Tianyu Li
University of Pennsylvania
収録論文 49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
- Anchor 1:全身マニピュレーションのための精密で安定したヒューマノイド制御ヒューマノイド制御2026/10/30
校正済みの疎な動作参照と明示的な誤差フィードバックを用い、オンラインの関節空間リターゲティングなしで精密かつ安定した全身マニピュレーションを実現するヒューマノイド制御器と評価ベンチマークを提案した。
- PingpongDuo: 安全なチーム連携を実現する俊敏なヒューマノイド卓球ダブルスマニピュレーション2026/10/14
ヒューマノイド2体が交互に打ち合う卓球ダブルスのため、チームレベルの配置計画と衝突回避、個人レベルのフットワークと打球スキルを階層的に統合したフレームワークを提案し、実機で10連続ラリーを達成した。
- 身体性エージェントは何を記憶すべきか?記憶モダリティのベンチマークと評価身体性エージェント記憶2026/10/8
身体性エージェントの記憶モダリティを評価するベンチマークMeMoREvalを提案し、フレーム記憶が生成説明より低コストで高性能、シーングラフ併用が最高精度と示した。
- 優れた視覚表現は常にエンドツーエンド自動運転を改善するのか?自動運転2026/10/7
視覚基盤モデルの表現をプランナーに整合させるViRAを提案し、VFM表現が運転性能を一貫して改善することを示した。
- EgoHumanoid-V2: 全身協調ロコマニピュレーションのための人間からヒューマノイドへのスキル転移VLA2026/9/29
一人称視点の人間のデモデータから、全身協調を保ったままロコマニピュレーションスキルをヒューマノイドへ直接転移する枠組みを提案し、実機4タスクでゼロショット転移を実現した。
- 接触音を夢見る:ゼロショット力覚マニピュレーションとデータ生成のための動画・音声生成の活用マニピュレーション2026/9/16
生成動画に接触音を付加し、その音量から力プロファイルを推定することで、力覚を考慮したマニピュレーションを実現するパイプラインを提案。
- グリッパー認識型視覚言語行動モデルVLA2026/8/25
異なるグリッパー種別に応じた戦略を学習できるよう、5種類のグリッパーを含む大規模データセットと、専用トークナイザーとポリシールーティングを備えたモデルを提案した。
- Video2Track: 実世界のインタラクション動画から自動運転システムの操縦可能な敵対的クローズドトラックテストへ自動運転テスト2026/8/1
実世界の運転動画からシナリオを抽出し、クローズドトラック上の敵対的テストシナリオを自動生成するフレームワークを提案した。
- 散乱した収納作業におけるブレード挿入のための3Dアフォーダンス学習マニピュレーション2026/7/1
散乱した布製ビン内でブレードを挿入する空間を確保するため、3D占有フィールド上のマスク付きオートエンコーダを用いて、各ボクセルでブレードの挿入可能性を推定する手法を提案した。実データ10,000エピソードで訓練し、従来のポーズベース手法より高い被覆率を達成した。
- 視覚的把持を超えて:検出から実行までの複雑な把持のベンチマーキング把持/ベンチマーク2026/7/1
複雑な実世界の把持タスクを評価するための新しいベンチマークGCA-Benchを提案し、従来の視覚ベースの把持検出を超えて、シーン推論と意味的制約を含むタスクでの大規模基盤モデルの性能を評価した。
- RoboNaldo: 動作誘導カリキュラム強化学習による正確で安定かつ強力なヒューマノイドサッカーシュートロコモーション/強化学習2026/6/1
人間のキック動作を参照として段階的に最適化する3段階カリキュラム強化学習フレームワークを提案し、ヒューマノイドロボットによる高インパルスで正確なサッカーシュートを実現した。
- ワールドエンジン:自動運転におけるポストトレーニング時代に向けて自動運転2026/6/1
