Shulong Jiang
Peking University
収録論文 5本 ・ フィジカルAI/ロボット学習
自己改善エージェントロボット探索/自己改善マニピュレーションVLA触覚
※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
- タスクを学ぶのか、検証器を学ぶのか:身体性自己改善における基準露出の再考自己改善エージェント2026/11/5
ロボットシミュレーションのベンチマーク基準をエージェントに与える「基準露出」が、指示タスクの遂行ではなく検証基準への過適合を招くことを実験で示し、指示に忠実な基準の有効性を提案した論文。
- 実世界での探索と自己改善を実現するロボットフレームワークPyRUA-REALロボット探索/自己改善2026/11/4
コーディングエージェントが実世界で探索・コード改善・スキル蓄積を繰り返し、ロボット能力を自己改善する枠組みを提案。実タスクで91.1%、RoboDojoで84.4%の成功率を達成した。
- HiFun: 機能的巧みな操作学習のための階層的フレームワークマニピュレーション2026/10/14
腕と多指ハンドの制御を階層化し、実世界強化学習で精密接触を要する巧みな操作を1時間以内に高成功率で学習する手法を提案。
- トークンを減らして行動を改善:成功率14%向上・トークン65%削減を実現するGPT-6 AstraロボットエージェントVLA2026/10/1
ロボットプリミティブとVLAポリシーをPythonコードとして組み合わせ、必要な観測だけを要求するフレームワークPyRUA-Leanを提案。同一プランナーで成功率を63.1%から71.7%に向上させつつ、入力トークンを65%削減した。
- GelFusion: 視覚制約下でのロボットマニピュレーションを視触覚融合で強化触覚2025/5/1
高解像度GelSightセンサの視触覚フィードバックを視覚主導のクロスアテンションで融合し、接触の多いタスクの模倣学習成功率を向上させるフレームワーク。
