Wenzhao Lian
収録論文 29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
- BioAgent:長期的な実験プロトコルに向けた自律的技能獲得と能力成長ロボット実験/技能獲得2026/10/30
ロボットが未経験の実験プロトコルを遂行するため、不足能力の特定・技能の自己獲得・人間への教示要求・逐次検証を統合し、二腕ロボット実験で完全タスク成功率66%・58%を達成した研究。
- MAIA: マルチモーダル世界モデルによる接触の多いマニピュレーションにおける相互作用異常の予測マニピュレーション2026/10/15
視覚・行動・力のマルチモーダル世界モデルで接触の多い操作中の異常を事前に予測し、異常を考慮した行動選択でタスク成功率を向上させた研究。
- 自己受容感を軸にしたクロスモーダル事前学習による接触を伴う組立のゼロショットsim-to-real転移sim2real2026/9/7
シミュレーションと実機で差異の少ない自己受容感(関節位置・速度)を教師信号に、視覚と力覚の表現を学習し、実機での微調整なしで高精度な接触組立を実現する手法PACEを提案した。
- Triplet2Track: オブジェクト中心表現を用いた信頼性の高い長期的操作のための階層システム操作学習2026/8/24
長期的なロボット操作の信頼性を高めるため、人間の動画を活用し、高レベルのサブゴールをインスタンスに基づくトリプレットとして表現し、実行とオンライン再計画を行う閉ループ模倣学習システムを提案した。
- 練習が方策を生む:人間のデモンストレーションなしでロボット能力をブートストラップし強化する操作2026/7/1
本論文は、人間のデモンストレーションなしでロボットが自律的に経験を蓄積し、再利用可能な行動を経て効率的な視覚運動ポリシーへと能力を進化させる自己改善型の階層的エージェントHEROを提案する。
- FAWAM: 力覚を考慮した世界行動モデルによる閉ループ接触リッチ操作マニピュレーション2026/6/1
接触を伴う操作タスクにおいて、力覚情報を認識・予測・実行時補正の3段階で活用するモデルを提案し、成功率を大幅に向上させた。
- HALOMI: 人間のデモから能動的知覚を伴うヒューマノイドの移動操作を学習する移動操作2026/6/1
人間のデモデータからヒューマノイドの移動操作を学習するためのスケーラブルなフレームワークを提案し、能動的知覚とロバストな追従制御を実現した。
- BORA: オフライン強化学習とオンライン残差適応を橋渡しする実世界巧緻操作VLAモデルVLA/強化学習/巧緻操作2026/5/1
実世界の巧緻操作向けに、オフライン学習で価値関数を構築し、オンラインで人間介入による残差適応を行うVLAモデルの後訓練フレームワークを提案した。
- BridgeACT: 人間のデモンストレーションを統一的なツール・ターゲットのアフォーダンスでロボット動作に橋渡しする操作学習2026/4/1
人間のビデオからロボット操作を直接学習するフレームワークを提案。アフォーダンスを身体非依存の中間表現として使い、把握位置と動作を分解して実ロボットに展開する。
- DexHiL:巧みな操作のための視覚-言語-行動モデル事後学習における人間参加型フレームワークマニピュレーション2026/3/1
腕と多指ハンドの協調操作を可能にする人間参加型フレームワークを提案し、実行中の人間による修正を活用した事後学習で成功率を平均25%向上させた。
- 見て、感じて、動く:大規模一人称視点人間データから能動的知覚を学ぶVLA2026/2/1
大規模な一人称視点の人間データを活用し、情報を能動的に集めながら操作するVLAフレームワークCoMe-VLAを提案。記憶機構と認知補助により多様な長期タスクで高い適応性を示した。
- CLASH: 拡張Sim-to-realハイブリダイゼーションによる衝突学習でリアリティギャップを埋めるsim2real2026/2/1
不完全なシミュレータから衝突モデルを蒸留し、少数の実衝突データで微調整することで、衝突を含むタスクのsim-to-real転移精度を高めるフレームワークを提案。
- 視点が重要:マスク付きオートエンコーダによる視覚マニピュレーションのための動的視点最適化マニピュレーション2026/2/1
単一カメラロボットにおいて、事前学習済みマルチビューマスク付きオートエンコーダを活用し、ラベルなしで最も情報量の多い視点を動的に選択するフレームワークMAE-Selectを提案。
- FSAG: 拡散モデルによる人間から多指ハンドへの指先ごとのアフォーダンス接地の強化マニピュレーション2026/1/1
人間の動画から拡散モデルを用いて物体のアフォーダンスを抽出し、多指ハンドの把持生成に活用することで、ハードウェア固有のデータ収集なしに汎用性の高い把持を実現した。
