Liming Chen
収録論文 27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
- 強化学習による四脚マニピュレータの多地形適応型全身制御移動操作2026/10/16
脚とマニピュレータの協調を強化学習で学習し、傾斜30度や階段・軟弱地形でもエンドエフェクタの動作を保ちながら移動操作できる小型四脚ロボットの全身制御を実現した。
- MemBodied: 視覚-言語-行動モデルのための再帰的連想記憶VLA2026/9/23
VLAモデルに固定サイズのエピソード記憶を導入し、過去の観測を保持せずに履歴依存のマニピュレーションタスクを高成功率で実現した。
- CoToGrasp: 接触トポロジー条件付き器用な把持合成のための正準ワークスペース学習マニピュレーション2026/8/20
物体の形状に依存せず、指定された接触トポロジーに厳密に従う多様で安定した把持を生成する新しいフレームワークを提案。物体非依存の学習により、未見物体へのゼロショット一般化を実現し、物理ロボットでの実証も行った。
- GOAG: 生成型・物体非依存の器用なロボット操作のための把持プランナーマニピュレーション2026/8/20
多指ロボットの把持計画において、物体固有のデータに依存せず、グリッパーの接触面分布を学習して汎用的に把持を生成する新しい深層生成モデルを提案した。シミュレーションと実世界で高い成功率を達成し、物体非依存でありながら既存手法と同等以上の性能を示した。
- 容量ではなく構造：視覚運動模倣学習のためのオブジェクト中心表現模倣学習2026/7/1
ロボット操作の模倣学習において、オブジェクト中心のスロット表現が、従来の密な特徴表現よりも高い成功率を達成することを示した論文。
- PriGo: テスト時プリミティブガイダンスによる拡散・フローポリシーの適応的ロボット操作マニピュレーション2026/7/1
模倣学習ベースの拡散・フローポリシーがタスクや環境の変化に弱い問題を解決するため、観測からプリミティブ分布を予測し、推論時に生成動作を意味的に一貫した方向へ洗練する軽量モジュールを提案。再学習不要で既存ポリシーに統合でき、複数ベンチマークで頑健性と汎化性を向上させた。
- COREプランナー：未知環境でのロボットナビゲーションのための文脈記憶指向強化学習ナビゲーション2026/6/1
未知環境でのロボットナビゲーションにおいて、従来手法と学習ベース手法の利点を組み合わせ、スパース可視グラフとTransformerを用いた文脈記憶機構を導入し、シミュレーションから実機へのゼロショット転移を実現する強化学習プランナーを提案した。
- 目的を持った流れ：潜在アクション誘導フローマッチングによるロボット操作ポリシーマニピュレーション2026/6/1
ロボット操作の行動クローニングにおいて、フローマッチングの初期分布を潜在アクションモデルで適応的に選択するLAFMを提案し、実世界とベンチマークで性能を大幅に向上させた。
- 分散データセンター向けのエネルギー管理と連携AIGCワークロードスケジューリング：拡散モデル支援型報酬整形アプローチ群制御2026/5/3
AIGCサービス提供者がデータセンターのエネルギーコストを削減しつつ高品質なコンテンツ生成を保証するため、エネルギー管理とワークロードスケジューリングを統合する枠組みを提案し、報酬のスパース性を拡散モデルによる報酬整形で解決する。
- SaPaVe: ロボットの視覚言語行動モデルにおける能動的知覚と操作の実現VLA/能動的知覚/操作2026/3/1
能動的知覚と操作を統合するエンドツーエンドフレームワークSaPaVeを提案し、カメラと操作の行動を分離しつつ協調学習することで、動的視点下でのロバストな能動的操作を実現した。
- STORM: ロボットマニピュレーションのためのスロットベースのタスク認識物体中心表現マニピュレーション2026/1/1
凍結した視覚基盤モデルにタスク認識スロットを追加し、物体中心表現を効率的に学習することで、マニピュレーションの制御性能と視覚変化への汎化を向上させる手法を提案。
- タスク関連特徴を際立たせる：ロボットマニピュレーションの汎化を高めるオブジェクト中心表現マニピュレーション2026/1/1
画像を物体ごとのスロット表現にまとめるSBOCRを導入し、照明・テクスチャ・妨害物の変化に対するマニピュレーション方策の汎化性能をシミュレーションと実機で比較評価した。
