Shuyuan Hu
Shanghai Jiao Tong University
収録論文 6本 ・ フィジカルAI/ロボット学習
評価基盤両腕マニピュレーションVLAマニピュレーションタスク計画
※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
- RoboScope Kit: embodied-AI評価を高速化・スケール化する統合インターフェース評価基盤2026/11/2
各ベンチマークの評価器をアダプタで包み、モデルをPolicyクラスで統一して、シミュレータとモデルを別プールで並列スケジューリングすることで、ロボットポリシー評価を最大6倍以上高速化した。
- スケジュールではなくタスクを学ぶ:両腕模倣学習における偽の腕間結合の低減両腕マニピュレーション2026/10/19
両腕模倣学習において、タスクに必要な腕間制約と偶発的なスケジュール選択を区別するため、記録済みの腕ローカルな内容を保ちつつ時間再編成する学習時データ介入CTRを提案し、実機で最悪状態成功率を56%から76%に改善した。
- MorphAct: 行動する世界に合わせてロボットポリシーを変形させるVLA2026/10/14
視覚言語と行動モジュールのパラメータを相互作用の文脈に応じて動的に低ランク更新するフレームワークを提案し、LIBEROやMeta-World、実世界で性能を向上させた。
- Evo-RL: 選択的経験を用いた反復的なロボット強化学習マニピュレーション2026/10/9
人間の修正と成功軌跡から正のアドバンテージを持つ経験を選別して反復的に方策を改善する強化学習手法を提案し、実機の高精度マニピュレーションで成功率を30.46%向上させた。
- 人間を考慮したマルチロボットハンドオーバーのためのLLMに基づく階層的時間論理を用いた動的タスク計画タスク計画2026/2/1
大規模言語モデルで人間の指示を階層的なLTLf仕様に変換し、再cedingホライズン計画で動的に再計画することで、マルチロボットのハンドオーバータスクを実現するニューロシンボリックフレームワークを提案した。
- Gen2Real: 生成動画を活用したデモ不要の巧みなマニピュレーションマニピュレーション2025/9/1
生成動画から手と物体の軌道を抽出し、物理整合性を考慮した最適化と強化学習でロボットハンドの把持スキルを学習する手法を提案。シミュレーションで77.3%の成功率を達成し、実機でも動作を実証した。
