Kun Wang
Nanyang Technological University
収録論文 23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
- 意味的・視覚的フィードバックでロボット世界モデルを学習する世界モデル2026/11/5
ロボット世界モデルを、候補未来の比較と意味的・視覚的フィードバックで事後学習するRoboImagineを提案し、RT-1などで視覚予測精度を改善した。
- TriPhysBench:身体性エージェントの物理的知能を評価するベンチマークベンチマーク2026/11/1
物理的知覚・知識検索・推論を統合評価する410問のベンチマークTriPhysBenchを提案し、さらにツール統合軌跡から統合方策を学習するTriPhysを導入した。
- 見て、保ち、学ぶ:マルチモーダルエージェント記憶の進化マルチモーダルエージェント記憶2026/10/14
マルチモーダルエージェントの記憶機構を「情報の形成・表現」と「記憶管理の適応」の2軸で整理し、設計パターンと原則を導出したサーベイ。
- 長期的ロボット世界モデルのための重要記憶保持世界モデル2026/10/10
ロボット動画の自己回帰世界モデルにおいて、初期シーンと直近の視覚行動ブロックを保持し古い履歴を破棄する訓練不要の文脈スケジューリング手法ReCAPを提案し、長期ロールアウトでの予測品質と効率を改善した。
- Magic-W0:物理知能のための構造化ワールド・アクション基盤モデルVLA2026/9/30
ロボットの行動生成と環境の物理的状態変化を、現在状態・遷移・未来状態からなる構造化表現で同時にモデル化する基盤モデルを提案。大規模データで事前学習し、行動仮説と世界予測を層レベルで相互に作用させる。
- 見えなくなっても、そこにある:大規模視覚言語モデルにおける圧縮起因リスクの露呈VLA2026/9/28
視覚トークン圧縮が引き起こす敵対的失敗を「圧縮特異的失敗」として定義し、それを誘発する攻撃手法CIRAを提案した研究。
- ゴーストタック:物理的接触なしに触覚センサーを操作するセキュリティ/触覚2026/8/21
電磁干渉を用いて触覚センサーの出力を遠隔から操作する攻撃手法を提案し、ロボットの触覚認識を欺くことを実証した。
- GeoAlign: セマンティクスを超えた状態誘導による空間的位置合わせをVLAモデルに導入VLA2026/6/1
VLAモデルにロボットの状態情報を利用した幾何学的特徴の位置合わせ機構を導入し、操作タスクの成功率を向上させた。
- RoboAlign-R1: ロボットビデオ世界モデルのための蒸留型マルチモーダル報酬アライメントビデオ世界モデル2026/5/1
ロボットビデオ世界モデルの訓練を、再構成損失などの低レベル目的ではなく、指示追従や操作成功などの意思決定に重要な能力に合わせるため、報酬アライメントと長期推論安定化を組み合わせたフレームワークを提案した。
- 身体性AIにおける安全性:リスク、攻撃、防御のサーベイ安全性2026/5/1
身体性AIの安全性に関する研究を、知覚から計画、行動、相互作用までのパイプライン全体にわたって体系的にレビューし、攻撃と防御の多層的な分類法を提案した論文。
- GaLa: ハイパーグラフ誘導型視覚言語モデルによる手続き計画VLA/計画2026/4/1
画像中の物体間の暗黙的な空間関係や機能的意味をハイパーグラフで表現し、視覚言語モデルの推論に組み込むことで、複雑なシーンでの手続き計画の精度を向上させるフレームワークを提案した。
- HMVLA: 双曲空間マルチモーダル融合による視覚-言語-行動モデルVLA2026/2/1
視覚・言語・行動モデルにおいて、画像と言語の階層構造を双曲空間に埋め込んで意味的整合を図り、MoE機構で効率化するフレームワークを提案した。
- 計画としての時空間予測:生成的世界モデルを用いたモデルベース強化学習アプローチモデルベース強化学習2025/10/5
時空間予測をモデルベース強化学習の問題として捉え、生成的世界モデルとビーム探索による計画で非微分な評価指標を報酬として活用し、極端事象の捕捉精度を高める手法を提案した。
- 低高度マルチビュー観測下におけるUAVの視覚的自己位置推定の最適手法の探求:ベンチマーク視覚的自己位置推定2025/3/1
低高度・多視点でのUAVの絶対視覚的自己位置推定(AVL)のための大規模データセットAnyVisLocと統一評価フレームワークを構築し、最先端手法を比較して課題を明らかにした。
- テンセグリティ構造に着想を得た耐衝撃・自律ロボットテンセグリティロボット2025/1/1
剛体支柱と弾性テンドンで構成されるテンセグリティロボットを開発し、5.7m以上の落下衝撃への耐性、オンボードセンサによる形状・姿勢推定、毎分18バー長の高速移動、28度の斜面登攀など、柔軟性と自律性を両立させた。
- グラフニューラルネットワークによるテンセグリティロボットの微分可能ダイナミクス学習sim2real2024/10/1
テンセグリティロボットの接触ダイナミクスをグラフニューラルネットワークでモデル化し、MuJoCoを真値とするシミュレーションおよび実機で高精度かつ効率的に学習できることを示した。
- 微分可能物理エンジンによるケーブル駆動ロボット制御のReal2Sim2Real転移sim2real2022/9/1
テンセグリティロボットの実機データから微分可能物理エンジンを訓練し、シミュレーションで歩行方策を獲得して実機に転移するReal2Sim2Real手法を提案した。
- テンセグリティロボットの6自由度姿勢トラッキング姿勢推定2022/5/1
RGB-D動画とケーブル長センサを用いて、テンセグリティロボットの各剛体要素の6自由度姿勢を物理制約付き最適化で追跡する手法を提案し、実機実験で高精度を達成した。
- 低頻度データで学習可能なテンセグリティロボットのリカレント微分可能エンジンsim2real2022/3/1
テンセグリティロボットの微分可能物理エンジンにリカレント構造と暗黙的積分・段階的学習・微分可能衝突判定を導入し、低頻度の実測軌道データでも高精度にモデル化できるようにした。
- 微分可能物理エンジンによるバネ-ロッド系のシステム同定システム同定2020/11/1
離散化した運動方程式をモジュール化した微分可能物理エンジンを提案し、テンセグリティ構造のバネ剛性や質量などの物理パラメータを線形回帰で効率的に同定する。
- テンセグリティロボット向けデータ効率の良い微分可能物理エンジンのSim2Sim評価sim2real2020/11/1
テンセグリティロボット向けにケーブル・接触・駆動をモデル化した初の微分可能物理エンジンを提案し、MuJoCoを真値系としたsim2sim転移で少ないデータでも歩行方策を学習できることを示した。
- 微分可能物理エンジンによるバネ-ロッド系のデータ効率的なシステム同定システム同定2020/4/1
バネ-ロッド構造の運動方程式をモジュール化した微分可能物理エンジンを提案し、線形回帰で物理パラメータを少ないデータから同定できるようにした。テンセグリティ構造で有効性を示した。
- 強化学習による不整地での適応的テンセグリティ移動歩行2018/9/1
テンセグリティロボットが不整地を移動できるよう、GPSの制御最適化を改良して非周期的で適応的な歩容を学習させた研究。
