Tsun-Hsuan Wang
Genesis AI
収録論文 31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
- 時間的ギャップに注意:運転における時間的理解のための動画モデル評価動画理解2026/10/8
運転動画での行動識別タスクを通じて、動画言語モデルが時間的ダイナミクスを頑健に捉えているかを評価し、プロンプト手法の不安定さとLoRA微調整の有効性を示した。
- 自己適応型VLA:ロボット実運用のための堅牢な展開手法VLA2026/9/24
ハードウェアのずれに自己適応するVLAモデルを提案し、展開時のキャリブレーションなしで精度が要求される双腕・巧緻マニピュレーションタスクの性能を80%以上回復させた。
- TapeSim: ロボットマニピュレーションのための粘着テープ分配の効率的シミュレーションsim2real2026/9/23
粘着テープの巻き出し・貼付・切断を効率的にシミュレーションする手法を提案し、剛体クラスタと変形カラーで計算を高速化しつつ、実動作の再現精度を向上させた。
- GS-Agent: 生成シミュレーションによる4D物理世界の構築生成モデル2026/7/1
自然言語の記述から、物理的に妥当で動的な4D世界を自動生成するマルチエージェントフレームワークを提案した論文。
- アクションイメージ:マルチビュー動画生成によるエンドツーエンド方策学習VLA2026/4/1
ロボットの7自由度動作をピクセルに接地したアクション動画として表現し、動画生成モデル自体を方策として用いる統一的な世界行動モデルを提案した。RLBenchと実機評価で高いゼロショット成功率を達成した。
- PhyScensis: 物理エンジンで拡張されたLLMエージェントによる複雑な物理シーン配置シーン生成/LLMエージェント2026/2/1
LLMエージェントと物理エンジンを組み合わせ、接触や支持・収納といった物理関係を考慮した複雑な3Dシーンを自動生成するフレームワークを提案。
- 見るものを減らして運転を改善:基盤モデルの確率的パッチ選択による汎化可能なEnd-to-End自動運転End-to-End自動運転2026/1/1
基盤モデルから抽出したパッチ特徴の冗長性を削減するため、ランダムに一部のパッチをマスクして学習するStochastic-Patch-Selectionを提案し、分布外シナリオでの自動運転性能を平均6.2%向上させた。
- ReGen: 逆設計による生成的ロボットシミュレーションsim2real2025/11/1
ロボットの行動とテキスト記述から、その行動を引き起こしうるシナリオや環境を大規模言語モデルで推論し、シミュレーションを自動生成するフレームワーク。
- RobotSmith: 複雑な操作スキル獲得のための生成的ロボットツール設計マニピュレーション2025/6/1
視覚言語モデルと物理シミュレーションを組み合わせ、ロボットが操作しやすいツールを自動設計し、その使い方まで最適化する手法を提案。
- 任意メッシュの関節構造化:オープンボキャブラリ3D関節物体モデリング3Dモデリング2025/2/1
視覚言語モデルと視覚プロンプトを用いて、任意の剛体3Dメッシュを部品分割と関節構造を持つ関節物体に自動変換するフレームワークを提案し、生成物をロボット操作スキル学習に活用できることを示した。
- UBSoft: 非有界軟質環境におけるロボットスキル学習のためのシミュレーションプラットフォームsim2real2024/11/1
軟質材料を含む広大な環境でロボットのスキル学習を可能にするため、ロボット近傍に応じて解像度を動的に変える空間適応型シミュレーションプラットフォームUBSoftを開発し、移動・操作タスクのベンチマークを構築した。
- ロボット基盤モデル監査のための身体性レッドチーミングVLA2024/11/1
視覚言語モデルを使って文脈に即した難易度の高い指示を自動生成し、言語条件付きロボットモデルの性能と安全性を評価する手法を提案した。
- Flex: 基盤モデル特徴量によるエンドツーエンドのテキスト指示視覚ナビゲーションVLA2024/10/1
事前学習済みVLMを凍結したパッチ単位の特徴抽出器として使い、少量のシミュレーションデータで訓練したドローンの視覚ナビゲーション方策が、未知のテキスト指示や実世界の視覚変化に汎化できることを示した。
- ABNet: 安全でスケーラブルなロボット学習のための注意バリアネットワーク安全学習2024/6/1
バリア関数ベースの安全学習をスケーラブルにするため、複数のバリアヘッドが異なる特徴に注目するAttention BarrierNetを提案し、安全性を理論保証しつつ障害物回避や操作、自動運転で堅牢性を示した。
- テキストから運転へ:大規模言語モデルによる多様な運転行動の合成自動運転シミュレーション2024/6/1
大規模言語モデルを活用し、自然言語の記述から多様な運転行動をシミュレーション上で生成する二段階の知識駆動型手法を提案した。
