Xiao Hu
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
- 実践的タスク成功で導くVLAモデルの混合精度量子化量子化2026/10/28
短い閉ループ評価のタスク成功率を指標に、VLAモデルの重みと活性のビット幅を割り当てる混合精度量子化手法QbD-VLAを提案し、4モデル・LIBERO全スイートで約4ビット重み・6ビット未満活性を実現した。
- 世界モデルは成功を夢見る:ロボット世界モデルにおける失敗非感受性の診断と修復世界モデル2026/10/6
ロボット世界モデルが失敗を成功と誤予測する問題を診断し、成功実演から反事実的な失敗データを生成・検証して微調整する手法CureWMを提案。失敗予測精度が大幅に改善。
- 押す前にそっと触れ:触覚プロービングによる物理認識ナビゲーション触覚2026/10/4
触覚プローブで容器の押し抵抗を測り質量を推定して、押してよいか判断しながら経路計画するナビゲーション手法TANavを提案。シミュレーションと四脚マニピュレータで有効性を示した。
- KPI: ヒューマノイドの物理的インタラクションのためのプロンプト可能なカーネルマニピュレーション2026/9/28
軌道源と全身トラッカー間に、方向ごとに追従・柔軟・力保持を指示する契約を送り、接触時に腕の剛性・減衰・参照・フィードフォワードを適応させるカーネルを提案。VLAエージェントが指示から軌道と契約を生成し、ウィンチ操作やドア開け、箱運搬を実現した。
- SatNav: 衛星画像を用いた長距離UAV視覚言語ナビゲーションのためのスケーラブルなベンチマークVLA2026/9/25
高解像度衛星画像から都市規模の長距離UAV視覚言語ナビゲーション用ベンチマークを構築し、18都市59シーンから11.8万エピソードを自動生成した研究。
- PRISM: ワールドモデルにおける事前知識誘導型想像サンプリングモデルベース強化学習2026/6/1
学習済みワールドモデルを用いたプランニングにおいて、候補アクションの生成を事前分布で誘導する手法を提案。軽量なMLPで状態条件付きガウス事前分布を予測し、プランナーのサンプリング分布に融合することで性能を向上させた。
- H-WM:階層型ワールドモデルによるロボットのタスク・動作計画タスク・動作計画2026/2/1
論理空間と視覚空間の状態遷移を統合的に予測する階層型ワールドモデルを提案し、長期的なロボットタスクの計画と実行を安定化させる。
- 3D・2D円中心の高精度かつロバストな推定:カメラ-LiDARキャリブレーションへの応用キャリブレーション2025/11/1
LiDARとカメラの外部キャリブレーション精度を高めるため、等角幾何代数とRANSACによる3D円中心推定と、弦長分散最小化による2D投影中心復元を組み合わせたフレームワークを提案した。
- UniPrototype:統一プロトタイプによる人間-ロボットスキル学習マニピュレーション2025/9/1
人間の動作データから共通の運動プリミティブを抽出し、ロボットのマニピュレーションへ知識転移するフレームワークを提案。シミュレーションと実機で学習効率と性能の向上を示した。
- Embodied Arena:具現化AIのための包括的・統合・進化型評価プラットフォーム評価基盤2025/9/1
具現化AIの能力を3階層・7能力・25次元で体系化し、22のベンチマークと30以上のモデルを統合評価する進化型プラットフォームを構築した。
- 観測不確実性下での適応的把握のための触覚ベース強化学習触覚2025/5/1
建設現場などで物体の状態が正確に観測できない状況に対応するため、触覚シミュレータとPPO強化学習を組み合わせ、触覚フィードバックに基づいて把持姿勢を動的に調整する手法を提案した。
- リー群を用いたマニフォールドセンサフュージョンによる空中磁気探査のための視覚協調測位法群制御2024/10/1
GNSSが使えない環境での複数UAVによる空中磁気探査に向け、視覚処理とリー群上のマニフォールドセンサフュージョンを組み合わせた協調測位手法を提案し、実飛行実験でセンチメートル級の精度を実証した。
- DecisionNCE: 暗黙的選好学習による身体性マルチモーダル表現VLA2024/2/1
視覚軌跡と言語指示の対応を暗黙的選好として扱い、Bradley-Terryモデルを再パラメータ化することで、タスク進捗と時間的一貫性、言語接地を同時に学習する統合表現学習フレームワークを提案した。
- 改良ファインチューニングによる新規物体の把持性能向上マニピュレーション2023/10/1
新規物体に対する把持データを把持方向のサンプリングで高速生成し、ファインチューニングを従来比400%高速化する手法を提案。
- PROTO: 反復的政策正則化によるオフライン・オンライン強化学習強化学習2023/5/1
オフライン事前学習とオンライン微調整を組み合わせる際に、反復的に進化する正則化項を導入することで、安定した微調整と高い最終性能を両立させる枠組みを提案した。
- ONE PIECE: 把持のための効果的に統合されたパッチワーク抽出マニピュレーション2023/3/1
多数の3D物体の把持データセット生成を高速化するため、グリッパ座標系で繰り返し現れる把持領域の点群を抽出・統合し、単一物体にまとめる手法を提案。実機把持実験でも良好な性能を示した。
