Jinming Li
収録論文 15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
- HumanoidExo: ウェアラブル外骨格によるスケーラブルな全身ヒューマノイド操作全身マニピュレーション2025/10/1
人間の動作をウェアラブル外骨格で計測し、全身ヒューマノイドの操作データへ変換するシステムを提案。実機データを補完し、少ない実演で複雑な全身制御や歩行スキル獲得を可能にした。
- 汎化可能な両腕マニピュレーションのベンチマーク:CVPR 2025 MEISワークショップにおけるRoboTwin両腕協調チャレンジマニピュレーション2025/6/1
RoboTwinシミュレーションと実機ロボットを用いた両腕マニピュレーションの国際コンペを開催し、17タスクで64チームが競い、汎化可能な協調方策の知見をまとめた。
- ObjectVLA: 実演なしで実世界の物体操作を実現するエンドツーエンドVLAVLA2025/2/1
Vision-Language-Actionモデルを用い、新規物体に対する実演データなしでロボットの物体操作スキルを汎化させる手法を提案し、実機で100種類の未見物体に対し64%の成功率を達成した。
- DexVLA: 汎用ロボット制御のためのプラグイン拡散エキスパートを備えた視覚言語モデルVLA2025/2/1
拡散ベースのアクションエキスパートをVLAモデルに組み込み、身体カリキュラム学習で効率的に訓練することで、多様なロボット身体での複雑な長期的タスクを実現した。
- CoA-VLA: 視覚・テキストのアフォーダンス連鎖による視覚言語行動モデルの改善VLA2024/12/1
ロボットの行動予測に、物体・把持・空間・移動の4種類のアフォーダンスを視覚とテキストで段階的に推論させることで、複雑なタスクでの精度と頑健性を高める手法を提案。
- Diffusion-VLA: 自己生成推論による汎用性と解釈性を備えたロボット基盤モデルVLA2024/12/1
自己回帰モデルと拡散モデルを組み合わせ、自己生成した推論を方策学習に注入することで、解釈性が高く汎用性のある視覚運動方策を実現したロボット基盤モデル。
- ロボット操作のための10億パラメータへの拡散方策のスケーリング模倣学習2024/9/1
拡散方策のスケーリング問題を解決するため、観測特徴の分解と非因果的注意を用いたスケーラブル拡散トランスフォーマー方策を提案し、10億パラメータまで拡張可能にした。
- TinyVLA: ロボットマニピュレーションのための高速・データ効率的な視覚言語行動モデルVLA2024/9/1
大規模事前学習不要で高速推論が可能なコンパクトな視覚言語行動モデルTinyVLAを提案し、シミュレーションと実機でOpenVLAを上回る速度とデータ効率を実現した。
- 離散ポリシー:マルチタスクロボット操作のための分離された行動空間の学習マニピュレーション2024/9/1
ベクトル量子化で行動系列を離散潜在空間にマッピングし、タスク固有のコードを学習することで、マルチタスク操作を可能にするロボット学習手法を提案。実機実験でDiffusion PolicyやOpenVLAを上回る成功率を達成。
- MMRo:マルチモーダルLLMは家庭内ロボットの脳として適格か?VLA2024/6/1
家庭内ロボットの脳としてマルチモーダルLLMを評価する初のベンチマークMMRoを提案し、知覚・計画・視覚推論・安全性の4能力14指標で商用・オープンソースモデルを比較した。
- 基盤モデルを用いたロボティクス:身体性AIに向けたサーベイVLA2024/2/1
ロボットの自律マニピュレーションを対象に、基盤モデルを活用した研究を高レベル計画と低レベル制御の両面から整理し、データセット・シミュレータ・ベンチマークや今後の課題をまとめたサーベイ。
- 高速・低速思考を備えた言語条件付きロボットマニピュレーションマニピュレーション2024/1/1
認知科学の二重過程理論に着想を得て、指示の種類に応じて高速思考系と低速思考系を使い分けるロボット操作フレームワークRFSTを提案し、意図認識や推論が必要な複雑なタスクを実世界で実現した。
- 物体中心の指示拡張によるロボットマニピュレーションマニピュレーション2024/1/1
マルチモーダル大規模言語モデルを用いて物体の位置情報を自然言語指示に織り込み、模倣学習ポリシーの操作性能を向上させる枠組みを提案した。
- 深度認識を活用した事前学習による視覚ロボットマニピュレーションマニピュレーション2024/1/1
大規模3Dデータを用いた自己教師あり学習でRGBのみの視覚バックボーンを事前学習し、3D空間でのマニピュレーション性能を向上させる手法を提案。
- 不完全なデモンストレーションからの自己教師あり学習によるロボットマニピュレーションマニピュレーション2024/1/1
失敗を含む不完全なデモデータを自己教師ありで評価・選別し、高品質な部分を訓練データに追加することで、ロボットマニピュレーションの成功率を向上させるフレームワークを提案。
