Quanquan Peng

University of California San Diego

収録論文 6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

• FINGR: 実世界でのルービックキューブ解法のための巧みな手の制御学習
  マニピュレーション2026/9/27

  指先基準の幾何表現と将来の接触・回転進捗を予測する補助タスクを組み合わせた方策を学習し、実機の巧みな手でルービックキューブの層回しを高成功率で実現した。

• FACT: 失敗を考慮した因果的ワールドアクションモデル訓練
  VLA2026/8/1

  ワールドアクションモデルに失敗データを組み込み、行動の結果を予測させることで、将来予測の偏りを減らし、操作タスクの性能を向上させる手法を提案した。

• ConTrack: 適応的トレードオフ制御による拘束付き手の動作追跡
  模倣学習/強化学習2026/6/1

  物体追跡を制約とし、残りの制御権を動作忠実度に割り当てる強化学習フレームワークを提案。長期的な接触豊富な手の動作追跡を安定化し、シミュレーションと実ロボットで精度を向上させた。

• EAGLE: 具現化を考慮した汎用・特化蒸留による統合ヒューマノイド全身制御
  全身制御2026/2/1

  汎用ポリシーとロボット特化ポリシーを反復的に蒸留し合うことで、複数の異なるヒューマノイドを単一のポリシーで制御できる全身制御手法を提案した。

• 親による指導：進化的蒸留による効率的な生涯学習
  生涯学習2025/3/1

  強化学習・模倣学習・共進化的エージェント地形カリキュラムを組み合わせ、エージェントが複雑なタスクを通じて継続的に進化し、多様性と専門性のバランスを取りながら生涯学習を実現する枠組みを提案した。

• 人間とエージェントの共同学習による効率的なロボットマニピュレーションスキル獲得
  マニピュレーション2024/7/1

  人間と学習型アシストエージェントがロボットの制御を共有し、データ収集とロボットの訓練を同時に行うことで、効率的にマニピュレーションスキルを獲得するシステムを提案した。