Jonathan Yang
Stanford University
収録論文 10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
- コントローラ横断での文脈的行動適応によるロボット方策の転送sim2real2026/10/29
異なるコントローラ間で行動の意味が異なる問題に対し、指令行動と結果動作の例からトランスフォーマで文脈を符号化し、単一方策がその場で適応できる枠組みを提案した。実機で未見コントローラやゲイン変化への転送性能を向上させた。
- 行動整合表現によるクロスエンボディメント転移VLA/クロスエンボディメント転移2026/7/1
ロボット操作の大規模模倣学習において、行動整合表現（物体のバウンディングボックスや言語動作、エンドエフェクタの軌跡など）がVLAモデルのクロスエンボディメント転移を促進するかを検証し、シミュレーションベンチマークで評価。エンドエフェクタ軌跡が特に有効で、シミュレーションから実機への転移成功率を28%向上させた。
- データの類推が効率的な異種ロボット間転移を可能にする模倣学習/転移学習2026/3/1
異なるロボット間での模倣学習の転移において、単にデータ量を増やすよりも、シーンやタスクを揃えたペアデータ（データ類推）が形態の違いに対して効果的であることを示し、実世界で成功率を平均22.5%向上させた。
- ロボットの視覚汎化のための不変性共訓練sim2real2025/12/1
ロボットデモと非物理シミュレーションの画像を共訓練し、状態類似性と観測摂動への不変性を補助タスクとして導入することで、未見の視点・照明・妨害物体への汎化性能を18%向上させた。
- 知覚と行動をつなぐ：ロボットの汎化のための空間的に接地された中間表現マニピュレーション2025/6/1
物体中心性・姿勢認識・深度認識という中間表現を専門家エンコーダで学習し、その混合専門家ポリシーで実世界の両手巧み操作タスクの汎化性能を向上させた研究。
- 異なる身体を持つロボット間の学習限界を探る：操作とナビゲーションVLA2024/2/1
ナビゲーションと操作という異なるタスクのデータを同一の目標条件付きポリシーで共同学習させ、多様な機体間での転移や未知の機体へのゼロショット制御が可能かを検証した。
- Open X-Embodiment: ロボット学習データセットとRT-XモデルVLA2023/10/1
21機関・22種のロボットからなる大規模データセットを構築し、異なるロボットやタスクに適応できる汎用ロボット方策RT-Xを学習した研究。
- Polybot: ロボット間の多様性を活かして単一ポリシーを学習マニピュレーション2023/7/1
手首カメラとモジュール化されたコードベースで観測・行動空間を揃え、対照学習で内部表現を整えることで、複数のロボットで使える単一の操作ポリシーを学習する手法を提案。
- ゼロから始めない：事前データを活用したロボット強化学習の自動化強化学習2022/7/1
多様なオフラインデータを活用し、新タスクへの適応と環境リセットを自律的に行うロボット強化学習手法を提案。サンプル効率と汎化性能を向上させる。
- 過去の経験と新スキルを繋ぐオフライン強化学習オフライン強化学習2020/10/1
過去のタスクや無監督探索で得たデータを動的計画法で再利用し、新タスクのスキルを拡張するオフラインRL手法を提案。4つのロボットスキルを連続で組み合わせる難タスクで有効性を示した。
