Qiao Sun
Xiaomi Robotics
収録論文 24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
- ThinkLocoManip:脚式移動操作のための全身制御エージェントハーネス脚式移動操作2026/10/25
推論と行動を交互に繰り返すパラダイムで、知覚・ナビゲーション・操作・歩行をツールとして統合し、長期的な脚式移動操作タスクを実現するエージェント型ハーネスを提案した論文。
- SimpleVLN:シンプルかつ最先端の視覚言語ナビゲーションVLA2026/10/16
MLLMをそのまま活かす設計で、履歴管理・データ構築・段階的最適化を工夫し、視覚言語ナビゲーションで高い成功率を達成した研究。
- BeJEPA:教師なし強化学習による目標条件付きヒューマノイド行動ワールドモデルヒューマノイド制御2026/10/16
身体姿勢と世界座標上の位置・向きを統合した表現をJEPAで学習し、目標条件付き方策を長期行動予測で改善するヒューマノイド制御手法を提案。実機G1で姿勢・位置・向きの同時達成や転倒復帰を実証した。
- EmbodiedSmith:シミュレーションにおける再帰的自己改善フライホイールによる身体性データのスケーリングsim2real2026/10/6
シミュレーション内でアセット・シーン・タスク生成を統合し、シーンとタスクが相互に洗練し合う再帰的自己改善ループにより、多様な身体性データを自動生成するフレームワークを提案。
- GeoLAM: ラベルなし人間動画から幾何学的潜在行動を学習VLA2026/9/15
人間の動画から幾何学的な手がかりを活用して潜在行動を学習し、ロボット操作タスクに転移するフレームワークを提案。
- 4D-WAM: 軌跡フィールドによる世界行動モデルへの時空間認識の注入VLA2026/8/1
ロボットの行動生成と動画予測を統合する世界行動モデルに対し、3D軌跡フィールドからの時空間知識を表現整合で注入する訓練戦略を提案し、空間理解と実行精度を向上させた。
- 接触を伴うロボット操作のための表現整合型触覚グラウンディング触覚/VLA/操作2026/7/1
触覚強化型VLAポリシーにおいて、将来の触覚状態を予測する中間表現の位置を特定し、軽量な潜在触覚予測器(LTP)を導入して行動表現と接触結果を整合させる手法を提案した。実機の接触を伴う操作タスクで有効性を実証した。
- Xiaomi-Robotics-1: 10万時間以上の実世界軌道データによる視覚言語行動モデルのスケーリングVLA2026/7/1
10万時間以上の実世界の操作軌跡データを用いて、汎用的な視覚言語行動(VLA)モデルを事前学習し、未見環境での指示追従や少量データでの適応を可能にする基盤モデルを構築した。
- ロングテール状況での軌道変位は安全か?自動運転評価2026/6/1
自動運転のプランナー評価を、専門家軌道と比較した際の追加脅威検出として定式化し、人間のアノテーションと検証システムを組み合わせたFluidTestパイプラインを提案した。
- アクションイメージ:マルチビュー動画生成によるエンドツーエンド方策学習VLA2026/4/1
ロボットの7自由度動作をピクセルに接地したアクション動画として表現し、動画生成モデル自体を方策として用いる統一的な世界行動モデルを提案した。RLBenchと実機評価で高いゼロショット成功率を達成した。
- Xiaomi-Robotics-0:リアルタイム実行可能なオープンソース視覚言語行動モデルVLA2026/2/1
大規模なロボット軌道と視覚言語データで事前学習し、非同期実行のための学習技術と展開時のタイムステップ調整により、民生用GPUで高速かつ滑らかなリアルタイム動作を実現したVLAモデルを提案。
- プリミティブ身体性ワールドモデルの学習:スケーラブルなロボット学習に向けてワールドモデル2025/8/1
動画生成ベースの身体性ワールドモデルを固定短時間のプリミティブ動作に限定し、言語と動作の細粒度対応・データ効率・推論速度を改善するPEWMを提案。VLMプランナとヒートマップ誘導で閉ループ制御と長期タスクへの組合せ汎化を実現する。
- 歩みを止めず:選択的敵対的訓練による頑健なヒューマノイド運動スキルの学習歩行2025/7/1
脆弱な状態と行動を選択的に攻撃する敵対的訓練手法を提案し、ヒューマノイドの長期運動・全身体制御の頑健性を向上させた。
- TesserAct: 4D身体化世界モデルの学習世界モデル2025/4/1
RGB-DN動画を生成するビデオモデルを微調整し、身体化エージェントの行動に応じた4Dシーン予測を可能にする世界モデルを提案。
- 静的摩擦がロボット強化学習のSim2Realに与える影響sim2real2025/3/1
ロボット関節の静的摩擦を考慮したドメインランダム化を提案し、従来手法やActuator Netより実機移行性能が高いことを示した。
- Grasp Diffusion Network: 部分点群からSO(3)×R3上の拡散モデルで把持姿勢を生成マニピュレーション2024/12/1
単視点の部分点群から、回転多様体上の拡散モデルと衝突回避コスト誘導を用いて把持姿勢を生成し、実世界で90%の成功率を達成した。
- Mixture of Expertsによる自動運転モーションプランナーの汎化自動運転/プランニング2024/10/1
ViTエンコーダとMixture-of-Experts因果Transformerを組み合わせたスケーラブルなモーションプランナーSTR2を提案し、NuPlanデータセットで従来手法より高い汎化性能とスケーラビリティを示した。
- 大規模軌道モデル:スケーラブルな運動予測と計画自動運転2023/10/1
観測・状態・行動を統一的な系列モデリングとして扱うState Transformerを提案し、スケーリング則に従って運動予測と計画の性能が向上することを示した。
- 階層的潜在スキルによる自動運転のためのオフライン強化学習の強化自動運転2023/9/1
VAEで運転スキルを抽出し、それを行動として扱うことで長期的な車両計画を可能にするオフライン強化学習フレームワークを提案。
- P4P: 自動運転の計画のための衝突考慮型運動予測運動予測2022/11/1
既存の運動予測器が衝突検出に苦戦することを示し、物理ベースの軌道生成と学習ベースの関係予測を組み合わせて衝突を特定するP4Pを提案した。
- InterSim: 明示的な関係モデリングによるインタラクティブ交通シミュレーション交通シミュレーション2022/10/1
自車の計画軌跡に応じて周囲エージェント間の関係を明示的にモデル化し、整合性のある多エージェントのインタラクティブな交通シミュレーションを実現した研究。
- VectorFlow: 画像とベクトルを組み合わせた交通占有・流れ予測予測2022/8/1
ラスタ化画像とベクトル軌跡の両方をエンコードして融合し、道路エージェントの占有グリッドと流れを高精度に予測するモデルを提案。Waymoコンペで3位、遮蔽領域で最高性能。
- M2I: 周辺軌道予測からインタラクティブ予測へ軌道予測2022/2/1
相互作用するエージェントを影響側と反応側のペアに分け、周辺予測と条件付き予測を組み合わせてマルチエージェントの軌道を統合的に予測する手法を提案した。
- DenseTNT:Waymoオープンデータセット運動予測チャレンジ優勝解法軌道予測2021/6/1
自動運転の軌道予測において、疎な事前定義アンカーに依存せず密なゴール確率推定を行うアンカーフリー手法DenseTNTを提案し、Waymoチャレンジで1位を獲得した。
