Peng Wang
Huawei
収録論文 42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
- 既存エキスパートの選択か適応か?未知領域におけるマルチエキスパート拡散プランナ拡散計画2026/10/22
未知領域での軌道計画において、既存エキスパートの選択よりファインチューニングによる適応の方が大きな改善をもたらすことを実世界データで示した研究。
- AirGroundVLN:目標指向の空地協調視覚言語ナビゲーションのための大規模ベンチマークVLA2026/10/7
空地協調の視覚言語ナビゲーションを体系的に評価するため、19のUnreal Engine環境で1万件超のエピソードを含む大規模ベンチマークAirGroundVLNと、時空間記憶と空中ガイド計画を組み合わせた参照手法AG-CoNAVを提案した。
- 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。
- LEAP-NBV: 基盤モデルによる次善視点計画のための軽量エッジ能動知覚能動知覚2026/9/21
大規模なHuman Mesh Recoveryモデルを蒸留・量子化してエッジデバイス上で動作させ、オクルージョン対応の能動知覚ループで次善視点計画をリアルタイム実行する軽量フレームワークを提案。
- ロボット多相インタラクション:世界モデルによる液体と固体の連成ダイナミクスの操作マニピュレーション2026/9/18
液体を含む多孔質材料(スポンジ)をロボットで操作する新設定を提案し、世界モデルと拡散方策を用いて液体と固体の連成状態を予測・制御する手法を開発した。
- RodForesight: 細長ロッド挿入のための世界モデル強化拡散ポリシーマニピュレーション2026/9/10
細長いロッドの挿入タスクを粗接近と予測挿入の2段階に分け、拡散ポリシーと行動条件付き世界モデルを組み合わせて挿入前に候補行動の効果を予測・選択することで成功率を向上させた学習フレームワーク。
- 5Hzで考え、20Hzで動く:閉ループ運転のための非同期高速・低速ビジョン言語行動推論自動運転2026/7/1
大規模言語モデルの推論遅延と車両制御レートのギャップを解消するため、低速のVLバックボーンと高速の行動エキスパートを非同期に組み合わせ、毎シミュレーションチックで新鮮な制御を生成するアーキテクチャを提案した。
- Z-1: 視覚言語行動モデルのための効率的強化学習VLA/強化学習2026/6/1
フローベースのVLAモデルに強化学習を適用し、公開データセットのみで24タスクの成功率を大幅に向上させた。
- アンカー型ロボットキーポイントによる逐次プランニング操作計画2026/6/1
訓練不要のニューロシンボリック操作システムSPARKを提案し、LIBERO-PROベンチマークで既存手法を大幅に上回る成功率を達成した。
- ThinkingVLA: ロボット操作のための視覚と言語の推論を交互に行う手法VLA2026/6/1
ロボット操作タスクにおいて、視覚と言語の推論を交互に行う統一アーキテクチャを提案し、長期的な操作タスクでの性能を向上させた。
- すべての特徴が平等ではない:視覚言語行動モデルの機構的研究VLA2026/3/1
視覚言語行動(VLA)モデルがマルチモーダル入力を行動に変換する仕組みを、活性化注入やスパースオートエンコーダなどを用いて分析し、視覚経路が行動生成を支配し、言語の重要性はタスク構造に依存することを明らかにした。
- UniBYD: 人間の模倣を超えた多様なロボットハンドの操作学習のための統合フレームワークマニピュレーション2025/12/1
ロボットと人間の身体差を超え、多様なロボットハンド形態に適応する操作方策を強化学習で獲得する統合フレームワークUniBYDを提案。動的PPOと影エンジンにより人間模倣を超えた適応的探索を実現。
- ScaleADFG: スケーラブルなデータセットによるアフォーダンスベースの巧みな機能把持マニピュレーション2025/11/1
ロボットの大きな手でも日常物体を機能的に把持できるよう、アフォーダンスに基づく自動データセット構築と軽量な把持生成ネットワークを提案した研究。
- 身体性AIエージェントのための世界モデルの安全性課題:レビュー世界モデル2025/10/1