- デジタルからフィジカルへ:物理知能のための自律型コーチとしてのデジタルエージェントVLA2026/1/1
LLMエージェントが強化学習や模倣学習のタスク設計・デバッグ・最適化を自律的に行うベンチマークEmboCoach-Benchを提案し、人間設計を上回る性能を実証した。
- 見て、ズームして、理解する:身体性知覚のためのロボット眼球VLA2025/11/1
言語指示に基づきPTZカメラのパン・チルト・ズームを調整して最適な視野を得るVLAモデルEyeVLAを提案し、500サンプルで実世界適応を実現した。
- SAGE: シーングラフを活用した長期的マニピュレーションタスクの誘導と実行マニピュレーション2025/9/1
シーングラフを構造的表現として用い、VLM/LLMによるタスク計画と画像編集によるサブゴール画像生成を組み合わせ、長期的マニピュレーションタスクを実現するフレームワークを提案。
- FoAM: 先読み拡張によるマルチタスク模倣方策マニピュレーション2024/9/1
多様なタスクを単一方策でこなす模倣学習において、行動の視覚的結果を予測する先読み拡張を導入し、未見タスクへの汎化と行動信頼性を高めた手法を提案。
- 触覚駆動型動作プリミティブによるケーブルの配線と組立マニピュレーション2023/3/1
指先のGelSightセンサを用いた触覚誘導動作プリミティブを構築し、視覚によるタスク解析と統合することで、ケーブルの配線・組立を実現した。触覚なしの手法より大幅に優れる。
- Prim-LAfD: デモンストレーションから挿入タスクのプリミティブベーススキルを学習・適応するフレームワークマニピュレーション2022/12/1
人間のデモンストレーションを密な報酬として用い、ブラックボックス最適化でプリミティブパラメータを学習・適応させることで、挿入タスクを短時間かつデータ効率的に獲得する手法を提案。
- ロボットの目標到達における安全な接触の許容:操作空間とヌル空間での計画と追従マニピュレーション2022/11/1
ロボットマニピュレーションにおいて、環境との安全な接触を許容しながら目標到達するため、操作空間とヌル空間でコンプライアンス参照信号を生成・追従する手法を提案し、衝突を許容する軌道を最適化するハイブリッドソルバを開発した。
- メタ強化学習におけるタスク表現の disentangle によるゼロショット方策転移メタ強化学習2022/10/1
メタ強化学習でタスクを複数の属性に分解して表現し、未知の組み合わせタスクにも追加探索なしでゼロショットに方策を汎化する手法を提案し、実機の挿入タスクで検証した。
- 述語分類器による接触を伴うマニピュレーションの記号的状態推定マニピュレーション2022/3/1
ペグ挿入などの接触作業で、複数センサの観測をベイズ統合し述語分類器で記号的状態を推定する手法を提案。少ない学習データで高精度に状態を分類でき、未知タスクへの汎化と実機でのマニピュレーション方策の頑健性向上を示した。
- 一度の実演でカテゴリレベル操作を学習するフレームワーク模倣学習2022/1/1
単一の実演動画からカテゴリレベルの物体表現と6DoF動作追跡を用いて新規物体への操作軌道を生成し、CatBCで閉ループ制御する手法を提案。
- カテゴリレベルでタスクに適した把持をシミュレーションから学習するCaTGraspマニピュレーション2021/9/1
産業用物体のタスクに適した把持を、実世界データ収集や人手注釈なしにシミュレーションのみで学習する枠組みを提案し、カテゴリレベルの正準表現で新規物体へ把持を転移できることを示した。
- 既製ソリューションによるロボット組立タスクのベンチマーク評価組立/ベンチマーク2021/3/1
NIST組立タスクボード上で既製の産業用ロボットソリューションを評価し、その性能と導入を妨げる要因を明らかにした。
- 強化学習と実演による産業組立向け堅牢マルチモーダル方策:大規模実証研究産業組立/強化学習2021/3/1
産業組立タスクにおいて、実演からの強化学習(DRL)を産業志向の設計基準で構築し、NISTベンチマークでプロのインテグレータや人間を上回る速度と信頼性を実証した大規模研究。
- 接触インタラクションの解釈によるロボット組立作業の失敗克服組立/触覚2021/1/1
組立失敗時の触覚センサ情報から部品の位置と種類の信念を更新する微分可能フィルタを学習し、不確実性下でも部品嵌合を成功させる階層的手法を提案した。
- 接触の多いマニピュレーションタスクのための密な報酬の学習マニピュレーション2020/11/1
画像や触覚などの高次元観測から、自己教師ありでタスク進捗を推定して密な報酬関数を自動生成する手法を提案し、ペグ挿入やUSB挿入で従来法より高性能・高速収束を示した。