- 運転世界モデルとしてのマルチモーダルLLMの検証VLA2024/5/1
GPT-4oなどのマルチモーダルLLMが運転シーンをどの程度理解できるかを検証し、単一画像は得意でもフレーム間の一貫した理解や軌道計画は苦手であることを示した研究。
- 反事実的摂動による実演からの言語プランの接地VLA2024/3/1
LLMの言語プランをロボットの実演に基づくモード族で接地し、反事実的摂動を加えた実演から成功・失敗を学習して解釈可能な反応的方策を生成する手法を提案。
- DiffuseBot: 物理拡張拡散モデルによるソフトロボットの創成ソフトロボティクス/生成モデル2023/11/1
物理シミュレーションを組み込んだ拡散モデルでソフトロボットの形状を生成し、微分可能シミュレーションによる制御との共同設計で多様なタスクをこなせるロボットを自動生成する手法を提案。
- RoboGen: 生成的シミュレーションによるロボット学習のための無限データの活用sim2real2023/11/1
基盤モデルと生成モデルを活用し、タスク・シーン・訓練監督を自動生成する生成的シミュレーションによって、多様なロボットスキルを大規模に学習するエージェントを提案した。
- どこでも走行:マルチモーダル基盤モデルによる汎化可能なエンドツーエンド自動運転自動運転2023/10/1
マルチモーダル基盤モデルから空間・意味特徴を抽出し、未知環境でも画像とテキストで問い合わせ可能なエンドツーエンド自動運転を実現した。
- SafeDiffuser: 拡散確率モデルによる安全な計画計画/拡散モデル2023/6/1
制御バリア関数を拡散モデルのノイズ除去過程に組み込み、迷路経路生成や脚式ロボット歩行、3D操作などの計画タスクで安全性を保証する手法を提案した。
- 汎用ロボットへの道:生成的シミュレーションによる有望なパラダイムsim2real2023/5/1
大規模基盤モデルを活用して多様なタスク・シーン・訓練信号を自動生成する「生成的シミュレーション」という構想を提唱し、汎用ロボット実現への道筋を示したポジションペーパー。
- 視覚ベースのエンドツーエンド運転ポリシーにおける安定性アテンションの学習自動運転2023/4/1
制御Lyapunov関数にアテンション機構を導入し、視覚入力からのエンドツーエンド運転ポリシーに安定性と環境変化への適応性を持たせる手法を提案し、シミュレータと実車で有効性を示した。
- SoftZoo:多様な環境での移動のためのソフトロボット共同設計ベンチマークソフトロボティクス/共同設計2023/3/1
多様な環境での移動を対象に、ソフトロボットの形態と制御を同時最適化する共同設計アルゴリズムを評価するためのベンチマークプラットフォームSoftZooを提案し、既存手法を比較分析した。
- 視覚的注意を用いた協調飛行制御に向けて飛行制御/並列自律2022/12/1
パイロットの視線とニューラルネットの顕著性マップを比較し、注意が一致しないときだけ自律システムが介入する「エアガーディアン」を提案。固定翼シミュレーションとクアッドロータ実機で有効性を示した。
- もつれ解き木表現によるニューラルポリシーの解釈解釈性2022/10/1
決定木を用いてロボット学習ポリシーの潜在表現をもつれ解きし、その解釈性を集中度・相互情報量・モジュール性の観点から定量評価する手法を提案した。
- 視覚モデルはすべて平等に作られているのか?開ループから閉ループへの因果ギャップの研究VLA2022/10/1
自動運転などのロボティクス応用で生じる「開ループ学習→閉ループ運用」の因果ギャップを様々な視覚モデルで検証し、適切な学習指針下では分布内ではギャップが解消されるが、分布シフト下ではモデル構造に関わらず性能が崩れることを示した研究。
- ニューラルODEの前方不変性についてニューラルODE2022/10/1
制御バリア関数を用いてニューラルODEの出力仕様を保証する手法を提案し、表現学習や衝突回避で検証した。
- 視覚ベースのEnd-to-End自動運転のための微分可能制御バリア関数自動運転2022/3/1
微分可能な制御バリア関数を組み込んだ学習システムを提案し、視覚入力からのEnd-to-End自動運転において安全性を保証しつつ、実車で車線維持と障害物回避を実現した。
- VISTA 2.0: 自動運転向けマルチモーダルセンシングと方策学習のためのオープンなデータ駆動型シミュレータsim2real2021/11/1
RGBカメラ・3D LiDAR・イベントカメラを統合したオープンソースのデータ駆動型自動運転シミュレータを開発し、実車展開でsim-to-real転移と実データのみより高いロバスト性を示した。
- データ駆動シミュレーションによるインタラクティブ運転ポリシーの学習自動運転/sim2real2021/11/1
インペイントした他車両を用いるシミュレーション手法を提案し、マルチエージェント相互作用を含む運転ポリシーを学習、実車へ直接転移できることを示した。