自動運転とロボティクスにおける世界モデルの安全性をレビューし、最先端モデルの予測を収集・分析して一般的な故障を分類・定量評価した。
- DINOv3拡散方策:視覚運動拡散方策学習のための自己教師あり大規模視覚モデルVLA2025/9/1
ロボットマニピュレーションの拡散方策において、自己教師あり視覚バックボーンDINOv3が従来のImageNet教師ありResNet-18と同等以上に機能し、サンプル効率と頑健性を向上させることを示した。
- 非一様時間スケジューリングと密ジャンプ積分によるロボット政策のフローマッチングVLA2025/9/1
フローマッチング政策の推論時における多段積分の性能劣化を分析し、訓練時の非一様時間スケジューリングと推論時の密ジャンプ積分を提案して最大23.7%の性能向上を達成した。
- 回転同変な画像分類と物体検出のための四元数近似ネットワークロボット知覚2025/9/1
四元数畳み込みを実数演算で近似するQUANを提案し、回転に強い画像分類・物体検出を少ないパラメータで実現した。
- ロボティクス向け空間関係認識データセット空間推論2025/6/1
Spotロボットで取得した約1000枚の屋内画像に物体属性・位置・空間関係を注釈付けしたデータセットを構築し、シーングラフ生成モデルを評価した。
- ColorDynamic: 非構造・動的環境向けの汎用・スケーラブル・リアルタイムなエンドツーエンド局所プランナナビゲーション2025/2/1
生センサデータから直接制御指令を出力するエンドツーエンド強化学習と新ネットワークTransqerにより、非構造・動的環境でも90%超の成功率と1.2-1.3msのリアルタイム局所計画を実現した。
- ロボティックIoTのための再構成可能知能表面通信/群制御2024/12/1
再構成可能知能表面(RIS)を用いてロボットIoTネットワークの通信・センシング・計算・エネルギー効率を改善する手法を提案し、マルチエージェント強化学習と多目的最適化でビームフォーミングや経路計画などを最適化した。
- モーションブラー対応ガウススプラッティングSLAMSLAM2024/11/1
露光中のカメラ軌跡を推定してブレを補正し、NeRFや3DGSを用いたSLAMのローカライゼーションと地図再構成を高精度化した。
- 非専門家の観測データからの効果的なサブゴール誘導による目標到達方策学習強化学習2024/9/1
非専門家の行動なし観測データから長期的な目標到達方策を学ぶため、拡散モデルでサブゴールを生成し、状態-目標価値関数で効率的な探索を促す手法を提案した。
- 拡散モデルによる動画生成におけるロボットの形状と位置の保持拡散モデル2024/7/1
拡散モデルを用いて、移動ロボットの形状と位置を正確に保持した動画を生成する手法を提案し、衝突検出モデルの学習データ作成を容易にした。
- 拡散モデルを最適化器として活用するオフライン強化学習の効率的計画法オフライン強化学習2024/7/1
拡散モデルのサンプリングを軌道生成と最適化に分離し、自己回帰モデルで高速に実行可能な軌道を生成しつつ拡散モデルで最適化することで、オフライン強化学習の計画を3〜10倍高速化した。
- アシストロボットのための言語粒度とオンザフライ制御VLA2024/6/1
視覚が使えない状況でも言語のみでアシストロボットを制御できるか検討し、異なる粒度の言語指示への応答とオンザフライ制御の必要性・実現可能性をSawyerとTurtlebotで実験した。
- 身体性知能を備えた視覚言語ナビゲーション:サーベイVLA2024/2/1
視覚と言語指示を用いてエージェントが自律移動する視覚言語ナビゲーション(VLN)の研究を、身体性知能の観点から体系的に整理したサーベイ論文。
- LLM A*: 人間参加型の大規模言語モデルによるロボット経路計画経路計画2023/12/1
大規模言語モデルの常識を活用し、人間のフィードバックを取り入れながらA*探索でロボットの経路計画を行うフレームワークを提案。
- AerialVLN: UAVのための視覚と言語によるナビゲーションVLA2023/8/1
UAVが屋外環境で視覚と言語指示に従ってナビゲーションする新しいタスクAerialVLNを提案し、25の都市規模シーンを再現した3Dシミュレータとベースラインモデルを開発した。
