Tengyu Liu
BIGAI
収録論文 25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
- 人間の実演からの視覚・触覚・行動の統合モデリングによる巧みなマニピュレーションマニピュレーション2026/9/28
人間の触覚データを活用し、視覚・触覚・行動を統合的に学習するモデルを構築して、巧みなロボットマニピュレーションの性能を向上させた。
- ArtManip: カテゴリレベルの関節物体ハンド内操作ハンド内操作2026/9/11
関節物体をロボットハンドで把持したまま操作するカテゴリレベル手法を提案し、シミュレーションで未見物体や多様な初期把持に汎化、実世界12物体へのゼロショット転移を実現した。
- 不整地での脚式移動のための軌跡レベル自動カリキュラム学習歩行2026/8/17
不整地での脚式移動ポリシー学習において、地形マップから直接タスクを生成する軌跡レベルの自動カリキュラム学習フレームワークを提案し、成功率を大幅に向上させた。
- 人間レベルの巧みな遠隔操作を目指して遠隔操作2026/7/1
手と物体の同時追跡制御を用いて、人間の操作意図を学習済みの接触実行にマッピングし、物体の回転や長時間の道具使用など7つの難易度の高い遠隔操作タスクで高い成功率を達成した。
- OmniTrack: 物理的に整合した参照動作による汎用モーショントラッキングモーショントラッキング2026/2/1
人間の動作データをロボットで追従させる際、体格差やノイズによる物理的に不可能な参照動作を、シミュレーション上の特権方策で実行可能な動作に変換してから追従方策を学習する枠組みを提案。実機で長時間安定した追従やアクロバティック動作を実現。
- 触覚と視覚の同時知覚によるマルチモーダルロボットマニピュレーション学習マニピュレーション2025/12/1
透明な弾性体と新規マーカーを備えた触覚・視覚同時センサTacThruと、Transformerベースの拡散方策を用いた模倣学習フレームワークTacThru-UMIを提案し、実世界の5タスクで平均85.5%の成功率を達成した。
- SafeFall: ヒューマノイドロボットのための保護制御学習ヒューマノイド/転倒保護2025/11/1
転倒が避けられないと予測した際に、強化学習で損傷を最小化する保護動作を実行するフレームワークを提案し、実機で接触力や関節トルクを大幅に低減した。
- Ag2x2: ゼロショット両手操作のためのロバストなエージェント非依存視覚表現両手操作2025/7/1
物体状態と手の動きを協調的にエンコードする視覚表現を提案し、人間の動画から両手操作スキルをゼロショット学習。13タスクで73.5%の成功率を達成。
- CLONE: 長時間タスクのための閉ループ全身ヒューマノイド遠隔操作遠隔操作2025/6/1
MRヘッドセットによる頭と手のトラッキングのみから、閉ループ誤差補正とMoEベースの学習で全身ヒューマノイドの遠隔操作を実現し、長時間の軌道でも位置ドリフトを抑えて複雑な協調動作を可能にした研究。
- ControlVLA: 事前学習済み視覚言語行動モデルのための少数ショット物体中心適応VLA2025/6/1
ControlNet風のアーキテクチャで物体中心表現を導入し、10〜20回のデモンストレーションだけで多様な実世界操作タスクに適応できるフレームワークを提案。
- MetaScenes: 実世界3Dスキャンからの自動レプリカ生成に向けてsim2real2025/5/1
実世界スキャンから構築した大規模シミュラブル3DシーンデータセットMetaScenesと、アセットを自動置換するマルチモーダル整合モデルScan2Simを提案し、ロボット操作とVLNのベンチマークで有効性を示した。
- 模倣学習による巧みなマニピュレーション:サーベイマニピュレーション2025/4/1
ロボットハンドの巧みな操作を模倣学習で実現する手法を体系的にまとめ、課題と今後の研究方向を論じたサーベイ論文。