実世界のログから高忠実度のインタラクティブ環境を再構築し、安全上重要な長尾シナリオを合成的に生成して、事前学習済みの自動運転モデルを強化学習でポストトレーニングする枠組みを提案。これにより、実世界のリスクを回避しつつ安全性を向上させる。
- 123D: 大規模マルチモーダル自動運転データの統合自動運転データ統合2026/5/1
自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。
- SMASH: 自己中心視覚によるヒューマノイド卓球のスケーラブルな全身スキルの習得全身制御2026/4/1
外部センサに頼らず、自己中心視覚のみで連続打撃可能なヒューマノイド卓球システムを構築し、全身協調動作と生成モデルによる多様な打撃動作の学習を実現した。
- EgoHumanoid:ロボット不要の一人称デモで実世界ロコマニピュレーションを実現ロコマニピュレーション2026/2/1
人間の一人称視点デモと少量のロボットデータを共訓練し、視点・動作のずれを補正することで、ヒューマノイドの実世界ロコマニピュレーション性能を51%向上させた。
- χ₀: 分布の不一致を抑え込むリソース効率の良いロバストマニピュレーションマニピュレーション2026/2/1
人間のデモ分布・方策の帰納バイアス・実行時分布のずれを、重み空間マージやステージ適応型アドバンテージ推定、訓練-展開アライメントで解消し、限られた計算資源で双腕ロボットによる衣類の長期的操作を高信頼に実現した。
- PlannerRFT:閉ループかつサンプル効率の良い微調整による拡散プランナーの強化学習自動運転プランニング2026/1/1
拡散ベースの自動運転プランナーを強化学習で微調整するフレームワークを提案し、二重分岐最適化と高速シミュレータnuMaxによりサンプル効率と性能を向上させた。
- SimScale: 実世界シミュレーションを大規模に活用した自動運転の学習自動運転/sim2real2025/11/1
既存の走行ログから大規模に未知の状態を合成するシミュレーション基盤を構築し、疑似専門家による行動監督と実データとの共同学習で計画性能の堅牢性と汎化を大幅に向上させた。
- Switch-JustDance:家庭用ゲーム機で全身運動追従コントローラを評価するベンチマーク全身制御ベンチマーク2025/11/1
Nintendo Switchの『Just Dance』を利用し、ゲーム内の振り付けをロボットの動作に変換して、ヒューマノイドの全身制御コントローラを実機で評価する低コストで再現可能なベンチマーク手法を提案した。
- 力場と流れろ:力と実演ガイド付きシミュレーションデータから3Dコンプライアントフローマッチング方策を学習sim2real2025/10/1
1回の人間実演からシミュレーションで力情報付きデータを生成し、コンプライアントなフローマッチング方策と組み合わせることで、接触の多い実機タスクを安定して遂行する手法を提案。
- 実行可能性を保証するパッシブトルク制御マニピュレーション2025/10/1
マニピュレータのパッシブトルク制御において、実行可能性理論を用いて安全集合を事前計算し、二次計画法で制約を課すことで、外部擾乱下でも安全性を保証する手法を提案。
- MoReFlow: フローマッチングによる教師なし動作リターゲティング学習動作リターゲティング2025/9/1
VQ-VAEで各キャラクタの動作潜在表現を学習し、条件付きフローマッチングで潜在空間を対応付けることで、ペアデータなしに多様なキャラクタ間の動作リターゲティングを実現する教師なしフレームワーク。
- Switch4EAI: 家庭用ゲーム機をロボット運動能力のベンチマークに活用全身制御/ベンチマーク2025/8/1
Nintendo Switchの『Just Dance』のようなモーションセンシングゲームを利用して、ヒューマノイドロボットの全身制御ポリシーを評価する低コストで導入しやすいベンチマーク手法を提案し、Unitree G1で人間との比較定量評価を行った。
