Samson Yu

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

• JEDI: オンライン強化学習のための統合埋め込み拡散世界モデル
  強化学習2026/5/13

  拡散世界モデルをオンライン強化学習に適用し、JEPAフレームワークを用いて潜在空間を拡散ノイズ除去損失から直接学習する新しい手法を提案。再構成や事前学習モデルに頼らず、将来の潜在表現を予測することで、効率性と性能を両立する。

• Octopi-1.5：視覚・触覚・言語モデルの実演
  VLA2025/7/1

  触覚信号を複数部位から処理し、RAGで新規物体を学習できる視覚・触覚・言語モデルOctopi-1.5を、手持ち型触覚デバイスTMIを通じて実演する。

• モデルベース強化学習における性能非対称性
  モデルベース強化学習2025/5/1

  モデルベース強化学習が人間を超えるタスクと大きく劣るタスクがある性能非対称性を指摘し、バランスの取れた評価指標Sym-HNSと新たな世界モデルJEDIを提案した。

• Octopi: 大規模触覚言語モデルによる物体特性推論
  触覚2024/5/1

  触覚知覚と大規模視覚言語モデルを組み合わせ、物体の物理的特性を予測・推論するシステムOctopiと、触覚動画を含むデータセットPhysiCLeARを提案した。

• 人間とロボットのインタラクションにおけるロボットマニピュレーション手法のレビュー
  マニピュレーション2023/9/1

  人間とロボットの協働におけるロボットマニピュレーションについて、強化学習と模倣学習を中心に近年の自律的・適応的学習アルゴリズムを概観し、その特徴と課題を比較したレビュー論文。

• 物体目標ナビゲーションにおける能動的フィードバック要求のロバスト性
  ナビゲーション2023/3/1

  物体目標ナビゲーションでエージェントが能動的にヘルプを要求し、視野内の目標物体の位置フィードバックを得る枠組みを提案。フィードバック有無を混ぜたカリキュラム学習により、フィードバックがない場合でも性能が向上することを示した。