Lawrence Yunliang Chen
収録論文 18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
- UniLatent: 潜在観測アライメントによる異なる身体間の転移学習クロスエンボディメント転移2026/11/6
シミュレーションで生成したペア観測を用いて、異なるロボット間の視覚エンコーダを潜在空間で揃え、ピクセル変換なしでソースのデモをターゲットロボットに転移させるフレームワーク。
- MonoDuo: 1本のロボットアームで両腕ポリシーを学習するマニピュレーション2026/5/1
単腕ロボットのデモと人間の協調動作から、両腕ロボットの操作ポリシーを学習するフレームワークを提案。合成デモにより未見の両腕ロボット構成へのゼロショット転移を実現した。
- OXE-AugE: 異なるロボット形態間のポリシー学習を拡張するための大規模ロボットデータ拡張VLA2025/12/1
Open X-Embodimentデータセットに9種類のロボット形態を追加し、440万軌道以上に拡張するパイプラインを構築。多様なアームとグリッパーでの学習が未知のロボットへの汎化性能を高めることを示した。
- Robo-DM: 大規模ロボットデータセットのためのデータ管理データ管理2025/5/1
ロボット軌道データをEBML形式で効率的に圧縮・管理し、学習時の読み込みを高速化するオープンソースのクラウド型データ管理ツールキットを提案。
- シミュレーションと実世界の共訓練:視覚ベースロボットマニピュレーションのための簡単なレシピマニピュレーション2025/3/1
シミュレーションと実世界のデータを混合して方策を共訓練する簡単な手法を提案し、ロボットアームとヒューマノイドの多様なタスクで実世界性能を平均38%向上させた。
- RoVi-Aug: ロボットと視点の拡張による異なる機体間のロボット学習sim2real2024/9/1
画像生成モデルでロボットの種類とカメラ視点を拡張し、未見のロボットや視点でもゼロショットで動く方策を学習する手法を提案。
- 次トークン予測によるインコンテキスト模倣学習模倣学習2024/8/1
言語や報酬を使わず、人間の教示軌道をプロンプトとして与えるだけで実機ロボットが新しいタスクを学習なしに実行できる次トークン予測モデルICRTを提案した。
- Octo: オープンソースの汎用ロボットポリシーVLA2024/5/1
80万件の軌道データで学習したTransformerベースの汎用ロボットマニピュレーションポリシーを提案し、言語や目標画像で指示でき、新しいセンサーや行動空間にも短時間でファインチューニング可能であることを示した。
- DROID: 大規模実環境ロボットマニピュレーションデータセットマニピュレーション2024/3/1
北米・アジア・欧州の50名が12ヶ月かけて564シーン・84タスクで収集した76k軌道・350時間のロボット操作データセットを構築し、学習ポリシーの性能と汎化性能が向上することを示した。
- Mirage: クロスペインティングによる異なるロボット間のゼロショット方策転移sim2real2024/2/1
実行時に目標ロボットをマスクして学習済みロボットを描き直す「クロスペインティング」により、異なるロボットアームやグリッパ間で視覚ベースの方策をゼロショット転移させる手法を提案。
- 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。
- 対話的知覚による層分離の学習と袋詰めへの応用マニピュレーション2023/3/1
通常の視覚と平行グリッパのみを用い、対話的知覚で素材の最上層を把持して袋を開くSLIPを提案し、自律袋詰めタスクで高い成功率を達成した。
- 大規模視覚言語モデルによる意味的メカニカルサーチマニピュレーション2023/2/1
大規模言語モデルを活用して物体間の意味的関係を推論し、隠れた対象物を効率的に探索するフレームワークを提案。従来の幾何学的計画より探索性能を大幅に向上させた。
- AutoBag: ビニール袋を開いて物体を入れる動作の学習マニピュレーション2022/10/1
UV蛍光マーカーを使った自己教師あり学習でビニール袋の取っ手と縁を認識し、双腕ロボットが袋を開いて物体を挿入できるようにした研究。
- Fleet-DAgger: スケーラブルな人間監督による対話型ロボット群学習群制御2022/6/1
複数のロボットが複数の遠隔人間監督者に対話的に介入を求めながら学習する「対話型群学習」を定式化し、人間の労力対効果(ROHE)指標とFleet-DAggerアルゴリズム群、GPUベンチマークを提案。100台のシミュレーションと4台のYuMiアーム実験で最大8.8倍のROHE改善を示した。
- ロボットの取り出し時間を最小化する最適な棚配置マニピュレーション2022/6/1
各物体のアクセス頻度と移動コストに基づき、棚上の物体配置を最適化する混合整数計画法を提案し、実機実験で取り出しコストを60-80%削減できることを示した。
- 片腕フリング動作による衣類の効率的な平滑化学習マニピュレーション2022/6/1
6自由度ロボットアームが片腕のフリング動作を学習し、衣類のカバー率を高める粗から細への学習法を提案。バンディットと連続最適化を組み合わせ、事前経験で新規衣類の学習時間を最大87%短縮した。
- 実機とシミュレータを往復する自己教師あり学習による平面ロボットキャスティングsim2real2021/11/1
ロボットアームがケーブルの一端を動かして他端を平面上の目標へ滑らせるタスクを提案し、実機軌道でシミュレータを差分進化により調整して大量の模擬データを生成し、実機と模擬を組み合わせて方策を学習するReal2Sim2Realを開発した。
