Tao Zhang
Zhejiang University
収録論文 46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
- 物理ダイナミクス表現を備えた視覚-言語-行動モデルPDRVLAVLA2026/10/27
動画生成を介さずに視覚-言語特徴から物理トークンを抽出し、将来のRGB・深度・オプティカルフロー予測で学習する軽量モジュールをVLAに組み込み、複数のシミュレーションで高い成功率を達成した。
- TARSphere:進化する物理・社会環境下での長期的身体性エージェント向けロボット指向フルスタックフレームワーク身体性エージェント2026/10/21
物理シミュレータとNPC対話を備えた環境で、凍結MLLMが階層的スキルと記憶を用いて長期タスクを遂行するフルスタック枠組みと、360エピソードのベンチマークを提案した論文。
- 記憶拡張リフレクションによるエージェント型人間動作インタラクション動作生成2026/10/19
MLLMをプランナ兼評価者、凍結MotionLLMを実行者として、計画・実行・観察・反省を閉ループで回し、長期的な人間-シーンインタラクションを実現するエージェントシステム。
- Atomic-WAM:実行に基づく原子的動作推論によるワールドアクションモデルVLA2026/10/14
視覚言語推論器が次に行う局所動作を記述し、それをワールドアクションモデルが実行可能な行動に変換する枠組みを提案。実行成功率に基づく強化学習で推論器を調整し、実機→シミュレーション評価で有効性を示した。
- AutoRSR: スケーラブルなロボット学習のための自動Real-to-Sim-to-Realデータ生成sim2real2026/10/14
実世界の作業空間をスキャンし、自動でシミュレーション環境と操作データを生成するReal-to-Sim-to-Realフレームワークを提案。人手による注釈やキャリブレーション、テレオペレーションを不要にし、実機タスクで高い成功率を達成した。
- VLMはネイティブな行動モデルである:明示的行動空間グラウンディングによる操作能力の解放VLA2026/10/9
VLMの視覚・空間推論能力を、ツール中心点を基準にした行動フレームを手首カメラ画像に投影しテキスト生成として行動を表現することで、追加の行動モジュールやロボット行動事前学習なしに直接操作行動を生成できるようにしたフレームワークEASGを提案。
- 視覚言語行動ポリシーのためのデュアルストリーム記憶VLA2026/10/9
VLAポリシーに、履歴を圧縮する時間ストリームと関連フレームを保持する検索ストリームの二重記憶を持たせ、記憶依存のマニピュレーション性能を向上させた研究。
- 生成的ロボットポリシーの非同期再計画における実行整合型漸進ノイズVLA2026/10/5
生成ポリシーの非同期再計画で生じるモード切替や不整合を防ぐため、チャンク間・チャンク内に構造化ノイズを導入し、実行変位に整合した生成状態を継続させる手法EAPNを提案。
- 条件付き軌道ピーク:アクションチャンク上のシングルパス多峰性ポリシー模倣学習2026/10/5
同じ観測下で多様な行動を生成しつつ再計画時の一貫性も保つ、シングルパスで動作する模倣学習ポリシーを提案。実機双腕タスクで成功率を維持しつつ推論遅延を約3分の1に短縮した。
- リアルタイムVLAに向けて:段階認識型2ステップフローデノイジングとシステムレベル評価VLA2026/9/30
VLAモデルの推論とロボット実行の速度ギャップを分析し、フローデノイジングを2段階に削減する手法と分散リアルタイム実行フレームワークを提案、衣類折り畳みタスクで評価した。
- Magic-W0:物理知能のための構造化ワールド・アクション基盤モデルVLA2026/9/30
ロボットの行動生成と環境の物理的状態変化を、現在状態・遷移・未来状態からなる構造化表現で同時にモデル化する基盤モデルを提案。大規模データで事前学習し、行動仮説と世界予測を層レベルで相互に作用させる。
- Ego2Robot: 自己中心視点の人間データからのスケーラブルなロボットデータ合成VLA2026/8/1
自己中心視点の人間の操作動画を、行動リターゲティングとロボットアームの視覚合成、品質キュレーションを経てロボット訓練データに変換するスケーラブルなパイプラインを提案し、大規模データセットでVLAモデルの汎化性能を向上させた。
- 拡散モデルのアンカリングとステアリング:推論時のテキストから画像生成の忠実度向上テキストから画像生成2026/7/29
