで汎化性能を向上させた。
- 戦術的巻き戻し:視覚言語ナビゲーションにおけるバックトラッキングによる自己修正視覚言語ナビゲーション2019/3/1
視覚言語ナビゲーションで、局所的な行動選択と大域的な信号を組み合わせ、行き詰まった際にバックトラックして自己修正するFASTナビゲータを提案し、R2RベンチマークでSPLを6%改善した。
