Xiaohan Zhang
収録論文 30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
- ZeroBot:生成的Real2Simで数分でゼロから学習sim2real2026/9/27
単一視点画像から画像to3D生成モデルで物体メッシュを作り、シミュレーションで並列強化学習を行い、実機タスクを数分で学習するフレームワーク。
- 生成的なReal-to-Simによるロボットマニピュレーションのためのテスト時空間推論sim2real2026/9/27
単一のRGB-D画像から3D生成モデルと視覚言語モデルでシミュレーション可能なシーンを再構築し、数千の並列物理シミュレーションと進化的探索によって物体配置を最適化する、訓練不要のテスト時空間推論フレームワークを提案。
- GIRAF: 関節物体との汎用的な人間インタラクションの実現全身動作生成2026/7/8
関節を持つ物体との全身インタラクションを生成するテキスト条件付き拡散モデルを提案し、物体中心表現と混合ドメイン学習、接触ベースのデータ拡張により未見の物体構成への汎化を実現した。
- 合成事前分布からの世界行動モデルの効率的なSim-to-Real転移sim2real2026/6/1
シミュレーションで訓練した世界行動モデルを実ロボットにゼロショット転移させる初の試みで、物体持ち上げや引き出し開閉などの操作タスクで35%の成功率を達成した。
- 視覚運動ポリシーの短期記憶を拡張し長期的タスクを実現模倣学習2026/6/1
本論文は、模倣学習による視覚運動ポリシーに短期記憶を効果的に組み込むためのアーキテクチャPRISMを提案し、新しいベンチマークReMemBenchで評価した。
- ProcVLM: 手順に基づく進捗報酬を学習するロボット操作モデルマニピュレーション2026/5/1
長期的なロボット操作タスクにおいて、手順の構造と視覚変化に基づいて進捗を推定し、密な報酬信号を生成する視覚言語モデルProcVLMを提案した。
- 能動的知覚を備えたロボットの計画と状況対応タスク計画/能動的知覚2026/4/1
ロボットの実行中に発生する予期せぬ状況を能動的に知覚し対処するためのフレームワークVAP-TAMPを提案した。視覚言語モデルとシーングラフを活用し、タスクと動作の統合計画を行う。
- ExpertGen: 不完全な行動事前分布からのスケーラブルなSim-to-Realエキスパート方策学習sim2real2026/3/1
不完全なデモから拡散方策を事前分布として学習し、その初期ノイズを強化学習で最適化することで、報酬設計なしに高品質なエキスパート方策をシミュレーションで自動生成し、実機転移を可能にするフレームワーク。
- 黄金のチケット:単一のノイズベクトルで生成ロボットポリシーを改善VLA2026/3/1
事前学習済みの拡散・フローマッチングポリシーに対し、ガウス分布から毎回サンプリングする代わりに固定の初期ノイズ(黄金のチケット)を与えることで、追加学習なしにタスク成功率を向上させる手法を提案。
- AnyTask: Sim-to-Realポリシー学習を進めるための自動タスク・データ生成フレームワークsim2real2025/12/1
GPUシミュレーションと基盤モデルを組み合わせ、多様なマニピュレーションタスクの設計から専門家デモ生成、実機転移までを自動化するフレームワークを提案。生成データで学習したポリシーが実機で平均44%の成功率を達成。
- LLM-GROP: 大規模言語モデルによる視覚に基づくロボットのタスク・動作計画タスク・動作計画2025/11/1
大規模言語モデルの常識知識と視覚情報を活用し、複数物体の移動を伴うモバイルマニピュレーションのタスク・動作計画を統合するフレームワークを提案。実環境とシミュレーションで成功率と効率を評価した。
- ParticleFormer: 多物体・多素材ロボット操作のための3D点群ワールドモデルワールドモデル2025/6/1
剛体・変形・柔軟素材が混在する多物体操作を対象に、実ロボット知覚データから直接学習できるTransformerベースの3D点群ワールドモデルを提案し、MPCによる下流操作タスクで高精度な動力学予測を実現した。
- RobotDiffuse: 冗長マニピュレータのための拡散モデルベース運動計画とROP障害物回避データセットマニピュレーション2024/12/1
拡散モデルと点群エンコーダ、エンコーダのみのTransformerを組み合わせ、冗長マニピュレータの滑らかな運動計画を実現。35M姿勢・0.14M障害物回避シーンを含む新データセットROPを公開。
- DKPROMPT: ドメイン知識で視覚言語モデルを誘導するオープンワールド計画手法VLA2024/6/1