- SCOPE：ポテンシャルベース探索のための意味的認知による具現化視覚ナビゲーション視覚ナビゲーション2025/11/1
視覚言語モデルで探索ポテンシャルを見積もり、時空間ポテンシャルグラフでフロンティア情報を活用するゼロショット視覚ナビゲーション手法を提案。
- 模倣学習によるロボットマニピュレーション：分類、進化、ベンチマーク、課題マニピュレーション2025/8/1
模倣学習を用いたロボットマニピュレーション研究を体系的に分類し、技術的進化やベンチマーク結果を整理して今後の課題をまとめたサーベイ論文。
- ADPro: マニフォールド制約付きノイズ除去とタスク認識初期化によるテスト時適応拡散ポリシーマニピュレーション2025/8/1
拡散ポリシーに幾何学的マニフォールド制約とタスク認識初期化を導入し、再学習なしでテスト時に適応させることで、ロボットマニピュレーションの成功率・汎化・サンプリング効率を向上させた。
- 触覚MNIST：能動的触覚知覚のベンチマーク触覚2025/6/1
能動的触覚知覚タスク（位置推定・分類・体積推定）のためのオープンソースベンチマークと、合成・実世界の触覚データセットを提案した論文。
- 物体中心表現はロボットマニピュレーションに有効か？マニピュレーション2025/6/1
複数物体が存在するロボット操作タスクで物体中心表現を評価し、複雑なシーンでは従来の全体表現より優れることを示した。
- APPLE: 強化学習による汎用的な能動的知覚の実現能動的知覚2025/5/1
強化学習を用いて、触覚探索などの能動的知覚タスクを汎用的に解くフレームワークAPPLEを提案し、Tactile MNISTベンチマークで有効性を示した。
- オブジェクト中心表現によるロボットマニピュレーションの政策汎化の改善マニピュレーション2025/5/1
ロボットマニピュレーションにおいて、視覚入力を物体単位に分割するオブジェクト中心表現が、照明やテクスチャの変化、妨害物体がある状況でも汎化性能を向上させることを示した。
- エントロピー敵対的データ拡張によるバイアスを超えた学習ロバスト学習2023/1/1
因果情報を含むバイアス画像のみから、エントロピー敵対的データ拡張でスプリアス相関に頑健な分類器を学習する手法を提案。
- 非対称に訓練された二重分類器で汎化しにくいパターンを学習し、テスト時適応を改善するテスト時適応2022/10/1
ショートカット学習を防ぐため、二つの分類器を非対称に訓練し、汎化しにくいパターンを学習させる手法を提案し、テスト時適応の性能を向上させた。
- 長期記憶とメタ学習によるベイズ最適化を用いた発達ロボティクスメタ学習2020/7/1
ロボットが過去の類似タスクの経験からパラメータ探索範囲を縮小し、少ない試行回数で産業用ビンピッキングの連続ハイパーパラメータを効率的に最適化する発達的フレームワークを提案した。
- 把持回帰に基づく把持可能性スコアリングで把持予測を改善マニピュレーション2020/2/1
把持パラメータの回帰と把持可能性スコアを相関させる新損失関数とスコアラを導入し、把持検出精度をJacquardデータセットで82.13%から85.74%へ、実機で88.1%から92.4%へ向上させた。
- 果樹画像解析のための手続き的レンダリングフレームワークsim2real2019/7/1
BlenderとPythonで果樹の合成画像と正解セグメンテーションを自動生成し、照明や背景のランダム化でロボット収穫向け深層学習の学習データを効率的に作る手法を提案。
- 視覚類似性に基づく転移学習を用いたブラックボックスの発達的ベイズ最適化ベイズ最適化/転移学習2018/9/1
長期記憶と視覚類似性・ベイズ最適化を組み合わせ、ロボットが未知物体に対して過去の類似物体の経験からハイパーパラメータを効率的に最適化するフレームワークを提案し、実機で専門家の手動調整を上回る性能を示した。
- Jacquard：ロボット把持検出のための大規模データセット把持検出2018/3/1
ShapeNetのCADモデルからシミュレーションで把持位置を自動注釈付けした大規模合成RGB-DデータセットJacquardを構築し、実ロボット実験を含む評価で人手ラベルより優れた汎化性能を示した。
- 1クリックと合成学習FCNによる深度マップ中の物体セグメンテーションセグメンテーション2018/1/1
深度マップとユーザーの1クリックを入力に、合成データで学習した全畳み込みネットワークで山積み物体のインスタンスセグメンテーションを行う手法を提案した。
