Wulong Liu
Beta Infinity
収録論文 5本 ・ フィジカルAI/ロボット学習
記憶/身体性エージェント効率化操作/ベンチマーク自動運転/強化学習模倣学習
※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
- 変化する世界を記憶する身体性エージェント向け長期記憶フレームワーク記憶/身体性エージェント2026/10/19
作業・空間・実体・エピソード・経験・手続きの6層からなる追跡可能な長期記憶を構築・進化させるBetaMemを提案し、強化学習と教師検証で記憶操作の正確性を高めつつ記憶コストを削減した。
- キャッシュ対応Conv3D変換による組込みワールドモデルデコーダの高速化効率化2026/9/25
生成的世界モデルのエッジ実行を高速化するため、因果的Conv3Dをバッチ化空間Conv2Dに変換するキャッシュ対応のランタイム最適化を提案し、Jetson上でVAEデコードを約7倍高速化した。
- LIBERO-RECOVER: タスク成功を超えて—ロボット操作モデルにおける失敗回復へ操作/ベンチマーク2026/9/4
既存のロボット操作ベンチマークは理想条件での成功率のみを測るが、実世界では失敗がつきものである。本論文は、最先端モデルの実実行失敗を収集し、4段階の回復レベルを含む大規模ベンチマークLIBERO-Recoverを導入して、失敗回復能力を評価する。
- 強化学習による交渉を考慮した自動運転車の動作計画自動運転/強化学習2021/7/1
強化学習で予測ホライズンを動的に調整し、他車の意図変化に適応する交渉型動作計画を提案。狭路走行の実験で社会ジレンマを緩和できることを示した。
- Triple-GAIL:マルチモーダル模倣学習フレームワーク模倣学習2020/5/1
スキル選択器を補助的に導入し、複数モードの専門家デモと生成経験からスキル選択と模倣を同時に学習する新しいGAILフレームワークを提案し、実運転軌跡とRTSゲームデータで有効性を示した。