PDDLのドメイン知識を使って視覚言語モデルへのプロンプトを自動生成し、オープンワールドでのロボットタスク計画・実行を高精度化するフレームワークを提案した論文。
- FORCE: 物理特性を考慮した人と物体のインタラクション生成ヒューマン・オブジェクト・インタラクション2024/3/1
物体の質量や摩擦といった物理特性をモデル化し、人間の力と抵抗力の関係を捉えることで、多様でリアルな人と物体のインタラクション動作を生成する手法を提案。
- 長期的な移動マニピュレーション計画のための記号状態空間最適化タスク・動作計画2023/7/1
長期的な移動マニピュレーションタスクにおいて、タスク計画用の抽象的な状態空間を自動的に最適化し、タスクと動作の計画を効率的に生成する手法を提案した。
- COWP: LLMと行動知識を統合したオープンワールドタスクプランニングと状況対処タスクプランニング2023/5/1
LLMの常識知識で行動の前提条件・効果を動的に拡張し、未知の状況にも対応できるオープンワールド向けタスクプランニング手法を提案した。
- LLM+P:大規模言語モデルに最適計画能力を付与するフレームワーク計画2023/4/1
自然言語の計画問題をPDDLに変換し古典的プランナーで最適解を求めて自然言語に戻すことで、LLMの長期計画の弱点を補う手法を提案。
- 視覚言語モデルによる古典的タスクプランナの接地VLA2023/4/1
古典的プランナが生成した行動を視覚言語モデルで検証し、行動失敗の検出とアフォーダンス確認を行うことで、実環境での計画実行を成功させるフレームワークTPVQAを提案した。
- 効率的なロボット学習のための空間言語アテンションポリシーVLA2023/4/1
3次元トークンを入力とし、言語条件付きのマルチタスク行動予測ポリシーを学習するSLAPを提案。モバイルマニピュレーションで高い成功率とロバスト性を示す。
- 大規模言語モデルとタスク・動作計画による物体再配置マニピュレーション2023/3/1
LLMから常識的な物体配置の知識を引き出し、タスク・動作計画と組み合わせて、自然言語指示に基づく物体再配置を実現する手法を提案。
- GLAD: 複雑なサービス要求に対応する接地型階層型自動運転自動運転/階層計画2022/10/1
複数の目的地を巡る複雑なサービス要求に対し、サービス・行動・運動の3層を密結合した計画フレームワークGLADを提案し、知覚学習で接地することで安全かつ効率的な自動運転を実現した。
- オープンワールドにおけるロボットのタスク計画と状況対処タスク計画2022/10/1
大規模言語モデルから常識を抽出し、ロボットの行動知識を動的に拡張することで、予期せぬ状況に対応するタスク計画アルゴリズムCOWPを提案した。
- 強化学習と全身軌道最適化によるロボットのテーブル拭きマニピュレーション2022/10/1
視覚観測からこぼれやパンくずの不確かな動態を考慮しつつ、強化学習で拭き動作を計画し、全身軌道最適化で安全な動作を実現する枠組みを提案した。
- 視覚に基づく移動マニピュレーションのためのタスク・動作計画移動マニピュレーション2022/2/1
移動を伴う長時間行動の実現可能性を視覚情報から確率的に評価し、効率と実現性を両立するタスク・動作計画アルゴリズムGROPを提案。シミュレーションと実機で有効性を検証した。
- 物体の物理特性を学習して接地するタスク・動作計画タスク・動作計画2022/2/1
物体のサイズや重さなどの特性が未知の環境で、物理エンジンを用いて物体とその物理特性を学習しながらタスク・動作計画を行うTMOCを提案し、シミュレーションと実機で有効性を示した論文。
- 360度視界を持つ移動型テレプレゼンスロボットにおける人間の注意誘導の学習テレプレゼンス/強化学習2021/9/1
360度視界のテレプレゼンスロボットが、視覚的指標を用いて人間の注意を目標へ誘導する方策を強化学習で獲得するフレームワークGHAL360を提案し、目標探索タスクの効率で既存手法を上回った。
- 街路画像からの物体追跡と地理的位置推定地理的位置推定2021/7/1
低フレームレートの街路動画から交通標識を検出し、GPS-RetinaNetと学習型類似度ネットワーク+ハンガリアン法のトラッカーで地理的位置を推定する2段階フレームワークを提案した。
- オンライン属性学習のためのマルチモーダル探索行動計画属性学習2021/6/1
ロボットが属性学習と識別を同時に行う新問題On-RALを定義し、情報理論的報酬形成で探索と活用のトレードオフを解決する手法を提案した。
- 都市走行のための安全で効率的なタスク・モーション統合計画自動運転計画2020/3/1
自動運転においてタスク計画とモーション計画が安全度を共有し合うことで、効率を最大化しつつ走行の安全性を確保するアルゴリズムTMPUDを提案し、都市走行シミュレーションで有効性を示した。