- VLMgineer: 視覚言語モデルをロボットの道具職人にVLA2025/7/1
視覚言語モデルのコード生成と進化的探索を組み合わせ、タスクを解くための物理ツールとその操作計画を自動で共設計するフレームワークを提案し、日常的な操作タスクの新ベンチマークで有効性を示した。
- 人間のデモンストレーションから身体的インタラクションスキルを学習する模倣学習2025/7/1
人間の動作から相互作用の動態を表す埋め込みインタラクショングラフを抽出し、異なる身体構造を持つエージェントが物理シミュレーションで模倣制御を学習する枠組みを提案した。
- 自動運転のための疑似シミュレーション評価自動運転評価2025/6/1
3Dガウススプラッティングで生成した合成観測を実データに付加し、閉ループに近い相関で自動運転を評価する疑似シミュレーション手法を提案。
- 自己認識型拡張による強化学習ベースの洗練:エンドツーエンド自動運転のための新手法自動運転2025/6/1
エンドツーエンド自動運転の模倣学習モデルを、強化学習による残差修正と自己認識型アダプタ拡張で継続的に改善する学習パイプラインR2SEを提案。難事例への適応と一般知識の保持を両立させる。
- 弾性運動ポリシー:ロバストで効率的なワンショット模倣学習のための適応的力学系模倣学習2025/3/1
単一の実演から力学系に基づく運動ポリシーを学習し、ラプラシアン編集とオンライン凸学習で環境変化に適応するワンショット模倣学習手法を提案。
- RobotMover: 人間のデモンストレーションから大型物体の移動を学習マニピュレーション2025/2/1
人間と物体のインタラクションデモから模倣学習し、シミュレーションで訓練したポリシーで実機ロボットが椅子やテーブルなどの大型物体を移動できるシステムを開発した。
- MotionWavelet: ウェーブレット多様体学習による人体動作予測動作予測2024/11/1
ウェーブレット変換と拡散モデルを組み合わせ、空間周波数領域で人体動作の時系列パターンを学習することで、将来の動作を高精度に予測するフレームワークを提案した。
- 物体中心キーポイント逆方策による視覚運動模倣学習の分布外復帰模倣学習2024/11/1
訓練データから物体キーポイントの勾配で逆方策を学習し、分布外状態でもベース方策を訓練分布に戻す復帰機構を提案。シミュレーションと実機で成功率を77.7%改善。
- 動的な人とロボットの物体協調操作のための制約を考慮した意図推定協調操作2024/9/1
人間の意図を動的システムモデルとパーティクルフィルタでリアルタイム推定し、可変インピーダンス制御で協調操作を支援する枠組みを提案した。
- NAVSIM: データ駆動型非反応的自動運転シミュレーションとベンチマーク自動運転ベンチマーク2024/6/1
大規模データセットと非反応的シミュレータを組み合わせ、実世界に近い大規模ベンチマークを可能にする評価手法NAVSIMを提案。CVPR 2024コンペで143チームが参加し、新たな知見を得た。
- 言語ガイド付きスキル発見スキル発見2024/6/1
大規模言語モデルの意味知識を活用し、ユーザープロンプトに基づいて意味的に多様なスキルを発見するフレームワークを提案。脚ロボットやマニピュレーションで有効性を示した。
- 制約付き受動的インタラクション制御:ロボットマニピュレータの受動性と安全性の活用マニピュレーション2024/3/1
トルク制御ロボットが運動学的制限や衝突、特異点などの安全制約を満たしつつ、実行可能な場合に受動性を保つ制御アーキテクチャを提案し、7自由度マニピュレータで検証した。
- 弾性力学系モーションポリシーによる安定性保証付きタスク汎化模倣学習2023/9/1
タスクパラメータをGMMベースのLPV力学系に埋め込み、新しいタスク状況に応じて弾性GMMをラプラシアン編集で変換することで、安定性を保ちながら動作を汎化する手法を提案した。
- 方向性を考慮した混合モデル並列サンプリングによる効率的な線形パラメータ変動力学系学習動作生成2023/9/1