- Taccel: 高性能GPUシミュレーションによる視覚ベース触覚ロボティクスのスケールアップ触覚2025/4/1
視覚ベース触覚センサ(VBTS)を高精度かつ高速にシミュレーションするGPUプラットフォームTaccelを提案し、実時間の18倍の速度で数千並列環境を実現、sim-to-real転移も検証した。
- GROVE: オープン語彙の身体スキルを学習するための汎用報酬強化学習報酬設計2025/4/1
LLMとVLMを組み合わせて報酬を自動生成し、手設計や実演なしで多様な身体スキルを学習できる汎用報酬フレームワークを提案。
- StyleLoco: 生成的敵対的蒸留による自然なヒューマノイドロボット歩行歩行2025/3/1
強化学習で俊敏な教師方策を訓練し、複数の識別器でモーションキャプチャデータと蒸留することで、俊敏さと自然な動きを両立させたヒューマノイド歩行フレームワークを提案。
- ManipTrans: 残差学習による効率的な両手巧み操作の転移マニピュレーション2025/3/1
人間の両手操作スキルをシミュレーション上のロボットハンドへ効率的に転移する二段階手法を提案し、大規模データセットDexManipNetを構築した。
- ロボットハンド全体への高解像度触覚埋め込みによる適応的な人間らしい把持触覚2024/12/1
表面の70%に0.1mm解像度の触覚センサを備えた生体模倣ハンドを開発し、生成アルゴリズムと組み合わせることで、動的な実環境での把持性能が触覚なしの場合より大幅に向上することを示した。
- Ag2Manip: エージェント非依存の視覚・行動表現による新規マニピュレーションスキルの学習マニピュレーション2024/4/1
人間の操作動画からエージェント非依存の視覚表現と、ロボットの運動学を汎用エージェント代理に抽象化した行動表現を学習し、ドメイン固有のデモなしで新規マニピュレーションタスクの性能を大幅に向上させた。
- AnySkill: 対話型エージェントのためのオープン語彙物理スキル学習VLA2024/3/1
模倣学習で獲得した原子動作を、CLIP類似度を報酬とする高レベル方策で組み合わせ、未知のテキスト指示に応じた物理的に自然な人間動作を生成する階層的手法を提案。
- SceneVerse: 3D視覚言語学習の大規模化による接地されたシーン理解3D視覚言語2024/1/1
68Kの3D屋内シーンと250万の視覚言語ペアからなる初の100万規模データセットSceneVerseを構築し、統一事前学習フレームワークGPSで3D視覚言語接地のSOTAを達成した。
- 片手で複数物体を把持するマニピュレーション2023/10/1
多指ロボットハンドで卓上から複数物体を同時に把持する二段階手法MultiGraspを提案し、二物体把持で44.13%の成功率を達成した。
- UniDexGrasp:多様な把持候補生成と目標条件付き方策による汎用ロボット巧み把持マニピュレーション2023/3/1
点群から多様な巧み把持姿勢を生成する確率的モデルと、目標条件付き把持方策を組み合わせ、数百カテゴリの物体に対する汎用巧み把持を実現した。
- GenDexGrasp: 汎用性のある多指ハンド把持生成マニピュレーション2022/10/1
接触マップを中間表現として用いることで、未知の多指ロボットハンドにも適用可能な把持姿勢を高速かつ多様に生成する手法を提案。
- DexGraspNet:汎用物体に対する大規模ロボット巧み把持データセットのシミュレーションによる構築マニピュレーション2022/10/1
微分可能な力閉包推定を高速化した手法で、ShadowHandによる5355物体・132万把持の大規模データセットを生成し、既存データセットより多様性と品質が高いことを示した。
- 微分可能なフォースクロージャ推定器による任意のハンド構造での多様かつ物理的に安定な把持の合成把持生成2021/4/1
フォースクロージャを高速に微分可能な形で推定する手法を提案し、訓練データなしで任意のハンド構造に対し多様で物理的に安定な把持を合成できるようにした。
