Shengjie Wang
収録論文 21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
- 曖昧な指示に対するアフォーダンス認識型インタラクティブ意思決定と実行VLA2026/2/1
曖昧な人間の指示に対し、対話的な探索と視覚言語推論を統合した二重ストリーム枠組みAIDEを提案し、ゼロショットでアフォーダンス解析と指示解釈を実現した。
- ナイトメア・ドリーマー:危険状態を夢見て先回りする安全強化学習安全強化学習2026/1/1
学習した世界モデルで将来の安全違反を予測し、それを避けるように行動計画を立てるモデルベース安全強化学習手法を提案。画像入力のみで安全性と効率を大幅に改善した。
- 後知恵オンライン模倣によるフローから方策への変換模倣学習2025/12/1
高レベルプランナが生成した2D点フローを、オンライン試行錯誤と後知恵目標再ラベリングで目標条件付き模倣方策に接地し、操作タスクの性能を2倍以上に改善する手法を提案。
- 視覚運動ポリシーに固有感覚状態は必要か?VLA2025/9/1
固有感覚入力を排除し視覚のみで動作を予測するState-free Policyを提案し、空間汎化性能が大幅に向上することを示した。
- MotionTrans: 人間のVRデータでロボットマニピュレーション方策の動作レベル学習を実現マニピュレーション2025/9/1
VRで収集した人間の動作データを変換し、ロボットデータと重み付き共訓練することで、13タスクの動作をエンドツーエンド方策へ直接転移。9タスクはゼロショットで成功し、事前学習・微調整性能も40%向上。
- EasyInsert: データ効率が高く汎化可能な挿入ポリシーマニピュレーション2025/5/1
人間の直感に基づき挿入をデルタポーズ回帰問題として定式化し、最小限の人手で収集したデータからエンドツーエンドの視覚ポリシーを学習。未知物体や乱雑環境でも高いゼロショット汎化性能を実現した。
- 事前強化学習:限られた試行回数での目標条件付き動的マニピュレーションマニピュレーション2025/5/1
少数の実演から条件付き拡散モデルで運動マニフォールドを学習し、低次元条件空間でのフィードバック最適化により、10回程度の試行で新しい動的マニピュレーション目標を達成するフレームワークを提案。
- SKIL: 意味的キーポイント模倣学習による汎化性とデータ効率に優れたマニピュレーションマニピュレーション2025/1/1
視覚基盤モデルで意味的キーポイントを自動抽出し、少ないデモ数で複雑なロボット操作を模倣学習できるフレームワークを提案。
- Navi2Gaze: 基盤モデルを活用したナビゲーションと対象物注視ナビゲーション2024/7/1
視覚言語モデル(VLM)を使い、タスク記述に基づいてロボットが対象物に対して適切な位置と向きを自動で選び、効率的に移動・注視する手法を提案した論文。
- SpaceOctopus: タコに着想を得た多腕宇宙ロボットの運動計画フレームワーク宇宙ロボット/運動計画2024/3/1
タコの腕の分散制御に着想を得て、多腕宇宙ロボットのための多階層分散型運動計画フレームワークを開発し、マルチエージェント強化学習と統合することで、ベース姿勢調整や外乱・腕の故障に対する堅牢性を実現した。
- EfficientZero V2:限られたデータで離散・連続制御をマスターする強化学習2024/3/1
限られたデータで効率的に学習できる強化学習フレームワークEfficientZero V2を提案し、連続・離散行動や視覚・低次元入力など多様なタスクで既存手法を上回る性能を示した。
- CoPa: 基盤モデルと部位の空間制約による汎用ロボットマニピュレーションマニピュレーション2024/3/1
基盤モデルの常識知識を活用し、タスク指向の把持部位選択とタスクに応じた空間制約から6自由度エンドエフェクタ姿勢を生成する、追加学習不要の汎用マニピュレーション手法。
- DexCatch: 巧みな手で任意の物体をキャッチする学習マニピュレーション2023/10/1
巧みな手による投擲・キャッチ動作を学習するフレームワークLTCを提案し、多様な手の姿勢と物体で73%の成功率を達成、未知物体へのゼロショット転移も示した。
- 基盤モデルの事前知識を活用した強化学習:身体性エージェントの効率的な自律学習マニピュレーション2023/10/1
基盤モデルから方策・価値・成功報酬のガイダンスを得るRLFPフレームワークとFACアルゴリズムを提案し、実機とシミュレーションのマニピュレーションタスクで高効率・高成功率を達成した。
- i-Octree: 近傍探索のための高速・軽量・動的な八分木近傍探索2023/9/1
動的に成長する地図に対応するため、点の挿入・削除・ダウンサンプリングをリアルタイムで行える軽量な八分木データ構造を提案し、近傍探索を高速化した。
- 対称双腕マニピュレーションのための学習ベース適応コンプライアンス手法マニピュレーション2023/3/1
軌道生成とインピーダンス調整を統合した強化学習フレームワークを提案し、双腕ペグ挿入作業で従来法より高効率・高ロバスト性を実現した。
- 追加安全予算を活用した制約付き方策最適化による効率的探索強化学習/安全制約2023/2/1
制約付き強化学習において、学習初期は安全制約を緩めて探索を促進し、徐々に制約を厳しくするESB-CPOを提案し、安全性と最適性の両立を実現した。
- 最適時間安定性に向けた方策最適化手法強化学習2023/1/1
サンプリングベースのリアプノフ安定性をActor-Criticに組み込み、システム状態が最適時間で平衡点に到達し安定を維持するALACアルゴリズムを提案した。
- 事前方策ガイダンスを用いた強化学習による双腕自由浮遊宇宙ロボットの運動計画宇宙ロボット/強化学習2022/9/1
事前知識を組み込んだ混合方策と無限ノルム報酬により、双腕自由浮遊宇宙ロボットが回転する非協力物体を捕獲する運動計画を高精度に学習する手法を提案。
- 非協力対象物に対する自由浮遊型双腕宇宙マニピュレータの運動計画学習システム宇宙マニピュレーション2022/7/1
自由浮遊型双腕宇宙マニピュレータが未知の回転をする非協力対象物を追跡するため、強化学習を用いた二段階の運動計画システムを提案した。
- 強化学習による人間レベルの両手巧みな操作に向けてマニピュレーション2022/6/1
認知科学の発達段階に沿った数千の物体・両手操作タスクを備えたベンチマークBi-DexHandsをIsaac Gym上に構築し、各種強化学習アルゴリズムを網羅的に評価した。