テキストから画像への拡散モデルにおいて、複雑なプロンプトとの整合性を高めるため、初期ノイズとノイズ除去軌道の両方を制御するトレーニング不要のフレームワークAnchorSteerを提案。
- HRIBench:相互作用中心の人間ロボット協調のベンチマークHRI/ベンチマーク2026/7/1
人間とロボットの協調作業を評価するための新しいベンチマークを提案し、役割や時間的依存関係を明示したシナリオに基づいて、指示者・協力者・割り込み者の3つの役割を定義し、既存のVLAモデルが協調タスクで苦戦することを示した。
- 因子認識Mixture-of-Expertsと事前学習エンコーダによる組合せ汎化ロボット操作2026/6/1
視覚ロボット操作において、照明や表面テクスチャなどの環境変化に対する汎化を向上させるため、因子認識MoEと事前学習エンコーダを統合したFAMEフレームワークを提案。3段階の訓練で複数因子の組合せ汎化を実現し、Meta-Worldで34%、実世界ピックアンドプレースで35%の改善。
- FUSE: 車両・ロボットSLAMシステムにおける統合状態推定のためのフレームワークSLAM2026/5/1
SLAMの状態推定プロセスを観測取り込み・伝播・更新・状態問い合わせのインターフェースに分離し、設計選択を独立に変更可能にするフレームワークFUSEを提案。LiDAR-IMU実装で評価し、Faster-LIOと比較して誤差を低減した。
- 大規模言語モデルを用いた具現化プランニングには系統的な安全リスクが存在する安全性評価2026/4/1
大規模言語モデルをロボットのプランナーとして使う際の安全性を評価するベンチマークDESPITEを導入し、計画能力が高くても危険な計画を生成するリスクが高いことを示した。
- MetaTune: ロボットの微分可能ダイナミクスを用いた随伴法によるメタチューニング制御・メタ学習2026/3/1
微分可能な閉ループメタ学習により、フィードバック制御器と外乱オブザーバのゲインを同時自動調整する枠組みを提案し、随伴法で勾配計算を効率化してドローンの追従性能を向上させた。
- 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。
- EasyMimic:人間の動画からロボット模倣学習を低コストで実現するフレームワーク模倣学習2026/2/1
家庭用低コストロボットが、RGBカメラで撮影した人間の動画から3D手軌跡を抽出し、把持制御空間にマッピングして模倣学習する手法を提案。少量のロボットデータとの共同学習で新タスクに迅速適応し、高コストなデータ収集を削減する。
- UAV捜索における統計幾何学的縮退:物理情報を考慮した非対称フィルタリング手法UAV捜索2026/2/1
災害後のUAVによる生存者捜索で問題となる非対称な測距バイアスに対し、非対称Huber拡張カルマンフィルタと能動センシングを組み合わせて対処する手法を提案した。
- 力推定に基づくアドミタンス制御による車輪型二足ロボットの頭部安定化歩行2025/11/1
不整地での頭部振動を抑えるため、6自由度車輪型二足ロボットの接地力をモデルベースで推定し、アドミタンス制御で地形適応性と頭部安定性を高めた。
- 地形推定を伴う6自由度車輪型二足ロボットの全身制御車輪型二足ロボット2025/11/1
6自由度車輪型二足ロボットの完全な動力学モデルを構築し、LiDAR慣性オドメトリと改良PCAによる地形推定を組み込んだ全身制御フレームワークを提案。不整地走破性能をシミュレーションと実機で検証した。
- 自己進化型プライアで強化学習をジャンプスタートさせた極限単脚ロコモーション歩行2025/7/1
強化学習の訓練を段階的に複雑化し、自己進化するプライアを生成することで、四脚ロボットが不整地で片脚跳躍を実現する手法を提案。
- 未知外乱下での安定飛行のための微分可能物理情報適応Koopman制御制御/適応制御2025/6/1
名目物理モデルとKoopman演算子の学習を組み合わせ、外乱の時間発展を予測して先回り補償する適応制御フレームワークを提案し、未知外乱下での安定飛行を実現した。
- JPDS-NN: 強化学習による農業車両ルーティング最適化のための動的タスク割り当てルーティング最適化2025/3/1
不規則形状の農地における入口依存型車両ルーティング問題(EDVRP)に対し、グラフトランスフォーマーとアテンションを用いた強化学習ベースのJPDS-NNを提案し、走行距離・燃料消費を大幅に削減しつつ高速な動的計画を実現した。
