Shan You
ACE Robotics
収録論文 12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
- VLA-MOPD:マルチタスクVLAポリシー統合のためのオンポリシー蒸留VLA2026/11/9
タスク特化した複数のフローマッチングVLA専門家を、共有生徒モデルがロボットロールアウト上で各ODE状態の教師を参照するオンポリシー蒸留で統合し、成功率を大幅に向上させた研究。
- 実行失敗を継承可能な能力へ変える複合的物理RSI自己改善/マニピュレーション2026/11/4
ロボット操作ポリシーが失敗から段階的に自己改善する枠組みを提案し、失敗箇所の特定・修正経験の選別・既存技能の保持により世代を重ねて能力を複利的に向上させる。
- 行動に影響する視覚経路を狙う攻撃:PASA-KVVLA2026/10/29
World Action Modelの内部視覚表現のうち、行動生成に実際に影響するK/V経路を特定して攻撃する手法を提案し、実機ロボットでも有効性を示した。
- WorldFailBench:ワールドモデルは政策の失敗を理解できるかワールドモデル2026/10/24
ロボット政策の失敗をワールドモデルが忠実に再現できるかを評価するWorldFailBenchを提案し、失敗理由・失敗段階・失敗境界の3タスクで7つのモデルを検証した。
- DSDyn-VLA:動き知覚・未来予測・リアルタイム補正を備えた二重ストリーム動的マニピュレーション枠組みVLA2026/9/30
動的環境でのVLAの知覚・遅延・制御ギャップを解決するため、遅いFlow-Plannerと速いRes-Refinerからなる二重ストリーム枠組みを提案し、動的物体操作ベンチマークDynBenchを導入した。
- IndustrialVLA-Bench:オープンロボットポリシーモデルの追跡可能な多軸評価VLA2026/9/22
6つのVLA/WAMモデルを統一プロトコルで評価し、クリーン性能・ロバスト性・言語感度・実行コストを比較したベンチマークを提案。
- 見ずして先を見通す:ワールドアクションモデルのための潜在的未来VLA2026/8/12
未来のビデオを生成せずに、潜在的な未来の状態をアクション生成に活用する新しいワールドアクションモデル「ForeWAM」を提案し、LIBEROベンチマークで高い成功率を達成した。
- 報酬をエージェントとして捉える身体化ワールドモデルの学習強化学習2026/6/18
身体化ワールドモデルにおいて、報酬をエージェントとして能動的に評価する枠組みと、動的差分に基づく探索多様化手法を導入し、報酬ハッキングを抑えつつ多様な行動生成を可能にする強化学習手法を提案した。
- Kairos: 後悔を考慮した物理AI向けネイティブ世界行動モデルスタック世界モデル2026/6/15
物理AIのための世界モデルスタックを提案し、制御に重要な情報のみを学習・維持・展開する手法を導入した。
- VLA-ATTC: 相対アクション批評モデルによるVLAモデルの適応的テスト時計算VLA/意思決定2026/5/1
VLAモデルに不確実性に基づく「認知クラッチ」を導入し、複雑な状況でのみ推論フェーズへ切り替える適応的テスト時計算フレームワークを提案。相対比較で最適アクションを選ぶ批評モデルにより、LIBERO-LONGでSOTAの失敗率を50%以上削減した。
- Sentinel-VLA: 動的推論とエラー回復のための能動的状態監視を備えたメタ認知VLAモデルVLA/ロボット操作2026/5/1
VLAモデルに能動的な状態監視モジュールを追加し、必要時のみ動的推論やエラー回復を行うメタ認知型モデルを提案。自己進化的継続学習と直交アダプタにより性能向上と破滅的忘却防止を実現し、実機で成功率を30%以上向上させた。
- シミュレーションからリアリズムを見る:視覚言語行動データ拡張のための効率的なビデオ変換VLA/データ拡張2026/5/1
シミュレーションで生成したVLA学習用ビデオを、タスクの意味と行動軌跡を保ちつつ現実的なビデオに変換する効率的なデータ拡張フレームワークを提案。拡散モデルの特徴再利用とコアセットサンプリングにより計算コストを抑え、実ロボットを含む複数ベンチマークで性能を向上させた。