- 多指ロボットハンドの巧みな把持内操作に向けた漸進的転移学習マニピュレーション2023/4/1
人間の柔軟な転移学習に着想を得て、収集済み軌道と学習済みダイナミクスモデルを活用する漸進的転移学習フレームワークを提案し、接触の多い把持内操作タスクで学習時間を95%削減した。
- 最小限のデモンストレーションによる汎用人型機能把持マニピュレーション2023/3/1
高自由度の多指ハンドで道具を使うような機能的な把持を、少数の人間のデモからカテゴリーレベルの物体に対して生成する手法を提案し、シミュレーションと実機で有効性を示した。
- 双腕ロボットピッキングのための三モード把持学習マニピュレーション2023/2/1
把持・吸着・押し動作を統合したPGSネットワークを提案し、散らかった環境での双腕ロボットによる物体ピッキング性能を向上させた。
- ロボットシステムのデジタルツインへの攻撃によるセキュリティと安全性の侵害セキュリティ2022/11/1
ROS駆動ロボットのデジタルツインに対する中間者攻撃が、産業用ロボットや自律移動ロボットの実機システムを崩壊させ得ることを示し、対策を議論した論文。
- マルチロボットシステムのための人間に優しい音声コミュニケーションプラットフォーム:設計と原理群制御2022/11/1
ネットワークインフラに依存しないマルチロボットシステムの音声コミュニケーションプラットフォームを提案し、適応性・透明性・安全性の原則に基づいて設計、実験で通信とタスク調整能力を実証した。
- DVGG: 多指ハンド操作用の深層変分グリップ生成マニピュレーション2022/11/1
単視点の観測から未知物体に対する多様で高品質な把持姿勢を生成する深層生成モデルを提案し、実機で70.7%の把持成功率を達成した。
- 移動ロボットの被覆経路計画のための高速探索アントコロニー最適化(FaSACO)被覆経路計画2022/5/1
アリが異なる速度で探索し、速いアリがフェロモンで情報を共有することで、被覆経路計画を従来のACOより高速かつ効率的に解く手法を提案した。
- 6自由度把持姿勢推定のための意味情報と衝突情報の同時学習マニピュレーション2021/8/1
6自由度把持姿勢推定をマルチタスク学習として定式化し、把持姿勢・インスタンス意味セグメンテーション・衝突情報を単一のエンドツーエンド微分可能な枠組みで同時に予測する手法を提案した。公開データセットで従来手法を大きく上回り、実機でも混雑環境での把持に成功した。
- 身体的ヒューマンロボットインタラクションにおける触覚情報データセットTacActの構築と理解触覚2021/8/1
介護ロボットの腕に人が触れた際のリアルタイム圧力分布を50名・計24,000動作分収集したデータセットTacActを構築し、LeNet-5による接触動作分類で有効性を検証した。
- 構造情報を活用した点・線ビジュアル慣性オドメトリの改善VIO2021/5/1
人工環境で平行な直線群を構造線として分類し、2パラメータの最小表現とサンプリング点ベースの線マッチングで点・線VIOの精度と効率を向上させた研究。
- 混雑環境向け把持姿勢リファインメントネットワークGPRマニピュレーション2021/5/1
単一視点の点群から粗い把持候補を検出し、局所的に把持姿勢と把持幅を微調整・ノイズ除去する2段階ネットワークを提案。混雑シーンでの衝突回避と安定把持を実現した。
- Super Odometry:劣悪環境向けIMU中心のLiDAR・視覚・慣性融合推定器SLAM/状態推定2021/4/1
IMUを中心にLiDAR・カメラ・IMUを粗から密へ融合し、知覚が劣化する環境でもロバストな状態推定を実現するフレームワークを提案。DARPA地下トンネル・都市環境で実機検証した。
- サービスロボット向け協調ビジュアルSLAMフレームワークSLAM2021/2/1
エッジサーバが地図データベースを管理し、各ロボットが低負荷で地図の登録・更新・新規構築を行える協調ビジュアルSLAMを提案し、RGB-Dや単眼カメラにも対応した。
- TP-TIO:深層学習による熱特徴点を用いた堅牢な熱慣性オドメトリ熱慣性オドメトリ2020/12/1
熱画像向けの軽量キーポイント検出ネットワークThermalPointと放射測定特徴追跡を組み合わせ、視覚劣化環境でも頑健に動作する熱慣性オドメトリを提案した論文。
