Shu'ang Yu
Striding AI
収録論文 10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
- ポリシーパッチを超えて：RL専門家を視覚-言語-行動ポリシーへ蒸留するVLA2026/11/2
強化学習の専門家ポリシーを価値誘導型蒸留で単一のフローマッチングVLAに統合し、展開時に専門家なしで6つの実機タスク全てで100%成功を達成した。
- RoboValue：ロボット価値モデルの統合評価のための細粒度シミュレーション・実世界ベンチマーク価値モデル評価2026/10/19
ロボット価値モデルをタスク状態理解・時間的進捗監視・失敗回復推論・価値一貫性の4次元で統合評価する、シミュレーションと実世界にまたがる細粒度ベンチマークを提案した論文。
- フリート経験から学ぶ：ロボットの集合学習パラダイムマニピュレーション2026/10/19
配備中のロボット群が実行経験を共有し、失敗文脈から成功軌道を検索して方策を更新する集合経験学習（CEL）を提案。実世界5タスクで93.3〜99.2%の成功率を達成した。
- USER: 実世界オンライン方策学習のための統合拡張可能システム実世界オンライン学習/システム2026/2/1
実世界のロボット群をGPUと同様に扱うハードウェア抽象化と非同期学習基盤を提供し、オンライン模倣・強化学習やVLAモデルを長期実験で効率的に訓練できるシステムを構築した。
- RoboScape-R: 報酬と観測を統合したワールドモデルによる汎化可能なロボティクス強化学習強化学習/ワールドモデル2025/12/1
ワールドモデルを汎用環境プロキシとして用い、状態遷移の理解から報酬を生成する強化学習フレームワークを提案し、多様なシーンへの汎化性能を向上させた。
- JuggleRL: 深層強化学習によるクアッドロータのボールジャグリング習得sim2real2025/9/1
クアッドロータにラケットを搭載し、深層強化学習でボールジャグリングを実現した研究。シミュレーションで学習した方策を実機にゼロショット転移し、平均311回・最大462回の連続ヒットを達成した。
- SAC Flow: 速度再パラメータ化逐次モデリングによるフローベース方策のサンプル効率の良い強化学習強化学習2025/9/1
フローベース方策のオフポリシー強化学習における不安定性を、速度ネットワークの再パラメータ化とゲート機構で解決し、SACベースの実用的アルゴリズムを提案した。連続制御とロボットマニピュレーションで最先端性能を達成。
- 未知環境における協調探査のためのマルチロボットシステム：サーベイ群制御2025/3/1
未知の大規模環境での協調探査を実現するマルチロボットシステムについて、自己位置推定・地図統合、協調行動計画、通信制約などの構成要素を体系的に整理したサーベイ論文。
- クアッドロータ制御のためのゼロショットSim-to-Real強化学習ポリシー学習で重要な要素とは？包括的調査sim2real2024/12/1
クアッドロータの強化学習制御において、実機にゼロショットで展開するために重要な5つの要素を特定し、PPOベースのSimpleFlightを開発。従来手法より軌道追従誤差を50%以上削減した。
- 自己位置推定誤差がUAV飛行に与える影響の定量化UAVナビゲーション2024/3/1
UAVの最大安全飛行速度と自己位置推定誤差などのパラメータの関係をモデル化し、シミュレーションで検証した研究。
