Weirui Ye
MIT CSAIL
収録論文 16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
- エネルギーベースのポリシーオーケストレーション階層制御2026/11/2
階層制御において、各低レベルポリシーごとに目標の実現可能性を表すエネルギーを学習し、実行時にポリシーと目標のペアを選択・調整する手法EPOを提案。ヒューマノイドの移動操作タスクでsim2realを実証した。
- 連続制御のための反復Gumbelプランニング連続制御/プランニング2026/11/1
探索ベース計画と連続ガウス方策の不整合を解消するため、次元ごとの因子化カテゴリ方策とGumbel Top-Kサンプリング、MPPI型反復探索を組み合わせたIGPを提案し、DMControlとHumanoidBenchで最先端性能を達成した。
- ロボットエージェントのためのオンライン探索スケーリングロボットエージェント/オンライン探索2026/10/15
汎用コーディングエージェントがロボット制御コードを生成し、オンライン探索でタスク達成の行動系列を発見・プログラム化するフレームワークRAXを提案。単腕・双腕・多指・移動・ヒューマノイドで実機・シミュレーション検証し、探索規模拡大に伴う汎化性能向上を示した。
- ロボットを改善するのは誰か?物理的再帰的自己改善に向けて自己改善2026/10/13
物理的経験を通じてロボットが能力と改善手順そのものを更新する「物理的再帰的自己改善」を定義し、L0-L5の枠組みで既存研究を整理したサーベイ。
- 再構成・練習・実世界展開:身体性エージェントのためのガイド付き自己改善マニピュレーション2026/10/1
オフラインデータから操作タスクを抽出し、シミュレーションで練習して失敗を診断しながらスキルとプロンプトを自己改善し、実機で高い成功率を達成するフレームワークRPGを提案。
- DeepJEPA:内部計算を適応的に配分する世界モデルプランナー世界モデル2026/9/30
各遷移の計算深さをテスト時スケーリング軸として扱い、意思決定に重要な遷移だけを深く推論する重み共有型の世界モデルを提案し、固定深さのプランナーと同等以上の性能を少ない計算量で実現した。
- LIBERO-MAX:世界が変化したときロボット政策は適応するか?VLA2026/9/29
タスク実行中に環境変化が起きた際のロボット政策の頑健性を評価する8,000ペアのベンチマークLIBERO-MAXを提案し、14のVLA政策が11.0〜25.7ポイントの成功率低下を示すことを明らかにした。
- DriftWorld: ドリフトによる高速ワールドモデリングワールドモデル2026/7/1
拡散ベースのワールドモデルは推論時の反復サンプリングが遅いため、ロボットの行動計画に必要な多数のロールアウト生成がボトルネックとなる。本論文では、訓練中に行動条件付きドリフトを学習し、単一の順伝播で未来フレームを生成できるDriftWorldを提案し、拡散ベースのベースラインより平均17倍高速で、複数の操作ベンチマークで最先端の意思決定性能を達成した。
- テスト時生成ビデオ推論のための時間的バックトラッキング探索ビデオ生成/推論2026/6/11
ビデオ生成モデルの推論を改善するため、時間軸上で生成・検証・再開を繰り返すTBS法を提案し、単発生成やBoNサンプリングより高い成功率を達成した。
- タスクをスケールせよ:マルチタスクモデルベース強化学習によるヒューマノイド制御の習得強化学習2026/3/1
サンプル数ではなくタスク数を増やすことで、モデルベース強化学習がヒューマノイドの多様なスキルを効率的に学習できることを示した論文。
- Video2Policy: インターネット動画を活用したシミュレーションでのマニピュレーションタスクのスケーリングsim2real2025/2/1
インターネット上の人間行動動画からシミュレーションタスクを再構築し、LLM生成報酬による強化学習で汎用方策を訓練、実機転移も実現したフレームワーク。
- スパース失敗ガイダンスとロボット連鎖思考による操作スキルの学習マニピュレーション2024/5/1
VLMを用いてタスクをサブタスクに分解し、より細かい報酬ガイダンスと自己模倣学習でロボットの操作スキルを効率的に学習させる手法を提案した。
- EfficientZero V2:限られたデータで離散・連続制御をマスターする強化学習2024/3/1
限られたデータで効率的に学習できる強化学習フレームワークEfficientZero V2を提案し、連続・離散行動や視覚・低次元入力など多様なタスクで既存手法を上回る性能を示した。
- 基盤モデルの事前知識を活用した強化学習:身体性エージェントの効率的な自律学習マニピュレーション2023/10/1
基盤モデルから方策・価値・成功報酬のガイダンスを得るRLFPフレームワークとFACアルゴリズムを提案し、実機とシミュレーションのマニピュレーションタスクで高効率・高成功率を達成した。
- サンプル効率の良い模倣学習のための計画法模倣学習2022/10/18
MCTSベースの強化学習に敵対的模倣学習を組み込み、行動クローニングと敵対的模倣学習を統合した計画型模倣学習手法を提案し、高い性能とサンプル効率を両立させた。
- EfficientZero:限られたデータでAtariゲームを攻略するサンプル効率の高いモデルベース強化学習モデルベース強化学習2021/11/1
MuZeroをベースに、少ない環境ステップで人間を超える性能を達成するサンプル効率の高いモデルベース視覚強化学習アルゴリズムEfficientZeroを提案した。Atari 100kベンチマークで平均194.3%の人間性能を達成し、DQNの2億フレーム時の性能に500分の1のデータで匹敵する。
