Li Shen
Sun Yat-sen University
収録論文 8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
- 三モーダル整合性誘導フロートランスフォーマーによる効率的な視覚-言語-行動ポリシー学習VLA2026/9/28
視覚・言語・行動の三モーダル整合性を明示的に強制する損失を導入し、フローマッチング目的で推論を高速化したVLAモデルAGFTを提案。ベンチマークで成功率向上と低遅延を実現。
- 身体性知能のための世界モデル:もっともらしさから制御可能性、そして行動可能性へ世界モデル2026/9/15
身体性知能における世界モデルを、もっともらしさ・制御可能性・行動可能性の3段階の能力レベルで整理し、操作・ナビゲーション・歩行・自動運転などの研究を横断的に調査したサーベイ。
- ExToken: 効率的なVision-Language-Action強化学習のための構造化探索VLA/強化学習2026/7/1
VLAモデルの強化学習における探索停滞問題を分析し、軌跡の多様性がサンプル効率に重要であることを示した上で、オフラインのデモから得た離散的な行動プリミティブに基づいて探索を構造化するExTokenフレームワークを提案した。
- ACE-Brain-0: 空間知能を共通の足場とする普遍的身体性知能基盤モデル2026/3/1
多様な身体(自動運転、ロボット、ドローン)を統合する基盤モデルを提案し、空間知能を共通の足場として、専門化と融合を経て高い性能を達成した。
- 確率的ネットワークにおける情報ブロードキャストの後退ホライズン制御群制御2022/12/1
ロボット間通信の不確実性を確率過程でモデル化し、後退ホライズン制御で情報伝播の統計を制御して全ノードへの到達時間を見積もる手法を提案した。
- 安全クリティカルタスクに向けたモデルフリー強化学習の評価安全強化学習2022/12/1
安全制約付き強化学習手法を整理し、安全性最適化と射影を組み合わせた新手法USLを提案するとともに、統一的な評価ツールキットSafeRL-Kitを構築して6つのベンチマークで比較評価した。
- ベースラインからの安全補正:デュアルエージェント強化学習によるロボティクスにおけるリスク認識ポリシー安全強化学習2022/12/1
ベースラインエージェントと安全エージェントの二つを用いた強化学習により、探索効率を保ちつつ安全制約を満たすリスク認識ポリシーを学習する手法を提案。
- SafeRL-Kit:安全な自動運転のための効率的な強化学習手法の評価安全強化学習2022/6/1
自動運転向けの安全強化学習手法を評価するベンチマーク「SafeRL-Kit」を公開し、既存手法と新提案のExact Penalty Optimizationを比較評価した。