ロボットの動作生成に用いられる線形パラメータ変動力学系(LPV-DS)の学習において、方向データとユークリッド状態を効率的に統合する新しい統計モデルと並列計算可能な推論手法を提案し、精度と効率を向上させた。
- CrossLoco: ガイド付き教師なし強化学習による脚式ロボットの人間動作駆動制御sim2real2023/9/1
人間の動作とロボットの状態間の相互情報量を最大化するサイクル整合性報酬を導入し、教師なし強化学習で脚式ロボットのスキルと人間動作との対応を同時に学習するフレームワークを提案。
- 安全性と安定性を保証するNeural ODEによる複雑な動作計画の学習動作計画2023/8/1
Neural ODEで教示から複雑な動作計画を学習し、制御リアプノフ関数と制御バリア関数に基づく二次計画法で安定性と安全性を保証する手法を提案。
- ACE: 人間から異形態キャラクターへの動作リターゲティングのための敵対的対応埋め込み動作リターゲティング2023/5/1
GANと特徴損失を用いて、人間の動作を異なる体型・構造を持つロボットやキャラクターに自然かつ意味を保って転写する学習ベースの動作リターゲティング手法を提案し、実機Spotへのsim-to-real転移も実証した。
- 経験転移による俊敏な移動スキルの学習と適応歩行2023/4/1
既存の制御器から経験を転移して強化学習を加速し、脚ロボットの俊敏な跳躍や二足歩行移動、環境適応を実現した。
- ARMP: 複雑な屋内環境における四足歩行ロボットのための自己回帰型動作計画歩行2023/3/1
軌道最適化で動作ライブラリを構築し、その多様体を教師あり学習で獲得することで、任意長の物理的に実現可能な動作計画を自己回帰的に生成する四足歩行ロボットのフレームワークを提案した。
- 鳥瞰図知覚の難所を探る:レビュー・評価・実践レシピBEV知覚2022/9/1
自動運転向けの鳥瞰図(BEV)知覚について、視点変換やアノテーション、マルチセンサ融合などの課題を整理し、産業界の設計例や性能向上の実践ガイドをまとめたサーベイ。
- FastMimic:敏捷・多様・汎化可能な四足歩行のためのモデルベース動作模倣歩行2021/9/1
動物の歩容をセントロイダル動力学モデルとオンライン適応で模倣する統一的なモデルベース制御法を提案し、高価なシミュレーション学習や実機微調整なしで多様な運動を実現した。
- ロボット埋め込み学習による脚式ロボットのナビゲーションスキル獲得歩行ナビゲーション/sim2real2020/11/1
複数の脚式ロボットのダイナミクスを考慮した階層的ナビゲーションポリシーを学習し、ロボット固有の埋め込みを最適化することで未知のロボットや実機への効率的な適応とsim-to-real転移を実現した。
- 学習された潜在行動空間での計画による汎化可能な脚式移動歩行2020/8/1
低レベル制御器と高レベル潜在行動空間を同時学習し、学習済みダイナミクスモデルでMPC的に潜在行動を計画することで、複数ロボットの脚式移動を汎化・高サンプル効率で実現した研究。
- 階層強化学習による汎化可能な移動スキルの学習歩行2019/9/1
移動を多様なプリミティブスキルの学習とモデルベース計画による系列化に分割する階層学習フレームワークを提案し、実機の6脚ロボットで約2時間の学習から12m先の目標まで歩行できることを示した。
- 動的圧縮を伴う変分潜在空間でのベイズ最適化ベイズ最適化2019/7/1
シミュレーション軌道を教師なしで低次元潜在空間に埋め込み、不要な状態空間の探索を動的に圧縮することで、10〜20回の試行でロボットの制御器を最適化するベイズ最適化手法を提案した。
- ATRIAS二足歩行ロボットにおける深層強化学習を用いた高レベル方策の学習歩行2018/9/1
高忠実度シミュレータと構造化コントローラを組み合わせ、ニューラルネットワーク方策をシミュレーションで学習してATRIASロボットの実機に転移できることを示した研究。
