Xi Lin
Johns Hopkins University
収録論文 15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
- 未来予測が引き起こす行動変化を補正するUtility-WAMVLA2026/10/29
視覚的未来予測を条件にしたロボット行動生成が精度タスクで性能を大きく劣化させる問題を分析し、凍結したWAMに残差アダプタを付けて未来由来の速度変化を補正する手法を提案した。
- ReSync: 非同期ワールドアクションモデルにおける二つのクロックの再同期VLA2026/9/27
未来の映像と行動を別々のスケジュールで生成する非同期推論において、行動と映像の進捗のずれを「コミットメント・エビデンスギャップ」として定式化し、その間隔内で計算を再配置するReSyncを提案。パラメータ変更なしで成功率を4.48ポイント改善。
- 見て、思い出して、行動する:並行身体ストリームにおける常時稼働ロボットVLA2026/9/23
常時稼働ロボット向けに、ライブ知覚・身体状態・自身の過去行動を非同期に統合するストリーミングポリシーARMSを提案し、両腕同時作業でのタスク成功率を向上させた。
- D-JEPA: 意思決定に整合した潜在世界モデル世界モデル2026/9/21
実行結果から候補未来間の意思決定に関わる関係を学習し、潜在距離による計画を改善する世界モデルを提案。操作・自動運転・実機タスクで行動選択の成功率が向上。
- BAT-Nav: 長期セマンティックナビゲーションのための予算認識型調停と終了ナビゲーション2026/5/1
限られた行動予算で複数の目標を探索する長期ナビゲーションにおいて、低収益な目標が予算を独占する問題を解決するため、凍結されたVLMベースのナビゲーションの上で動作する訓練不要のオンライン目標調停機構を提案した。
- DRACo-SLAM2: 物体グラフマッチングを用いた水中ロボットチーム向け分散型高効率音響SLAMSLAM2025/7/1
マルチビームイメージングソナーを搭載した水中ロボットチームのための分散SLAMフレームワークで、ソナーマップを物体グラフとして表現し、物体グラフマッチングにより事前の幾何情報なしで効率的なロボット間ループ閉じ込み検出を実現した。
- 挿入ベースの構成的ニューラル配送経路ソルバの学習経路最適化2025/5/1
配送経路問題を解くニューラル手法において、未訪問ノードを任意の位置に挿入して解を構築する新パラダイムを提案し、TSPやCVRPで性能を向上させた。
- 接触条件誘導拡散モデルによる視覚ベース触覚画像生成触覚2024/12/1
物体のRGB画像と接触力データから、高忠実度な視覚ベース触覚センサ画像を生成する拡散モデルを提案し、従来手法より誤差を大幅に削減した。
- 分布強化学習に基づく自律水上艇の統合的意思決定と制御強化学習/ナビゲーション2024/12/1
LiDARとオドメトリのみを用い、分布強化学習で連続行動空間の推力指令を生成し、COLREGs遵守と安全・効率的な航行を両立する自律水上艇ナビゲーションを提案した。
- 位置推定不確かさ下でのEMに基づくマルチロボット自律探索と地図構築群制御2024/3/1
分散型マルチロボットチーム向けに、地図と自己位置の不確かさを考慮した自律探索アルゴリズムを提案し、EM風の反復手法で次行動を評価して地図不確かさの抑制と効率的なタスク配分を両立させた。
- 分散型マルチ自律表面車両ナビゲーションのための分布強化学習群制御2024/2/1
混雑水域での複数自律表面車両の衝突回避を、分布強化学習を用いた分散型ポリシーで実現し、安全性と効率を両立させた研究。
- 分布強化学習による堅牢な無人水上艇ナビゲーションナビゲーション2023/7/1
海流のある環境で、流れや障害物の事前知識なしに無人水上艇を自律航行させるため、行動結果の不確実性を捉える分布強化学習ベースの局所経路計画手法を提案した。
- 確率的道路網環境における分布強化学習によるロバスト経路計画経路計画2023/4/1
環境の確率的変動を考慮したリターン分布を学習し、ユーザのロバスト性選好に応じて経路を調整できる分布強化学習フレームワークを提案した。
- 色ベース半球型ソフト触覚指先の迅速製造触覚2021/12/1
多色積層造形とシリコーン注型を組み合わせ、カメラ式触覚センサの指先を短時間で作製する手法を提案し、接触面の3次元変形を高密度に計測できることを示した。
- RGB-Dカメラ向けキーフレームベース連続視覚SLAM:非パラメトリックな幾何・見た目統合表現による手法SLAM2019/12/1
RGB-D画像をRKHS上の関数として統合表現し、キーフレーム選択と位置推定を連続的に行うSLAMを提案。テクスチャや構造が乏しい環境でも頑健に動作する。
