Li Erran Li
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
- 機械学習実験の結果を予測する学習済みワールドモデルMLE-Worldワールドモデル2026/10/27
プログラムを実行せずにコードとデータ記述から学習実験の最終出力やスコアを予測するワールドモデルを構築し、AI研究エージェントの試行錯誤を低コスト化した論文。
- DenseReward: 失敗合成によるロボット操作のための高密度報酬学習操作2026/7/1
ロボット操作の強化学習を改善するため、シミュレーションで物理的に現実的な失敗軌道を自動生成し、視覚と言語からフレーム単位の高密度報酬を予測する報酬モデルDenseRewardを提案した。
- クロスエンボディメントロボット操作のための行動事前学習VLA2026/6/1
視覚言語行動モデルにおいて、行動モジュールに事前に運動の事前知識を学習させる2段階トレーニング手法を提案し、クロスエンボディメント設定での性能を向上させた。
- VLMベースロボットマニピュレーションのための中間表現の再考マニピュレーション2025/11/1
VLMが理解しやすく汎用性の高い中間表現SEAMを提案し、語彙と文法に分解することで多様な未見タスクに対応。さらに検索拡張少数ショット学習による開放語彙セグメンテーションを設計し、実世界実験でSOTA性能を示した。
- GeoManip: ロボット操作のための汎用インターフェースとしての幾何制約マニピュレーション2025/1/1
物体や部位の関係から得られる幾何制約を言語表現を介して解釈し、訓練なしで多様な操作タスクを実行するフレームワークを提案。
- 身体性エージェントインターフェース:身体的意思決定のためのLLMベンチマークVLA2024/10/1
LLMを用いた身体的意思決定を統一的に評価するための汎用インターフェースを提案し、多様なタスク・モジュール・細粒度エラー指標でLLMの能力を体系的に分析するベンチマークを構築した。
- AffordanceLLM:視覚言語モデルによるアフォーダンスのグラウンディングアフォーダンス2024/1/1
大規模視覚言語モデルの知識を活用し、物体の操作可能な領域(アフォーダンス)を画像から推定する手法を提案。未知の物体や行動にも汎化できることを示した。
- GNFactor: 汎化可能なニューラル特徴場によるマルチタスク実ロボット学習模倣学習2023/8/1
視覚言語基盤モデルで意味情報を蒸留した汎化可能なニューラル特徴場とPerceiver Transformerを共有3Dボクセル表現で統合し、多様な実ロボット操作タスクを模倣学習で実行する手法を提案。
- モーター制御における事前学習済み視覚モデル:すべての政策学習手法が同等ではないVLA2023/4/1
14の事前学習済み視覚モデルを強化学習・模倣学習・視覚報酬関数付き模倣学習の3手法で評価し、事前学習の有効性が下流の政策学習アルゴリズムに強く依存することを示した。
- 基盤モデルのフィードバックによる方策適応VLA2022/12/1
訓練済み方策を新しいタスクや環境に展開する際、ランダムな指示で収集したデモを基盤モデルのフィードバックで再ラベリングし、自動的に微調整データを作る手法PAFFを提案。未知物体・タスク・環境やsim-to-realで大幅に性能を改善した。
- 不確実性を考慮した適応的薄体積表現による深層ステレオ3D再構成/MVS2019/11/1
各画素の奥行き予測の不確実性に応じて平面の奥行き仮説を空間的に変化させる適応的薄体積(ATV)を提案し、粗から細へ段階的に高解像度・高精度な多視点ステレオ3D再構成を実現した。
- 自動運転車の安全志向コンピューティングシステム設計に向けて自動運転システム設計2019/5/1
実車隊の走行調査から従来の性能指標では安全性を捉えきれないことを示し、安全性を測る「セーフティスコア」と知覚遅延モデルを提案した論文。
