Siao Liu
Soochow University
収録論文 7本 ・ フィジカルAI/ロボット学習
グラフ学習VLA世界モデルマニピュレーション操作学習
※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
- 動的グラフ世界モデリング:時間的文脈から未来のダイナミクスを学習するグラフ学習2026/10/14
動的グラフの未来状態を予測するため、ノードと関係の履歴・進化経路・将来表現を統合的に学習するDyG-WMフレームワークを提案し、リンク予測とノード分類で有効性を示した。
- 分布内性能を超えて:脆弱性指向チューニングによる量子化VLAの汎化回復VLA2026/10/5
量子化されたVLAポリシーは分布内性能を保つ一方で環境変化に脆くなる問題に対し、脆弱な状態を選択的に修正するオンポリシー蒸留フレームワークPIVOT-Qを提案した。
- Scope-WM: 効率的な視覚世界モデルのためのスコープ計算世界モデル2026/9/27
予測に関連する潜在領域と有望な行動系列に計算を絞ることで、視覚世界モデルの推論遅延とメモリ使用量を大幅に削減する手法を提案。
- 不確実性誘導スパースリファインメントによるアクションチャンキングトランスフォーマーポリシーマニピュレーション2026/9/14
アクションチャンキング型視覚運動ポリシーの予測誤差が大きいタイムステップのみを不確実性で特定し、残差補正をスパースに適用する手法を提案。RoboTwinの双腕操作タスクで成功率を最大13%改善。
- UMI-Bench 1.0: UMIデータを用いた卓上ロボット操作のためのオープンで再現可能な実世界ベンチマークマニピュレーション2026/6/1
UMIスタイルの操作ポリシーを実世界で標準評価する初のベンチマークを提案し、データ収集から評価までの統一プロトコルを提供する。
- ARP: 視覚的整合と反復的洗練による量子化スキル抽象化の強化でロボット操作を実現操作学習2026/6/1
長期的な操作タスク向けに、視覚と行動を整合させ、離散スキル表現の精度を反復的に洗練する新しいポリシーを提案し、ベンチマークと実機で効果を実証した。
- 小さく考え、大きく行動する:生涯ロボットマニピュレーションのためのプリミティブプロンプト学習マニピュレーション2025/4/1
スキル間で共有されるプリミティブをプロンプトとして学習し、生涯にわたるロボットマニピュレーションを実現する手法を提案。
