Kaizhe Hu
Tsinghua University
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
- BURGER:描画タスクでロボットの汎化能力を測るベンチマークVLA2026/10/29
言語条件付きロボット描画の大規模ベンチマークBURGERを提案し、282タスク・28,200デモでVLAモデルのデータスケール・言語接地・マルチモーダル挙動を評価した。
- AffordGen: アフォーダンス対応による汎用物体操作のための多様なデモ生成模倣学習/データ生成2026/4/1
3D生成モデルと視覚基盤モデルを用いて、物体の意味的キーポイント対応に基づき多様な操作軌道を自動生成し、閉ループ視覚運動ポリシーの訓練データとして活用することで、未見物体へのゼロショット汎化を実現するフレームワークを提案した。
- OmniClone: 頑健で万能な全身ヒューマノイド遠隔操作システムの構築遠隔操作2026/3/1
全身ヒューマノイド遠隔操作システムOmniCloneを提案し、診断ベンチマークOmniBenchを用いて従来手法の弱点を特定し、データレシピとシステム改良によりMPJPEを66%以上削減し、計算資源を大幅に削減した。
- 失敗を考慮した強化学習:自己回復を備えた実世界マニピュレーションのための信頼性の高いオフライン・オンライン強化学習マニピュレーション2026/1/1
実世界での強化学習中に発生する人間の介入が必要な失敗を減らすため、世界モデルベースの安全クリティックとオフラインで訓練された回復ポリシーを統合したFARLを提案し、失敗を73.1%削減しつつ性能を11.3%向上させた。
- ロボットがロボットを訓練:ヒューマノイドのための実世界ポリシー自動適応と学習sim2real2025/8/1
ロボットアームの教師がヒューマノイドの生徒を保護・誘導しながら、実世界で効率的に強化学習を行うフレームワークを提案し、歩行速度追従や起き上がり動作で有効性を示した。
- DenseMatcher: 単一デモからのカテゴリレベル操作のための3Dセマンティック対応学習マニピュレーション2024/12/1
マルチビュー2D特徴をメッシュに投影して3Dネットワークで精錬し、関数写像で密な3D対応を計算する手法を提案。単一デモからのロボット操作のクロスカテゴリ汎化を実現。
- Stem-OB: 拡散逆変換による幹状収束観測を用いた汎化可能な視覚模倣学習模倣学習2024/11/1
事前学習済み拡散モデルの逆変換で観測画像から照明やテクスチャの違いを除去し、追加学習なしで視覚模倣学習の汎化性能を高めるプラグアンドプレイ手法を提案した。
- Robo-ABC: 意味的対応関係によるカテゴリを超えたアフォーダンス汎化マニピュレーション2024/1/1
人間の動画から接触点を含むアフォーダンス記憶を抽出し、拡散モデルによる意味的対応関係を利用して未知物体へ接触点を転移することで、ゼロショットでカテゴリ外の物体操作を可能にするフレームワークを提案。
- Uni-O4: マルチステップオンポリシー最適化によるオンライン・オフライン強化学習の統合強化学習2023/11/1
オンラインとオフラインの強化学習を同一のオンポリシー目的関数で統合し、追加の保守性や正則化なしにシームレスな事前学習・微調整を可能にした手法を提案。
- 事前学習済みテキスト画像生成モデルで強化学習の視覚的ゴールを生成できるかVLA2023/7/1
テキスト指示から画像編集でゴール画像を作り、ゴール識別器で報酬を与えてロボットを強化学習する手法を提案し、専門家デモなしで学習できることを示した。
- ランダムフレーム欠落下でのDecision Transformerオフライン強化学習2023/3/1
オフライン強化学習において、フレーム欠落に頑健なDeFogを提案し、欠落率90%でも高性能を維持する。
- タスク無関係区間を考慮した模倣学習模倣学習2022/10/1
実世界のデモに含まれるタスクと無関係な区間を自己教師あり学習で除外し、視覚運動方策を学習する手法を提案した。