- 多様な脚式ロボットの効率的かつ汎用的な運動制御のための転移可能な潜在空間間移動ポリシー歩行2025/3/1
潜在空間で動作する移動ポリシーを事前学習し、タスク固有の軽量エンコーダ・デコーダのみを微調整することで、多様な脚式ロボットの運動制御を効率的に適応させる手法を提案した。
- 農場における入口依存型車両ルーティング問題に対する順序付き遺伝的アルゴリズム車両ルーティング/最適化2025/2/1
農場での車両ルーティングにおいて、各地点の入口位置が経路最適化に影響する問題(EDVRP)を定式化し、順序付き遺伝的アルゴリズム(OGA)を提案した。実験により、ランダム戦略や順序なし遺伝的アルゴリズムよりも優れた性能を示した。
- 二重ベータカルマンフィルタによる脚式ロボットのロバスト状態推定状態推定2024/11/1
脚式ロボットの状態推定において、足の滑りと脚の長さ変化を考慮した測定モデルを提案し、脚長を推定するパラメータフィルタと状態フィルタを反復的に用いる二重推定フレームワークと、外れ値に頑健なベータカルマンフィルタを導入した。
- デュアルステレオビジョンによるミリメートルスケールソフト連続ロボットの三次元形態再構成ソフトロボティクス/3D再構成2024/8/1
2台の対向するステレオカメラで撮影した点群を、既知の形状を参照にKD木で位置補正し、直径3.5mmのノッチ付き管状連続ロボットの3D形態を再構成する手法を提案した。
- 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。
- 動的シーン理解のための移動ロボット向け大規模屋内データセットデータセット2024/6/1
移動ロボットの動的環境での性能評価用に、実機とシミュレーションで収集した大規模屋内データセットTHUDを構築し、物体検出・セマンティックセグメンテーション・自己位置推定の課題を評価した。
- 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。
- 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。
- 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。
- ARと触覚の複合インタフェースによる人とロボットの補完的協働フレームワークヒューマンロボット協働2022/10/1
視覚適応制御でロボットがタスクを遂行し、人間がヌル空間で介入する協働フレームワークを提案。ARと触覚の複合インタフェースで安全と効率を両立させる。
- 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。
- NiTiワイヤを用いた消化管内視鏡手術向け小型3自由度柔軟パラレルロボット手首医療ロボティクス2022/7/1
NiTiワイヤで駆動する小型3自由度の柔軟パラレルロボット手首を開発し、電気メスを搭載してブタ胃の内視鏡的粘膜下層剥離術を遠隔操作で実施、その有効性を示した。
- 多層VI-GNSS融合による数値解法とMAP初期化を援用したグローバル測位フレームワークVIO/GNSS融合2022/1/1
視覚・慣性・GNSSを多層的に融合し、GNSS劣化時でもドリフトの少ないカメラ位置推定を実現する測位フレームワークを提案。専用の初期化手法で高速かつ高精度な状態推定を可能にした。
- サーボモータを用いた三軸ジャイロの効率的キャリブレーション手法キャリブレーション2021/3/1
サーボモータの回転速度を基準に三軸ジャイロを約1分で校正する手法を提案し、6観測設計と再帰最小二乗推定で高精度・低計算コストを実現、ロボットアームとマイコンで実証した。
- 生成的・部分視触覚融合による物体クラスタリング触覚2020/12/1
視覚と触覚の一部欠損データを補完するため、条件付きクロスモーダルGANで一方のモダリティから他方を生成し、視触覚を融合して物体クラスタリングを行う手法を提案した論文。
- 摂動補償付き電力制限ステアリングモデルによる適応的軌道推定軌道推定2019/12/1
非協力対象の運動を記述する電力制限ステアリングモデルを提案し、摂動の非線形効果を繰り込み群で補償しつつ、統計量と打ち切り時間をオンライン更新する適応的軌道推定アルゴリズムを開発した。
- 視覚・触覚融合による物体クラスタリング触覚2019/11/1
視覚と触覚の両モダリティを統合する深層非負値行列分解フレームワークを提案し、物体クラスタリングの精度向上を実現した研究。
